Е.И. Балунин1, А.П. Ратушин2, Д.С. Храпков3, М.В. Власов4

1–4 Военный университет радиоэлектроники (г. Череповец, Россия)

Постановка проблемы. С целью эффективного использования пропускной способности канала и достижения высокой корректирующей способности современные системы связи оптимизируются за счет применения распределенных кодовых структур (РКС). Под РКС цифровых сигналов понимаются схемы, реализующие совместное кодирование источника и канала. Изучение целостного взаиморасположения кодовых символов разнородных кодов и наличие устойчивых взаимосвязей между ними делает РКС перспективным направлением для дальнейшего развития и внедрения в современные системы связи.

Цель. Разработать аналитическую модель кодового слова совместного низкоплотностного кода источника и канала (СНПК), позволяющую в дальнейшем описывать процедуры формирования РКС на основе протографов и проводить исследования данных схем.

Результаты. Представлена графическая модель совместного декодера в виде двойного двудольного графа Таннера. Проведено сравнение корректирующей способности схемы с совместным декодером и схемы с раздельным декодированием канала и источника. Полученная разница в производительности схем объясняется совместной работой декодеров СНПК, где избыточность кодера источника дает дополнительную информацию кодеру канала для оценки правильной исходной последовательности. Проведенные исследования показали, что сообщение источника может быть восстановлено в приемнике совместным декодером максимального правдоподобия, где декодер источника и декодер канала работают параллельно и обмениваются информацией.

Практическая значимость. В целях достижения высоких скоростей передачи информации для источников с высокой энтропией возможно компенсировать избыточность, введенную канальным кодером, результатом сжатия. Установлено, что сжатие и защиту от помех исходной последовательности возможно производить за один этап, применяя объединенную матрицу СНПК. Отмечается, что в СНПК исходная информационная последовательность не передается по каналу связи, а передаются только проверочные блоки, за счёт чего и достигается увеличение пропускной способности канала связи.

Балунин Е.И., Ратушин А.П., Храпков Д.С., Власов М.В. Процедура формирования и декодирования кодовых слов совместного низкоплотностного кода источника и канала // Электромагнитные волны и электронные системы. 2023. Т. 28. № 3. С. 28−37. DOI: https://doi.org/10.18127/j15604128-202303-04

1. Shannon C.E. A Mathematical Theory of Communication // Bell System Technical Journal. 1948. V. 27. № 3. P. 379–423.
2. Ратушин А.П. Модель распределенной компонентной кодовой структуры цифровых сигналов спутниковых систем связи, учитывающая закономерности многоэтапного объединения разнородных кодовых преобразований // Наукоемкие технологии. 2023. Т. 24. № 1. С. 31–47. DOI 10.18127/j19998465-202301-04.
3. Жулев А.Е., Ратушин А.П., Дианов С.В. Комбинаторное обнаружение и идентификация непрерывного низкоплотностного корректирующего кода с учетом структурных закономерностей кодированной последовательности // Успехи современной радиоэлектроники. 2017. № 9. С. 14–19.
4. Pu L., Wu Z., Bilgin A., Marcellin M.W., Vasic B. LDPC-based iterative joint source-channel decoding for JPEG2000 // IEEE Transactions on Image Processing. 2007. V. 16. № 2. P. 577–581. DOI 10.1109/TIP.2006.888329.
5. Zribi A., Pyndiah R., Zaibi S., Guilloud F., Bouallegue A. Low-Complexity Soft Decoding of Huffman Codes and Iterative Joint Source Channel Decoding // IEEE Transactions on Communications. 2012. V. 60. № 6. P. 1669–1679.
6. Fresia M., Perez-Cruz F., Poor H.V. Optimized concatenated LDPC codes for joint source-channel coding // IEEE International Symposium on Information Theory. Korea (South). 2009. P. 2131–2135. DOI 10.1109/ISIT.2009.5205766.
7. Fresia M., Peréz-Cruz F., Poor H.V., Verdú S. Joint Source and Channel Coding // IEEE Signal Processing Magazine. 2010. V. 27. № 6. P. 104–113. DOI 10.1109/MSP.2010.938080.
8. Caire G., Shamai S., Verdu S. Almost-noiseless joint source-channel coding-decoding of sources with memory // ITG-Fachbericht. 2004. № 181. P. 295–303.
9. Garcia-Frias J., Villasenor J.D. Combining hidden Markov source models and parallel concatenated codes // IEEE Communications Letters. 1997. V. 1. № 4. Р. 111–113. DOI 10.1109/4234.602600.
10. Garcia-Frias J., Zhong W. LDPC codes for compression of multi-terminal sources with hidden Markov correlation // IEEE Communications Letters. 2003. V. 7. № 3. Р. 115–117. DOI 10.1109/LCOMM.2003.810001.
11. Галлагер Р. Теория информации и надежная связь / Под ред. М.С. Пинскера и Б.С. Цыбакова. М.: Сов. радио. 1974. 568 с.
12. Caire G., Shamai S., Verdu S. Universal data compression with LDPC codes // Proc. 3rd Int. Symp. Turbo Codes and Related Topics. Brest. France. 2003. P. 55–58.
13. Thorpe J. Low-density parity-check (LDPC) codes constructed from protographs // The Interplanetary Network Progress Report. 2003. V. 42–154. P. 1–7.
14. He J., Wang L., Chen P. A joint source and channel coding scheme base on simple protograph structured codes // International Symposium on Communications and Information Technologies. 2012. Р. 65–69. DOI 10.1109/ISCIT.2012.6380983.
15. Wang L., Wu H., Hong S. The sensitivity of joint source-channel coding based on double protograph LDPC codes to source statistics // 9th International Symposium on Medical Information and Communication Technology. Kamakura. Japan. 2015. Р. 213–217.
16. Chen C., Wang L., Liu S. The Design of Protograph LDPC Codes as Source Codes in a JSCC System // IEEE Communications Letters. 2018. V. 22. № 4. P. 672–675. DOI 10.1109/LCOMM.2018.2804382.