分布式信源编码理论应用研究

-分布式信源编码理论及应用研究(1)-分布式信源编码理论及应用研究(1)-分布式信源编码理论及应用研究(1)本科毕业设计分布式信源编码理论及应用的研究纲要无线传感器网络是一种崭新的信息获得和办理技术，与其他的无线网络对照，无线传感器网络中传感器节点的能量有限而且不能够够实时更新，因此传感节点的信息办理能力和无线通讯的容量都碰到了很大的影响，为了战胜这些限制，需要设计能耗较低的通信协讲和算法，其中，在编码时采用分布式信源编码(DistributedSourceCoding，DSC)技术就是一种有效地解决方法。分布式信源编码利用多个信源之间的相关性，进行独立编码减少传达的信息速率，并经过结合译码提高信息传输的整体有效性。DSC技术的作为无线传感器数据传达中的要点技术，关于其研究也越来越成熟，而对DSC的应用也扩展到了无线摄像机网络等领域，成为了一种拥有高效压缩性和优秀译码性能的信源编码。本文就分布式信源编码算法与应用进行仿真研究。本文谈论了Turbo码在分布式信源编码中的应用，经过仿真来对布式信源编码中的性能进行解析。要点词：分布式信源编码DSCTurbo码

Turbo

码应用到分ResearchontheTheoryandApplicationsofDistributedSourceCodingZhaoShuji(CollegeofEngineering,SouthChinaAgriculturalUniversity,Guangzhou510642,China)Abstract:Wirelesssensornetwork,WSNisanewwirelessnetworkwhichIntegratessensor,embeddedcomputing,networkingandwirelesscommunicationtechnologytogatherandprocessinformation.Contrasttootherwirelessnetworks,thenodesinWSNispower-limited,thus,theinformationprocessperformanceandthecommunicatingcapacityisgreatlyaffected.Toovercomesuchconstraints,alowpower-consumingcommunicationprotocoloralgorithmisneeded.UsingDistributedSourceCoding,DSCduringinformationencodingisoneoftheeffectivewaystosolvetheproblem.DSCreducesthetransmittedratebyindependentlyencodinginformationusingthecorrelationofsources,andimprovetheoveralleffectivenessofthewholetransmitprocessbyjointdecoding.AsoneofthekeytechnologyinWSNinformationtransmission,theresearchonDSCisgettingmoreandmoremulture,andtheapplicationofDSCisalsoexpandingtotherealmssuchaswirelesscameranetworketc.,whichmakesitawildlyusesourcecodingwithhighcompressionrateandoutstandingdecodingperformance.Thisthesisfocusesontheresearchesondistributedsourcecodingalgorithmsandapplications.ThispaperdiscussesthedistributedsourcecodingusingTurboandanalyzestheperformanceofDistributedSourceCodingusingTurbowiththeemulationresults.Keywords:DistributedSourceCodingDSCTurbo目录前言···········································11.1课题研究背景及意义···································1论文研究内容····································22分布式信源编码理论基础································2分布式信源编码介绍···································2分布式信源编码原理···································2信源编码原理····································3Slepian-Wolf编码原理································3Wyner-Ziv编码原理··································5分布式信源编码的实现方法······························6利用校验子的分布式信源编码···························6使用校验位的分布式信源编码···························7基于Turbo码的分布式编码······························73.1Turbo码的提出····································73.2Turbo码的特点····································83.3Turbo码的编码原理····································8并行级联卷积码···································8串行级联卷积码···································9混杂级联卷积码···································9Turbo码编码器中交织器的设计·························10Turbo码的译码原理···································104Turbo码作为信道码在分布式信源编码中的应用···················12编码器的设计···································12解码器的设计···································13仿真实现······································14Matlab程序设计语言归纳······························14程序仿真结果···································15参照文件········································21附录············································23致谢············································25华南农业大学本科生毕业设计成绩评定表前言课题研究背景及意义近来几年来，无线传感器网络（WSN：WirelessSensorNetwork）引起人们的宽泛关注和研究，在军事、环境以及医疗等领域都获得很好的利用。集成了传感器、微机电系统和网络三大技术而形成的传感器网络是一种崭新的信息获得和办理技术。无线传感器网络与传统的无线网络（如WLAN和蜂窝搬动电话网络）有着不同样的设计目标，后者在高度搬动的环境中经过优化路由和资源管理策略最大化带宽的利用率，同时为用户供应必然的服务质量保证。在无线传感器网络中，除了少许节点需要搬动之外，大部分节点都是静止的。由于它们平时运行在人无法凑近的恶劣甚至危险的远程环境中，能源无法取代，使得传感器节点的信息办理和传输能力碰到了很大的限制，设计有效的策略延长网络的生命周期成为无线传感器网络的核心问题（任丰原等，2003）。为了战胜这些限制需要设计能耗较低的通讯协讲和算法，分布式信源编码（DSC：DistributedSourceCoding）为此供应认识决的方案。与传统的编码技术对照，分布式信源编码将独立信源的数据统计相关性转移到解码端考虑，有效地将编码端的复杂度转移到解码端，并能获得较高的编码效率。当前分布式信源编码技术在外国已经成为重要的研究内容，在国内也开始碰到越来越多的研究者关注（王万良等，2009）。分布式信源编码是对信息互相关系但不互相通讯的信源的一种信息压缩方式。和其他信源编码不同样的是，分布式信源编码使用的是信道码。分布式信源编码是指针对一组相关信源编码，各个信源进行独立编码，编码后的信号送到解码端进行结合解码。这种编码方法大大降低了对编码端的计算能力的要求，而且在解码时考虑了各个信源之间的信息冗余，提高了编码效率，把编码端的复杂度转移到认识码端，极大降低了编码端的工作量，因此特别适合于WSN中减少传感器节点的耗资（陈睿，2009），不但这样，关于办理视频、图像的大数据量的应用中也是至关重要。随着网络和无线技术的发展，以分布式信源编码技术为理论基础的分布式视频编码越来越碰到人们的重视。在传统的视频压缩方案中，编码端经过帧间展望来利用相邻帧之间的相关性，从而实现数据压缩。由于帧间展望要用到复杂的运动估计和运动补偿算法，因此编码器平时要比解码器复杂5-10倍。随着搬动多媒体通讯及无线视频传感器网络等新技术的出现，1对编解码器的配置方案提出了完好不同样的要求，即编码器要力求简单，而解码器能够复杂。这时压缩要在储藏和运算能力都较弱的摄像机中进行，因此希望编码器尽量简单；而解码器在基站，可采用较复杂的算法结构（史萍，2007）。在这种情况下，编码端复杂度较低的分布式视频编码技术的研究越来越获得了重视。论文研究内容本文主要介绍了分布式信源编码理论基础，及Turbo信道码编码、解码原理，而且对Turbo码应用于分布式信源编码中进行了仿真和性能解析，并结合仿真研究了参数变化对编码性能的影响。分布式信源编码理论基础分布式信源编码介绍作为信息论的一个分支，早在1973年DavidSlepian和JackK.Wolf就利用信息熵提出针关于两个信息互相关系信源无损压缩的理论极限，称之为斯理篇-伍夫界线Slepian-Wolfbound）。他们证了然两个互不通讯的信息相关的信源压缩能够达到有互相通讯的压缩效率，从而确定了分布式信源编码的理论基础。分布式信源编码是对信息互相关系但不互相通讯的信源的一种信息压缩方式。和其他信源编码不同样的是，分布式信源编码使用的是信道码。分布式信源编码是指针对一组相关信源编码，各个信源进行独立编码，编码后的信号送到解码端进行结合解码。这种编码方法大大降低了对编码端的计算能力的要求，而且在解码时考虑了各个信源之间的信息冗余，提高了编码效率，把编码端的复杂度转移到认识码端，极大降低了编码端的工作量。分布式信源编码的主要应用领域有传感器网络（sensornetwork）和图像，视频，多媒体压缩。其最主要的特点有两条，第一，编码计算特别简单，解码相比较较复杂；第二，互不通讯的信息相关的信源压缩能够达到有互相通讯的压缩效率。分布式信源编码原理早在1973年，DavidSlepian和JackK.Wolf就从理论上提出了在无损压缩时相关信源的独立编码和结合解码同样有效，从而确定了DSC的理论基础。于1976年，A.Wyner和J.Ziv在考虑高斯信源的有损压缩时获得了近似的结果，提出了结合高斯信源的有损编码方案。2信源编码原理信源编码是以提高通讯的有效性为目的的编码，平时经过压缩信源的冗余度来实现。信源编码采用的方法一般是压缩每个信源符号的平均比特数或信源的码率。同样多的信息用较少的码率来传达，使单位时间内传达的平均信息量增加，从而提高通讯的有效性。信源编码的基本路子有两个：使序列中的各个符号尽可能互相独立，即清除相关性；使编码中各个符号出现的概率尽可能地相等，即概率平均化。信源编码的基础是信息论中的两个编码定理：无失真编码定理和限失真编码定理。无失真信源编码是一种可逆性编码，即编码后的码字序列再经解码办理后，可无失真地恢复出原来的信息或信息序列。显然关于失散信源来说才有可能实现这种可逆编码，因此无失真信源编码仅合用于失散信源。限失真信源编码不能够组成可逆编码，即编码后的码字序列经解码（反变换）办理后，所恢复的信息序列与发送端的原信息序列存在必然的失真。这种编码合用于连续信源模拟信号的编码。Slepian-Wolf编码原理Slepian-Wolf编码合用于失散信源的分布式信源编码。Slepian-Wolf定理指出对每个信源分别进行编码，再进行结合译码，其性能与全部信源结合编码是一致的，只要满足在n个信源中任取k个信源的和速率不小于这k个信源以节余的n-k个信源为条件的熵(当k=n时，即要求总的和速率不小于n个信源的结合熵)。假设X和Y是一组拥有相关性的失散无记忆信源，依照信源编码定理，要实现无损压缩编码，只要要编码速率大于信源熵。在两个相关信源能够进行通讯的情况下，如图1所示，对信源X和Y进行结合编码，则其和速率只要大于结合熵H(X,Y)，就能实现无差其他编码。比方，先将信源Y的序列以速率H(Y)进行压缩，此后在信源X的编码端完好获守信源Y的信息的条件下，对信源X以速率H(X|Y)进行压缩编码。编码器1Rx结合译码XY器Y编码器Ry2图1传统信源编码结构3但是，若是两个信源X和Y之间是互不通讯的，如图2所示，仅在译码端进行结合译码，则需要满足什么样的速率要求才能实现无损压缩编码？编码器1Rx结合译码XY器Y编码器Ry2图2分布式信源编码结构假设两个相关的无记忆信源的结合熵为H(X,Y)，在编码端依旧采用分别编码，而在译码端进行结合译码，则下面的速率地域是可达的：RxHX|YRyHY|XRxRyHX,Y图3Slepian-Wolf可达速率域图3中的画斜线地域表示了Slepian-Wolf定理的可达速率地域，而双斜线部分则表示每个信源的压缩码率均不小于信源熵条件下的速率域。前者的地域比后者要大，表示4利用信源的相关性，能够降低编码速率，提高效率。图3中的角点A，能够表示将两个信源的相关性等效为信源X到信源Y的虚假信道，此后以H(X|Y)的码率对信源X进行编码并传达到译码端，而对信源Y进行单信源编码，以速率H(Y)传至译码器。在译码端，第一将信源Y的信息无误译出，此后在此基础大将信源X的信息译出，于是便实现了Slepian-Wolf地域的一个角点的渐进无差错传输。由对称性，将信源X和Y的地位互换，便能够实现另一个角点B的渐进无差错传输。角点A和B称为非对称压缩。经过运用时分(TimeSharing)技术，就可以实现Slepian-Wolf地域界线上（如图3的点C）任意一点的渐进无差错传输。而关于由ABD所组成的三角地域，称为对称压缩。在该地域中任意一点上，每一个信源的压缩速率都高出单信源的熵极限。Slepian-Wolf定理指出对每个信源分别进行编码，再进行结合译码，其性能跟全部信源结合编码是一致的，只要满足在N个信源中任取k个信源的和速率不能够小于这N个信源的结合熵（薛国栋，2009）。Wyner-Ziv编码原理Wyner-Ziv编码是指对拥有相关性的连续信源来进行分布式编码，这样需要第一对信源X进行量化，引入了量化失真，量化后与边信息Y之间仍拥有相关性，此后采用Slepian-wolf编码来利用这种相关性降低X的编码速率。由于Slepian-Wolf编码是基于信道编码的，因此Wyner-Ziv编码实际上是一个信源信道编码问题。Wyner-Ziv理论认为，在有损压缩的时候，若是只在解码端能够获得参照信息和在编解码端都能获得参照信息对照，并没有编码效率的下降，即在有损压缩的时候，若是参考信息只在解码端能够获得和在编解码端都能获得时拥有同样的率失真。这样Wyner-Ziv编码问题能够看作是一个对码字量化和Slepian-Wolf编码相结合的问题，如图4所示。编码器解码器X量化：在信源找到量化码字在陪集中找到对编码值做估码字中找量化最凑近参照值中的陪集索引计索引的码字Slepian-Wolf编解码器图4Wyner-Ziv编解码器5Wyner-Ziv编码能够看作是一个信源信道结合编码的问题，量化部分和估计部分是信源编码的内容，能够采用信号办理中的各种量化方法，如标量量化、网格量化等。量化后码字组成了待切割的码字空间，在解码端的估计部分则依照解码的码字和参照信息对解码输出做出估值。将图4中的Slepian-Wolf编码器看作是信道编码部分，应该注意这里所进行的其实不是信道编码，而是把信道码的原理用于信源编码。随着信道码渐近地接近信道容量，Slepian-Wolf编码的码率就会渐近地凑近Slepian-Wolf的理论极限（廖希睿，2010）。分布式信源编码的实现方法在分布式信源编码的理论基础支持之下，关于分布式信源编码的实现方式也越来越多。分布式信源编码是利用边信息的编码方式，其在解码端是利用信道编码的思想对接收信息进行解码。因此需要采用优秀的信道码进行实现。诚然分布式信源编码的实现方式多样，采用的信道码字也不同样，但实质上，能够分为基于校验子（Syndrome）的方式和基于校验位（Parity）的方式。本节谈论了这两种实现方式的理论基础和实现过程，其中基于校验子的编码方式以由Pradhan和Ramchandran提出的DISCUS（DistributedSourceCodingUsingSyndrome）方案为基础，以采用BCJR算法为译码器算法；而基于校验位的编码方式则以Turbo码为举例，实现以Turbo码的分布式信源编码。利用校验子的分布式信源编码DISCUS方案使用网格编码调制的信道码来切割信源符号空间，成立出不同样的陪集，发送各个信源符号所在陪集序号作为编码信息发送到信道中。接收端依照收到的陪集索引信息，结合与当前译码信源相关的信源的译码结果，在陪集中找到最正确的译码结果作为输出。DISCUS考虑了两个互相关的信源之间的相关性，把一个信源看作另一个信源经过了噪声搅乱的结果，利用信道编码的研究成就实现分布式信源编码（王良等，2009）。编码端译码端高斯随3bit量1bit机信源8集最正确量化信源卷积码编码Syndrome译码器译码输出化器器BCJR边信息图5DISCUS编译码框图6DISCUS考虑了两个互相关的信源X和Y的独立编码和结合解码，在X和Y之间想象一条虚假的信道P(Y|X)，把信源X看作信道的输入，把参照信息Y看作信道的输出，即把信源Y看作是信源X经过噪声污染后的结果，这样就可以利用信道码的纠错性能来恢复信源码字（陈睿，2009）。使用校验位的分布式信源编码分布式信源编码是由信道编码转变而来的，而信道编码是产生冗余的校验信息来保证信息的正确传输，这与信源编码的减少信息冗余信息保证信源传输高效性的要旨正好相反。DISCUS对信道编码的校验位进行了特其他办理，使其转变成校验子从而减少了直接传输校验位的冗余信息，达到压缩信源而且保证了传输有效性的目的。若是直接用校验位实现分布式信源编码，就必定考虑一个问题，即：如何办理实现对信源的压缩?近来几年来，由于Turbo信道码的出现，使得这个问题获得认识答。Turbo码赞同只传输部分校验位也能保证正确地实现译码，这样也就在保证译码正确性的前提之下，实现了信源的压缩。由于其优秀的性能，Turbo码已经被应用到分布式信源编码中来。基于Turbo码的分布式编码Turbo码的提出Turbo码是当前宽泛应用的高性能信道编码，由C.berrou等人最初在1993年提出来，后经理论解析和仿真实现证了然其是性能优秀的信道编码方案。在1993年介绍Turbo码的首篇论文里，发明者Berrou仅给出了Turbo码的基本组成和迭代译码的原理，而没有严格的理论讲解和证明。因此，在Turbo码提出之初，其基本理论的研究就显得特别重要。J.Hagenauer第一系统地说了然迭代译码的原理，并推导了二进制分组码与卷积码的软输入软输出译码算法。S.Benedetto等人提出了平均交织（UI，Uniforminterleaver）的看法，并利用结合界技术给出了Turbo码的平均性能上界。D.Divsalar等人也依照卷积码的转移函数，给出了Turbo码采用MLD时的误比特率上界。一开始，Turbo码只应用于卫星链路等特其他场合。当Turbo码与第三代搬动通讯标准结合时，它就成为应用最宽泛的纠错码之一。研究人员还在研究把Turbo码用于数字音频和视频广播，以及用于增强型无线互联网，以提高数据传输速率。由于Turbo码的这种巨大远景，它已经成为通讯研究的前沿。在全世界各大公司和大学的成百个小组都聚焦在这个领域。当前，Turbo码逐渐完满并被多种通讯标准所采用，7如第三代搬动通讯系统伙伴项目（3GPP）、802.16等组织。Turbo码的特点Turbo码有一重要特点是其译码较为复杂，比老例的卷积码要复杂的多，这种复杂不仅在于其译码要采用迭代的过程，而且采用的算法自己也比较复杂。这些算法的要点是不仅要能够对每比特进行译码，而且还要陪同着译码给出每比特译出的可靠性信息，有了这些信息，迭代才能进行下去。用于Turbo码译码的详尽算法有：MAP（MaximumAPosterori）、Max-Log-MAP、Log-MAP和SOVA（SoftOutputViterbiAlgorithm）算法。MAP算法是1974年被用于卷积码的译码，但用作Turbo码的译码还是要做一些更正；Max-Log-MAP与Log-MAP是依照MAP算法在运算量上做了重要改进，诚然性能有些下降，但使得Turbo码的译码复杂度大大的降低了，更加适合于实质系统的运用；Viterbi算法其实不适合Turbo码的译码，原因就是没有每比特译出的可靠性信息输出，更正后的拥有软信息输出的SOVA算法，就正好适合了Turbo码的译码。这些算法在复杂度上和性能上拥有必然的差别，系统地认识这些算法的原理是对Turbo码研究的基础，同时对这些算法的复杂度和性能的比较研究也将有助于Turbo的应用研究。其他，要想在搬动无线系统中成功的使用Turbo码，第一要考虑在语音传输中最大延缓的限制。在短帧情况下的仿真结果表示短交织Turbo码在AWGN信道和Rayleigh衰落下依旧拥有凑近信道容量的纠错能力，从而显示出Turbo码在搬动无线通讯系统中非常广阔的应用远景。Turbo码的编码原理Turbo编码器由两个递归系统卷积码经过交织器以并行级联的方式结合而成，以较小的编译码复杂度，生成码重分布优秀的长码。Turbo码编码结构有：并行级联卷积码、串行级联卷积码、混杂级联卷积码（刘东华，2004）。并行级联卷积码1993年，C.Berrou提出的Turbo码就是并行级联卷积码结构，主要由重量译码器、交织器、凿孔矩阵和复接器组成。重量码一般选择为递归系统卷积码，自然也能够选择分组码、非递归卷积码以及非系统卷积码。平时两个重量码采用同样的生成矩阵（也可不同样）。8输重量编码器凿复编码输出接入1孔交织器重量编码器矩1阵图6并行级联卷积码编码方案串行级联卷积码经过对并行级联卷积码组成的Turbo码在AWGN信道上的仿真证明，误比特率会随着信噪比的增加而下降，但是当误比特率下降到必然的程度后，信噪比增加所起的影响就几乎没有了，也许叫信噪比下降出现了平台效应。为认识决这种问题，S.Benedetto等人于1996年提出了所谓的串行级联卷积码的Turbo码方案。该方案会集了串行级联码和基于并行级联卷积码的Turbo码的特点，在适合的范围信噪比范围内，经过迭代译码能够获得优秀的译码性能。详尽串行级联卷积码编码结构如图7所示。输外编码器交织内编码器编码入输出图7串行级联卷积码编码方案混杂级联卷积码经过上两节的描述，我们认识了并行级联卷积码和串行级联卷积码，也就简单想到将两者结合起来的编码方案。这样就既能够保证在低信噪比的情况下优秀的译码性能，又能够有效除掉并行级联卷积码的平台效应。这种结合方案就称作混杂级联卷积码。图8、9给出了2种常有的混杂级联卷积码编码方案。外编码器交织内编码器交织内编码器图8混杂级联卷积码编码方案I9外编码器交织1内编码器交织2并行编码器图9混杂级联卷积码编码方案IITurbo码编码器中交织器的设计交织器是影响Turbo码性能的一个要点因素，它能够便Turbo码的距离谱细化，即码重分布更加集中。它的特点的利害直接关系着Turbo码的性能。编码器中交织器的使用是实现Turbo码近似随机编码的要点。交织器实际上是一个照射函数，作用是将输入信息序列中的比专门址进行重置，以减小重量编码器输出校验序列的相关性和提高码重。平时在输入信息序列较长时能够采用近似随机的照射方式，相应的交织器称为伪随机交织器。由于在详尽的通讯系统中采用Turbo码时交织器必定拥有固定的结构，同时是基于信息序列的，因此在必然条件下能够把Turbo码看作一类特其他分组码来简化解析。交织是对信息序列加以重新排列的一个过程。在交织器的设计中，基本上是依照以下原则：1）最大程度的置乱原来的数据排列序次，防范置换前相距较近的数据在置换后依旧相距较近，特别是要防范相邻的数据在置换后依旧相邻；2）尽量提高最小码重码字的重量和减小低码重码字的数量；3）尽可能防范与同一信息位直接相关的两个重量编码器中的校验位均被删除；4）关于不归零的编码器，交织器设计时要防范出现“尾效应”图案。在设计交织器时，应试虑详尽应用系统的数据的大小，使交织深度在满足时延要求的前提下，与数据大小一致，或是数据帧长度的整数倍。交织器的种类能够分为两大类，一是规则交织器，也称确定性交织器，其交织器的照射函数能够由一个确定的解析函数给出。二是随机交织器，其照射函数不能够由一个确定的解析表达式给出。Turbo码常用的交织器包括以下几种：分组交织器、随机交织器、s-随机交织器等等。Turbo码的译码原理由于Turbo码是由两个或多个成员码经过不同样交织后对同一信息序列进行编码。译码时，为了更好地利用译码器之间的信息，译码器应该利用软判决信息，而不是硬判决信息。因此，一个有两个成员码组成的Turbo码的译码器是由两个与成员码对应的译码10单元和交织器与解交织器组成的，将一个译码单元的软输出信息作为下一个译码器单元的输入，为了进一步提高译码性能，将此过程迭代数次。这就是Turbo码的迭代译码算法的原理。解交织器译译解硬判决输出校验位1码交织器码交器解信息位器织输入12器复用校验位2交织器图10Turbo码解码器结构框图Turbo码能够利用多种译码算法，如MAP算法、Log-MAP算法、Max-log-MAP算法和SOVA算法等。MAP算法在1974年提出，又名BCJR算法，该算法最初是用来估计无记忆噪声下的马尔可夫过程的，它是一种最优的算法。MAP算法不但能译出序列的比特值，在译码的同时还能够输出关于每比特译出的可靠性信息。这种特点正好吻合了Turbo码的迭代译码特点，因此才被用于Turbo码的译码中。LOG-MAP是改进的MAP算法，它在对数域进行计算，能够将MAP算法中大量的乘法运算化简为加法运算，从而降低计算量。除此之外，它的基根源理与经典MAP算法同样。Max-Log-MAP算法是在对数域的算法中，将似然值加法表示式中的对数重量忽略，是似然加法完好变成求最大值运算，这样除了省去大部分的加法运算外，最大的好处是省去了对信噪比的估计，使得算法更庄重。传统Viterbi算法用来计算卷积码的最大似然序列，只供应硬判决输出。但在级联系统中，前级硬判决实质上相当于扔掉了信息，使后级译码器无法从解调获得的软输出中获益。SOVA是改进的Viterbi算法，它能够给出译码结果的可靠性值（软输出），这个可靠性值作为先验信息传达给下级译码器，从而提高译码性能。11Turbo码作为信道码在分布式信源编码中的应用分布式信源编码中倍集的切割和陪同式的编码、解码能够利用信道编码来完成。Turbo码是当前性能很好的信道编码，因此越来越多的学者对Turbo码在分布式信源编码中的应用进行了研究。编码器的设计分布式信源编码中Turbo码编码器结构图如图11所示，其中成员码采用码率为（n-1）/n的系统码（即编码输出的n个比特中含有n-1个信息位和1个校验位），交织器长度为L，关于输入长度为L的序列X，编码后将获得2L/n-1个校验比特，对这些校验比特进行打孔后，即获得整个Turbo编码器的输出。输入序列X输入序列X重量编码器1Lbits扔掉Lbits码率为（n-1）/n校验序列P1删交织器余校验序列P输出长度为L重量编码器2校验序列P2矩阵码率为（n-1）/n输入序列X扔掉Lbits图11分布式信源编码中Turbo码编码器结构图编码过程以下：1）将信息比特流分成多组长度恒定为N的比特序列；2）每一组比特序列记为Dd1,d2,d3,,dN，输入到第1个编码单元，获得相应的校验序列C1c1,1,c1,2,c1,3,,c1,N；3）同时Dd1,d2,d3,,dN经过交织器后进入第2个编码单元，获得相应的校验序列C2c,c,c,,c2,N；2,12,22,34）将两个校验序列依照要求经过删余打孔后进行复接，最后获得turbo码的码字输出序列Ss1,s2,s3,,sn。分布式信源编码中的Turbo输出序列Ss,s,s,,sn扔掉全部信息位而只保留校验123位，与分布式信源编码只传输倍集索引吻合，从而提高了编码效率。12解码器的设计分布式信源编码中，Turbo码编码端仅传达了编码后获得的校验位，而不包括其相应的信息位，因此必定利用边信息来进行解码。关于如图12所示的序列X，假设序列Y与之相关性较高，则在解码端可利用序列Y为边信息对X进行解码。解交织器译译解硬判决输出校验位1码码交交织器解边信息Y器器织输入12器复用校验位2交织器图12分布式信源编码中Turbo码解码器结构图Turbo码解码器中的迭代译码停止条件的设计是个很重要的问题，由于迭代译码是个很耗资源的计算，另一方面，过多的迭代可能会造成溢出也许振荡，从而获得错误的输出结果。最简单的停止方法就是指定迭代次数，实验表示经过5次左右迭代此后，能够从今后的迭代过程中获得的好处就很少了，因此能够指定迭代次数，使译码过程在达到设定数值时结束。这是本实验仿真中采用的方法之一。但是，固定迭代次数有两个缺点。当信道特点较好时，节余的迭代造成了计算资源的浪费，另一方面，当信道特点差，误码率高时，又不能够充分发挥出Turbo码的性能。理想的情况下，迭代次数应随着误码情况动向的变化。另一种译码停止算法是在信息序列中加入CRC校验字，每次迭代此后即检测信息序列可否有错，无错时译码即结束，为防范误码率很高时不能够完好纠错的情况，还必定设定最大迭代次数，达到这一数值后，即使译码结果依旧有错误，迭代过程也被逼迫停止。CRC校验合用于信道特点比较好的情况，实验表示在这种情况下，只要一两次迭代就可以获得正确结果。它的缺点是必定加入节余的校验位，降低了通讯效率。其他一种收效较好的方法是采用检测成员编码器输出之间的交织信息熵，当发现熵值低于某一门限时，表示再次迭代能够获得的增益已经很小，因此停止译码。这种方法能够特别好的挖掘出Turbo码的潜力。它的缺点是计算交织信息熵需要较大的计算量和13存贮空间。仿真实现Matlab程序设计语言归纳为了正确的把一个控制系统的复杂模型输入计算机，此后对之进行进一步的解析与仿真，1990年Mathworks公司为Matlab供应了新的控制系统模型图形输入与仿真工具Simulab，该工具很快在控制界获得了宽泛的使用。但因其名字与出名的软件公司Simula相似，因此在1992年正式更名为Simulink，此软件有两个显然的功能：仿真与连接，亦即利用鼠标在模型窗口上画出所需的控制系统模型，此后利用该软件供应的功能对系统直接进行仿真办理。很显然，这种做法使得一个很复杂的系统的输入相当简单。Simulink的出现，使得Matlab为控制系统的仿真及其在CAD等中的应用打开了崭新的场面。Matlab作为一种数值计算和与图形办理工具软件，其特点是语法结构简短、数值计算高效、图形办理齐全、易学易用，它在矩阵代数数值计算、数字信号办理、震动理论、神经网络控制、动向仿真等领域都有宽泛的应用。与C、C++、Fortran等高级语言对照，Matlab不仅在数学语言的表达与讲解方面表现出人机交互的高度一致，而且拥有优秀高技术计算环境所不能缺少的以下特点：1）高效的数值计算及符号计算功能，能使用户从繁琐的数学运算解析中解脱出来；2）拥有齐全的图形办理功能，实现计算结果和编程的可视化；3）友好的用户界面及凑近数学表达式的自然化语言，使学者易于学习和掌握；4）功能丰富的应用工具箱（如信号办理工具箱、通讯工具箱等），为用户供应了大量方便合用的办理工具。当前Matlab已经成为国际上最流行的软件之一，它除了传统的交互式编程外，还提供了丰富可靠的矩阵运算。图形绘制、数据办理、图象办理、方便的Windows编程等便利工具。以Matlab为基础的工具箱，宽泛的应用于自动控制、图像信号办理、生物医学工程、语言办理、雷达工程、信号解析、震动理论、时序解析与建模、化学统计学、优化设计等领域，并表现出一般高级语言难以比较的优势。较为常有的工具箱主要包括：1）Matlab主工具箱（MatlabMainToolbox）2）控制系统工具箱（ControlSystemToolbox）3）通讯工具箱（CommunicationToolbox）4）系统鉴别工具箱（SystemIdentificationToolbox）145）图象办理工具箱（ImageProcessingToolbox）6）神经网络工具箱（NeuralNetworkToolbox）7）鲁棒控制工具箱（RobustControlToolbox）8）信号办理工具箱（SignalProcessingToolbox）9）符号数学工具箱（SymbolicMathToolbox）10）动向仿真工具箱（SimulinkToolbox）Simulink是实现动向系统模型仿真的一个集成环境，它的存在使Matlab的功能获得进一步的扩展。这种扩展的意义表现在：（1）实现可视化建模。在Windows环境下，用户经过简单的鼠标操作就可以成立直观的系统模型，并进行仿真；（2）实现多工作环境内文件互用和数据互换，如Simulink与Matlab，Simulink与Fortran、C和C＋＋，Simulink与实时硬件工作环境的信息互换都能够方便的实现；（3）把理论研究和工程实现有利地结合在一起。Simulink为用户供应了用方框图进行建模的图形接口，采用这种结构化模型就像纸和笔同样简单，它与系统仿真软件包用微分方程和差分方程建模对照拥有更直观、方便、灵便的优点。程序仿真结果本节对Turbo码的整个编码、译码过程做了仿真。译码部分采用LOG-MAP算法以及SOVA算法。此后对两者的仿真结果作了简要的性能解析、比较和总结。本文提出了下面的整体框图，将Turbo码应用于分布式信源编码，其基本框图如图13所示：图中能够分为三部分，分别是编码、信道和译码。Turbo码编码器有三部分组成：RSC编码器，交织器和删余矩阵。XRSC编码器删译码器余交织AWGN信道交织解交织判决矩RSC编码器阵译码器Y图13Turbo码编译码原理框图1）相关性对译码结果的性能仿真基于Turbo码的分布式信源编码实验用来仿真的数据为随机产生的数据，仿真环境主要参数包括：传输信道、译码算法、迭代次数、交织方式、删余矩阵等，详尽取值如15表1所示。表1相关性对译码结果的性能仿真参数参数取值交织方式伪随机交织译码算法LOG-MAP，SOVA迭代次数5传输信道AWGN信道删余矩阵[111;101]相关性系数β信噪比1dB编码码率1/2由图14可知,随着β值的增加，误码率也越来越大。这是由于仿真中参照信息是信源加上一个随机噪声所得，而表示随机噪声大小的系数就是β，即β值直接反响两者相关性的大小，β越大，说明参照信息与信源相关性越低，译码性能越差。图14误码率BER与相关性β的关系曲线2）LOG-MAP与SOVA算法译码性能仿真结果16表2LOG-MAP与SOVA算法译码性能仿真参数参数取值译码算法LOG-MAP，SOVA帧长度400编码码率1/2相关性系数β从图15能够看出，同样条件下，迭代译码的迭代次数越多，抗噪声性能越好。图15L=400时LOG-MAP算法仿真结果图16L=1200时LOG-MAP算法仿真结果现将帧长度L改为L=1200，经过对随机信源数据进行编译码仿真获得图16。结合图15及图16，能够得出，同样条件下，帧长度越大，误码率性能越好。17综上所述，基于LOG-MAP译码算法，同样条件下，迭代译码的迭代次数与帧长度的增加，能有效改进Turbo码译码性能。现将以上仿真所使用仿真参数中译码算法改为SOVA译码算法，其他参数保持不变，经过仿真可获得图17。图17L=400时SOVA算法仿真结果从图17能够看出，同样条件下，迭代译码的迭代次数越多，抗噪声性能越好。现将帧长度L改为L=1200，经过对随机信源数据进行编译码仿真获得图18。图18L=1200时SOVA算法仿真结果结合图17及图18，能够得出，同样条件下，帧长度越大，抗噪声性能越好。由此可18见，使用SOVA算法与使用LOG-MAP算法仿真所获得的结论是一致的，即同样条件下，迭代译码的迭代次数与帧长度的增加，能有效改进Turbo码译码性能。3）SOVA和LOG-MAP译码算法性能比较在实现过程中，采用了SOVA和LOG-MAP两种译码算法，并对两者的性能进行了仿真比较。仿真中采用1/2码率的Turbo码，帧长度L=1200，信源相关性参数为，经过高斯白噪声（AWGN）信道，分别采用LOG-MAP和SOVA译码算法，经过仿真可获得图19。图19SOVA和LOG-MAP译码算法在不同样迭代次数下的误码率曲线由图19能够获得以下结论：1）在同样的迭代次数和信噪比条件下，LOG-MAP译码算法的抗噪声性能都显然优于SOVA算法。2）迭代次数越高，抗噪声性能越好。3）LOG-MAP译码的性能特别优秀，5次迭代在信噪比为1dB时误码率即可达到-410。从抗噪声性能看，LOG-MAP优于SOVA。从实现复杂度看，SOVA译码算法实现比较简单，更简单。因此，能够依照实质需要来选择译码方式。19总结分布式信源编码作为一个产生年代比较长的理论，经过了几十年的冬眠后，随着当前的各种与之相关的应用而重新获得了大量的研究。无线传感器网络正是众多相关应用中特别有代表性的例子，其能量受限，计算能力不强的诸多缺点都能在分布式信源编码理论中获得稳当的解决。在本论文中，第一对无线传感器网络进行了介绍，并由于无线传感器网络中的能量受限问题，引出了在分布式信源编码，而且大纲地介绍了分布式信源编码的应用背