卷积码的编译码MATLAB程序

%survivorstate是一个矩阵，它显T了通过网格的最优路径，这个矩阵通过一个单独的函数metric(x,y)给出。%其中G是一个矩阵，它的任一行决定了从移位寄存器到模2加法器的连接方式.为生成矩阵%这里，我们做了一个简单的(2,1,7)卷积码编码器。k=1;G=[1011011;1111001];%G1=133,G2=171%以下3种输入序列，可任选一种%%input=[0000000];%全0输入%input=[1111111];%全1输入input=[round(rand(1,7)*1)];%随机系列输入，也可用randint(1,7,[01])figure;plot(input,'*r')%figure1：画图：目标input，红色（red，r），形状为*s=input;g1=G(1,:);g2=G(2,:);c1=conv(s,g1);%作卷积%disp(c1);c2=conv(s,g2);%disp(c2);n=length(c1);%7位输入时n=13c=zeros(1,2*n);%生成全0矩阵，1*26%disp(c);fori=1:nc(2*i-1)=c1(i);c(2*i)=c2(i);%两个模2加法器分别输出卷积结果序列后，由旋转开关读取的结果（此时仅为卷积结果，非2进制0/1）endfori=1:2*nif(mod(c(i),2)==0)%mod(c(i),2)==0意思：c(i)除以2，余数为0c(i)=0;elsec(i)=1;endendoutput=c;channel_output=output;%输出矩阵%disp(channel_output);figure;plot(output,'*b')%画图：目标：卷积码编码输出，蓝色（blue，b）*%————————————————以上为编码部分，以下为维特比译码————————————————n=size(G,1);%取矩阵G的行数，故n=2。即得到输出端口，即2个模2加法器%检验G的维数ifrem(size(G,2),k)~=0%当矩阵G的列数不为k的整数倍时，rem为求余函数error('SizeofGandkdonotagree')%报错endifrem(size(channel_output,2),n)~=0%当输出矩阵的列数不是输出端口n的整数倍时。（注：size(channel_output,2)=26，2个模2加法器合成的输出）error('channleoutputnotoftherightsize')endL=size(G,2)/k;%得出移位数，即寄存器个数，此例程为7%由于L-1个寄存器的状态即可表示出输出状态，所以总的状态数number_of_states可由前L-1个寄存器的状态组合来确定number_of_states=2^((L-1)*k);%此例程中2^6，移位寄存器组的状态数为64个%产生状态转移矩阵，输出矩阵和输入矩阵forj=0:number_of_states-1%表示当前寄存器组的状态。因状态从0开始，所以循环为从0到number_of_states-1fort=0:2^k-1%k位输入端的信号组成的状态，总的状态数为2^k，所以循环为从0到2^k-1[next_state,memory_contents]=nxt_stat(j,t,L,k);%nxt_stat完成从当前的状态和输入的矢量得出下寄存器组的一个状态input(j+1,next_state+1)=t;%input数组值是用于记录当前状态到下一个状态所要的输入信号矢量%input数组的维数：一维坐标x=j+1指当前状态的值，二维坐标y=next_state+1指下一个状态的值%由于Matlab中数组的下标是从1开始的，而状态值是从0开始的，所以以上坐标值为：状态值+1branch_output=rem(memory_contents*G',2);%branch_output用于记录在状态j下输入1时的输出nextstate(j+1,t+1)=next_state;%nextstate状态转移矩阵，记录了当前状态j下输入1时的下一个状态output(j+1,t+1)=bin2deci(branch_output);%output记录了当前状态j下输入1时的输出（十进制）endendinput;state_metric=zeros(number_of_states,2);%state_metric数组用于记录译码过程在每个状态时的汉明距离，大小为number_of_states,2%（：，1）为当前状态位置的汉明距离，为确定值；（：，2）为当前状态加输入得到的下一个状态汉明距离，为临时值depth_of_trellis=length(channel_output)/n;%depth_of_trellis用于记录网格图的深度channel_output_matrix=reshape(channel_output,n,depth_of_trellis);%channel_output_matrix为输出矩阵，每一列为一个输出状态%reshape改变原矩阵形状，将channel_output矩阵变为n行depth_of_trellis列矩阵survivor_state=zeros(number_of_states,depth_of_trellis+1);%survivor_state