用誤碼率測試儀測試驅動FEC代碼
加入技術交流群
RS信息組碼中的單個碼字只能糾正較少數量的符號差錯。符號差錯數量增加，就會大大增加代碼總開銷，也會大大增加糾錯所必需的處理能力和處理時間。如果差錯往往以小突發或大突發形式出現，有一種替代方法可提高RS信息碼的T值。你只要在存儲器緩沖器中將這一數據交錯開來就能實現這種替代方法，這將提高糾錯能力，但卻增加了等待時間。
交錯存儲試圖將突發差錯一分為二， 以使突發差錯的符號差錯進入多個碼字中。一個RS(204,188)碼遇到一個14個符號突發差錯，將無法進行糾錯。但是，只要每隔一個字節將字節一分為二，并把該字節傳遞給兩個獨立的RS(204,188)碼，相同的T=8糾錯邏輯就能糾正全部差錯。由此付出的代價是接收器必須等到接收到兩個完整的204字節碼字后才能開始糾錯。在有些系統中，這一等待時間是無關緊要的（例如，數字錄像播放機以及深空衛星接收機等流式傳輸設備）。但是，在其他事務系統（例如聯網分組）中，這一等待時間將嚴重限制RS（204,188）碼的可用性。
交錯與分類
位誤碼分析很容易對交錯進行仿真，這只是一種簡單的分類功能。你通?？赏ㄟ^指定同時填充的碼字的數量來形成交錯。例如，4個RS(204,188) 8位符號碼的交錯構成一張表，表中有4行，每行有204個字節(圖2)。該表代表6528位。當出現一個位差時，位置信息確定該位差錯出現在表中什么地方。一旦所有6528數據位都收到，就對表進行逐行檢查，以確定任何一行是否含有八個以上的符號差錯。在誤碼計數之前對具有八個或八個以下出錯符號的所有行進行糾錯，這實際上實現了本應進行的糾錯，這樣，其余的位誤碼率就表示糾錯后的誤碼性能。
圖 2 你可以將與一維RS(204,188) 代碼的4行交錯表示為一張表，表中有4行，每行204字節。
這種與1維糾錯碼的2維交錯的其他實例有適用于光纖通信的ITU（國際電信聯盟）標準G.709和G.975碼。例如，G.709可用一個在16行上交錯的T=8的RS (256,239)碼調出8位符號，而G.975只用4行交錯就調出一個相同的碼。
你還可以使用多維信息組代碼來使一個比較簡單的RS信息組代碼，如T值比較小的RS信息組代碼，能糾正大突發差錯。但是，因為這種方法需要兩級糾錯，而且整個表必須接收到后才能開始糾錯，所以這種方法進一步增加數據接收和解碼數據輸出之間的等待時間。數字錄像機之所以使用該技術，乃是因為等待時間不是一個問題，而且大突發差錯很普遍。一旦表中填滿了碼字，這種體系結構將先對每行糾錯，然后再對每列糾錯。只要失敗的行少于T行，列糾錯器將糾正這些行中的所有差錯。這種方法為既糾正隨機差錯又糾正突發錯誤提供一種很好的折衷方案。
在隨機錯誤不成為問題的情況下，如果需要對長突發差錯進行最佳糾錯，可以使用另一種技術。RS編碼用一個符號來發現錯誤，用另一個符號來糾正錯誤，所以它必須在消息末尾附加2T個符號，卻只能糾正T個差錯。然而，如果知道了誤碼位的位置，RS碼就可使用所有符號來進行糾錯，因此能使糾錯效率提高一倍。例如，當使用一個2維乘積陣列碼時，內碼解碼器能發現有誤碼的行。只要這些行的數量小于2T，則解碼器就能標出這些行是有誤碼的行，并且允許外碼解碼器對每行進行盲糾錯。這種方法將可糾正突發差錯長度增加一倍，這要視填充交錯表的方法而定。通信工程師常常將這種方法稱為用內碼失效來刪除外碼。
位誤碼率測試儀能容易地分析所有這些基于信息組代碼的體系結構。交錯表維數和填充/排出算法能適應這些方法中的任何一種。如果信道遭受模型未包含的現象，則糾錯器總效率可能急劇降低，所以利用誤碼率測試儀仿真FEC算法的優點是使用一個數字信道的實際誤碼數據來進行分析，而不是依靠一個假設的模型來獲得誤碼統計數據。
誤碼位置分析
有一個實例應能說明誤碼率測試儀在優化FEC編碼中的作用。該實例始于一個未糾錯的、總平均背景誤碼率為2.68×10-6的數據信道，在這一信道中，既有突發差錯又有非突發差錯。你利用各種誤碼位的位置分析技術獲得的誤碼分布表 明誤碼突發是隨機而又相關的。圖3示出了該數字信道某一部分的誤碼圖。誤碼圖將數據分割成段，并且將各段一個挨一個放置以生成一個由誤碼信息組成的2維圖像。2維圖像突出顯示了檢測到的位差錯的位置。由位誤碼現象和突發現象造成的差錯標有不同的顏色，能使人更好了解誤碼原因。圖4表明：既有位差錯又有突發差錯，并且有些錯誤與段長度（水平"波段"）是高度相關的，段長度等于系統"固有的"數據信息包大小。
圖 3 在未糾錯的誤碼圖中既有位差錯又有突發差錯，誤碼率為2.68×10-6。有些差錯與段長度（水平"波段"）是高度相關的，段長度等于系統"固有的"數據分組大小。
圖 4 RS(204,196) 一維糾錯實際上只能消除小錯誤，但是較大的突發差錯仍然存在。
在深入討論之前，說說關于突發差錯的另一個觀點是適宜的。單單突發長度的概率分布是不足以確定FEC碼所需的糾錯能力。你常常會在其他背景差錯出現時發現突發差錯。此外，突發差錯之間可能高度相關，因此一個突發差錯可能預示著將來會出現另一個突發差錯。在這種情況下，單個FEC碼字可能會遇到一個以上的突發差錯。信息包差錯統計數據、無差錯間隔概率以 及差錯自相關都能使人更好了解其余的差錯問題。但是，歸根結底，基于誤碼位置的實際FEC仿真是在制造硬件之前研究FEC效率的最精確的方法。
評論