660 CaPiruio 10 © COpmICACION DE CONTROL DE ERRORES 10.6 Decodificacién de méxima verosimilitud | de cédigos convolucionales Ahora que comprendemos la operacién de un codificador convolucional, el siguiente aspecto por considerar es la decodifcacién del mismo. En esta secci6n describimos primero la teoria fundamental de la decodificacién de maxima verosimilitud y presentamos después un algoritmo cficiente para su ejecucién practica. Sea m un vector de mensaje y¢ el correspondiente vector de eidigo aplicado por el coulificador ala entrada de un canal sin memoria discreto. Sea r el vector recibido, el cual puede dlferit del vector de cédigo transmitido debido al ruido de canal. Dado el vector recbidor, se requiere que el decodificador realice una estimaciin th del vector de mensaje. Puesto que existe una correspon: dencia uno a uno entre el vector de mensaje m y el vector de edidigo ¢, el decodificador puede pproducir de manera equivalente una estimacién & del vector de e&igo. En ese caso es posible dejar que ti = m siysdlost €=¢, En otro caso, se comete un error de decodificacién en el receptor. Se afirma que ser éptima la regla de decodifcacion para clegit la estimacién @, dado el vector recibido r, cuando se minimiza la probabildad de errr de decodifcacién. Con base en el material que se presenta en el capitulo 6, es posible establecer que para mensajes igualmente probables, la probabilidad de error de decodificacién se minimiza sila estimaciin de & se clige para que se ‘maximice la funciin de verosiilitud logaitmica. Sea p(r|c) la probabilidad condicional de recibir r, dado que se envié c, La funcién de verosimilitud logaritmica es igual a log p(r|e). El decodificador de maxima verosimilitud o regla de decisiin se describe de la manera siguiente: Elfjase la estimacién @ para la cual la funcién logaritmica log p(e|e) es méxima. (10.56)10.6 Decodlificaciém de maxima verosimilitud de eédigos convolucionales 661 Considere ahora el caso especial de un canal simétrico binario. En este caso, tanto el veetor de cédigo transmitido © como el vector recibido F representan secuencias binarias de longitud N, por ejemplo. Naturalmente, estas dos secuencias quiza difieran entre sf en algunos lugares debido a errores que resultan del ruido del canal. Sean c, yr, los elementos i-ésimo de c yf, respectivamente, Tenemos entonces velo) = T] rere.) (10.57) De modo correspondiente, la verosimilitud logaritmica es log plrlc) = > log ptr, le,) (10.58) Considere que la probabilidad de transicién p(r|c) se define como wir { Suponga también que el vector Fdifiere del vector de esigo transmitido © en exactamente d posiciones. El nimero des la dstancia de Hamming entre los vectores t y e. Entonces, es posible reescrbir [a funcién de verosimilitud logarfemica en la ecuacién (10.58) como , sin te Lp, st i) log p(r|e) = d log p +(N ~d) log(1—p) =e y Ja) (10.60) I~p. En general, la probabilidad de que ocurra un error es suficientemente baja para que suponga- ‘mos que p < 1/2. Advertimos también que N log(I —p) es una constante para toda e. Por tanto, jpodemos reenunciar la regla de decodificacién de méxima verosimilitud para el canal simétrico binario de la manera que sigue: Elfjase la estimacién ¢ que minimice la distancia de Hamming entre el vector recibido r y el vector transmisor c. (10.61) Es decir, para un canal simétrico binario, el decodificador de méxima verosimilitud se reduce a tun decodificador de distancia minima. En un decodificador de estas caracteristicas, el vector reci- bido r se compara con cada vector de e6digo transmitido posible y el particular que se encuen- tra ms prGximo a r se elige como el vector de cédigo transmitido correcto. El término “mas préximo” se utiliza en el sentido del niimero mfnimo de simbotos binarios que difieren (es decir, la distancia de Hamming) entre los veetores de cédigo que se investigan.662. Carituto 10 » Copiricaci6n Dé CONTROL DE ERRORES = EL AtGorITMo pe Vireral? La equivalencia entre la decodificacién de maxima verosimilitud y la decodificacién de distan- cia minima para un canal simétrico binario implica que es posible decodificar un cédigo ‘convolucional efigiendo una trayectoria en el rbot de e6digo cuya secuencia codificada difiere de la secuencia recibida en unos cuantos nmeros de lugares. Puesto que un ftbol de c6digo es equivalente a un enramado, es posible igualmente limitar nuestra elecci6n a las trayectorias posibles en la representaciGn de enramado del cédigo. La raz6n por la que se prefiere el enramado sobre el rol es que el niimero de nodos en cualquier nivel del enramado no continéa crecien- do cuando aumenta el ntimero de bits de mensaje entrantes; mas bien, se mantiene constante en 2*", donde K es la longitud de restriccisn de! cédigo. Considere, por ejemplo, el diagrama de enramado de la figura 10.15 para un cédigo convolucional con tasa r = 1/2 y longitud de restrcciGn K = 3, Observamos que en el nivel j= 3 existen dos trayectorias que entran 2 cualquiera de los cuatro nodos en el enramado, Adems, estas dos trayectorias ern idénticas hacia adelante desde ese punto, Claramente, un decodificador de distancia minima quied tome una decisin en ese punto con respect a cual de esas trayectorias retener, sin ninguna pérdida en el desempesio. Es posible tomar una decision similar en el nivel j= 4, y asf sucesivamente. Esta secuencia de decisiones es exactamente lo que hace el algoritmo de Viterbi cuando avanza a través del enramado. El algoritmo opera al calcular una métrca o discre~ pancia para cada trayectoria posible en el enramado. La métrica para una trayectoria particular se define como la distancia de Hamming entre Ia secuencia codificada representada por esa trayec- toria y a secuencia recibida. Por tanto, en cada nodo (estado) en el enramado de la figura 10.15, elalgoritmo compara las dos trayectorias que entran al nodo. Se retiene Ia trayectoria con mécriea Inferior y se descarta la otra. Este eéleulo se epite para cada nivel del enramado en el intervalo M SJL, donde M= K— es la memoria del codificador y L es la longitud de ta secuencia de ‘mensaje entrante. Las trayectorias que retiene el algoritmo reciben el nombre de teeyetoras sobre- vivientes © actvas. Para un e6digo convolucional de longitud de restricci6n K = 3, por ejemplo, nunca se almacenarén més de 2*! = 4 trayectorias sobrevivientes y sus métricas. Se garantiza siempre que esta lista de 2 trayectorias contendré la eleccidn de maxinia verosimilitud. Una dificultad que puede surgi en la aplicacién del algoritmo de Viterbi es la posibilidad de que cuando se comparan las trayectorias que entran a un estado, se encuentra que sus rétricas serdn idénticas. En una situacién tal, nos decidimos por un volado (es decit, hacemos simplemente una suposiciin) En resumen, el algoritmo de Viterbi es un decodlficador de méxima verosimilitud, que es 6ptimo para una canal AWGN. Procede paso por paso del modo siguiente: Asignacién de valores iniciales ‘Se marca como cero el estado més @ la izquierda del enramado (es decir, el estado de puros ceros en el nivel 0), pues no hay discrepancia de este punto en el célculo, Clad del paso j + 1 Sea j = 0, 1,2, 1 y suponga que en el paso previo j se realizaron dos cosas: > Se identificaron todas las trayectorias sobrevivientes. » Se almacené la trayectoria sobreviviente y su métrica para cada estado del enramado. En ese caso, en el nivel (tiempo de reloj)j + 1, se calcula la métrica para todas las trayectorias que entran en cada estado del enramado agregando la métrica de las ramas entrantes a la imétrica de la trayectoria sobreviviente conectora desde el nivel j. Por tanto, en cada estado se identifica la trayectoria con la métrica més baja como la sobreviviente del paso j + 1, actuali- zando de esa manera el céleulo. Paso final Continga el célculo hasta que el algoritmo completa su bisqueda hacia adelante, através del cenramado y por tanto, lega al nodo de terminacién (es decir, el estado de puros cetos), momento en cel que toma una decisién acerca de la trayectoria de mxima verosimilitad. Entonces, al igual que un decodifcador de Hlogue, la secuencia de simbolos asociada con esa trayectoria se libera hacia el destino como la versién decodificada de la secuencia recibida. En este sentido, resulta entonces més correcto referrse al algoritmo de Viterbi como un estimador de secuencia de mma verosimiitd