借助卡尔曼滤波器源控制信道译码的方法和装置

本发明涉及用于处理用接收器接收的数据的一种方法，在此方法上 在相继的帧中接收经传输线段传输的数据。一个帧含有规定数目的二进 制位。借助于采用节拍(Metrik)增量的最大后验概率算法或最大似然 算法处理接收的数据，在此采用维特比算法。在此取决于对于此二进制 位求出的一个现实的可靠性值来计算至少一个二进制位用的节拍增量， 二进制位的值和/或二进制位的所谓的可靠性值从帧到帧相关。可靠性 值是二进制位(1)的值具有一个规定的值的概率的一个尺度。

对于一种维特比算法例如从Joachim Hagenauer著的文章 “Source-Coutrol led Channel Decoding(源控制信道译码)”在“IEEE 通信学报”43卷，第9期，1995年9月，2449页至2457页中公开了 一种这样的方法。在专利文献DE 42 24 214 C2中含有此文章的主要部 分。尤其是文章的公式(21)说明新的节拍Mk(m)从旧的节拍Mk-1(m)和 一个所属的节拍增量中的计算。在此m表示某个路径，而k表示一个帧 中的某个二进制位。在计算节拍(Metrik)MK(m)时采用一个可靠性值 L(uk)。在所述文章的2454和2455页上建议基于经验模型的所谓的Huk 算法用于确定可靠性L(uk)，在此模型上类似于在德国汽车责任保险上 的所谓的点来计算可靠性值L(uk)。基于经验的特征可靠性值L(uk)的估 算是不准确的。要么将节拍增量相加于已经计算的节拍上，要么相乘。

最大后验概率算法和最大似然算法是将经传输线段传输的数据序列 与参考序列s相比较的和确定参考序列s的算法，此参考序列以最大的 概率属于发明的数据序列。最大后验概率意味着，选择对其概率P(s|y) 变成最大的参考序列s，在此y是接收的数据序列。最大似然性意味着， 选择对其概率P(s|y)变为最大的参考序列s。传输路段例如是一个无线 电信道，是一个传输线路或者甚至是从中读取数据的存储媒体。

本发明的任务在于提出用于求出可靠性值的一种简单的方法，此方 法尽可能无差错和准确地计算现实可靠性值。

通过具有权利要求1特征的一种方法解决此任务。在归因于这些权 利要求的从属权利要求中说明了有利的实施形式。

本发明根据的思路在于，用一种优化方法可以很准确地确定现实的 可靠性值。可是困难在于，对于优化所采用的可靠性值基于伴有差错的 观察之上。这些差错归因于在经传输线段传输数据时的干扰和维特比算 法的伴有差错的结果。所以在按本发明的方法上，将一个帧用的基本上 无差错的一个可靠值与为同一个帧求出的可靠性值的偏差的总和定义为 目标函数。此偏差在此涉及在实际无差错可靠性值和求出的可靠性值之 间的差值的数额。通过优化方法最小化此目标函数，使得为实施维特比 算法求出的可靠性值很接近于无差错的可靠性值。

在按本发明的方法上尽管不知道无差错的可靠性值所以能够进行目 标函数的最小化，因为在优化方法上采用一种数学模型，此模型在基于， 在观察的可靠性值和无差错可靠性值之间建立一种联系。此外在模型中 采用所谓的先验信息，意即已经在经传输线段传输数据之前已知的信 息，例如像在相继帧中的关于数据相关性或可靠性值相关性的信息。在 此意义上，数据源影响数据的其它处理。如果这种处理例如是一种译码 的话，则人们也称之为源控制信道译码。

在无迭代的维特比算法上通常随着一个帧的延迟才存在基于观察的 可靠性值。因此为了求出现实的可靠性值必须动用观察的可靠性值，从 对于一个二进制位的一个已经处理的帧中已确定过此可靠性值。如果与 此相反地进行带有迭代的维特比算法，则已经在第二个迭代步骤中存在 对于瞬时处理帧的基于观察的一个可靠性值。在此情况下采用此观察的 可靠性值用于求出现实的可靠性值。

相对于已知的Huk算法按本发明的方法提供较好的结果，因为用此 方法可以处理强烈波动的源信号，在这些源信号情况下Huk算法是没有 能力足够准确地估算可靠性值的。在按本发明的方法上，在进行维特比 算法时采用的可靠性值接近于实际的可靠性值，使得在路径选择时降低 差错的概率，因为所采用的可靠性值影响路径选择。例如在译码时正确 的路径选择导致正确的译码的位串。

在本发明的一个进一步发展中按下式计算可靠性值： $L\left(u_l\right)=\log \frac{P(u_l=+1)}{P(u_l=-1)}$

在此ul是二进制位的优选可能为“+1”或“-1”的值。P(ul＝ +1)是所观察的二进制位1中的值是“+1”的概率。相应地P(ul＝ -1)是二进制位l中的值是“-1的概率。

在按本发明的一个其它特征的一种方法上，在优化时不用可靠性值 直接计算，而是采用辅助可靠性值，下式优先适用于这些辅助可靠性值： m(ul)＝P(ul＝+1)-P(ul＝-1)。

相对于可靠性值辅助可靠性值有这种优点，即这些辅助可靠性值对 于在“0”和“1”之间的概率P有在“+1和“-1”之间的一个数值 范围。与此相反地可靠性值在给定的函数范围中有从“-∞”到“+∞” 的函数值，以致于给在有限的数值范围中的计算造成正如在机械计算机 上存在的那样的困难。根据一种简单的数字关系进行从可靠性值向辅助 可靠性值的，或从辅助可靠性值向可靠性值的换算，这种关系例如以表 值形式存储到存储器中。

通过一种递归的优化可以减少优化时的计算工作量，在这种优化时 从最后处理的帧用的可靠性值或辅助可靠性值中递归地计算现实的可靠 性值或现实的辅助可靠性值。

为了优化，有利地采用在其上同样递归地进行优化的一种所谓的卡 尔曼(Kalman)滤波器。例如在H.W.Sorenson著的文章“最小二乘方 估算：从高斯到卡尔曼”中说明了一种这样的滤波器，在IEEE频谱， 卷7，63至68页，1970年7月中阐述了此文章。基于卡尔曼滤波器的 数学模型考虑这个事实，即只能间接地经基于伴随有差错的观察上的可 靠性值求出实际的可靠性值。此外卡尔曼滤波器利用可靠性值和传输数 据的统计性质，并且以足够的速度跟踪传输数据值的变化。

当在相继的帧的二进制位之间出现相关性时，则可有利地采用按本 发明的方法。例如在一个帧中参数的较高值位用的二进制位上则是这种 情况，按在移动无线电系统上的GSM标准传输此帧。在本发明方法的一 个进一步发展中利用所述二进制位中的相关性用于这些二进制位的译 码。

本发明此外涉及用于处理用接收机接收数据的和尤其是用于实施上 述方法的一个装置。上述技术效应所以也适用于这种装置。

按本发明的一个其它特征，也通过具有权利要求15特征的一种方 法解决所说明的任务。在此通过求平均值从至少两个观察的可靠性值中 计算现实的可靠性值。这些措施基于这种认识，虽然每次观察的可靠值 不与当时的实际可靠性值一致，可是通过求平均值相互消除观察时的差 错。

在用求平均值的方法的一个进一步发展中仅针对一个规定数目的已 经处理的帧来进行这种平均值计算，在此所规定的数目经越多次求平均 值保持不变。通过这种措施，类似像通过一个窗口那样，仅优先考虑相 继帧的序列的各自最后的区段。因此可以进行对变更着的条件的迅速适 配。在递归地实施维特比算法时也将现实处理的帧计入窗口。

在用平均值计算的方法的一个另外的进一步发展上，采用例如由维 特比算法处理的数据直接作为观察的可靠性值。所以这种措施导致现实 可靠性值的一种很准确的计算，因为处理数据的平均值与辅助可靠性值 一致，并且此平均值如已提及的那样对于实际无差错的可靠性值本身是 一种良好的近似。

此外本发明涉及用于处理接收数据的和尤其是用于实施用按权利要 求19的平均值计算的方法的一个装置。刚才所述的技术效应因此也适 用于这个装置。

以下用附图阐述本发明的实施例。在其中：

图1展示具有数据传输用的主要功能单元的方框图，

图2展示两个由数据组成的应传输的帧，

图3展示卡尔曼滤波器中辅助可靠性值计算的一种第一方式用的示 意图，

图4展示卡尔曼滤波器中辅助可靠性值计算的一种第二方式用的示 意图，

图5展示来自GSM全价语音编码器的不同参数用的相关性系数的图 表，和

图6展示一个GSM全价编码帧中的二进制位0至69用的相关性系 数的图表。

图1展示具有数据传输用的主要功能单元的方框图。在此主要针对 一个帧k的传输，在这方面为了清晰起见在图1中和在此图的以下阐述 时仅在帧k的区分对于本发明是重要的情况下随同写上采用自然数的下 标k。下面用图2阐述帧k的构造。

在发射机8中生成的一个源字符序列{q1′}由源字符q1′组成，这些 源字符取决于要发射的信息，例如具有值“+1”和“-1”。下标1′对 于在帧k中传输的源字符q1′从0进行至L′-1，在此L′是每个帧k的源 字符q1′的数目。通过源编码器10，例如用GSM全价语音编码器压缩源 字符序列{q1′}。在此由源编码的字符ul生成一个源编码序列{ul}。源编 码的符号ul要到具有值“+1”，要么具有值“-1”。在一个帧之内下 标l从0进行到L-1，在此L是一个帧中的源编码字符ul的数目。在 此L′通常是大于L的。

然后在信道编码器12中防御信道干扰地编码源编码的序列{ul}， 在此例如采用一种卷积码。在此从码字x1中形成一种信道编码的序列 {x1，n}。在码字x1之内通过下标n标记二进制位，下标在一个码字x1之 内从零进行至N-1，在此N是一个码字x1中的二进制位的数目。码字x1 的二进制位x1，n又具有要么数值“+1”，要么数值“-1”。在一个未 表示的调制器中，进一步处理随后经传输线段14传输信道编码的序列 {x1，n}。在传输时出现干扰，例如由衰落系数ak描述的衰落和由噪声系 数No描述的噪声。

传输线段14位于发射机8和接收机16之间。接收机16必要时含 有用于接收经传输线段14传输的信号的二个未表示的天线、一个扫描 装置、用于解调信号的一个解调器和用于消除字符间干扰的校正器。出 于简化原因，在图1中同样未表示这些装置。校正器输出接收序列{y1，n} 的接收值y1，n。由于经传输线段14传输时的干扰，接收值y1，n拥有偏离 “+1”和“-1”的，例如为“+0.2”或“-3.7”的值。

在信道译码器18中进一步处理接收值y1，n。在信道译码器18中重 新取消由信道编码器12进行的卷积编码，在此应纠正传输差错。在卷 积译码时例如采用已知的维特比算法。为了进行维特比算法也给信道译 码器18输送一个信道状态信息Lc1，n。在信道译码器18中进行维特比算 法时按以下的公式计算二进制位1用的路径m的一个所谓的节拍M1(m)： $M_l^{\left(m\right)}=M_{l-1}\left(m\right)+\underset{n=0}{\overset{N-1}{\Sigma }}{{\hat{x}}_{l,n}}^{\left(m\right)}{\mathrm{Lc}}_{l,n}{y}_{l,n}+{{\hat{u}}_l}^{\left(m\right)}L\left(u_{k,l}\right)---\left(1\right),$ 在此M1-1(m)是路径m的旧的节拍，意即对于二进制位1-1， 是属于路 径m和二进制位1的码字的位， 是属于码字 的已译码的字符和 L(uk，1)是求出的可靠性值，此可靠性值是对于源编码的字符ul等于“- 1”的那个概率的一个尺度。

在下面用图3和4阐述其构造的一个计算单元20中求出可靠性值 L(uk，1)。

隐含地确定信道状态信息Lc1，n，其办法是求出一个所谓的信道软件 输出，此信道软件输出相当于由信道状态信息Lc1，n和各自接收值y1，n的 乘积。对于此信道软件输出适用于关系式： LCy＝L(x/y)-L(x)                                        (2)， 在式中L(x/y)是一个可靠性值，它说明，当已接收了接收值y时，在码 字的各自的二进制位中以何种概率出现值x，并且L(x)是一个可靠性值， 它说明可以如何可靠地确定值x。Lc＝4aEs/No适用于一种所谓的高斯 信道/衰落信道，式中a为衰落系数，而Es/No为信噪比。

信道译码器18从源编码的或信道译码的接收字符 中生成一个接收的 源编码的序列 。一个观察的可靠性值 属于每个源编码接收 字符 ，此可靠性值是信道译码器18的一个所谓的软输出(Soft- Ausgabe)。可靠性值L(uk-1，1)是对于用其已可以通过信道译码器18确定 的源编码接收字符 的可靠性的一个尺度。为了区别于由计算单元20 计算的可靠性值L(uk，1)，以下将由信道译码器18生成的可靠性值 称为基于观察的可靠性值或称为观察的可靠性值。通过信道译 码器18以一个帧k的延迟才生成观察的可靠性值 。通过下标k-1 延迟变得明显了。在以下阐述的本发明的实施例上，在计算单元20中 采用观察的可靠性值 ，以便求出现实处理帧k用的可靠性值 L(uk，1)。

将源编码的接收字符 和/或观察的可靠性值 输入解压 着源编码接收字符 的源译码器22中，在此从接收的源字符q1中形成 一个源字符序列{q′1}。

终止在一个加法单元28上的两个虚线箭头24和26应指明，在计 算单元20中在可靠性值 之外，或者替代这些可靠性值，采用 源编码的接收字符 和/或在译码时在源译码器22中生成的信息。计算 单元20最后使得成为可能的是，接收的源字符序列 基本上与发射 的源字符{q′1}一致，并且因此足够良好地纠正传输时的信道干扰的影 响。

图2展示两个帧，即由源编码的字符ul组成的现实的帧k和先前的 帧k-1。L个源编码的接收字符ul属于每个帧k，k-1，使得下标l从0 进行至L-1。通过按图1的计算单元20才建立在帧k，k-1，k-2等等之 间的一种联系。在此利用这个事实，即在相继帧k-1，k的某些源编码字 符之间，例如字符uk，1和uk-1，1之间，或它们的可靠性值L(uk，1)和L(uk-1，1) 之间出现一个明显的相关性。在本发明上通过一个数学模型描述此相关 性，在模型的基础上求出可靠性值L(uk，1)。

如果对于属于接收字符 的状态来计算节拍增量M1(m)，则各自 考虑按公式(1)的可靠性值L(uk-1，1)。在此时刻可靠性值 还 是未知的。如果在此之后对于属于接收字符 的状态求出节拍M1(m)， 计算单元20(请参阅图1)则提供从在此时刻已知的可靠性值 中计算出的一个可靠性值L(uk，1)。因此尽管延迟达一个帧，直到生成基 于观察的可靠性值 时仍有帧k用的，具有足够精度的一个可靠 性值L(uk，1)供支配。

图3展示计算卡尔曼滤波器中辅助可靠性值的一种第一方式的示意 图。在首先详述了卡尔曼滤波器之后，在下面阐述辅助可靠性值。

以下采用一种书写方式，这种书写方式依据在阐述H.W.Sorenson 著的文章“最小二乘方估算：从高斯到卡尔曼”中阐述卡尔曼滤波器时 采用的书写方式，请比较IEEE频谱，卷7，63至68页，1970年7月。 在方程(11′)和(10′)中采用的数学模型是多维的。为了阐述本发明 的一个实施例却动用一维模型的较简单的情况。在此情况下矢量只有一 个分量，并且因此是标量。产生以下的系统模型： xk＝ρkxk-1+xk                                          (3)， 式中xk为在时刻k的状态、xk-1为在时刻k-1的状态、ρk为xk和xk-1 之间的相关系数，以及wk为在时刻k的系统干扰。采用此系统模型用于 模拟所谓的一级马尔科夫过程。这样的系统模型用的，另外经常采用的 一种关系是“一级自动回归的模型”。

所属的模型为： k＝xk+xk                                                (4)， 式中zk为在时刻k的测量值和vk为在时刻k的测量干扰。应与xk相乘 的测量系数Hk具有值“1”，并且所以未随同写入公式(4)。干扰wk 和vk通过所谓的白噪声形成，并且具有平均值零，此外wk的方差称为Qk， 而vk的方差称为Rk。

根据公式(3)和(4)的模型，卡尔曼滤波器算法是与H.W.Sorenson 一致地通过以下的公式定义的： ${\hat{x}}_{k/k-1}={\rho }_k{\hat{x}}_{k-1/k-1}---\left(5\right),$ $P_{k/k-1}={\rho }_k^2{P}_{k-1/k-1}+Q_{k-1}----\left(6\right),$ $K_k=\frac{P_{k/k-1}}{P_{k/k-1}+R_k}---\left(7\right),$ ${\hat{x}}_{k/k}={\hat{x}}_{k/k-1}+K_k(z_k-{\hat{x}}_{k/k-1})---\left(8\right),$ Pk/k＝(1-Kk)Pk/k-1                                      (9)， 式中 为状态xk用的估算，而ρk为差错 的协方差。在下标上 第一下标说明各自的时刻k或k-1，在此时刻计算或已计算下标的量。 由一斜杠分开的下标说明，用于计算各自已作下标的量所必要的值在何 时刻供支配。如果第二下标对于理解是不必要的话，以下也采用在其上 略去第二下标的书写方式。

方差Qk，Rk以及相关系数ρk优先是常数，并且在滤波开始时规定。 在规定时有利地考虑事先已测量的测量值。

从均方差的意义上，在公式(5)至(9)中说明的卡尔曼滤波器算 法是最佳的，意即在实际状态xk和估计状态 之间偏差之和是最小的。

通过将公式(8)代入公式(5)产生 用的一种所谓的预测估 算； ${\hat{x}}_{k+1/k}={\rho }_{k+1}({\hat{x}}_{k/k-1}+K_k(z_k-{\hat{x}}_{k/k-1}))---\left(10\right).$

基于在处理时刻k+1存在的测量值zk+1的估算xk+1/k+1，通过将公式 (5)代入公式(8)中产生： ${\hat{x}}_{k+1/k+1}={\rho }_{k+1}{\hat{x}}_{k/k}+K_{k+1}(z_{k+1}-{\rho }_{k+1}{\hat{x}}_{k/k})---\left(11\right).$

估算值 按绝对值是小于或等于测量值zk的最大绝对值。卡尔曼 滤波器算法因此工作稳定。通过新的测量值zk或zk+1产生数额 或

通过数学的换算，在这些换算时在公式(7)和(9)中借助公式(6) 代替协方差Pk/k-1，并且在这些换算时随后消除协方差Pk-1/k-1，产生计 算放大系数K用的以下的公式： $K_{k+1}=\frac{Q_k+{{\rho }_{k+1}}^2{R}_k{K}_k}{Q_k+R_{k+1}+{{\rho }_{k+1}}^2{R}_k{K}_k}--\left(12\right).$

从公式(12)中得出，当测量干扰vk与系统干扰wk相比是很小的 和Rk因此大大小于Qk时，放大系数Kk大约取值1。如果放大系数Kk具 有值1，则按公式(10)和(11)只通过现实的测量值zk或zk+1确定优 化估算值 。如果与此相反地系统干扰wk与测量值vk相比是微小的话， 放大系数Kk则趋于零。从方程(10)和(11)中得出结论，对于约为零 的放大系数Kk所得出最佳估算值 仅与以前的估算值 有关。卡尔曼 滤波器的这些性能保证无差错的实际状态xk的良好估算。

也可以如下地列出方程(11)： ${\hat{x}}_{k+1/k+1}=(1-K_{k+1}){\rho }_{k+1}{\hat{x}}_{k/k}+K_{k+1}{z}_k=\dots$ $=h_0{\hat{x}}_{0/0}+\underset{j=1}{\overset{k+1}{\Sigma }}{h}_j{z}_j---\left(13\right),$ 式中hj是与zj(j＝1，…，k+1)无关的滤波器常数。估算值 因此是所 有迄今存在的测量值zk的一种线性组合。从方程(10)、(11)和(13) 中可以获知，在估算值 中既考虑测量值zk的统计相关性(一级统计) 也考虑测量值zk的数值分布(零级统计)。

当由L(uk，1)替代 和由 替代zk时，可采用上面说明的公 式直接用于可靠性值L(uk，1)的计算。可是出于下述原因合理的是，采用 辅助可靠性值m(uk，1)和 代替可靠性值L(uk，1)和 ，例如由 可靠性值L(uk，1)与一个概率P的强烈非线性关系的线性化得出这些辅助 可靠性值。

对于可靠性值通常适用以下的定义： $L\left(u_l\right)=\log \frac{P(u_l=+1)}{P(u_l=-1)}=\log \frac{1-p}{p}--\left(14\right).$

在此将ul看作为具有元素{+1，-1}的随机变量。P(ul＝-1)＝p是对 于ul具有值“-1”的概率。与此相反地P(ul＝+1)＝1-p是对于ul具有 值“+1”的概率。缩写“log”表示自然对数。可靠性值也称为软值或 称为对数概率比。

按定义(14)可靠性值是[-∞，+∞]范围中的一个实数。如果用值 L(ul)将ul分级为“+1或“-1，代数符号sign(L(ul))则说明所谓 的硬抉择，而绝对值|L(ul)|则说明抉择的，也称为软值(Soft-Wert)的 可靠性。

如果观察用于计算节拍MK(m)的，上面所说明的公式(1)的话，当 可靠性值趋向于“+∞”或“-∞”时，则单独通过L(uk，1)确定此公式。 正如从公式(14)中可获知的那样，这对于P趋向于零或P趋向于1是 这种情况。此外在用处理器实现时，对数函数的转换常常是碍事的。在 本发明的一个实施例上为了消除这些缺点，将在p和L(uk)之间的关系 线性地近似： L(uk)≈ L(uk)≡K(1-2p)＝Km(uk)                            (15). 式中 L(uk)为近似的函数，K是一个常数，和m(uk)是已经提及的辅 助可靠性值。常数K具有数值“z”，使得函数L(uk)的按概率p对于概 率P＝0.5的导数，等于函数L(uk)在位置p＝0.5上按概率p的导数。

对于辅助可靠性值m(uk)适用以下的关系： m(uk)＝1-2p＝(-1)p+(+1)(1-p)＝E{uk}                    (16).

从此公式中可以获知，辅助可靠性值m(uk)是uk的平均值。

从公式(14)和(16)中得出在辅助可靠性值和可靠性值之间的联 系为： $m\left(u_k\right)=\tanh \frac{L\left(u_k\right)}{2}---\left(17\right),$ 或者为： $L\left(u_k\right)=\log \frac{1+m\left(u_k\right)}{1-m\left(u_k\right)}--\left(18\right).$

辅助可靠性值m(uk)具有像可靠性值L(uk)相似的意义，意即代数符 号sign(m(uk))是所谓的硬抉择，而绝对值|m(uk)|是抉择的可靠性(所 谓的软抉择)。按公式(15)或(17)，例如借助于一个表格将由信道 译码器18(请参阅图1)生成的观察的可靠性值 转换为一个辅 助可靠性值m(uk-1，1)。然后同样地在采用一个表格的条件下，将由计算 单元20(请参阅图1)求出的辅助可靠性值m(uk，1)转换为可靠性值 L(uk，1)。按方程(15)通过辅助可靠性值m(uk)来近似可靠性值L(uk)， 在实践中同样导致良好的结果。

在用辅助可靠性值mk的按本发明的一个实施例上，在此未再随同写 上与uk的关系，从方程(10)和(12)中对于卡尔曼滤波器得出以下的 计算规范： $m_{k/k-1}={\rho }_k(m_{k-1/k-2}+k_{k-1}(m_{k-1}^{-*}-m_{k-1/k-2}))---\left(19\right)$ $K_{k-1}=\frac{{\sigma }_{w,k-2}^2+{\rho }_{k-1}^2{\sigma }_{v,k-2}^2{K}_{k-2}}{{\sigma }_{w,k-2}^2+{\sigma }_{v,k-1}^2+{\rho }_{k-1}^2{\sigma }_{v,k-2}^2{K}_{k-2}}--\left(20\right).$ 式中σ2w，k相当于已经提及的方差Qk，而σ2v，k相当于同样提及的方差Rk。

图3在一个方框图中展示按公式(19)的计算。用一个减法单元50 计算在公式(19)中处于内括号中的表达式(m*k-1-mk-1/k-2)。在一个乘 法单元52中用按公式(20)已计算的放大系数Kk-1秉此结果。在一个加 法单元54中将辅助可靠性值mk-1/k-2叠加到相乘的结果上，以此确定了 公式(19)中在外括号之内的表达式。随后在一个乘法单元56中将此 表达式的计算结果与相关系数ρk相乘。相乘的结果是辅助可靠性值mk/k-1 ，如已提及的那样，在这个可靠性值由信道译码器18(请参阅图1)采 用之前，将此辅助可靠性值mk/k-1转换为一个可靠性值。

延迟单元58从辅助可靠性值mk/k-1中通过延迟一个帧生成下一个处 理步骤用的辅助可靠性值mk-1/k-2。图3中提出了一个乘法单元60，在此 乘法单元中，在减法单元50中采用辅助可靠性mk-1/k-2之前，将此辅助 可靠性值与测量系数Hk-1相乘。如上面所提及的那样，在实施例中测量 系数Hk-1却具有值1。

在有关辅助可靠性值的一个另外的实施例中，在时刻k辅助可靠性 值m*k已经是已知的，例如当进行迭代的译码时。在此情况下对于卡尔 曼滤波器与公式(11)和(12)一致地适用以下两个公式： mk/k＝ρkmk-1/k-1+Kk(m*k-ρkmk-1/k-1)                       (21) $K_k=\frac{{\sigma }_{w,k-1}^2+{\rho }_k^2{\sigma }_{v,k-1}^2{K}_{k-1}}{{\sigma }_{w,k-1}^2+{\sigma }_{v,k}^2+{\rho }_k^2{\sigma }_{v,k-1}^2{K}_{k-1}}----\left(22\right).$

图4展示公式(21)的计算。图4中的描述基本上符合图3中的描 述，以致于不再次地阐述已经阐述过的功能单元，可是为了区别起见， 所属的标记号获得一个位于上角的斜撇。与图3相比，在图4中下标k- 1由下标k所代替。

作为初始条件在按图3或图4的实施例中例如选择：mo/-1＝mo/o＝0和 k0＝0。根据测量值来规定方差σ2w，k和σ2v，k。同样地根据例如借助于下述 的图6求出的测量值来规定相关系数ρk。也可以在滤波过程期间按照规 定的，必要时实现确定的函数，动态地计算方差σ2w，k和σ2v，k及相关系数 ρk。

在图3和4中各自展示了帧k的二进制位1用的一个卡尔曼滤波器 (请参阅图2)。通常有从帧到帧相关的多个二进制位1。在此情况下 在计算单元20中对于这些二进制位1中的每一个采用按图3或按图4 的一个卡尔曼滤波器，请参阅图1。

图5展示一个图表，在此图表上在横座标上展示了对于表示在纵座 标上的参数号0至75的相关系数。具有号0至75的参数相当于由GSM 全价语音编码器生成的参数，请参阅GSM建议06.10“欧洲数字蜂窝式 电信系统；全价语音代码转换”，1995。GSM全价语音编码器例如是源 编码器10，请参阅图1。

参数0至7是在LPC分析(线性预测编码)时生成的所谓的LAR系 数(对数地区比例Logaritbmical area ratio)。这些系数的相关性 是整个地大于0.3的。甚至是所谓的LTP(长期预测)用的相似度b的 参数号9，26，43和60具有大于0.2的相关性。此外在每个帧中存在 着来自所谓RPE分析(规则脉冲激发)的，从帧到帧仅少量变化的和具 有大于0.7的相关系数的四个xMAX系数。所述参数的相关性也出现于在 其中传输这些参数的较高值的二进制位中。

图6展示在一个GSM帧中的二进制位0至69用的相关系数的一个 图表。许多二进制位的值具有一种可观的帧间相关性，意即在uk和uk-1 之间的相关系数大于0.3。借助于在方程(16)中展示的平均值计算可 以看出，在m(uk)和m(uk-1)之间的相关系数ρk必须更显著地大于uk和uk-1 之间的相关系数，对于所述的值典型地为0.8至0.9，使得公式(3)的 数学模型符合实际的情况，并且用卡尔曼滤波器生成的可靠性值L(uk，1) 导致译码过程的改善。

在本发明的一个其它实施例中采用一个多维的模型代替在公式(3) 和(4)中说明的一维的模型。在此情况下适用在已提到的Sorensen著 的文章中说明的矢量书写方式。尤其当在帧间相关性之外也考虑帧内相 关性时，则采用多维的模型。

也可以不用优化方法，用稍为有限的但是仍然对于许多用途是足够 的精度求出可靠性值或辅助可靠性值的计算结果。在此利用上面在公式 (16)中说明的联系，其办法是按下列公式求出辅助可靠性值m(uk)： $m\left(u_k\right)=E\left\{u_k\right\}\approx {\stackrel{-}{u}}_k=\frac{1}{N}\underset{j=1}{\overset{N}{\Sigma }}{\hat{u}}_{k-j}---\left(23\right)$ 式中N为帧的规定数目，经这些帧进行一种所谓的窗口化，意即只考虑 最后的N帧的源编码的接收字符 通过这种措施也掌握应估算信号 的迅速变化。

也可采用所属的辅助可靠性值m(uk)或 代替接收字符 然 后像上述那样进一步处理求出的辅助可靠性值m(uk)。

借助于辅助可靠性值的定义，即m＝1-2p也可如下地表达公式(23)： $\hat{p}=\frac{\mathrm{Anzahl\; der\; Bits}{\hat{u}}_{k-j}=-1(j=\mathrm{1,2},\dots ,N)}{N}--\left(24\right)$

借助于最后的N译码的接收字符 首先进行将概率 P确定为值“-1”的相对频度 。在此之后借助公式(14)直接计算可 靠性值L(uk)，在此可以通过近似的概率 代替概率。