Inhaltsangabe:Einleitung: Im digitalen Mobilfunk werden im Falle einer gestörten Datenübertragung fehlerkorrigierende und -verdeckende Maßnahmen getroffen. Hierbei können bei sehr schlechten Kanälen Restbitfehler im Bitstrom enthalten bleiben, welche nach Quellendecodierung zu starken Verzerrungen im Ausgangssignal führen können. Robuste und zugleich effiziente Kanal- und Quellendecodieralgorithmen sind daher zwingend erforderlich. Die Ergebnisse der berühmten Shannonschen Informationstheorie gelten als theoretische Obergrenzen die bislang durch praktische Systeme nicht annähernd erreicht werden konnten. Mit Hilfe der TURBO-Codierung konnte dieses Vorurteil widerlegt werden, womit die Shannon-Theorie durch realisierte Codes bestätigt wurde. Bei der ursprünglichen TURBO-Codierung werden zwei unabhängige Kanal-Codes miteinander verkettet und im Decoder alternierend ausgewertet. Der Gewinn des einen Decoders dient dem anderen als a-priori Information. Durch iteratives Aufrufen der Decoder können beide fortwährend von dem verbesserten Wissen des jeweils anderen profitieren und somit die Gesamtqualität deutlich erhöhen. Bei der modernen iterativen Quellen- und Kanaldecodierung wird einer der Kanaldecodierer durch einen Softbit-Quellendecodierer ersetzt, der Wissen aus natürlichen Redundanzen im Quellensignal, wie z.B. ungleichförmige Parameterverteilung oder Korrelation, gewinnt. In Rahmen der Arbeit wird untersucht mit welchen sendeseitigen Maßnahmen die Störressistenz eines Übertragungssystems mit iterativer Quellen- und Kanaldecodierung weiter erhöht werden kann. Dabei werden die geeigneten Systementwürfe der Encodierung mittels Cossap-, MATLAB- und C/C++ Simulationen verifiziert. Anschließend wird ein neu entwickelter Algorithmus der Optimierung der Quantisierung (Probability Quantizer Algorithm) beschrieben und analysiert. Aufbauend auf dem Probability Quantizer Algorithm wird ein Konzept der Gesamt-Optimierung der Quellenencodierung für Übertragungssysteme mit iterativer Quellen- und Kanaldecodierung vorgestellt, die einen (sub)optimalen Systementwurf anhand der Korrelationseigenschaften der Quelle und spezifischer Vorgaben des gewünschten Übertragungssystems, wie z.B. die Anzahl der Quantisierungsstufen, vorschlägt. Die Optimierungsverfahren Sequential Source-Encoding Algorithm und Joint Source-Encoding Algorithm werden in einem weiteren Schritt untersucht und gegeneinander gestellt. Die Leistungssteigerung des Übertragungssystems mit [...]
Dieser Download kann aus rechtlichen Gründen nur mit Rechnungsadresse in A, B, BG, CY, CZ, D, DK, EW, E, FIN, F, GR, HR, H, IRL, I, LT, L, LR, M, NL, PL, P, R, S, SLO, SK ausgeliefert werden.