用误码率测试仪测试驱动FEC代码

　　RS信息组码中的单个码字只能纠正较少数量的符号差错。符号差错数量增加，就会大大增加代码总开销，也会大大增加纠错所必需的处理能力和处理时间。如果差错往往以小突发或大突发形式出现，有一种替代方法可提高RS信息码的T值。你只要在存储器缓冲器中将这一数据交错开来就能实现这种替代方法，这将提高纠错能力，但却增加了等待时间。
　　交错存储试图将突发差错一分为二， 以使突发差错的符号差错进入多个码字中。一个RS(204,188)码遇到一个14个符号突发差错，将无法进行纠错。但是，只要每隔一个字节将字节一分为二，并把该字节传递给两个独立的RS(204,188)码，相同的T=8纠错逻辑就能纠正全部差错。由此付出的代价是接收器必须等到接收到两个完整的204字节码字后才能开始纠错。在有些系统中，这一等待时间是无关紧要的（例如，数字录像播放机以及深空卫星接收机等流式传输设备）。但是，在其他事务系统（例如联网分组）中，这一等待时间将严重限制RS（204,188）码的可用性。
　　交错与分类
　　位误码分析很容易对交错进行仿真，这只是一种简单的分类功能。你通常可通过指定同时填充的码字的数量来形成交错。例如，4个RS(204,188) 8位符号码的交错构成一张表，表中有4行，每行有204个字节(图2)。该表代表6528位。当出现一个位差时，位置信息确定该位差错出现在表中什么地方。一旦所有6528数据位都收到，就对表进行逐行检查，以确定任何一行是否含有八个以上的符号差错。在误码计数之前对具有八个或八个以下出错符号的所有行进行纠错，这实际上实现了本应进行的纠错，这样，其余的位误码率就表示纠错后的误码性能。



图 2 你可以将与一维RS(204,188) 代码的4行交错表示为一张表，表中有4行，每行204字节。
　　这种与1维纠错码的2维交错的其他实例有适用于光纤通信的ITU（国际电信联盟）标准G.709和G.975码。例如，G.709可用一个在16行上交错的T=8的RS (256,239)码调出8位符号，而G.975只用4行交错就调出一个相同的码。
　　你还可以使用多维信息组代码来使一个比较简单的RS信息组代码，如T值比较小的RS信息组代码，能纠正大突发差错。但是，因为这种方法需要两级纠错，而且整个表必须接收到后才能开始纠错，所以这种方法进一步增加数据接收和解码数据输出之间的等待时间。数字录像机之所以使用该技术，乃是因为等待时间不是一个问题，而且大突发差错很普遍。一旦表中填满了码字，这种体系结构将先对每行纠错，然后再对每列纠错。只要失败的行少于T行，列纠错器将纠正这些行中的所有差错。这种方法为既纠正随机差错又纠正突发错误提供一种很好的折衷方案。
　　在随机错误不成为问题的情况下，如果需要对长突发差错进行最佳纠错，可以使用另一种技术。RS编码用一个符号来发现错误，用另一个符号来纠正错误，所以它必须在消息末尾附加2T个符号，却只能纠正T个差错。然而，如果知道了误码位的位置，RS码就可使用所有符号来进行纠错，因此能使纠错效率提高一倍。例如，当使用一个2维乘积阵列码时，内码解码器能发现有误码的行。只要这些行的数量小于2T，则解码器就能标出这些行是有误码的行，并且允许外码解码器对每行进行盲纠错。这种方法将可纠正突发差错长度增加一倍，这要视填充交错表的方法而定。通信工程师常常将这种方法称为用内码失效来删除外码。
　　位误码率测试仪能容易地分析所有这些基于信息组代码的体系结构。交错表维数和填充/排出算法能适应这些方法中的任何一种。如果信道遭受模型未包含的现象，则纠错器总效率可能急剧降低，所以利用误码率测试仪仿真FEC算法的优点是使用一个数字信道的实际误码数据来进行分析，而不是依靠一个假设的模型来获得误码统计数据。
　　误码位置分析
　　有一个实例应能说明误码率测试仪在优化FEC编码中的作用。该实例始于一个未纠错的、总平均背景误码率为2.68×10-6的数据信道，在这一信道中，既有突发差错又有非突发差错。你利用各种误码位的位置分析技术获得的误码分布表 明误码突发是随机而又相关的。图3示出了该数字信道某一部分的误码图。误码图将数据分割成段，并且将各段一个挨一个放置以生成一个由误码信息组成的2维图像。2维图像突出显示了检测到的位差错的位置。由位误码现象和突发现象造成的差错标有不同的颜色，能使人更好了解误码原因。图4表明：既有位差错又有突发差错，并且有些错误与段长度（水平"波段"）是高度相关的，段长度等于系统"固有的"数据信息包大小。



图 3 在未纠错的误码图中既有位差错又有突发差错，误码率为2.68×10-6。有些差错与段长度（水平"波段"）是高度相关的，段长度等于系统"固有的"数据分组大小。


图 4 RS(204,196) 一维纠错实际上只能消除小错误，但是较大的突发差错仍然存在。
　　在深入讨论之前，说说关于突发差错的另一个观点是适宜的。单单突发长度的概率分布是不足以确定FEC码所需的纠错能力。你常常会在其他背景差错出现时发现突发差错。此外，突发差错之间可能高度相关，因此一个突发差错可能预示着将来会出现另一个突发差错。在这种情况下，单个FEC码字可能会遇到一个以上的突发差错。信息包差错统计数据、无差错间隔概率以 及差错自相关都能使人更好了解其余的差错问题。但是，归根结底，基于误码位置的实际FEC仿真是在制造硬件之前研究FEC效率的最精确的方法。