Cours Codage

Bibliographie
J. PROAKIS : Digital Communications,

TS219 CODAGE CANAL Ed. McGraw Hill, 2001.
S. LIN, D.J. COSTELLO : Error Control Coding :
Fundamentals and Applications,
Ed. Prentice-Hall, 1983.
Benoît ESCRIG
A. GLAVIEUX, M. JOINDOT : Communications
ENSEIRB-MATMECA/IRIT
numériques. Introduction,
Ed. Masson, 1996.
24/08/2009 Codage Canal-BE 1 24/08/2009 Codage Canal-BE 2
Plan du cours Plan du cours

1. Introduction 1. Introduction
2. Codes en blocs linéaires 1. Contexte
3. Codes convolutionnels 2. Principe
4. Combinaisons de codes 2. Codes en blocs linéaires

3. Codes convolutionnels
4. Combinaisons de codes
1
Contexte : systèmes de Contexte : stockage de
télécommunications données sur support physique
DONNÉES ORIGINALES DONNÉES ORIGINALES
01010011000111 01010011000111
(données émises) (données stockées)
DONNÉES À TRAITER DONNÉES À TRAITER

(données reçues)
01000011100111 (données lues) 01000011100111
Exemples : WiFi, TNT, Bluetooth, 3G, … Stockage : écriture sur support physique (CD,
Causes de l’altération : mauvaises conditions disque dur).
de réception.
Causes de l’altération : CD rayé, …
Résultat : les données reçues sont différentes
des données émises. Résultat : les données lues sont différentes des
données écrites.
Problème soulevé par Impacts de l’utilisation de

l’altération des données données altérées
Sans traitement préalable sur les données Dépendent de l’application
originales, l’équipement qui va utiliser les et du type d’altération.
données (téléphone mobile, lecteur DVD) ne Fort impact : un bit faux
sait pas que le flux de données comporte des dans le codage d’un numéro
erreurs. de carte bleue .
Faible impact : plusieurs
paquets manquants dans le
1
0.8
0.6
BLOC UTILISATEUR codage d’une conversation 0.4
0.2
DONNÉES téléphonique.
0
DES DONNÉES
-0.2
-0.4
-0.6
-0.8
0 0.5 1 1.5 2 2.5 3 3.5 4
4
x 10
2
Implications générales en
télécommunications Enjeu
PDU (Protocol Data Unit) dont la syntaxe est Comment savoir si un flux de données comporte des
erronée, donc PDU inexploitable (paquet, erreurs ?
1ère étape : détecter les erreurs.
trame).
Que faire lorsque le flux de données à traiter est

Nécessité de retransmettre l’information. erroné ?
Baisse du débit effectif. Corriger les erreurs (protocoles de la couche 1 et lecture
de données sur support CD).
Baisse de la QoS (Quality of Service). Solliciter l’émission de nouvelles données (protocoles à partir
de la couche 2).
Interpoler entre les données précédentes et les données
suivantes (applications).
Interpoler entre les données Solliciter l’émission de

précédentes et les données suivantes nouvelles données
Technique possible lorsque les données traitées Mécanisme de type ARQ.
sont très redondantes et que la perte d’un bloc Automatic Repeat reQuest.
de données n’altère pas la qualité du service.
Exemple : film, conversation téléphonique. transmission test
OK
vers la couche supérieure
RÉCEPTION TRAITEMENT
transmission test
1 3 4 1 2 3 4 OK
demande de retransmission
3
Détecter et corriger les Application aux
données altérées télécommunications
Codes correcteurs d’erreurs : rajouter des Codage canal : adapter le codage au canal
bits de redondance aux bits d’information de transmission pour améliorer les
(opération inverse à l’opération de performances en termes de probabilité
compression). d’erreur Pe.
Codage :
Blocs de k bits en entrée.
Blocs de n bits en sortie (n>k). codage émetteur canal récepteur décodage
Décodage : retrouver les blocs de k bits à Penc non codé
partir des blocs de n bits.
Pec<Penc codé
Exemple : code à répétition Limitation des codes

C(3,1) correcteurs
DONNÉES ÉMISES
Si les erreurs sont rares, elles sont effectivement
01001110 CODEUR 000 111 000 000 111 111 111 000
corrigées.
000 110 000 010 111 110 111 000
Code à répétition Les seuls blocs de 3 bits Sinon, le décodeur va générer des erreurs là où il n’y
0 donne 000 autorisés sont les blocs en avait pas.
000 110 000 010 111 110 111 000
1 donne 111 000 et 111
Conséquence : un décodeur ne peut traiter
correctement des données qu’à partir d’une certaine
DONNÉES REÇUES qualité à l’entrée du décodeur (aux environs de 1 bit
000 110 000 010 111 110 111 000 DECODEUR 01001110 faux sur 10 ou 1 bit faux sur 100).
? ? ?
4
Inconvénient des codes Impact de l’utilisation des
correcteurs d’erreurs codes correcteurs
Soit Tbloc le temps alloué à l’émission d’un En pratique, c’est le débit utile qui est
bloc de données. diminué car les débits des données codées
En théorie, l’ajout de redondance contribue à sont fixées par les normes.
augmenter les besoins en bande passante. Plus il y a de protection (et donc de
redondance – k/n petit), plus le débit utile
k CODEUR n diminue.
k CODEUR n
Cas non codé Cas codé
Nombre de bits émis / bloc k n Données non codées Données codées
Débit k/Tbloc n/Tbloc Débit k/n . D D (fixe)
Pourquoi utiliser des codes

Enjeu des codes correcteurs correcteurs dans les systèmes de
d’erreurs télécommunications ?
Plus il y a de redondance, Au niveau de la couche physique, les
Plus la capacité de correction est grande. techniques de transmission arrivent à
Plus la consommation en bande passante est
diminuer le nombre d’erreurs (en augmentant
grande. le rapport signal à bruit à la réception) mais
ne peuvent les empêcher.
Enjeu : fournir la meilleure capacité de
Comment alors améliorer la qualité de la
correction en utilisant le moins de bits de transmission ?
redondance.
Solution : codes correcteurs.
5
Pourquoi utiliser des codes
correcteurs dans le stockage de
données (disque dur, CD) ? Plan du cours
Comment récupérer, traiter des données 1. Introduction
stockés sur un support quelconque (disque 1. Contexte
dur, CD, DVD) lorsque le support de stockage 2. Principe
est défectueux ? 2. Codes en blocs linéaires
Solution : codes correcteurs. 3. Codes convolutionnels
Principe du codage Principe du décodage (1/3)

Ajouter au message à transmettre des bits de Coder les données sans les décoder ne sert à rien.
redondance selon une loi donnée. Décoder : tester si la loi de codage est respectée.
Taux de codage Rc. Si la loi de codage est respectée, alors les données
Exemple : code à répétition C(3,1) sont envoyées au bloc de traitement suivant.
Si 0, alors 000. Si 1, alors 111. Exemple : code à répétition C(3,1)
k Si 000, alors 0. Si 111, alors 1.
Rc =

n
n DÉCODEUR k
k CODEUR n
6
Principe du décodage (2/3) Principe du décodage (3/3)
Si la loi de codage n’est pas respectée, il y a S’il y a détection d’erreur alors il y a
détection d’erreur(s). Soit correction et envoi au bloc de traitement
Exemple : code à répétition C(3,1) suivant,
Si le décodeur reçoit un autre bloc de trois bits Soit suppression des données, demande de
que 000 ou 111, il détecte que le bloc est erroné. retransmission ou interpolation.
n DÉCODEUR k n DÉCODEUR k
Distinction entre détection et

Exemple de correction d’erreur correction d’erreur
Détection d’erreur : le mot Détection d’erreur : le décodeur détecte que
Code à répétition
110 est différent de 000 et 0 donne 000 le bloc de bits à traiter est erroné.
1 donne 111 L’information produite est binaire : il y a ou il n’y a
de 111.
pas d’erreur (une ou plusieurs erreurs).

Correction d’erreur : le mot DONNÉES
Correction d’erreur : le décodeur sait où se
reçu est plus proche de REÇUES
trouvent les erreurs et les corrige.
111 que de 000. La sortie 110 DÉCODEUR 1
est donc 1.
7
Exemples Remarque
Un décodeur utilisé comme
Code à répétition Code à répétition correcteur d’erreur produit Code à répétition
0 donne 00 0 donne 000 toujours un flux de sortie. 0 donne 00
1 donne 11 1 donne 111 Il existe un risque que le 1 donne 11
décodeur introduise des
erreurs.
DÉCODEUR DÉCODEUR Contrainte : assurer une DÉCODEUR
erreur erreur erreur
détection détection certaine qualité du flux de détection
01 110 données à l’entrée du 01
DÉCODEUR DÉCODEUR décodeur. DÉCODEUR
0 1 0
correction correction correction
Historique Plan du cours

1948 : Shannon (théorie de l’information). 1. Introduction
1950 : Hamming. 2. Codes en blocs linéaires
1950-1970 : codes en blocs et codes cycliques, BCH 1. Matrice génératrice et matrice de contrôle de parité
(Bose-Chaudhuri-Hocquenghem) et RS (Reed- 2. Exemples de codes en blocs linéaires particuliers
Solomon). 3. Codes cycliques
1960-1970 : codes convolutifs (Fano, Forney, 4. Décodage optimal soft-decision
Viterbi). 5. Décodage hard-decision
Opérations sur les codes
1980 : modulations codées en treillis (Ungerboeck). 6.
1990 : décodage itératif et turbo-codes (Berrou-
Glavieux). 4. Combinaisons de codes
2000 : codes LDPC (Low Density Parity Check).
8
Codes en blocs linéaires Composantes du mot de code
Code en bloc = ensemble de
n
code composante valeur
vecteurs de longueur n appelés q=2 binaire bit {0,1}
mots de code.
q≠2 non binaire symbole {0,…,q-1}
Les composantes d’un mot de qn Exemples :

code appartiennent à un Si q=2, alors les mots de code sont 01010010
alphabet à q symboles. constitués de 0 et 1.
Si q =3, alors les mots de code sont
constitués de 0,1 et 2. 01210210
Cas particulier : q=2b (b>1) Exemple

Possibilité de représenter un symbole par b Si q = 4=22, alors mot de code constitué de
bits. 0,1,2 et 3.
Conséquence : un mot de code de N Possibilité de représenter un symbole (0,1,2,3) par
symboles peut se représenter par un mot de 2 bits (00 01 10 11).
code binaire de bN bits. Conséquence : mot de code de 8 symboles = mot
de code binaire de 2x8 bits.
0 1 2 3 2 1 1 2
=
00 01 10 11 10 01 01 10
9
Définition d’un code C(n,k) Exemple : C(4,2)
2k mots de k bits Les 4 (22) mots de code sont choisis parmi n=4
les 16 (24) mots de 4 bits.
Association de 2k mots
de code de n bits aux 2k Mot de Mot de
mots de données de k CODE données code
bits. 00 1010
2n=16
01 0010
10 0110
2n mots de n bits
sélection de 2k mots 11 1011
24/08/2009 Codage Canal-BE

de n bits 37 24/08/2009 Codage Canal-BE 38
Généralisation aux
codes non binaires Exemple C(2,1) q=3 n=2
Mots de code à n symboles n

1 symbole en entrée :
(et non bits). 0,1,2.
Symboles : 0,1,2, …,q-1 2 symboles en sortie : 32
qn mots de n symboles. qn (0,1,2) x (0,1,2).
Sélection de qk mots pour
former un code. Mot de données Mot de code
0 12
1 20
2 22
10
Poids d’un mot : nombre
d’éléments non nuls dans le mot Exemples
Distribution des poids d’un code w : ensemble Répartition possible des poids sur un code
des poids d’un code. C(3,2).
Existence de codes dont tous les mots de
code ont le même poids (codes à poids fixe
ou à poids constant). 000 001 011 111 w = {0,1,2,3}
Paramètre important pour établir les 000 001 010 100 w = {0,1}
110 101 011 111 w = {2,3}
performances de certains codes.
Opérations sur les mots de

code et les mots de données Rappel sur les corps
Les composantes des vecteurs appartiennent Corps = ensemble G d'éléments muni de deux opérations
à un alphabet à q symboles. (l'addition + et la multiplication . ) vérifiant les propriétés
Alphabet muni de l'addition modulo-q et de la suivantes :
L'ensemble G muni de l'addition + est un groupe commutatif.
multiplication modulo-q = corps de Galois
L'élément neutre de l'addition est noté 0.

d'ordre q, noté GF(q).
L'ensemble des éléments non-nuls de G muni de la multiplication .

Corps de Galois = corps d'ordre fini. est un groupe commutatif.
Corps d'ordre fini = corps dont le nombre L'élément neutre de la multiplication . est noté 1.
d'éléments (ordre) est fini. La multiplication est distributive par rapport à l'addition.
11
Rappel sur les groupes Exemple : GF(2) et GF(3)
+ 0 1 2
Un ensemble G sur lequel est défini une Addition + 0 1
opération * est un groupe si modulo--2 :
modulo
0 0 1
0 0 1 2
OU exclusif
L'opération est associative, (XOR). 1 1 2 0
1 1 0
G contient un élément e (appelé élément neutre 2 2 0 1
de G),
× 0 1 2
Pour chaque élément a de G, il existe un élément Multiplication × 0 1
a' de G appelé inverse de a. modulo--2 : ET
modulo 0 0 0 0
0 0 0
logique (AND).
1 0 1 2
1 0 1
a*e=e*a=a a*a'=a'*a=e 2 0 2 1
Rappel sur les espaces

Espaces vectoriels vectoriels (1/2)
Les vecteurs de mots de données et de mots Soit V un ensemble sur lequel est définie
de code appartiennent respectivement aux l’addition "+" et soit F un corps. La
espaces vectoriels Vk et Vn. multiplication "." est définie entre les
Ces espaces vectoriels sont munis de éléments de F et les éléments de V.
l’addition modulo-q et de la multiplication Les éléments de V sont des vecteurs; ceux de
modulo-q sur un corps de Galois GF(q). F, des scalaires.
12
Rappel sur les espaces Distance minimale dmin
vectoriels (2/2) d’un code
V est un espace vectoriel sur le corps F si : Distance de Hamming : Mot de Mot de
V muni de l'addition + est un groupe commutatif. nombre d’éléments données code
Pour chaque élément a dans F et chaque élément v dans V, différents (bits, symboles) 00 000
a.v est un élément de V. entre les deux mots
La multiplication est distributive par rapport à l’addition.
01 101

(distance comprise entre
10 110
La multiplication est associative.
0 et n). D([101], [110]) = 2
Si 1 est l'élément neutre pour la multiplication, alors 1.v=v. 11 011
Distance de Hamming
minimale entre deux mots
de code : dmin.
Exemple : C(3,2), dmin=2.
Plan du cours Définitions et Notations

1. Introduction Soit un code C(n,k).
2. Codes en blocs linéaires
1. Matrice génératrice et matrice de contrôle de parité Mot de données Xm à k composantes.
Exemples de codes en blocs linéaires particuliers
2.
3. Codes cycliques
Mot de code Cm à n composantes.
4. Décodage optimal soft-decision
X m = [x m1x m 2 ...xmk ]
5. Décodage hard-decision
6. Opérations sur les codes
Cm = [c m1c m 2 ...c mk c m (k +1)...c mn ]

Xm CODEUR Cm
13
Génération de la jième Génération de la jième
composante de Cm (1/2) composante de Cm (2/2)
Combinaison linéaire (CL) des k composantes
du mot de données Xm. c mj = x m1g 1 j + x m 2 g 2 j + L + x mk g kj j = 1,2, L , n
m=1,…,2k k
xm1 xm2 … xmi … xmk cmj = ∑ g ij xmi

i =1
Pour savoir quelles composantes de Xm participent à la CL :
g1j g2j gij gkj
coefficients gij (0 ou 1).
i de 1 à k pour les k composantes du mot de données
j de 1 à n pour les n composantes du mot de code.
Σ

cmj
Génération des n Codage par multiplication

composantes de Cm matricielle
Pour n composantes, n combinaisons linéaires Xm CODEUR Cm
différentes.
Le codeur est entièrement défini par n CLs. Matrice génératrice
Cm = X mG
1≤ i ≤ k  g11 g12 L g1n 
k 1≤ i ≤ k
g g 22 L g 2n 
G= 
c mj = ∑ g ij x mi
21
1≤ j ≤ n k
c mj = ∑ g ij x mi 1≤ j ≤ n  M M M 
i =1 i =1  
1≤ m ≤ 2 k
1 ≤ m ≤ 2k g k 1 g k 2 L g kn 
14
Matrice génératrice G Exemple C(3,2)
 g1   g 11 g 12 L g 1n  Mot de Mot de
Matrice génératrice     1 0 1
de rang(1) k.   
g 2  g 21 g 22 L g 2n 
 données code G= 
G=  = 
 
Les vecteurs gi  M   M M M  00 000
0 1 1
forment une base    
   
non unique. g k  g k 1 gk2 L g kn  01 011
C m = x m1g1 + x m 2 g 2 + ... + x mk g k 10 101
11 110
(1) Rang d’une matrice : nombre maximal de vecteurs
lignes (ou colonnes) linéairement indépendants.
Matrice génératrice pour code

Code systématique systématique
Un code est dit systématique si les k premiers Il est possible d’obtenir la matrice génératrice
bits du mot de code sont constitués par les k de la version systématique d’un code par
bits du mot de données. Ces k bits sont dits opérations sur les lignes et permutations des
systématiques. colonnes.
Les (n-k) bits restants sont appelés bits de
parité.
k CODEUR k n-k
15
Forme de la matrice génératrice Intérêt des codes
pour un code systématique systématiques
Ik matrice identité et P matrice k x (n-k). Le mot de données apparaît explicitement
dans le mot de code.
1 0 L 0 p11 p12 L p1(n − k )  Le décodage est plus facile car il suffit de
 
  tronquer le mot reçu.
0 1 O M p21 p 22 L p 2 (n − k ) 
G = [Ik P] = 
Exemple : le code de l’exemple précédent est

M M M M 
systématique.
O O 0
X m [Ik P] = [X m X mP]
 
 
0 L 0 1 pk 1 pk 2 L p k (n − k ) 
Bits systématiques Bits de parité
Code dual d’un code C(n,k) Cas des codes systématiques

Soit un code C(n,k) de matrice Forme particulière
génératrice G. de la matrice H si G = [I k P]
Code dual : code C(n,n-k) de GHT = 0 le code généré par
matrice génératrice H. la matrice G est
systématique. GHT = 0
Propriété : tous les mots de code
C m HT = 0 [ ]

générés par G sont orthogonaux à H = − PT In − k
ceux générés par H.
16
Capacité de détection d'un
Exemple code C(n,k)
1 0 0 0 1 0 1 Soit un code C(n,k) de distance minimale dmin.
0 1 0 0 1 1 1
G= ÉVENTUELLEMENT
0 0 1 0 1 1 0
  MOT DE CODE + d>=dmin ERREURS = MOT DE CODE
0 0 0 1 0 1 1
X Y
1 1 1 0 1 0 0 CERTAINEMENT
H = 0 1 1 1 0 1 0
 1 1 0 1 0 0 1 MOT DE CODE + d<dmin ERREURS ≠ MOT DE CODE
Capacité de détection d'un

code C(n,k) 2k mots de données Exemples
Capacité de détection d’un C(3,2) : Mot de Mot de
code : au plus dmin-1 données code
dmin=2, capacité de
erreurs. détection : 1. 00 000

La réception de [010] 01 011
Détection : dmin-1 erreurs
transforment un mot de implique au moins une 10 101
erreur.
code en un autre mot qui 11 110
C(5,1) :
n'est pas un mot de code. dmin
dmin=5, capacité de Mot de Mot de
détection : 4. données code
d min ≤ n − k + 1 La réception de [00010] 0 00000
implique au moins une
erreur. 1 11111
17
Précisions sur la capacité de Précisions sur la capacité de
détection d'un code détection d'un code
2n -1 erreurs 2n mots de code
Code C(n,k) = 2k mots de codes de longueur
n parmi 2n mots possibles. possibles (autres
que le mot nul)
Lors de la lecture d’un CD ou lors d’une
transmission, le mot de code Cm subit une
altération e pour donner Y.
C’est Y qui sera reçu par le bloc de
traitement.
2n-2k erreurs 2k-1 erreurs non détectables
Y = Cm+e détectables car 2k–1 mots de code non
nuls
Rapport erreurs non détectables Capacité de correction d'un

et détectables code C(n,k) 2k mots de données
Pour n grand, le nombre d'erreurs non Soit dmin, la distance minimale.

détectables devient petit devant le nombre Capacité de détection : dmin –1. t
d'erreurs détectables. Capacité de correction t : partie
k
2 −1 entière de la moitié de (dmin-1).
Pour pouvoir corriger ces
2n − 2k

Exemple : C(7,4) erreurs, il faut que le mot reçu
16 mots de code, 15 erreurs non détectables. soit suffisamment près d'un dmin
128-16=112 erreurs détectables. mot de code existant.
 d − 1
t = Ent  min 
 2 
18
Exemple : code à répétition
Exemple : code C(3,2), dmin=2 C(3,1)
Réception de [010]. Mot de Mot de Capacité de détection 2, Mot de Mot de
Détection d’une erreur. données code capacité de correction 1. données code
Capacité de correction nulle.
Impossibilité de décider quel 00 000 0 000
mot a été transmis : Réception de [001] :
[000] détection d’une erreur et

01 101 1 111
ou [011]

ou [110].
correction en [000].
10 110
11 011
Limitation Codes étendus

Exemple : code à répétition C(3,1). Code étendu C(n+1,k) généré à partir d’un
Transmission de [000] et réception de [011], code C(n,k) : ajout d’un bit de parité (somme
détection d’une erreur et correction en [111]. modulo 2 du mot de code) au mot de code
Conséquence : généré par C(n,k) :
en théorie, génération d’erreurs ! 0 si nombre de 1 dans mot de code pair,
en pratique, cas correspondants à des conditions 1 si nombre de 1 dans mot de code impair.
de transmission inexploitables. Propriété :
Les codes correcteurs ne peuvent fonctionner Si C(n,k) de distance minimale dmin impaire, alors
correctement que si le BER (Bit Error Rate) C(n+1,k) de distance minimale dmin+1.
avant correction est inférieur à 10-1.
19
Conclusion sur les codes
Codes raccourcis en blocs linéaires
Code raccourci C(n-l,k-l) généré à partir d’un Xm CODEUR Cm
code systématique C(n,k) : suppression des l
premiers bits d’information (génération des
mots de code par G) : Cm = X mG
Si le code C(n,k) est de distance minimale dmin,
alors le code C(n-l,k-l) a au moins une distance Mot de code Matrice génératrice
minimale de dmin. 1xn kxn
Codes étendus et raccourcis utiles pour faire Mot de données De la forme [Ik P]
des multiples d’octets. 1xk pour les codes
systématiques
Limitation des codes en blocs

linéaires Plan du cours
Codage par multiplication matricielle. 1. Introduction
Inconvénients : 1. Matrice génératrice et matrice de contrôle de parité
Stockage de la matrice (espace mémoire requis 2. Exemples de codes en blocs linéaires particuliers
important), 3. Codes cycliques
Traitement temps réel impossible (traitement 5. Décodage hard-decision
bloc). 6. Opérations sur les codes
Solution : codes cycliques. 4. Combinaisons de codes
20
Codes de Hamming binaires Exemple
Codes de la forme C(2m-1,2m-1-m).
1 0 0 0 1 0 1

0 1 0 0 1 1 1
Exemple : m=3, C(7,4).

G=
Forme particulière de la matrice H : 0 0 1 0 1 1 0
m lignes  
0 0 0 1 0 1 1

2m-1 colonnes = représentation binaire des entiers

non nuls inférieurs ou égal à 2m-1. 1 1 1 0 1 0 0
dmin=3 pour tous les codes de Hamming. H = 0 1 1 1 0 1 0
1 1 0 1 0 0 1
Codes de Hadamard Propriétés

Un mot de code = une ligne d’une matrice de Chaque ligne diffère
Hadamard. 0 0 0 0
des autres en n/2  
Matrice de Hadamard : Mn où n est un entier positions.  
pair. 0 1 0 1
Une ligne ne M4 =  
Construction récurrente des matrices. contient que des 0 0 1 1
zéros.  
 
0 0 M n Mn  Toutes les autres 0 1 1 0
M2 =   M 2n =  
contiennent n/2
   
0 1
M n Mn  zéros et n/2 uns.
21
Construction d’un code Plan du cours
0 0 0 0
Introduction
Les lignes de Mn et 

 1.
 2. Codes en blocs linéaires

de son complément 0 1 0 1
M4 =   1. Matrice génératrice et matrice de contrôle de parité
forment un code 0 0 1 1 2. Exemples de codes en blocs linéaires particuliers
 
binaire C(2m,m+1)   3. Codes cycliques
0 1 1 0 4. Décodage optimal soft-decision
de distance 5. Décodage hard-decision
1 1 1 1
minimale dmin=2m-1.   6. Opérations sur les codes
  3. Codes convolutionnels
Exemple : C(4,3), 1 0 1 0
M4 =   4. Combinaisons de codes
dmin=2. 1 1 0 0
 
 
1 0 0 1
Représentation polynomiale des

Codes cycliques codes cycliques
Famille de codes linéaires ayant la propriété Associer à chaque mot de code, à n
suivante : toute permutation circulaire d'un composantes, un polynôme C(p).
mot de code C donne un autre mot de code. Propriétés du polynôme :
Nombre de coefficients : n, de 0 à (n-1).
Degré inférieur ou égal à (n-1).
C = [c n − 1c n − 2 ...c1c 0 ]

Codes binaires : coefficients dans {0,1}.
C' = [c n − 2 c n − 3 ...c 0 c n − 1 ] C = [c n − 1c n − 2 ...c1c 0 ] ⇒ C (p ) = c n − 1p n − 1 + c n − 2 p n − 2 + L + c1p + c 0
22
Génération des mots de code par
Exemples permutation cyclique
C = [1] ⇒ C (p ) = 1
Comment passer de C à C1 ?
Idée 1 : p C(p)
C = [10 ] ⇒ C (p ) = p

p C (p) ne peut pas être un mot de code car de
C = [11] ⇒ C (p ) = p + 1
degré n si cn-1=1.
C = [1101] ⇒ C (p ) = p 3 + p 2 + 1 C = [c n −1c n − 2 ...c1c0 ] C (p ) = c n −1p n −1 + c n −2 p n −2 + L + c1p + c0

pC (p ) = cn −1p n + c n −2 p n −1 + L + c1p 2 + c0 p
C = [1101101] ⇒ C (p ) = p 6 + p 5 + p 3 + p 2 + 1
C1 = [cn − 2c n − 3 ...c0cn − 1 ] C1 (p ) = c n −2 p n −1 + c n −3 p n −2 + L + c0 p + c n −1
Génération des mots de code par Génération des mots de code par
permutation cyclique permutation cyclique
Idée 2 : division de p C(p) par pn+1 C1 : reste de la division de pC(p) par pn+1.
pC (p ) = c n −1p n + c n −2 p n −1 + L + c1p 2 + c0 p
pC (p ) = c n −1( p n + 1) + c n −2 p n −1 + L + c1p 2 + c0 p + c n −1 ( )
pC (p ) = c n −1 p n + 1 + C1 (p ) C = [c n − 1c n − 2 ...c1c 0 ]
pC (p ) = c n −1( p n + 1) + C1 (p ) C1 (p ) = pC (p ) mod p n + 1 ( )
C1 = [c n − 2 c n − 3 ...c 0 c n − 1 ]
C1(p ) = c n −2 p n −1 + c n −3 p n −2 + L + c0 p + c n −1
23
Code cyclique et
Généralisation multiplication polynomiale
Permutation de Ci de i éléments : reste de la Soit un polynôme générateur g(p) de degré (n-k),
division de piC(p) par (pn+1) facteur de pn+1 (g(p) divise pn+1).
Soit Xm(p) le polynôme d’information à coder.
Soit Cm(p) le polynôme du mot de code.
(
p C (p ) = Q ( p ) p + 1 + C i ( p )
i n
)
g (p ) = p n − k + g n − k − 1 p n − k − 1 + L + g 1 p + 1
C = [c n − 1c n − 2 ...c1c 0 ] C i = [c n − i − 1c n − i − 2 ...c n − i + 1c n − i ] X (p ) = x k − 1 p k − 1 + x k − 2 p k − 2 + L + x 1 p + x 0
C m (p ) = X m (p )g (p )
 0  0 0 0 0 0 0 0
   
   
 1  0 0 0 1 1 0 1
   
 2  0 0 1 1 0 1 0
Exemple avec n=7 Table de g(p)   

  
 3  0
  
0 1 0 1 1 1



 4  0 1 1 0 1 0 0
   
   
Avec p7+1, possibilité de générer deux codes g(p)=p3+p2+1  5  0
  
  
1 1 1 0 0 1


cycliques C(7,4). C(7,4)
 6  0
  
1 0 1 1 1 0

 7  0 1 0 0 0 1 1
  =  
Un choix objectif entre les deux polynômes Exemples :   
 8  1 1 0 1 0 0 0

   
peut être fait s’ils donnent naissance à des X(p)=1 donne C(p)=g(p)  9  1
  
1 0 0 1 0 1

codes de capacité de correction différente. X(p)=p donne C(p)=g(p).p
  
10  1
  
1 1 0 0 1 0


   
( )( )
11 1 1 1 1 1 1 1
X(p)=p+1 donne
p + 1 = (p + 1) p + p + 1 p + p + 1
   
7 3 2 3 12 1 0
C(p)=g(p)(p+1)=p4+p3+p+p3+   
0 1 1 1 0

14243 14243 p2+1=p4+p2+p+1
  
13  1 0 1 0 0 0 1

g (p ) g1 ( p )
   
14  1 0 0 0 1 1 0
   
   
15  1 0 0 1 0 1 1
24
Code dual Exemple
En général, pn+1=g(p)h(p) Code dual de g(p)
g(p) polynôme du code cyclique C(n,k) et h(p) polynôme de

parité de degré k.
Polynôme générateur du code cyclique C(n,n-k) dual du code 144
(
42444 3 14243
)(
p 7 + 1 = (p + 1) p 3 + p + 1 p 3 + p 2 + 1 )
h(p ) g (p )
C(n,k) : polynôme réciproque de h(p) défini par pkh(p-1).
h (p ) = p + p + p + 1
4 3 2
( )
p h p −1 = 1 + p + p 2 + p 4
4
k
p hp ( ) = p (p
−1 k −k
+ hk − 1 p −k +1
+ hk − 2 p −k + 2
+ L h1 p −1
+1)
= 1 + hk − 1 p + hk − 2 p 2 + L + h1 p k − 1 + p k
Lien avec les matrices

génératrices Exemple : C(7,4)
Matrice génératrice d’un code cyclique C(n,k) g (p ) = 1 + p 2 + p 3
de polynôme g(p) constituée des lignes :
pk-1g(p) 1 1 0 1 0 0 0
pk-2g(p) 1 g n − k −1 L 1 0 L 0
 
   
…   0 1 1 0 1 0 0
pg(p) 0
G= 
1 O O O M
G= 

g(p) M O 1 0 0 0 1 1 0 1 0
   
   
0 L 0 1 g n − k −1 L 1
0 0 0 1 1 0 1
25
Construction de codes
systématiques Méthode
Codes systématiques : k premiers bits Multiplier le polynôme d’information X(p) par pn-k.
constitués par les bits d’information. Diviser pn-kX(p) par g(p).
Propriété : Ajouter le reste de la division, noté r(p), à pn-kX(p).
p n − k X (p ) = Q (p )g (p ) + r (p ) p n −k X (p ) = Q (p )g (p ) + r (p )
p n −k X (p ) + r (p ) = Q (p )g (p ) p n −k X (p ) + r (p ) = Q (p )g (p )
Exemple : C(7,4)
et g(p) = p3+p+1 Exemple (suite)
1001000
Mot à coder X=[1001]
1011 Dividende : 1
X(p)=p3+1 010000
0000 Dividende : 10
pn-kX(p)= p6+p3
10000
Le reste de la division de pn-kX(p) par g(p) 1011 Dividende : 101
donne les bits de parité. 0110
0000 Dividende : 1010
g=[1011]. 110
Reste = p2+p donc C=[1001110]
26
Mise en œuvre de codes Intérêt des registres à
cycliques décalages
Utilisation de registres à décalages. Utiles pour le traitement de flux de donnés :
Registre : case mémoire accessible par le peuvent traiter des flux ininterrompus de bits.
processeur sans temps d’accès (de taille 64 Utiles pour la mise en œuvre d’applications
bits pour les processeurs dits 64 bits). temps réel : un bit sortant pour un bit
Registre à décalage : registre de taille fixe entrant.
dans lequel les bits sont décalés à chaque logique combinatoire sorties
coup d'horloge.
entrées
Étapes de codage Codeur cyclique

Multiplier le polynôme d’information X(p) par Basculement des interrupteurs après passage
pn-k : décalage de registres. des k bits d’information.
Diviser pn-kX(p) par g(p) : seule opération non
triviale à réaliser. … g
1 g1 n-k-1
Ajouter le reste de la division, noté r(p), à pn-
kX(p) : remplir les cases du registre. …
c0 c1 cn-k-1
bits de
polynôme pn-kX(p) parité
sortie
bits d’information
27
Exemple C(7,4) Exemple C(7,4)
g (p ) = 1 + p + p 3 Entrée : 0110
c 0 c 1c 2
Sortie : 0110001
000
1 g1=1 g2=0 000
c0 c1 c2 110
c0 c1 c2
bits de parité 101
bits de parité polynôme d’information
polynôme d’information sortie
sortie pn-kX(p) 100
pn-kX(p) bits d’information
bits d’information
Codes cycliques dans les Implantation des codes

protocoles de communication cycliques dans les protocoles
Protection des unités de données de Utilisation d’un codeur C(n,k) systématique
protocoles – PDUs (paquets, trames) avec (n-k) bits de redondance.
Les codes permettent de détecter des erreurs
même si les champs de commande (en-tête) sont Quelle que soit la taille de la PDU, le nombre
cohérents et conformes au protocole. de bits de parité sera toujours le même : n-k.
Inconvénient : Exemples : paquet IP, trame Ethernet.
codes cycliques définis par n et k fixes. Avec un CRC de 16 bits, 16 bits de redondance
PDUs de tailles variables. seront produits, quelle que soit la taille du bloc à
traiter.
28
Exemples : trames HDLC et PPP Exemple : trame Ethernet
G(x) = x32 + x26 + x23 + x22 + x16 + x12 +
x11 + x10 + x8 + x7 + x5 + x4 + x2 + x + 1
01111110 Adresse Commande Données >=0 FCS 01111110 Contrôle (4octets)
CRC de degré 32 Padding (0-46 octets)
Fanion 8 bits 8 bits Données (0-1500 octets)
(FCS) : Frame Check Sequence
8 bits
16 bits
x16+x12+x5+1
Longueur données (2 octets)
Adresse source : 6 octets
Adresse destination : 6 octets
Délimiteur de début de trame : 1 octet
Préambule : 7 octets
Synthèse des codes cycliques

Capacité de détection C(n,k) : limitation
Si l’entrée est constituée de blocs de K bits, la Pour un code C(n,k) quelconque, il faut
sortie est constituée de blocs de K+(n-k) bits. calculer toutes les distances entre les mots de
Le rapport entre le nombre d’erreurs non code pour avoir dmin et en déduire les
détectées et le nombre d’erreurs détectées capacités de détection et de correction.
tend vers 1/[2(n-k)] lorsque K tend vers l’infini. Optimisation possible : définir des codes pour
lesquels le dmin est connu a priori.
1
1− K Solution : codes BCH (Bose-Chaudhuri-
2K − 1

2 1 1
K +n −k
= n −k → n −k ≈ n −k Hocquenghem).
2 −2 K
2 −1 K → +∞ 2 −1 2
29
Polynômes générateurs des
Codes BCH codes BCH
Paramètres des codes BCH binaires n = 2m − 1 Polynômes générateurs construits à partir du
k bits d’information en entrée polynôme pq+1 où q=2m-1.

n − k ≤ mt
n bits de code à la sortie Nécessite la connaissance des GF(2m).
d min = 2t + 1

m entier supérieur ou égal à 3 GF(q) peut être construit si q est premier ou
t entier représentant le pouvoir de correction du de la forme q=pm avec p premier et m entier.
code.
Si q=pm, GF(p) peut être étendu à GF(pm),
Propriété importante : les codes BCH portent
appelé corps étendu de GF(p). Les opérations
dans la définition même de n et k, leur
se font modulo p.
capacité de correction.
Représentation des polynômes n k t g(p)

générateurs des codes BCH Exemples 7 4 1 13
Forme compacte d’énoncer les coefficients du Tables existantes 15 11 1 23

polynôme : notation en octal pour m compris 7 2 721
1 chiffre = 3 bits entre 3 et 8, donc
bit le plus à gauche = coefficient de degré le plus n compris entre 7 5 3 2467
grand et 255. 31 26 1 45
Exemple : C(15,5) Cf. Proakis.
21 2 3551 …
2467 en octal = 010 100 110 111 en binaire
…
g (p ) = p 10 + p 8 + p 5 + p 4 + p 2 + p + 1 255 247 1 435561
30
Conclusion sur les codes
cycliques Plan du cours
Introduction
Xm CODEUR Cm 1.
Cm (p ) = X m (p )g (p )
1. Matrice génératrice et matrice de contrôle de parité
2. Exemples de codes en blocs linéaires particuliers
3. Codes cycliques
Mot de code Polynôme générateur 6. Opérations sur les codes
de degré <= n -1 de degré <= n -k 3. Codes convolutionnels

Mot de données
de degré <= nk-1
Modèle de la chaîne de
transmission Canal AWGN
Bits équiprobables. Canal idéal : ajout d’une source de bruit blanc
gaussien, indépendant du signal émis, de PSD (Power
Canal AWGN (Additive White Gaussian Noise). Spectral Density) N0/2.
Échantillons Échantillons
Bits Bits
Bits CODAGE +1/-1 DÉCODAGE Bits CODAGE +1/-1 DÉCODAGE
estimés estimés
Bits codés Échantillons Bits codés Échantillons
BRUIT BRUIT
bruités bruités
31
Décodage optimal
soft-decision Rôle du décodeur
Décodage soft-decision = décodage à partir À chaque bloc de n bits, décider quel est le
des valeurs des échantillons reçus et non pas mot de code qui a été émis et en déduire le
sur des estimations de bits (0 ou 1). mot de données de k bits.
Échantillons
Bits
Bits Bits CODAGE +1/-1 DÉCODAGE
Échantillons estimés
DÉCODAGE
bruités estimés
Bits codés Échantillons
BRUIT
bruités
Décodeur optimal Modèle des échantillons reçus

Le décodeur optimal est celui qui maximise la Pour chaque mot Ci, les composantes cij du
probabilité de choisir le bon mot de code (ou vecteur sont des 0 et des 1 (j=1…n).
de minimiser la probabilité de ne pas choisir Les échantillons nj sont des variables aléatoires
le bon). gaussiennes, indépendantes,centrées, de
variance N0/2. 2c -1
vecteur de n mot de code ij
DÉCODEUR
échantillons bruités r le plus probable
Bits
Bits CODAGE +1/-1 DÉCODAGE
estimés
2k mots
de code cij rj=(2cij-1)+nj
BRUIT
32
Densité de probabilité des Densité de probabilité gaussienne
échantillons de bruit n=[n0 … nn] du vecteur r r=[r0 … rn]
La densité de probabilité du vecteur n des n La densité de probabilité du vecteur r des n

échantillons de bruit est une gaussienne à n échantillons reçus est une gaussienne à n
dimensions. dimensions.
  Hypothèse : le mot Ci est émis.
 n 2j 
p(n) = ∏ p(n j ) = ∏
n n
1
exp−  La densité de probabilité de r est
j =1 j =1
2π
N0  2 N0  conditionnée par le symbole émis.
2  2  p (x)
r j = (2c ij − 1) + n j ⇔ n j = r j − (2c ij − 1)
nj
 n n j 
2
= (πN0 ) 2 exp− ∑ 
n
−
x
 j =1 N0 
Expression de la densité de
probabilité p(r|Ci) Rôle du décodeur
La densité de probabilité du vecteur des Entrée : vecteur r des n échantillons bruités.
échantillons reçus est conditionnée par le mot Sortie : estimation du mot de code émis (puis
de code émis Ci. décodage pour restituer le mot de donnée
émis).
Indépendance des échantillons de bruit
Rôle du décodeur : décider quel mot de code
a été émis en fonction des observations
 n [r − (2c ij − 1)] 
( )
2
disponibles : r.
p(r Ci ) = ∏ p r j c ij = (πN0 ) 2 exp− ∑ j
n n
−

j =1  j =1 N0 
33
Estimateur MAP (Maximum A
Critère de décision Posteriori)
Le mot de code estimé est, parmi tous les Ci, L’estimateur mis en œuvre est de type
celui qui a la probabilité d’occurrence la plus maximum a posteriori car il choisit la
probabilité maximale après avoir reçu les
forte (celui qui est le plus probable) en observations.
fonction des observations réalisées r. Procédure : calculer la distribution P[Ci|r] et
Le mot de code estimé est donc celui qui sélectionner le mot de code qui donne la plus
maximise la probabilité P[Ci|r]. grande valeur de P[Ci|r].
ˆ = argmax P [C r ] ˆ = argmax P [C r ]
C
C i i
Ci Ci
Estimateur du maximum de Équivalence des estimateurs ML

vraisemblance et MAP
Estimateur du maximum de vraisemblance : Utilisation de la règle de Bayes. ˆ = argmax P [C r ]
C i
Ci
chercher le mot Ci transmis qui permet de Hypothèses :
maximiser la densité de probabilité des les mots sont équiprobables à l’émission :
P[Ci]=cste,
échantillons reçus. les observations ne dépendent pas d’un i
p(r C i )P [C i ]

P [C i r ] =
Estimateur MLSE : maximum likelihood particulier.
Estimateur ML et MAP équivalents. p(r )
sequence estimator.
Raisonnement à partir de l’estimateur
ˆ = argmax p(r C )

C ML car estimateur asymptotiquement

i
Ci sans biais et efficace.
ˆ = argmax p (r C )
C i
Ci
34
Densité de probabilité p(r|Ci) Estimateur MLSE
Densité de probabilité de r | Ci : gaussienne à Estimateur MLSE : minimise la distance
n dimensions. euclidienne entre les n échantillons reçus et
Échantillons indépendants donc densité de les n éléments des 2k mots de codes.
probabilité du vecteur = produit des densités Critère de distance minimale.
de probabilité sur les échantillons.
 n [r j − (2cij − 1)]2 
( )
p(r Ci ) = ∏ p r j cij = (πN0 )
n n
−
exp− ∑ n 2
 argmaxp(r Ci ) = argmin∑ [r j − (2cij − 1)]  = argminD 2 (r, Ci )
2
j =1  j =1 N0  Ci Ci  j =1  Ci
Démonstration Circuit de décision

  n [r − (2cij − 1)]2   Comparaison d’une séquence de n valeurs rj
argmax p(r Ci ) = argmax (πN0 ) 2 exp− ∑ j
n
− 
  aux 2k mots de codes possibles par les
Ci Ci
 
 j =1 N 0 

distances D²(r,Ci) i=1,..,2k.
 n
[r j − (2cij − 1)]2 
n
= argmax− (πN0 ) −
1
2 N
∑ Sélection du mot de code qui donne la
Ci  0 j =1  distance la plus petite.
 1 2
∑[r − (2c − 1)] 
n
= argmax− j ij
n 2
argmax p (r Ci ) = argmin∑ [r j − (2c ij − 1)]  = argmin D 2 (r, C i )
Ci  N0 j =1 
n 2
= argmin∑ [r j − (2cij − 1)]  = argminD 2 (r, Ci )
Ci Ci  j =1  Ci
Ci  j =1  Ci
35
Circuit de décision – amélioration Démonstration
Principe : chercher le mot le Terme égal à 1 quelle que soit
code le plus corrélé avec le
mot reçu. la valeur de cij
Comparaison de la séquence
de n valeurs rj aux 2k mots n 2 n 2
argmin ∑ [r j − (2c ij − 1)]  = argmin ∑ r j2 − 2r j (2cij − 1) + (2cij − 1) 
CM i = ∑ (2c ij − 1)r j
de codes possibles par les n
métriques CMi i=1,..,2k.

Ci  j =1  Ci  j =1 
j =1
 
= argmin ∑ − 2r j (2cij − 1)
Sélection du mot de code qui n
donne la métrique la plus Terme

indépendant
Ci  j =1 
grande.
( )
argmax p r Ci =argmaxCMi n 
Ci Ci des Ci = argmax ∑ 2r j (2c ij − 1)
Ci  j =1 
Probabilité d’erreur sur un mot de

Limitation code Pmc
Méthode simple mais très coûteuse en temps En théorie : utilisation de la répartition des
de calcul dès que k>10 (210 comparaisons à poids dans les mots de codes.
chaque mot de n bits reçu). En pratique : utilisation d’une borne
Réduction possible du nombre d’opérations supérieure indépendante de la répartition des
par algorithme de Viterbi (voir partie sur les poids.
codes convolutionnels).
36
Exemple : BPSK
(codage +1/-1) Précision sur la valeur de Eb
Borne supérieure pour une chaîne codée Soit E, l’énergie requise pour
transmettre un mot de code.
 E  Soit Ec, l’énergie pour
Pmc < exp − b Rc d min + k ln 2 
transmettre un bit du mot de
 N0  code.
Borne supérieure pour une chaîne non codée Soit Eb, l’énergie pour E = nE c
transmettre un bit
1  E  d’information. E n Ec
Pmc < exp − b  Eb = = Ec =
2  N0  k k Rc
Comparaison BPSK codée et non Différence entre erreur sur un

codée bit et erreur sur un mot
À forts SNR par bit Si un mot de code de 2 bits est faux, 3 cas
donné, la probabilité Chaîne codée sont possibles.
d’erreur pour une
chaîne codée est plus x x x x
faible que pour une
Pmc Chaîne non x : emplacement des bits faux
chaîne non codée. codée
À faibles SNR par bit,
P
Pb = mc
1
[1 + 1 + 2] = 2 Pmc
c’est l’inverse.
3 2 3
Eb/N0
(en dB) Probabilité Probabilité de recevoir Nombre moyen de
d’erreur un des mots de code bits faux par mot de
sur 1 bit faux possibles code
37
Probabilité d’erreur sur les bits
Généralisation Pb
Pmc 1 n
2n −1 Facteur de pondération proche de ½ quand n
∑ jC

Pb = j
= Pmc
2 −1 n
n
j =1
n
2n − 1 augmente.
Probabilité Probabilité de recevoir Nombre moyen de

P 1 n
2n −1
d’erreur
sur 1 bit
un des mots de code
faux possibles
bits faux par mot de
code
Pb = n mc
2 −1 n
∑ jC
j =1
n
j
= n
2 −1
Pmc
Pmc
PROPRIÉTÉ Pb ≈ si n >> 1
2
Conclusion sur le
décodage «soft decision» Plan du cours
Introduction
Décodage = estimation du mot de 1.

code émis = mot de code le plus 1. Matrice génératrice et matrice de contrôle de parité
Exemples de codes en blocs linéaires particuliers
proche du mot reçu (distance
2.
3. Codes cycliques
Décodage optimal soft-decision
euclidienne). 4.
Opérations sur les codes
Amélioration par mesure de
6.
corrélation. 4. Combinaisons de codes
38
Décodage hard-decision Canal BSC
Seule modification du récepteur : une BSC = Binary Symetric Channel
décision est prise sur chaque échantillon du Ec = énergie transmise par bit codé
vecteur r avant d’entrer dans le bloc de N0/2 = densité spectrale de puissance du bruit
décodage. 1-p
0 p 0
Bits Bits codés
Échantillons Bits codés estimés p
DÉCISION DÉCODAGE 1 1
bruités estimés 1-p
probabilité  Ec 
1
d’erreur par bit p p= erfc  
2  N 
 0 
Décodage par distance

minimale Propriété du décodeur
Entrée : mot de n bits. Décodage optimal au sens de la probabilité
Décodage : comparaison entre le mot de d’erreur sur un mot de code (maximum de
code reçu et les 2k mots de code possibles et vraisemblance).
sélection du mot de code le plus proche du Inconvénient : 2k comparaisons.
mot reçu au sens de la distance de Hamming. Amélioration : méthode du syndrome.
Échantillons Bits
DÉCISION DÉCODAGE
bruités estimés
39
Décodage par syndrome et Look- Intérêt du décodage par
up Table (Table de vérification) syndrome
Cm, le vecteur des bits codés émis Le vecteur S (de taille n-k)
Y, le vecteur des bits codés estimés a des composantes Y = Cm + e
H, la matrice de contrôle de parité nulles lorsque l’équation de
S, le syndrome contrôle de parité est
e, un vecteur d’erreur dont les Y = Cm + e satisfaite
S = YHT = (C m + e )HT
composantes sont non nulles sinon
Donc, 2n-k-1 erreurs
S = YHT = (C m + e )HT
1 s’il y a une erreur
0 s’il n’y en a pas. détectées.
= eHT
= eHT
Décodage par syndrome Exemple : code C(7,4)

type d' erreur syndrome
mots de n bits = mot de code 1 1 0 1 0 0 0
+ mot d’erreur. Y = Cm + e i 1000000 100





0 1 1 0 1 0 0
G= 
Décodage par syndrome : 0100000 010 1 1 1 0 0 1 0
S = YHT = (C m + e i )HT
 
calcul du syndrome  
0010000 001  1 0 1 0 0 0 1 
repérage de l’erreur ˆ = Y⊕e
C m i
correspondante = e i HT 0001000 110

correction du mot reçu 1 0 0 1 0 1 1
0000100 011  
 
H = 0 1 0 1 1 1 0
0000010 111  
 0 0 1 0 1 1 1 
0000001 101
40
Exemple : code C(7,4) Décodage des codes cycliques
Réception : [1001111] / Syndrome : [011] Calcul du syndrome par division polynomiale.
Erreur correspondante : [0000100] Soient les polynômes C(p),Y(p) et e(p)
Correction = Réception + Erreur correspondante = associés respectivement au mot de code C,
[1001011].
au mot reçu Y et à l’erreur e.
Limitation du décodage par syndrome : un syndrome
nul signifie qu’il n’y a pas d'erreur détectable.
Exemple : si vecteur d'erreur = mot de code
Y (p ) = C (p ) + e (p )

mot reçu = mot de code + mot de code = mot de code.

Syndrome (mot de code)=0 donc pas d’erreur détectée.
= X (p )g (p ) + e(p )

Décodage des codes cycliques Division de Y(p) par g(p)

Division de Y(p) par le polynôme générateur g(p). 1. Les n bits du mot de code reçu Y sont passés dans
le circuit (interrupteur en position 1).
Le reste de la division R(p), de degré inférieur ou
2. Les n-k registres contiennent les bits du syndrome
égal à n-k-1, représente le polynôme du
qui sont acheminés vers la sortie (interrupteur en
syndrome. position 2).
Le syndrome est nul si Y(p) est un mot de code.
1 g1 gn-k-1
1
2 sortie
Y (p ) = Q(p )g (p ) + R (p )
s0 s1 sn-k-1
syndrome
polynôme reçu Y(p)
41
Dernière étape : décodage du
Look-up table mot de code
Après calcul du syndrome : recherche de 1ère idée : par une table donnant la
l’erreur correspondante ec dans la table de correspondance entre les 2k mots de codes
vérification (look-up table) puis correction. et 2k mots de données (pas d'opération
ˆ = Y⊕e
C matricielle disponible).
c
Solution utilisée tant que n-k<20. Inconvénient : il faut stocker la table.
Sinon, utilisation de codes BCH dont la 2ème idée : tirer profit de la propriété des
complexité calculatoire du décodage est mois codes systématiques (décodage =
importante. troncature du mot de code).
Remarque : protocoles de Probabilité d’erreur en mode hard

niveau supérieur ou égal à 2 decision
Pour le CSMA/CD ou IP, le calcul du syndrome se fait p est la probabilité d’erreur sur 1 bit.
en temps réel : la détection d’erreur sur une trame
ou un paquet est immédiate.
dmin la distance minimale du code.
( )
Pmc ≤ 2k − 1 [4 p(1 − p )]
d min
En revanche, le temps de correction est ici
2
rédhibitoire (recherche de la correspondance entre
une valeur de syndrome et une forme d’erreur
particulière).
En pratique, le hard decision est moins
performant que le soft decision.
Conséquence : pas de correction dans les couches
supérieures ou égale à 2 (choix de la retransmission).
42
Importance de dmin dans le
dimensionnement des codes Codes non binaires
Code en bloc non binaire : ensemble de mots
d min ≤ n − k + 1

de code dans lesquels les composantes
appartiennent à un alphabet à q symboles.
Pour les codes binaires, pas de codes pour En pratique : q=2k (k bits donne un
atteindre la borne supérieure. symbole).
Pour les codes non binaires, existence de N : longueur du mot de code
codes (comme les codes RS) permettant K : longueur du mot de donnée
d’atteindre la borne supérieure. Dmin : distance minimale du code
N = q − 1 = 2k − 1
Codes RS Avantages des codes RS
K = 1,2,3, L , N − 1
Code RS (Reed Solomon) : Correction d’erreurs groupées ou paquets
Dmin = N − K + 1 d’erreurs (burst en anglais).
code BCH primitif de
longueur N=q-1 sur GF(q) K Exemple : code RS(15,11), 15=24-1
où q est de la forme 2k. Rc = Pouvoir de correction t = 2 éléments
N
Existence de tables pour quaternaires
1 
les polynômes t = Ent  (Dmin − 1) Soit de 2 à 8 bits.
générateurs. 2  Codes utilisés pour le stockage des données

sur support CD et dans les systèmes de
1 
= Ent  (N − K ) communications subissant des erreurs par
2  rafales.
43
Exemple : DVB-S Paramètres du code RS
Utilisation d’un code raccourci RS(204,188,T=8) Polynôme Générateur du Code g(x).
obtenu à partir d’un code original RS(255,239, T=8)
appliqué à chaque groupe de 188 octets.
Polynôme Générateur du Corps p(x).
Code aussi appliqué aux mots de synchronisation
(inversés ou non-inversés). ( )( )( )(
g(x )= x+λ0 x+λ1 x+λ2 L x+λ15 )
λ=02HEX
p(x )=x8+x4+x3+x2+1
Implantation du code Conclusion sur le

raccourci décodage «hard decision»
Implantation du code raccourci : insertion de Décodage = estimation du mot de
51 octets nuls avant codage. Retrait des 51
octets après codage.
code émis = mot de code le plus
proche (distance de Hamming).
RS(204,188, t=8) Amélioration : décodage par
Paquets Ajout 51 Suppression Paquets syndrome.
transport octets à 0 RS (255, 239) 51 octets transport
MPEG-2 (début de (début de MPEG-2
(188 octets) paquet) paquet) protégés
(204 octets)
44
Plan du cours Opérations sur les codes
Cod 1 chaîne Decod. 1 Un codeur
1. Introduction
2. Exemples de codes en blocs linéaires particuliers Cod 2 Cod 1 chaîne Decod. 1 Decod. 2 Deux codeurs différents
3. Codes cycliques
6. Opérations sur les codes Cod 2 Π Cod 1 chaîne Decod. 1 Π −1 Decod. 2 Deux codeurs
3. Codes convolutionnels identiques
erreurs
Concaténation de codes en blocs Caractéristiques du nouveau code

données d’entrée données d’entrée
En pratique : Distance minimale : Dmin dmin.
Code extérieur non binaire C(N,K), codeur C(N,K) codeur C(N,K)
Code intérieur binaire C(n,k). Taux de codage : Kk/Nn.
Blocs d’entrée de taille kK bits, séparés en codeur C(n,k) codeur C(n,k)
K blocs (symboles) de k bits chacun et Décodage hard decision pour les
Modulateur Modulateur
codés en N blocs de k bits chacun par deux codeurs possibles.
C(N,K). Canal Canal
Chacun des symboles de k bits est codé en Décodage soft decision possible pour
mots de code de n bits C(n,k). Démodulateur le code intérieur (si 2k pas trop Démodulateur
Code résultant C(Nn,Kk). Décodeur C(n,k) élevé). Décodeur C(n,k)
Décodeur C(N,K) Décodeur C(N,K)
données de sortie données de sortie

45
Entrelacement de codes Exemple
8 colonnes
données d’entrée
Principe : mélanger les données après le Entrelaceur matriciel :
codage et les re-mélanger avant le codeur C(n,k) écriture ligne par ligne écriture
décodage. lecture colonne par colonne
entrelaceur
Propriété : si les erreurs arrivent en Désentrelaceur :
Modulateur écriture colonne par colonne 57 lignes
rafales, elles sont dispersées avant le
lecture ligne par ligne
décodage et donc plus facilement Canal
Exemple : GSM 2ème
corrigées. Démodulateur génération
Désentrelaceur
lecture
Décodeur C(n,k)
données de sortie
Concaténation série et parallèle

Exemple LA PHRASE EST NON CODEE
L A P H
de codes en blocs
R A S E
E S T N
O N
D E E
C O Combinaison d’un entrelaceur et de la
LREODAASNE ST EPE C H NO
concaténation de codes.
LA PHRASE EST NON CODEE
Codes systématiques.
canal canal
LA PHRASxxxxx NON CODEE LREODAASxxxxx EPE C H NO
L A x P H
R A x E
E S x N
O x C O
D x E
LAxPHRAxE ESx NOx CODxE
46
Combinaison série Combinaison parallèle
taux de codage : k/n taux de codage : k/(n1+n2-k)
m m m blocs de
blocs de blocs de m k bits
m p bits Entrelaceur p bits m blocs de
m blocs de
blocs de C(p,k) bloc de longueur C(n,p) blocs de k bits C(n1,k)
n1-k bits
k bits N=mp n bits
Entrelaceur
m blocs de
bloc de longueur C(n2,k)
n2-k bits
N=mk
Décodage des concaténations

série ou parallèle Plan du cours
Décodage itératif (soft-in, soft-out) de type 1. Introduction
MAP : 2. Codes en blocs linéaires
Benedetto (1998) pour les codes série, 3. Codes convolutionnels
Berrou (1993) pour les codes parallèle. 1. Décodage optimal – algorithme de Viterbi
Performances proches des limites théoriques 2. Codes poinçonnés
de Shannon (10-4/10-5 pour des SNRs très 3. Concaténation série et parallèle de codes
bas). 4. Combinaisons de codes
Famille des turbo-codes.
47
Codes convolutionnels Constitution d'un codeur
Autre dénomination : codes convolutifs. un registre à Kk étages mémorise les K blocs
Principe du codage : de k bits d’information,
chaque bloc de n bits en sortie du codeur dépend une logique combinatoire calcule les blocs de
des K blocs de k bits précédents. n bits,
chaque bloc de k bits en entrée donne un bloc de un convertisseur parallèle / série.
n bits en sortie.
K blocs de k bits K blocs de k bits
k bits d’entrée k bits d’entrée
combinaison logique n bits de sortie combinaison logique n bits de sortie

Caractéristiques des codes Illustration

ck1
Taux de codage : k/n Codeur convolutif de

rendement Rc=1/2 et de
Longueur de contrainte : K longueur de contrainte K =
Si les k bits d’information se retrouvent dans 3. Entrée dk dk-1 dk-2 Sorties
le bloc de n bits en sortie du codeur, le code Entrée constituée par des

est dit systématique. blocs de k = 1 bit.
Sortie constituée par des
ck2
K blocs de k bits blocs de n = 2 bits.
k bits d’entrée
combinaison logique n bits de sortie
48
Représentation des codes Exemple
n sorties. ck1 Fonctions
sortie = addition modulo 2 génératrices :
d’une sélection des Kk bits
d’entrée. entrée
g1 = [100]
A chacune des n sorties Entrée dk dk-1 dk-2 Sorties
correspond un vecteur de Kk sortie

éléments (fonction
génératrice) : g 2 = [101]
1 si l’élément participe à la ck2
g 3 = [111]
somme,
0 sinon.
Exemple Exemple
K=2, k=2, n=3
Codeur 1/3
K=3 // k=1 // n=3 entrée entrée
Registres initialisés à 0.
g1 = [1011]
Entrée 1 Sortie 111 sortie
g 2 = [1101]
Entrée 0 Sortie 001 sortie
Entrée 1 Sortie 100
g 3 = [1010 ]
49
Remarque sur le caractère Autres formes de
convolutif du codeur représentation
La sortie du codeur Arbre
peut être interprétée
comme le produit entrée Diagramme d’état
de convolution entre
l’entrée du codeur et Treillis : représentation utile pour
la réponse du sortie
l'algorithme Viterbi, algorithme de
codeur définie par
ses fonctions décodage le plus utilisé pour les codes
génératrices. convolutifs.
Treillis d’un code convolutif Exemple : codeur C(1/2, 3)

3 informations fournies : 00
Transitions d’un état du codeur vers un autre état 00

entrée 11
en fonction des entrées. 11
Valeurs des entrées et des sorties 01 00
correspondantes.
x x
sortie
État du codeur : états des registres (hormis 10 01
les cases mémoires réservées aux entrées).
10
10
entrée 0 entrée 1 11
01
50
Régime transitoire et régime
permanent Généralisation
00 00 00 Code C(k/n,K).
Au bout de K
transitions, le 00 2k branches entrant
11 11 11 00
treillis atteint 11 dans chaque nœud.
01
son régime 01 00 2k branches sortant de
permanent. chaque nœud. 10
10 01 01 2k(K-1) états possibles. 11

10 10
10
11
01
Distance minimale et
Distance libre minimale performances
Distance minimale (de Plus grande est la dmin, meilleur est le code.
000 000 000
Hamming) entre 00 Existence de tables pour construire un code
011
le chemin tous-zéros 01
111
sachant k,K et n avec la distance minimale la
100
001
le chemin partant de 00 plus grande (cf. Proakis).
10
et revenant à 00 en un 110 010
nombre de transitions
Exemple : C(1/2,3), plus grande dmin possible
11
minimum. 101 =5
fonctions génératrices (en octal) : 5 et 7
dmin=6
51
Plan du cours Décodeur optimal
1. Introduction Estimateur séquentiel du maximum de
2. Codes en blocs linéaires vraisemblance MLSE : recherche, à
3. Codes convolutionnels travers le treillis, de la séquence la plus
Décodage optimal – algorithme de Viterbi
1.
vraisemblable.
2. Codes poinçonnés
3. Concaténation série et parallèle de codes Distance de Hamming ou euclidienne
4. Combinaisons de codes suivant qu’il s’agit de hard ou soft
decision.
Explication du principe sur un

exemple simple Chemins possibles
Soit le codeur C(1/3,3). Deux chemins vont de l’état 00 à l’état 00 en trois
transitions :
Il s’agit d’aller de l’état 00 à
Chemin i=0 : Entrée : 000 , Sortie : 000 000 000
l’état 00 en trois transitions.
entrée Chemin i=1 : Entrée : 100 , Sortie : 111 001 011
Hypothèse : le récepteur sait
que l’information envoyée x x 000 000
sortie 000
permet d’aller de l’état 00 à 00
011
l’état 00 en trois transitions. 01
111
100
001
10
110 010
11
101
52
Question : quelle séquence de
bits a été émise ? Données (1/3)
Soit p est la probabilité Soient rjm les échantillons reçus
d’erreur sur un bit. j représente l’indice de branche = 1,2,…,B
m représente le numéro du bit = 1,2,…,n
Soit la séquence reçue : 0,5 000 000 000
00 Échantillons réels utilisés par les décodeurs « soft
-0,5 0,33 -0,4 -0,3 -0,2 1,1 111
011 decision ».
-0,2 -0,3 01
001
0,5 -0,5 0,33 -0,4 -0,3 -0,2 1,1 -0,2 -0,3
Quel est le chemin le plus 10 Exemple : B=3 00
probable ? 11 Rappel du codage 01 0,5

1,1
-0,2
utilisé à l’émission: -0,5
0,33
-0,4 -0,3
10 -0,3
0-1 -0,2
1+1
Données (2/3) Données (3/3)

Soient yjm les décisions binaires sur rjm Soient les bits possibles cjm(i)
Valeurs binaires utilisées par les décodeurs « hard i représente le chemin possible
decision ».
0,5 -0,5 0,33 -0,4 -0,3 -0,2 1,1 -0,2 -0,3 101 000 100
00 00
000 000 000
00
01 1,1 01 100
0,5 -0,2
-0,5 01 011
-0,4 -0,3 101
10 0,33 -0,3 10 000
111 001
-0,2 10
53
Méthode Métriques d’un chemin
Calculer une métrique pour chaque chemin
possible et choisir le chemin qui a la meilleure Optimisation Hard Soft
Decision Decision
métrique.
Les métriques de chemin s’obtiennent en Corrélation Maximiser NA x
additionnant les métriques sur chaque Distance euclidienne Minimiser NA x
branche.
Distance de Hamming Minimiser x NA
NA : Non Applicable
Métrique de branche Exemple : C(1/3,3)

Mesure de corrélation : Branche numéro 1 00
101
∑ r (2c ( ) − 1)
n
µ (j i ) = jm
i
jm Cas du hard decision 01
Distance euclidienne : m =1
10
101
µ (i ) = ∑ [r jm − (2c (jmi ) − 1)]

3
n (i ) (i )
2
µ1 = ∑ y 1m ⊕ c1m
Distance de Hammingj : m =1
m =1 00
000
(i )
n
(i )
µ1(0 ) = 2 01
µ j = ∑ y jm ⊕ c jm 111
m =1
µ1(1) = 1 10
54
Métrique de chemin ou PM
(Path Metric) Critère de décision
Métrique totale pour un Une fois les métriques de chaque chemin
chemin à B branches : 00
101 000 100 calculées, il faut sélectionner le chemin qui a
la meilleure métrique.
01 100
B 101
Exemple : code C(1/3,3)
(i ) (i ) 000
∑µ
10
PM = j
Si PM(0)=3 et PM(1)=5 et si la métrique est fondée
j =1 sur le calcul de distance de Hamming, alors le
000 000 000
00 meilleur chemin est le chemin 0.
PM (0 ) = 2 + 0 + 1 = 3 01 011
Exemple : (1)
PM = 1+ 1+ 3 = 5 10
111 001
Poursuite du décodage à la
Dernière étape : le décodage transition 4
0 0 0
Remonter le treillis de A priori, il y a 4 chemins possibles :
101 000 100 000 000 000 et (000 ou 111)
l’état d’arrivée à l’état 00
111 001 011 et (000 ou 111)

de départ et re- 01 100

Transition 4
parcourir le treillis vers 101
10 000
la droite pour décoder 000 000 000 000
00
les bits émis. 000 000 000
00 01 011
Exemple : 000
011 111 001 111
01 10
111 001
10 11
Transition 3
55
Calcul des métriques de
chemins Conséquence
Le fait de rajouter une transition ne modifie À partir de la transition 3, le chemin (1) peut
en rien la conclusion établie à la transition être supprimé. Le chemin (0) est dit chemin
précédente. survivant.
Transition 4 Transition 4
000 000 000 000 000 000 000 000

00 00
01 011 01 011
111 001 111 111 001 111
10 10
11 11
Transition 3 Transition 3
Chemin survivant Généralisation

A partir de la transition 3, un seul chemin subsiste. À chaque transition, Décision de
A la transition 4, il n’y a plus que 2 chemins possibles : pour chaque état, ne supprimer le
000 000 000 et (000 ou 111) conserver qu’un seul chemin le
chemin. moins probable
00
000 000 000 000 01

00
01 011 10
111 001 111
10 11
Transition 3
11
56
Sélection des chemins à
Conséquence supprimer
Réduction 00
importante du 01
nombre de 00
métriques à 01
10
calculer. 10
11
11 État à partir duquel il est possible

de supprimer les chemins les
moins probables (K transitions)
Sélection des chemins à

Suppression des chemins supprimer
00 00
01 01
10 10
11 11
Etat à partir duquel il est possible Etat à partir duquel il est possible
de supprimer les chemins les de supprimer les chemins les
moins probables moins probables
57
Suppression des chemins Décodage
00 Après réception
complète du bloc
01 de données, 00 5
10 sélection du 01 6
chemin le plus
11 probable et 10 1
décodage. 11 6
Etat à partir duquel il est possible
de supprimer les chemins les
moins probables Décodage : 0101
Algorithme de Viterbi : Algorithme de Viterbi :

récapitulatif récapitulatif
À chaque transition, calculer toutes les métriques de Après la réception complète du bloc de
branches.
Jusqu’à la transition K, calculer les métriques de tous données, sélectionner le meilleur chemin
les chemins. survivant et en déduire les bits émis.
A la fin de la Kième transition, sélectionner les 2k(K-1)
chemins survivants (1 par état).
À partir de la transition K+1,
calculer toutes les métriques de branches,
les ajouter aux métriques des chemins survivants,
et sélectionner les nouveaux chemins survivants.
58
Inconvénient de l’algorithme
de Viterbi Observations empiriques
Grand retard introduit au décodage sur de En théorie : les chemins survivants peuvent
grands blocs de données. provenir de plusieurs chemins.
En pratique : les chemins survivants
proviennent tous d’un même chemin (avec
une probabilité voisine de 1).
00 00
01 01
10 10
11 11
Méthode de décodage : fenêtre

Conséquence coulissante
Si tous les chemins survivants à la transition À la transition T, sortie du bit correspondant
T proviennent d’un même chemin, il est à la transition T-D.
possible de produire des bits de sortie avant
T-D T
même que le bloc de données ne soit
complètement traité. 00
01
10
11
59
Fenêtre coulissante Conséquence
Valeur de D empirique : 5K. Réduction du retard introduit par le
Dégradations négligeables sur les performances. décodage.
Possibilité de mise en œuvre temps réel.
00
01
10
11
Exemple K=1 Exemple

Décodage du premier bit à T-5K. Décodage du 2ème bit à T+1-5K.
0 T 0 0 T T+1
00 00
01 01
10 10
11 11
60
Exemple Limitation
Décodage du 3ème bit à T+2-5K. Si k bits en entrée et longueur de contrainte K, alors
2k(K-1) états, donc 2k(K-1) métriques et 2k métriques
0 0 1 T T+1 T+2 calculées pour chaque état.
Complexité calculatoire augmente exponentiellement
00
avec k et K.
Algorithme de Viterbi réservé pour petites valeurs de
01 k et K (quelques unités).
10
11
Autres algorithmes de décodage Algorithme BCJR

Séquentiels : Algorithme soft input (échantillons réels à l’entrée du
Fano (adapté pour les grandes longueurs de décodeur) et soft output (sorties sous la forme de rapport
contrainte), de vraisemblance sur la valeur des bits).
Stack, Algorithme de décodage de base des turbo-codes.
Feedback.
Algorithmes à sorties soft :
BCJR (Bak, Cocke, Jelinek, Raviv),
SOVA (Soft Output Viterbi Algorithm).
61
Plan du cours Codes à fort rendement
1. Introduction Dans certaines applications, besoin de codes
2. Codes en blocs linéaires à fort taux de codage (rendement), du type
3. Codes convolutionnels (n-1)/n.
Exemple : ¾.
1. Décodage optimal – algorithme de Viterbi
Fort rendement = économie de bande
2. Codes poinçonnés
passante (peu de bits de redondance ajoutés
3. Concaténation série et parallèle de codes par bit d’information).
Inconvénient des codes à fort

rendement Technique du poinçonnage
Inconvénient : implique grande complexité Génération de codes (n-1)/n par poinçonnage
calculatoire du décodeur. de codes 1/n.
Solution : construire des codes à fort Avantage :
rendement à partir de codes à faible codes à fort rendement de type (n-1)/n,
rendement et en supprimant des bits à décodage peu calculatoire des codes 1/n.
l’émission.
Technique du poinçonnage.
62
Opération de poinçonnage Taux de codage
Suppression périodique de bits Suppression de N bits.
à la sortie du codeur.
Code de départ : code 1/n.  p11 p 21 L p1P 
Taux de la forme : P/(nP-N)
  Avec N entier de 0 à (n-1)P-1.
Période de poinçonnage P.  

P bits en entrée du codeur.  p21 p 22 p 2P 

Taux de la forme : P/(P+M)

P= 

nP bits en sortie.  M M M  Avec M=1,2,…,(n-1)P.
 
Utilisation d’une matrice de  
poinçonnage P  pn1 pn 2 L pnP 
1 si le bit est transmis
0 sinon
Exemple Fonctionnement
Taux de codage visé : ¾
Taux de codage de départ 1 1 1 …1101 bits poinçonnés
 
: 1/3  
P = 1 0 0
n=3, P=3, nP=9, N=5  
entrée
…1101 1 1
0 0
1
Taux final : 0 …1001 


P = 1 0 0

 sortie
x x 
0

0 …111011
P/(nP-N) = 3/(9-5)=3/4
0

…0011
63
Décodage des codes Décodage des codes
poinçonnés poinçonnés
Soit décoder le flux poinçonné par Viterbi en Soit rajouter des échantillons à 0 aux endroits
adaptant le treillis au poinçonnage (motif du où les bits ont été poinçonnés et utiliser
treillis non uniforme). Viterbi avec le treillis du code 1/n.
Rappel : codage des bits par +1/-1 avant
00 0 0 00
00
1
transmission dans le canal.
11 1 0
01 1
0
0
10 1
1
0
11
1 11
Inconvénient des codes

poinçonnés Distance minimale
Une erreur dans un code poinçonné se Possibilité de chercher la matrice de
propage plus longtemps qu’une erreur dans poinçonnage qui donne la dmin la plus
un code non poinçonné. grande.
Conséquence : fenêtre d’observation plus
longue que 5K.
La dmin du code poinçonné est égale ou
inférieure d’un bit à la dmin du code à
fort taux de codage sans poinçonnage.
64
Exemple : DVB-S Code interne (convolutif)
Code de base convolutif de rendement ½ et
de longueur de contrainte K=7.
Peut être poinçonné pour donner des codes X (171oct)
+
de rendement 2/3, ¾, 5/6 et 7/8. Poinçonnage
bits Z-1 Z-1 Z-1 Z-1 Z-1 Z-1 +
Sérialisation
Y (133oct)
+
Code « mère » (7,1/2)
Taux de codage : ½, 2/3, ¾, 5/6, 7/8
Concaténation série et parallèle

Plan du cours de codes convolutifs
1. Introduction Concaténation parallèle de codes convolutifs :
2. Codes en blocs linéaires turbo-codes (Berrou-Glavieux 1993)
3. Codes convolutionnels Evolution majeure des communications
numériques des années 1990.
1. Décodage optimal – algorithme de Viterbi
Codes permettant d’atteindre (presque) les limites
2. Codes poinçonnés théoriques fixées par Shannon en termes de débit
3. Concaténation série et parallèle de codes maximal de transmission dans un canal.
65
Combinaison de codes
convolutifs Turbo-Codes
Utiliser les résultats du deuxième décodeur dans le
premier codeur.
Cod 2 Cod 1 chaîne Decod. 1 Decod. 2 Deux codeurs différents Besoin de décodeurs produisant une information non
binaire (rapport de vraisemblance) sur les bits :
utilisation de codes convolutifs et d’un algorithme de
décodage de type BCJR.
Cod 2 Π Cod 1 chaîne Decod. 1 Π −1 Decod. 2 Deux codeurs
identiques
Decod. 1 Π −1 Decod. 2 Décision
erreurs Π
Performances Limitations
moins de 10 itérations pour atteindre des Retard et complexité calculatoire.
BERs de 10-5 pour de faibles SNR. Compensés par les excellentes performances.
Exemple : Meilleures performances avec une
codes ½ concaténation série pour des BER inférieurs à
N=216 10-2.
18 itérations
10-5 pour SNR=0,6 dB
66
Plan du cours Combinaisons de codes
1. Introduction Concaténation de codes
2. Codes en blocs linéaires Codage source canal conjoint
3. Codes convolutionnels HARQ (Hybrid Automatic Repeat Request)
Concaténation de codes Exemple : DVB-S

Code RS et code convolutif séparés par un
entrelaceur de type Forney.
Cod 2 Cod 1 chaîne Decod. 1 Decod. 2 Deux codeurs différents
Cod 2 Π Cod 1 chaîne Decod. 1 Π −1 Decod. 2 Deux codeurs

identiques
erreurs
67
Codage source canal conjoint Protection hiérarchique
Exemple : protection hiérarchique dans le GSM. La 1ère classe est codée par un CRC de 3 bits : 50+3=53.
Sortie du codeur de parole : La 2ème classe (132 bits) est concaténée aux 53 bits (+ 4
260 bits toutes les 20 ms (soit débit de 13 kbit/s).
bits), soit 189 bits.
Classement des 260 bits suivant leur criticité dans le
rendu du signal de parole. Le tout est codé par un code convolutif de rendement ½ :
Principe : mieux protéger les bits les plus sensibles. 378 bits à la sortie.
Résultat : 3 classes, de la plus sensible à la moins La 3ème classe est concaténée (78 bits) sans protection.
sensible : 50, 132 et 78 bits.
Total : 456 bits toutes les 20 ms (soit débit de 22,8 kbit/s).
ARQ Vers les

HARQ Type I Vers les
couches couches
supérieures supérieures
DATA CRC CRC CHECK OK DATA CRC FEC DECOD FEC CRC CHECK OK
Demande de OK Demande de OK
retransmission retransmission
DATA CRC DATA CRC FEC

•Amélioration BER/FER
•Augmentation de l’efficacité
spectrale
68
Amélioration : décodeurs
« soft » et Chase Combining
Vers les
Émission HARQ Type II
couches BITS DE PARITÉ
supérieures
DATA CRC FEC DECOD FEC CRC CHECK OK DATA CRC COD FEC POINÇONNAGE
Demande de STOCKAGE OK
retransmission FEC1 FEC2 FEC3 …
…
DATA CRC FEC DECOD FEC CRC CHECK OK PREMIÈRE ÉMISSION DATA CRC FEC1
24/08/2009 Codage Canal-BE … OK 273 24/08/2009 Codage Canal-BE 274
Réception HARQ Type IIVers les Conclusion générale

REDONDANCE INCRÉMENTALE couches
supérieures Codage canal : code correcteurs d'erreurs
Familles de codes étudiées : codes en blocs
DATA CRC FEC1 DECOD FEC CRC CHECK OK linéaires, codes cycliques, codes convolutifs.
Applications :
Demande de STOCKAGE OK Transport de données
retransmission Stockage de données
…
DATA CRC FEC2 DECOD FEC CRC CHECK OK
OU FEC2 OK
24/08/2009 Codage Canal-BE … 275 24/08/2009 Codage Canal-BE 276
69
1. Introduction 1. Codes en blocs linéaires
2. Codes en blocs linéaires 2. Codes convolutionnels
2. Exemples de codes en blocs linéaires particuliers 1. Décodage optimal – algorithme de Viterbi
3. Codes cycliques 2. Codes poinçonnés
5. Décodage hard-decision 3. Concaténation série et parallèle de codes
6. Opérations sur les codes 3. Combinaisons de codes
70

Cours Codage

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Cours Codage

Uploaded by

Copyright:

Available Formats

Bibliographie

J. PROAKIS : Digital Communications,

24/08/2009 Codage Canal-BE 1 24/08/2009 Codage Canal-BE 2

Plan du cours Plan du cours

4. Combinaisons de codes 2. Codes en blocs linéaires

24/08/2009 Codage Canal-BE 3 24/08/2009 Codage Canal-BE 4

DONNÉES À TRAITER DONNÉES À TRAITER

Problème soulevé par Impacts de l’utilisation de

BLOC UTILISATEUR codage d’une conversation 0.4

24/08/2009 Codage Canal-BE 7 24/08/2009 Codage Canal-BE 8

Que faire lorsque le flux de données à traiter est

24/08/2009 Codage Canal-BE 9 24/08/2009 Codage Canal-BE 10

Interpoler entre les données Solliciter l’émission de

Exemple : code à répétition Limitation des codes

24/08/2009 Codage Canal-BE 17 24/08/2009 Codage Canal-BE 18

Pourquoi utiliser des codes

24/08/2009 Codage Canal-BE 19 24/08/2009 Codage Canal-BE 20

24/08/2009 Codage Canal-BE 21 24/08/2009 Codage Canal-BE 22

Principe du codage Principe du décodage (1/3)

Distinction entre détection et

pas d’erreur (une ou plusieurs erreurs).

24/08/2009 Codage Canal-BE 27 24/08/2009 Codage Canal-BE 28

Historique Plan du cours

24/08/2009 Codage Canal-BE 31 24/08/2009 Codage Canal-BE 32

Les composantes d’un mot de qn Exemples :

24/08/2009 Codage Canal-BE 33 24/08/2009 Codage Canal-BE 34

Cas particulier : q=2b (b>1) Exemple

24/08/2009 Codage Canal-BE

24/08/2009 Codage Canal-BE 41 24/08/2009 Codage Canal-BE 42

Opérations sur les mots de

L'élément neutre de l'addition est noté 0.

L'ensemble des éléments non-nuls de G muni de la multiplication .

24/08/2009 Codage Canal-BE 43 24/08/2009 Codage Canal-BE 44

24/08/2009 Codage Canal-BE 45 24/08/2009 Codage Canal-BE 46

Rappel sur les espaces

24/08/2009 Codage Canal-BE 47 24/08/2009 Codage Canal-BE 48

Plan du cours Définitions et Notations

Cm = [c m1c m 2 ...c mk c m (k +1)...c mn ]

xm1 xm2 … xmi … xmk cmj = ∑ g ij xmi

Génération des n Codage par multiplication

C m = x m1g1 + x m 2 g 2 + ... + x mk g k 10 101

Matrice génératrice pour code

Code dual d’un code C(n,k) Cas des codes systématiques

24/08/2009 Codage Canal-BE 63 24/08/2009 Codage Canal-BE 64

Capacité de détection d'un

erreurs. détection : 1. 00 000

Rapport erreurs non détectables Capacité de correction d'un

Pour n grand, le nombre d'erreurs non Soit dmin, la distance minimale.

24/08/2009 Codage Canal-BE 73 24/08/2009 Codage Canal-BE 74

Limitation Codes étendus

Limitation des codes en blocs

24/08/2009 Codage Canal-BE 79 24/08/2009 Codage Canal-BE 80

2m-1 colonnes = représentation binaire des entiers

Codes de Hadamard Propriétés

 2. Codes en blocs linéaires

24/08/2009 Codage Canal-BE 85 24/08/2009 Codage Canal-BE 86

Représentation polynomiale des

Codes binaires : coefficients dans {0,1}.

C' = [c n − 2 c n − 3 ...c 0 c n − 1 ] C = [c n − 1c n − 2 ...c1c 0 ] ⇒ C (p ) = c n − 1p n − 1 + c n − 2 p n − 2 + L + c1p + c 0

24/08/2009 Codage Canal-BE 87 24/08/2009 Codage Canal-BE 88

p C (p) ne peut pas être un mot de code car de

C = [1101] ⇒ C (p ) = p 3 + p 2 + 1 C = [c n −1c n − 2 ...c1c0 ] C (p ) = c n −1p n −1 + c n −2 p n −2 + L + c1p + c0

24/08/2009 Codage Canal-BE 89 24/08/2009 Codage Canal-BE 90