在维特比前向阶段计算分支度量
Calculating branch metric in Viterbi forward phase
我一直在研究维特比解码器的一些实现，并注意到一种计算分支度量的奇怪方法 (1)：
"BM is calculated by the product of information codewords c and
hamming distance hd with R inputs."
执行正向阶段的函数的输入是输入位 c 以及汉明距离 hd。
我的问题是，当我理解分支度量应该是输入位的汉明距离和格子的分支值时，汉明距离如何成为输入？那么，当分支度量实际上应该是汉明距离时，为什么要将其计算为输入位和汉明距离的乘积？
由于我没有得到关于这个主题的任何答案，而且我在这个问题上停留了很长时间，所以我决定假设作者给他的变量命名非常不准确。我相信他的意思是汉明距离实际上是分支值。让我更加确定这个假设的是同一篇论文中的以下引述：
"Because the hamming distance hd is fixed for
a convolutional code, we store hd in the constant memory, which cannot be modified"
汉明距离不可能是固定的，但是卷积码的格子结构的分支值实际上是固定的。
总而言之，硬判决维特比解码器的分支度量计算为输入码字（对于特定时间阶段）的汉明距离和正在计算的转换的分支值。因此，分支度量计算函数的输入并不是真正的汉明距离，而是固定的分支值。
我一直在研究维特比解码器的一些实现，并注意到一种计算分支度量的奇怪方法 (1)：
"BM is calculated by the product of information codewords c and hamming distance hd with R inputs."
执行正向阶段的函数的输入是输入位 c 以及汉明距离 hd。 我的问题是，当我理解分支度量应该是输入位的汉明距离和格子的分支值时，汉明距离如何成为输入？那么，当分支度量实际上应该是汉明距离时，为什么要将其计算为输入位和汉明距离的乘积？
由于我没有得到关于这个主题的任何答案，而且我在这个问题上停留了很长时间，所以我决定假设作者给他的变量命名非常不准确。我相信他的意思是汉明距离实际上是分支值。让我更加确定这个假设的是同一篇论文中的以下引述：
"Because the hamming distance hd is fixed for a convolutional code, we store hd in the constant memory, which cannot be modified"
汉明距离不可能是固定的，但是卷积码的格子结构的分支值实际上是固定的。
总而言之，硬判决维特比解码器的分支度量计算为输入码字（对于特定时间阶段）的汉明距离和正在计算的转换的分支值。因此，分支度量计算函数的输入并不是真正的汉明距离，而是固定的分支值。