Eine iterative Empfängerarchitektur, die weiche Wahrscheinlichkeitsinformationen (typischerweise Log‑Likelihood‑Ratios) zwischen einem Soft‑Output‑Equalizer und einem Soft‑Input‑Decoder austauscht, um gemeinsam Inter‑Symbol‑Interferenz zu mindern und kanalcodierte Daten zu decodieren, wodurch die Detektionsleistung gegenüber Ein‑Durchgangsverfahren verbessert wird.

Prinzip

Durch iteratives Weiterreichen extrinsischer Soft‑Informationen zwischen einem Soft‑Output‑Equalizer (der Kanalinversion oder Symbol‑Posterioren approximiert) und einem Soft‑Input‑Decoder verfeinert der Empfänger die Posteriorwahrscheinlichkeiten; unter geeigneten Modellen konvergiert dieses Nachrichtenaustauschen gegen das gemeinsame Posterior und kann die gemeinsame MAP‑Leistung annähern.

Demonstration

Situation: Konvolutionell codiertes Einkarrieresignal über ISI‑Kanal. Erkennung: Empfänger besitzt Soft‑Output‑Equalizer und Soft‑Input‑Decoder (Viterbi/BCJR‑basiert). Aktion: Equalizer berechnet Symbol‑LLRs und sendet extrinsische LLRs an den Decoder; Decoder gibt aktualisierte extrinsische LLRs zurück; mehrere Iterationen, dann harte Entscheidungen. Folge: Die Bitfehlerrate sinkt typischerweise mit den Iterationen, da Equalizer und Decoder mehrdeutige Symbole durch gegenseitige Verfeinerung auflösen; Latenz und Rechenaufwand steigen mit der Iterationszahl.

Fehlanwendung

Die ausgetauschten LLRs als unabhängig zu behandeln oder sie einfach zu addieren, ohne extrinsische Information herauszurechnen (Double‑Counting). Der scheinbare Fehler ist, jeden wiederholten Austausch als gültige extrinsische Nachricht zu werten; der semantische Fehler besteht darin, intrinsische und extrinsische Informationen nicht zu unterscheiden, was zu Leistungsverschlechterung oder Divergenz führen kann.

Konsequenz

Turbo‑Equalisierung kann die kodierte Bit‑Performance erheblich verbessern und die Lücke zur gemeinsamen Detektion/Decodierung schließen, jedoch zulasten höherer Rechenkomplexität, Latenz und Sensitivität gegenüber Modell‑Mismatch (Kanalschätzfehler, falsche Rauschstatistik). Die Vorteile hängen von der Qualität der Soft‑Outputs und der Modellkompatibilität ab.

Umkehrung

Sind die Soft‑Output‑Module schlecht kalibriert, variiert der Kanal schnell relativ zur Iterationsdauer, oder ist das Interleaving unzureichend, können Iterationen keinen Nutzen bringen oder divergieren. Bei strengen Latenz‑ oder Rechenbudget‑Vorgaben sind nicht‑iterative oder hybride Methoden zu bevorzugen.

Abgrenzung

Eindeutig innerhalb: Empfänger mit Soft‑Output‑Equalizer und Soft‑Input‑Decoder, die extrinsische LLRs iterativ austauschen. Randfall: wenige Iterationen (ein bis zwei) mit marginalem Gewinn gegenüber vollständigem Turbo‑Prozess. Eindeutig außerhalb: nicht‑iterative Entzerrung gefolgt von Decodierung ohne Soft‑Feedback und rein lineare Methoden ohne Soft‑Informationsaustausch.

Semantische Spannung

Leistung vs. Komplexität/Latenz und Robustheit: Iterativer Austausch verbessert Posterioren und Fehlerperformance, erhöht aber Verarbeitungszeit und ist empfindlicher gegenüber Modell‑ und Kanalschätzfehlern als Ein‑Durchgangsverfahren.

Synthese

Turbo‑Equalisierung formuliert die gemeinsame Entzerrung und Dekodierung als approximatives Inferenzproblem, das durch iteratives Message‑Passing gelöst wird: Sind Soft‑Outputs zuverlässig und Ressourcen vorhanden, überbrückt sie die Lücke zur gemeinsamen Detektion, doch ihre Vorteile hängen kritisch von der Qualität der Soft‑Information und der Kanalstationarität ab.