##  [BCJR-Algorithmus](/de/node/71870) 

 Definition

Ein dynamisches Programmierverfahren, das symbol‑ bzw. bitweise a‑posteriori‑Wahrscheinlichkeiten auf einem endlichen Zustands‑Trellis durch Vorwärts‑ und Rückwärtsrekursionen über Zustands‑ und Zweigmetriken berechnet; liefert Soft‑Ausgaben (a‑posteriori‑Wahrscheinlichkeiten oder Log‑Likelihood‑Ratios) für jedes Symbol bei gegebenem probabilistischem Kanal und explizitem Zustandsmodell.

 

 

 

 

 

 





## Prinzip

Prinzip

Marginale a‑posteriori‑Wahrscheinlichkeiten einzelner Symbole lassen sich effizient erhalten, indem Vorwärts(α)‑ und Rückwärts(β)‑Zustandsrekursionen mit lokalen Zweigmetriken (γ) kombiniert werden, statt sämtliche Sequenzwahrscheinlichkeiten zu enumerieren.

 

 

 

 

 





## Demonstration

Demonstration

Illustratives Beispiel: Dekodierung eines binären Faltungscodes mit bekanntem Trellis und verrauschter Empfangsfolge. Berechne α_t(Zustand) vorwärts für t=1..T, berechne β_t(Zustand) rückwärts für t=T..1, bilde Pr(u_t|y)=Σ_{Zweigsprüngen kompatibel mit u_t} α_{t−1}(s')·γ_t(s'→s)·β_t(s). Ergebnis sind bitweise Posterior‑Wahrscheinlichkeiten und LLRs als Soft‑Inputs für nachfolgende Decoder.

 

 

 

 

## Fehlanwendung

Fehlanwendung

Die BCJR‑Ausgabe als exakt anzusehen, obwohl das Trellis oder Kanalmodell falsch ist (z. B. falsche Rauschvarianz oder fehlerhafte Zustandsübergänge), ist ein Fehler; ebenso die Verwechslung von Viterbi‑Sequenzschätzungen mit BCJR‑Symbol‑Posteriors (Sequenz‑MAP ≠ Symbol‑MAP).

 

 

 

 

 





## Konsequenz

Konsequenz

Bei korrektem Trellis und Kanalmodell liefert BCJR die symbolweisen MAP‑Wahrscheinlichkeiten des Modells und erlaubt soft‑input‑iteratives Dekodieren; bei Fehlanwendung (Modell‑Mismatch) können die Posteriors systematisch verzerrt sein und nachfolgende Soft‑Verarbeitung verschlechtern.

 

 

 

 

## Umkehrung

Umkehrung

Die Exaktheit setzt einen endlichen, handhabbaren Zustandsraum und ein genaues probabilistisches Modell voraus; bei sehr großen oder kontinuierlichen Zustandsräumen sind Approximationen (reduzierter‑State BCJR, Partikelmethoden) erforderlich und exakte MAP‑Garantien entfallen.

 

 

 

 

 





## Abgrenzung

Abgrenzung

Klar innerhalb: Dekodierung eines Faltungscodes endlicher Speicherlänge oder Inferenz in einem endlichen Hidden‑Markov‑Modell mit bekannten Kanalstatistiken. Grenzfall: Kanal mit Gedächtnis und unsicheren Parametern, BCJR läuft mit geschätzten Parametern, Posteriors spiegeln diese Unsicherheit. Klar außerhalb: Einsatz von BCJR ohne explizites Zustandsmodell (gedächtnisloser Kanal, bei dem symbolweiser MAP ohne Trellis trivial ist).

 

 

 

 

 





## Semantische Spannung

Semantische Spannung

Exakte Marginalisierung (modellbasierte optimalität) versus Rechenaufwand und Modelltreue: exakte BCJR‑Posteriors sind unter dem angenommenen Modell optimal, aber hoher Aufwand oder Modellfehler können approximative Methoden bevorzugen.

 

 

 

 

 





## Synthese

Synthese

BCJR verwandelt das globale Sequenzwahrscheinlichkeitsproblem durch dynamische Programmierung in lokale, exakte Symbol‑Posteriors; seinen praktischen Nutzen bestimmen Modelltreue und Zustandsraumgröße.