Complete VIDEO-001 through VIDEO-004 software video studies

protocol/punctured_fec.py

@@ -0,0 +1,81 @@
+"""Программные варианты R=2/3 и 3/4 на базе штатного кода R=1/2.
+
+Прокалывание удаляет известные позиции кодового слова. При декодировании
+эти позиции имеют нулевую мягкую метрику (стирание), после чего работает
+штатный терминированный декодер Витерби.
+"""
+
+from __future__ import annotations
+
+from functools import lru_cache
+import numpy as np
+
+from protocol import convolutional_fec
+
+
+PUNCTURE_PATTERNS: dict[str, tuple[int, ...]] = {
+    "1/2": (1, 1),
+    "2/3": (1, 1, 1, 0),
+    "3/4": (1, 1, 1, 0, 0, 1),
+}
+
+
+@lru_cache(maxsize=32)
+def _mask(mother_bit_count: int, rate: str) -> np.ndarray:
+    if rate not in PUNCTURE_PATTERNS:
+        raise ValueError("неизвестная скорость кода")
+    if mother_bit_count < 0:
+        raise ValueError("отрицательная длина кодового слова")
+    pattern = np.asarray(PUNCTURE_PATTERNS[rate], dtype=bool)
+    mask = np.resize(pattern, mother_bit_count)
+    mask.flags.writeable = False
+    return mask
+
+
+def coded_bit_count(information_bit_count: int, rate: str) -> int:
+    """Точное число передаваемых битов, включая шесть хвостовых битов кода."""
+    mother_count = convolutional_fec.encoded_bit_count(information_bit_count)
+    if rate not in PUNCTURE_PATTERNS:
+        raise ValueError("неизвестная скорость кода")
+    pattern = PUNCTURE_PATTERNS[rate]
+    periods, remaining = divmod(mother_count, len(pattern))
+    return periods * sum(pattern) + sum(pattern[:remaining])
+
+
+def effective_rate(information_bit_count: int, rate: str) -> float:
+    """Отношение полезных битов к реально передаваемым кодовым битам."""
+    if information_bit_count <= 0:
+        raise ValueError("число полезных битов должно быть положительным")
+    return information_bit_count / coded_bit_count(information_bit_count, rate)
+
+
+def encode(information_bits: np.ndarray, rate: str) -> np.ndarray:
+    """Сначала применить штатный код, затем удалить позиции по маске."""
+    mother_bits = convolutional_fec.encode(information_bits)
+    return mother_bits[_mask(len(mother_bits), rate)]
+
+
+def depuncture_soft(
+    soft_values: np.ndarray, information_bit_count: int, rate: str
+) -> np.ndarray:
+    """Вернуть стёртые позиции с нулевой мягкой метрикой."""
+    values = np.asarray(soft_values, dtype=np.float64)
+    if values.ndim != 1 or not np.all(np.isfinite(values)):
+        raise ValueError("мягкие значения должны быть конечным одномерным массивом")
+    mother_count = convolutional_fec.encoded_bit_count(information_bit_count)
+    mask = _mask(mother_count, rate)
+    if len(values) != int(np.count_nonzero(mask)):
+        raise ValueError("неверная длина проколотого кодового слова")
+    restored = np.zeros(mother_count, dtype=np.float64)
+    restored[mask] = values
+    return restored
+
+
+def decode_soft(
+    soft_values: np.ndarray, information_bit_count: int, rate: str
+) -> np.ndarray:
+    """Декодировать через существующий 64-состояний декодер Витерби."""
+    return convolutional_fec.viterbi_decode_soft(
+        depuncture_soft(soft_values, information_bit_count, rate),
+        information_bit_count,
+    )