譯碼:數字與模拟電子技術領域專業術語-中文百科頻道

準則

假設編碼序列為（ Λ） 1 2,m m m C = c c ，經過信道傳輸，接收端收到的信号為R （模拟信号或數字信号，取決于對信道的定義），那麼接收端會順理成章地在所有可能的碼序列中尋找條件概率P(C R) m 最大的一個，認為它是最可能的發送序列。即：

C~ Arg{MAX P(C R)} m C mm=這種判決準則稱為最大後驗概率準則 (MAP）。

算法

viterbi譯碼算法是一種卷積碼的解碼算法。缺點就是随着約束長度的增加算法的複雜度增加很快。約束長度N為7時要比較的路徑就有64條，為8時路徑變為128條。（2<<(N-1））。所以viterbi譯碼一般應用在約束長度小于10的場合中。

算法規定t時刻收到的數據都要進行64次比較，就是64個狀态每條路有兩條分支（因為輸入0或1），同時，跳傳到不同的兩個狀态中去，将兩條相應的輸出和實際接收到的輸出比較，量度值大的抛棄（也就是比較結果相差大的），留下來的就叫做幸存路徑，将幸存路徑加上上一時刻幸存路徑的量度然後保存，這樣64條幸存路徑就增加了一步。在譯碼結束的時候，從64條幸存路徑中選出一條量度最小的，反推出這條幸存路徑（叫做回溯），得出相應的譯碼輸出。

編碼定義

用預先規定的方法将文字、數字或其他對象編成數碼，或将信息、數據轉換成規定的電脈沖信号。編碼在電子計算機、電視、遙控和通訊等方面廣泛使用。編碼是根據一定的協議或格式把模拟信息轉換成比特流的過程。

在計算機硬件中，編碼（coding）是在一個主題或單元上為數據存儲，管理和分析的目的而轉換信息為編碼值（典型地如數字）的過程。在軟件中，編碼意味着邏輯地使用一個特定的語言如C或C++來執行一個程序。在密碼學中，編碼是指在編碼或密碼中寫的行為。

将數據轉換為代碼或編碼字符，并能譯為原數據形式。是計算機書寫指令的過程，程序設計中的一部分。在地圖自動制圖中，按一定規則用數字與字母表示地圖内容的過程，通過編碼，使計算機能識别地圖的各地理要素。

n位二進制數可以組合成2的n次方個不同的信息，給每個信息規定一個具體碼組，這種過程也叫編碼。

數字系統中常用的編碼有兩類，一類是二進制編碼，另一類是二—十進制編碼。

編碼體系

1．ASCII與Binary

我們日常接觸到的文件分ASCII和Binary兩種。ASCII是“美國信息交換标準編碼”的英文字頭縮寫，可稱之為“美标”。美标規定了用從0到127的128個數字來代表信息的規範編碼，其中包括33個控制碼，一個空格碼，和94個形象碼。形象碼中包括了英文大小寫字母，阿拉伯數字，标點符号等。我們平時閱讀的英文電腦文本，就是以形象碼的方式傳遞和存儲的。美标是國際上大部分電腦的通用編碼。

然而電腦中的一個字符大都是用一個八位數的二進制數字表示。這樣每一字符便可能有256個不同的數值。由于美标隻規定了128個編碼，剩下的另外128個數碼沒有規範，各家用法不一。另外美标中的33個控制碼，各廠家用法也不盡一緻。這樣我們在不同電腦間交換文件的時候，就有必要區分兩類不同的文件。第一類文件中每一個字都是美标形象碼或空格碼。這類文件稱為“美标文本文件”（ASCII Text Files），或略為“文本文件”，通常可在不同電腦系統間直接交換。第二類文件，也就是含有控制碼或非美标碼的文件，通常不能在不同電腦系統間直接交換。這類文件有一個通稱，叫“二進制文件”（Binary Files）。

2．國标、區位、“準國标”

“國标”是“中華人民共和國國家标準信息交換用漢字編碼”的簡稱。國标表（基本表）把七千餘漢字、以及标點符号、外文字母等，排成一個94行、94列的方陣。方陣中每一橫行叫一個“區”，每個區有九十四個“位”。一個漢字在方陣中的坐标，稱為該字的“區位碼”。例如“中”字在方陣中處于第54區第48位，它的區位碼就是5448。

其實94這個數字。它是美标中形象碼的總數。國标表沿用這個數字，本意大概是要用兩個美标形象符代表一個漢字。由于美标形象符的編碼是從33到126，漢字區、位碼如果各加上32，就會與美标形象碼的範圍重合。如上例“中”字區、位碼加上32後，得86,80。這兩個數字的十六進制放在一起得5650，稱為該字的“國标碼”，而與其相對應的兩個美标符号，VP，也就是“中”字的“國标符”了。

這樣就産生了一個如何區分國标符與美标符的問題。在一個中英文混用的文件裡，“VP”到底代表“中”字呢，還是代表某個英文字頭縮寫？電子工業部第六研究所開發CCDOS的時候，使用了一個簡便的解決方案：把國标碼的兩個數字各加上128，上升到非美标碼的位置。（改變後的國标碼，習慣上仍叫“國标”。）

這個方案固然解決了原來的問題，可是新的問題随之産生。中文文件成了“二進制文件”，既不能可靠地在不同電腦系統間交換，也不與市場上大部分以美标符号為設計對象的軟件兼容。

為了區分以上兩種“國标”，我們把原與美标形象碼重合的國标碼稱為“純國标” ，而把CCDOS加上128的國标碼稱為“準國标”。

3．GBK碼

GBK碼是GB碼的擴展字符編碼，對多達2萬多的簡繁漢字進行了編碼，簡體版的Win95和Win98都是使用GBK作系統内碼。

GB是國标，K是漢字“擴展”的漢語拼音第一個字母。其實，GBK是又一個漢字編碼标準，全稱《漢字内碼擴展規範》（Chinese Internatial Code Specification），1995年頒布。

從實際運用來看，微軟自win95簡體中文版開始，系統就采用GBK代碼，它包括了TrueType宋體、黑體兩種GBK字庫（北京中易電子公司提供），可以用于顯示和打印，并提供了四種GBK漢字的輸入法。此外，浏覽器IE4.0簡體、繁體中文版内部提供了一個GBK-BIG5代碼雙向轉換功能。此外，微軟公司為IE提供的語言包中，簡體中文支持（Simplified Chinese Language Support Kit）的兩種字庫宋體、黑體，也是GBK漢字（珠海四通電腦排版系統開發公司提供）。其他一些中文字庫生産廠商，也開始提供TrueType或PostScriptGBK字庫。

許多外挂式的中文平台，如南極星、四通利方（Richwin）等，提供GBK碼的支持，包括字庫、輸入法和GBK與其他中文代碼的轉化器。

互聯網方面，許多網站網頁使用GBK代碼。

但是多數搜索引擎都不能很好的支持GBK漢字搜索，大陸地區的搜索引擎有些能不完善的支持GBK漢字檢索。

GBK向下與GB-2312編碼兼容，向上支持ISO 10646.1國際标準，是前者向後者過渡的一個承啟标準。

GBK規範收錄了ISO 10646.1中的全部CJK漢字和符号，并有所補充。具體包括：GB 2312中的全部漢字、非漢字符号；GB 13000.1中的其他CJK漢字。以上合計20902個GB化漢字；《簡化總表》中未收入GB 13000.1的52個漢字；《康熙字典》以及《辭海》中未被收入GB 13000.1的28個部首及重要構件；13個漢字結構符；BIG-5中未被GB 2312收入、但存在于GB 13000.1的139個圖形符号；GB 12345增補的6個拼音符号；GB 12345增補的19個豎排圖形符号（GB 12345較GB 2312增補豎排标點符号29個，其中10個未被GB 13000.1收入，故GBK亦不收）；從GB 13000.1的CJK兼容區挑選出的21個漢字；GB 13000.1收入的31個IBM OS/2專用符号。GBK亦采用雙字節表示，總體編碼範圍為0x8140~0xFEFE之間，首字節在0x81~0xFE之間，尾字節在0x40~0xFE之間，剔除0x××7F一條線，總計23940個碼位，共收入21886個漢字和圖形符号，其中漢字（包括部首和構件）21003個，圖形符号883個。

4．BIG5碼

BIG5碼是針對繁體漢字的漢字編碼，目前在台灣、香港的電腦系統中得到普遍應用。BIG5碼的編碼範圍參考下文。

5．HZ碼

HZ碼是在Internet上廣泛使用的一種漢字編碼。“HZ”方案的特點，是以“純國标”的中文與美标碼混用。那麼“HZ”是怎樣區分國标符和美标符的呢？答案其實也很簡單：當一串美标碼中間插入一段國标碼的時候，我們便在國标碼的前面加上~，後面加上~。這些附加碼分别叫“逃出碼”和“逃入碼”。由于這些附加碼本身也是美标形象碼，整個文件就俨然是一個美标文本文件，可以安然地在電腦網上傳遞，也和大部分英文文本處理軟件兼容。

6．ISO－2022CJK碼

ISO-2022是國際标準組織（ISO）為各種語言字符制定的編碼标準。采用二個字節編碼，其中漢語編碼稱ISO-2022 CN，日語、韓語的編碼分别稱JP、KR。一般将三者合稱CJK碼。目前CJK碼主要在Internet網絡中使用。

7．UCS 和 ISO 10646

1993年，國際标準ISO10646 定義了通用字符集(Universal Character Set,UCS）。UCS 是所有其他字符集标準的一個超集。它保證與其他字符集是雙向兼容的。就是說，如果你将任何文本字符串翻譯到 UCS格式，然後再翻譯回原編碼，你不會丢失任何信息。

UCS 包含了用于表達所有已知語言的字符。不僅包括拉丁語，希臘語，斯拉夫語，希伯來語，阿拉伯語，亞美尼亞語和喬治亞語的描述，還包括中文，日文和韓文這樣的象形文字，以及平假名，片假名，孟加拉語，旁遮普語果魯穆奇字符（Gurmukhi），泰米爾語，印.埃納德語（Kannada），Malayalam，泰國語，老撾語，漢語拼音（Bopomofo）， Hangul，Devangari，Gujarati， Oriya，Telugu 以及其它語種。對于還沒有加入的語言，由于正在研究怎樣在計算機中最好地編碼它們，因而最終它們都将被加入。這些語言包括Tibetian，高棉語，Runic（古代北歐文字），埃塞俄比亞語，其他象形文字，以及各種各樣的印-歐語系的語言，還包括挑選出來的藝術語言比如 Tengwar，Cirth 和克林貢語（Klingon）。UCS 還包括大量的圖形的，印刷用的，數學用的和科學用的符号，包括所有由 TeX，Postscript， MS-DOS，MS-Windows， Macintosh， OCR 字體，以及許多其他字處理和出版系統提供的字符。

ISO 10646 定義了一個 31 位的字符集。然而，在這巨大的編碼空間中，迄今為止隻分配了前 65534 個碼位 (0x0000 到 0xFFFD）。這個UCS的16位子集稱為基本多語言面 (Basic Multilingual Plane,BMP）。将被編碼在16位BMP以外的字符都屬于非常特殊的字符（比如象形文字），且隻有專家在曆史和科學領域裡才會用到它們。按當前的計劃，将來也許再也不會有字符被分配到從0x000000到0x10FFFF這個覆蓋了超過100萬個潛在的未來字符的 21 位的編碼空間以外去了。ISO 10646-1标準第一次發表于1993年，定義了字符集與 BMP 中内容的架構。定義 BMP以外的字符編碼的第二部分 ISO 10646-2 正在準備中，但也許要過好幾年才能完成。新的字符仍源源不斷地加入到 BMP 中，但已經存在的字符是穩定的且不會再改變了。

UCS 不僅給每個字符分配一個代碼，而且賦予了一個正式的名字。表示一個 UCS 或 Unicode 值的十六進制數，通常在前面加上 “U+”，就象U+0041 代表字符“拉丁大寫字母A”。UCS字符U+0000到U+007F 與 US-ASCII(ISO 646) 是一緻的， U+0000 到 U+00FF 與 ISO 8859-1(Latin-1) 也是一緻的。從 U+E000 到 U+F8FF，已經BMP 以外的大範圍的編碼是為私用保留的。

1993年，ISO10646中定義的USC-4 (Universal Character Set) ，使用了4 個字節的寬度以容納足夠多的相當可觀的空間，但是這個過于肥胖的字符标準在當時乃至現在都有其不現實的一面，就是會過分侵占存儲空間并影響信息傳輸的效率。與此同時，Unicode 組織于約 10 年前以 Universal,Unique和Uniform 為主旨也開始開發一個16位字符标準，為避免兩種16位編碼的競争，1992年兩家組織開始協商，以期折衷尋找共同點，這就是今天的 UCS-2 (BMP，Basic Multilingual Plane，16bit) 和Unicode，但它們仍然是不同的方案。

8．Unicode碼

關于Unicode我們需要追溯一下它産生的淵源。

當計算機普及到東亞時，遇到了使用表意字符而非字母語言的中、日、韓等國家。在這些國家使用的語言中常用字符多達幾千個，而原來字符采用的是單字節編碼，一張代碼頁中最多容納的字符隻有28=256個，對于使用表意字符的語言是在無能為力。既然一個字節不夠，自然人們就采用兩個字節，所有出現了使用雙字節編碼的字符集（DBCS）。不過雙字節字符集中雖然表意字符使用了兩個字節編碼，但其中的ASCII碼和日文片假名等仍用單字節表示，如此一來給程序員帶來了不小的麻煩，因為每當設計到DBCS字符串的處理時，總是要判斷當中的一個字節到底表示的是一個字符還是半個字符，如果是半個字符，那是前一半還是後一半？由此可見DBCS并不是一種非常好的解決方案。

人們在不斷尋找這更好的字符編碼方案，最後的結果就是Unicode誕生了。Unicode其實就是寬字節字符集，它對每個字符都固定使用兩個字節即16位表示，于是當處理字符時，不必擔心隻處理半個字符。

目前，Unicode在網絡、Windows系統和很多大型軟件中得到應用。

GB編碼标準中，比較常用的是GB2312和GBK兩種，GB2312是GBK的一個子集，GB2312編碼範圍是 0xA1A1 - 0xFEFE ，如果純粹的 GB2312編碼，處理起來是什分簡單的，但處理GBK字符集時有些小的提示，先說說GBK編碼的标準吧：

GBK 采用雙字節表示，總體編碼範圍為 8140-FEFE，首字節在 81-FE 之間，尾字節在 40-FE 之間，剔除 xx7F 一條線。總計 23940 個碼位，共收入 21886 個漢字和圖形符号，其中漢字（包括部首和構件）21003 個，圖形符号 883 個。