%survivor state是一个矩阵，它显T了通过网格的最优路径，这个矩阵通过一个单独的函数metric(x,y)给出。
%其中G是一个矩阵，它的任一行决定了从移位寄存器到模2加法器的连接方式.为生成矩阵
%这里，我们做了一个简单的(2,1,7)卷积码编码器。
k=1;
G=[1 0 1 1 0 1 1;1 1 1 1 0 0 1];%G1=133,G2=171
%以下3种输入序列，可任选一种%
%input=[0 0 0 0 0 0 0];%全0输入
%input=[1 1 1 1 1 1 1];%全1输入
【
input=[round(rand(1,7)*1)];%随机系列输入，也可用 randint(1,7,[0 1])
figure;plot(input,'*r') %figure1：画图：目标input，红色（red，r），形状为*
s=input;
g1=G(1,:);
g2=G(2,:);
c1=conv(s,g1);%作卷积
%disp(c1);
c2=conv(s,g2);
。
%disp(c2);
n=length(c1);%7位输入时n=13
c=zeros(1,2*n);%生成全0矩阵，1*26
%disp(c);
for i=1:n
c(2*i-1)=c1(i);c(2*i)=c2(i);%两个模2加法器分别输出卷积结果序列后，由旋转开关读取的结果（此时仅为卷积结果，非2进制0/1）
end
for i=1:2*n
！
if(mod(c(i),2)==0)% mod(c(i),2)==0意思：c(i)除以2，余数为0
c(i)=0;
else c(i)=1;
end
end
output=c;
channel_output=output;%输出矩阵
%disp(channel_output);
@
figure;plot(output,'*b') %画图：目标：卷积码编码输出，蓝色（blue，b）* %————————————————以上为编码部分，以下为维特比译码————————————————
n=size(G,1);%取矩阵G的行数，故n=2。即得到输出端口，即2个模2加法器
%检验G的维数
if rem(size(G,2),k)~=0 %当矩阵G的列数不为k的整数倍时，rem为求余函数
error('Size of G and k do not agree')%报错
end
if rem(size(channel_output,2),n)~=0 %当输出矩阵的列数不是输出端口n的整数倍时。（注：size(channel_output,2)=26，2个模2加法器合成的输出）
]
error('channle output not of the right size')
end
L=size(G,2)/k;%得出移位数，即寄存器个数，此例程为7
%由于L-1个寄存器的状态即可表示出输出状态，所以总的状态数number_of_states可由前L-1个寄存器的状态组合来确定
number_of_states=2^((L-1)*k);%此例程中2^6，移位寄存器组的状态数为64个
%产生状态转移矩阵，输出矩阵和输入矩阵
for j=0:number_of_states-1 %表示当前寄存器组的状态。因状态从0开始，所以循环为从0
到number_of_states-1
for t=0:2^k-1 %k位输入端的信号组成的状态，总的状态数为2^k，所以循环为从0到2^k-1 !
[next_state,memory_contents]=nxt_stat(j,t,L,k);%nxt_stat完成从当前的状态和输入的矢量得出下寄存器组的一个状态
input(j+1,next_state+1)=t;%input数组值是用于记录当前状态到下一个状态所要的输入信号矢量
%input数组的维数：一维坐标x=j+1指当前状态的值，二维坐标y=next_state+1指下一个状态的值
%由于Matlab中数组的下标是从1开始的，而状态值是从0
开始的，所以以上坐标值为：状态值+1
branch_output=rem(memory_contents*G',2);%branch_output用于记录在状态j下输入1时的输出
nextstate(j+1,t+1)=next_state;%nextstate状态转移矩阵，记录了当前状态j下输入1时的下一个状态
output(j+1,t+1)=bin2deci(branch_output);%output记录了当前状态j下输入1时的输出（十进制）
end
%
end
input;
state_metric=zeros(number_of_states,2);%state_metric数组用于记录译码过程在每个状态时的汉明距离，大小为number_of_states,2
%（：，1）为当前状态位置的汉明距离，为确定值；（：，2）为当前状态加输入得到的下一个状态汉明距离，为临时值
depth_of_trellis=length(channel_output)/n;%depth_of_trellis用于记录网格图的深度channel_output_matrix=reshape(channel_output,n,depth_of_trellis);%channel_output_ma trix为输出矩阵，每一列为一个输出状态
%reshape改变原矩
阵形状，将channel_output矩阵变为n行depth_of_trellis列矩阵
