Matlab的vitdec维特比解码函数是否有对应的Python等效实现？

现有功能适配情况 #

• trunc模式适配：commpy的viterbi_decode默认就完全匹配Matlab的trunc模式逻辑，没有单独做参数开关。它默认初始路径度量仅全零状态为0、其余状态为最小值，对应“编码器从全零状态启动”的假设；解码完成后自动从当前度量最优的状态开始回溯，不需要强制终止到全零状态，也不会保留跨调用的状态连续性，完全符合你描述的trunc参数适用场景，无需额外配置。
• nsdec参数适配：commpy的软判决逻辑原生接受浮点型软输入（如对数似然比），没有内置量化输入处理逻辑，所以没有显式的nsdec参数。你只需要在调用解码前将量化后的整数输入转成对应浮点值即可，以你使用的8比特量化为例，只需做一次线性映射：软输入 = (量化输入值 - 127) / 127（假设你的8比特量化范围0_{255对应实际软值范围-1}+1），不需要修改库代码即可适配。

原生支持参数的修改方案 #

如果需要让commpy的接口原生支持和Matlab一致的显式参数，可以直接修改commpy.channelcoding.viterbi模块的源码，修改量极小：

1. 新增termination参数，可选值为trunc/term，仅需加分支判断回溯起始状态即可：trunc模式保持现有从最优状态回溯的逻辑，term模式强制从全零状态回溯即可匹配Matlab的终止模式。
2. 新增nsdec参数，在函数入口处加量化输入转浮点的预处理逻辑，按Matlab的量化映射规则写转换公式即可，不需要修改核心解码逻辑。

无需修改库的使用示例 #

import numpy as np
from commpy.channelcoding import viterbi_decode, Trellis

# 此处按你的编码参数构造trellis对象，示例省略构造逻辑
trellis = Trellis(...)
tb_depth = 你的回溯深度
# 假设你的输入是8比特量化后的软值数组，取值0~255
quantized_input = np.random.randint(0, 256, size=2048)
# 转换为commpy可接受的浮点软输入
soft_input = (quantized_input.astype(np.float32) - 127) / 127
# 调用解码，默认即为trunc模式，软判决
decoded_bits = viterbi_decode(soft_input, trellis, tb_depth, decoding_type='soft')

内容的提问来源于stack exchange，提问作者Steve