一种高误码的任意码率卷积码编码参数盲识别方法
【专利摘要】本发明公开了一种高误码的任意码率卷积码编码参数盲识别方法，包括将卷积码比特流排列成p×q的码率分析矩阵，识别出码长n；将卷积码比特流根据码长n构造分析矩阵，提取出卷积码的校验序列；当码率为1/n时，通过遍历m，直接对校验序列进行抽取并与m+1维向量空间做卷积运算，通过三角变换得到卷积码的生成矩阵和寄存器长度m；当码率为(n?1)/n或者(n?k)/n时，通过遍历m，对于系统码，对校验序列进行抽取并与m+1维向量空间做卷积运算，做上三角变换即可得到卷积码的生成矩阵；对于非系统码，得到的生成矩阵集合，最后通过最优准则得到卷积码的最优生成矩阵和寄存器长度m。本发明较好地解决了含误码情形下任意码率卷积码编码参数盲识别问题，可用于通信侦察、通信对抗以及智能通信。
【专利说明】
-种高误码的任意码率卷积码编码参数盲识别方法
技术领域
[0001] 本发明属于通信技术领域，尤其设及一种高误码的任意码率卷积码编码参数盲识 别方法。
【背景技术】
[0002] 在数字通信领域中，卷积码具有简单的编码方式和比较高的编译码性能，所W在 卫星通信、深空通信、宽带移动通信等环境中的应用非常广泛。在获得对方编码数据后，需 要对对方的编码数据进行解码，才有可能得到真正有用的信息序列，W便更好的分析信息 数据中的有用信息。在此背景下，如何快速有效地对信息序列的编码参数进行盲识别引起 了人们的关注。
[0003] 目前对于卷积码的识别，主要局限于码率W及低误码率时卷积码的盲识别， 2010年，张永光等在其专利《一种卷积码编码参数的盲识别方法》中提出了对卷积码识别的 方法。其方法对于低码率可W进行识别，且该方法在容错性较差，其专利中提及的方法主要 局限1/n码率，对于n-k/n码率的情况，其专利中提到的方法并不是很有效，还不能对高码率 进行有效的识别。马丕明在其专利《一种(η, k，m)系统卷积码盲识别的方法》中虽然可W对 高码率卷积码进行识别，但容错性较差，且对于非系统码不能够有效的进行识别。
【发明内容】
[0004] 本发明的目的在于提供一种高误码的任意码率卷积码编码参数盲识别方法，旨在 解决目前对于卷积码的识别容错性较差，不能对高码率和非系统码进行有效识别的问题。
[0005] 本发明是运样实现的，一种高误码的任意码率卷积码编码参数盲识别方法，所述 高误码的任意码率卷积码编码参数盲识别方法包括：
[0006] 步骤一，将卷积码比特流排列成P X q的码率分析矩阵，根据编码器编码与信息码 字的相互校验规律，识别出码长η;
[0007] 步骤二，将卷积码比特流根据码长η构造分析矩阵，按照编码关系识别信息位长度 k，提取出卷积码的校验序列；
[000引步骤Ξ，当码率为1/n时，通过遍历m，对校验序列进行抽取并与m+1维向量空间做 卷积运算，通过Ξ角变换即可得到卷积码的生成矩阵和寄存器长度m;
[0009] 步骤四，当码率为(n-l)/n或者(n-k)/n时，通过遍历m，对于系统码，对校验序列进 行抽取并与m+1维向量空间做卷积运算，采用Ξ角变换即可得到卷积码的生成矩阵;对于非 系统码，得到的生成矩阵集合，通过最优准则得到卷积码的最优生成矩阵和寄存器长度m。
[0010] 进一步，所述高误码的任意码率卷积码编码参数盲识别方法具体包括W下步骤： [OOW 1)将得到的卷积码信息比特流Vs排列成pXq的码率分析矩阵Cq，其中q的取值范围 2~100，通过对列进行遍历，分析每个矩阵非相关列数Ci，根据非相关列数cs与q的关系，确 定有效列集合N;
[001^ 2)对列集合帅所有元素取最大公约数，即可得到卷积码码长η;
[0013] 3)根据卷积码码长η和已知的卷积码比特流Vs，识别信息位长度和卷积码校验序 列；
[0014] 4)根据卷积码的码长η、信息位长度k和校验序列Pn-k，对卷积码的寄存器长度m和 生成矩阵G进行识别。
[0015] 进一步，所述根据卷积码码长η和已知的卷积码比特流Vs，识别信息位长度和卷积 码校验序列进一步包括：
[0016] (1化二元域上，接收到的卷积码比特流Vs为：
[0017] Co，Ci，C2，...Ci...;
[001引其中。={化0，化1，...，化。0-1：}表示第1时刻输出的11个比特信息；
[0019] (2)通过卷积码的比特流Vs构造列数为nL，行数为Μ的数据矩阵C;
[0020] (3)抽取数据矩阵C，得到数据矩阵的集合。，形式如下：
[0021]
[0022] 其中j取值范围[0，M-nk5);
[0023] (4)对每一个Cj进行初等变换单位化，化简为下面单位矩阵：
[0024]
[0025] (5)对每一个Cj进行初等变换单位化后，分别提取对角线元素并进行累加求和归 一化，得到向量为D=(dl，d2，一，CU)，对D进行判决处理得到向量D' = (d'l，d'2r-，d'nL);
[0026] (6)对D'按行排列成列数为η的矩阵，删除矩阵中行元素全为0和1的行，将每行相 加归一化，得到长度为η的向量Ε= {θ?，θ2···θη}，对Ε进行判决处理得到向量Ε' = {e'i，e'2··· e 'η}，向量E '中1的个数即为卷积码信息位长度k;
[0027] (7)对于码长为n，信息位长度为k的卷积码，D'中存在如下周期性关系：
[002引
[0029] 得到的C'冲任意蜡,为卷积码的校验序列。
[0030] 进一步，所述校验序列的提取方法包括：
[0031] 1)对于任意码率卷积码，其完整的编码关系中0的个数为n-k，即校验序列共有n-k 列，假设完整的编码关系对应兀素0出现在第1列，第1+1列......第1+n-k-l列；
[0032] 2)对于校验序列的第一列，在数据矩阵集合(V中查找第1列中对角元素为0所对 应的数据矩阵C"j，提取第1列元素，对角线元素改为1，提取长度为1+n-k-l;
[0033] 3)令列数增加1，当列数《1+n-k-l时，重复对于校验序列的第一列，得到校验序列 Pn-ko
[0034] 进一步，所述根据卷积码的码长η、信息位长度k和校验序列Pn-k，对卷积码的寄存 器长度m和生成矩阵G进行识别具体包括：
[0035] (1)初始化寄存器长度m〇=l;根据估计的码长η对所得到的校验序列进行抽取，得 到校验序列的子多项式矩阵S;
[0036] (2)构造 mo+1维的向量空间巧》。+1，将向量空间鳥。+1与得到的子多项式矩阵S进行卷 积运算得到系数矩阵H;
[0037] (3)根据估计的码长η和当前寄存器长度mo,将系数矩阵重新排列成列为N = n(m〇+ 1)，行为系数矩阵总元素除WN的矩阵Η' ；
[0038] (4)对矩阵Η'进行初等变换单位化，提取对角元素，令N(m〇)为寄存器长度为m日时对 角线元素为1的个数；
[0039] (5)如果N(m〇) =N，令m〇=m〇+l重复（2)~（4);如果N(m〇) =N-1 且k=l，执行（6);如 果N(m〇)=N-l且k>l，令咖=m〇+l重复（2)~（4);如果N(m〇)<N-l且k>l，执行（7);
[0040] (6)提取对角元素为0所在的列，长度为N = n(m〇+l)，将对角线所对应元素0改为1， 得到生成多项式g，按照长度为(m日+1)进行提取得到{旨1，旨2，-'，旨。}，即可得到生成矩阵6 = [gi;g2;··· ;gn]，寄存器长度m=m〇完成识别；
[0041] (7)提取对角元素为0所在的列，长度为N = n(m〇+l)，将对角线所对应元素 0改为1， 即可得到生成多项式{gl，g2,…，gk}，则得到生成矩阵的估计值为G' = [gl;g2;…；gk]，对于 系统卷积码，即生成矩阵G '的有如下形式：
[0042]
[0043] 则其生成矩阵即为6=6' =[的;邑2;-'；邑1<]，对于非系统卷积码执行(8);
[0044] (8)对于得到的生成矩阵的估计值G'，将每个gi按照GF(2)上加法相加，得到阱+1并 入到G'中，当k>2时，将gi中的两两相加得到
泮入到G'中，得到生成 多项式集合G"，对于生成多项式集合G"按照k个为一组进行抽取得到生成矩阵的集合Gs = [GiG2-，Gt]其中
，按照最优准则即可得到卷积码的生 成矩阵G=Gi，Gi为使得卷积码最优的生成矩阵。
[0045] 进一步，所述的校验序列进行抽取方法包括：
[0046] 1)对于某一列校验序列为V1V2V3…Vs，s为校验序列的长度，当码长为η时，抽取校 验序列得到子多项式vm+n···，V2V2+n···，......，VnV2n···;
[0047] 2)对每一列的校验序列执行1)即可得到子多项式矩阵S。
[004引进一步，所述将向量空间与步骤得到的子多项式矩阵S进行卷积运算得到系 数矩阵Η的方法包括：
[0049] 1)得到的子多项式矩阵S的第一行为vm+n···，则将vm+n···与向量空间馬,。《分别做 卷积运算，即可得到系数矩阵的前mo+1行；
[0050] 2)对子多项式矩阵S中的每一行执行1)即可得到系数矩阵H;
[0051] 进一步，所述按照最优准则得到(n-k)/n非系统卷积码最优生成矩阵的方法包括：
[0052] 1)对每一个Gi的子生成多项式grgs…gt，GF(2)求其最大公约数，如果大于1，则剔 除Gi，将Gs中所有元素得到新的生成矩阵集合Gs ' ；
[0化3] 2)对G's中每个生成多项式Gi，计算其最小自由距离dfree，得到
最 小自由距离中最大值所对应的生成矩阵即为卷积码最优生成矩阵。
[0054] 本发明的另一目的在于提供一种应用所述高误码的任意码率卷积码编码参数盲 识别方法的卫星通信系统。
[0055] 本发明的另一目的在于提供一种应用所述高误码的任意码率卷积码编码参数盲 识别方法的深空通信系统。
[0056] 本发明的另一目的在于提供一种应用所述高误码的任意码率卷积码编码参数盲 识别方法的宽带移动通信系统。
[0057] 本发明提供的高误码的任意码率卷积码编码参数盲识别方法，与现有技术相比， 具有W下优势：
[0058] (1)本发明由于采用在伽罗华域GF2上对矩阵进行下Ξ角，对矩阵每列的相关性进 行统计分析，取代了传统方法对矩阵直接求秩，一方面在一定成都上消除了信道中噪声的 影响，另一方面避免了处理方阵时可能出现的随机线性相关现象。
[0059] (2)本发明在高误码情况下，对任意码率卷积码的所有编码参数进行识别，不仅对 系统码适用，对于非系统码同样适用，达到了全盲识别的效果。
[0060] (3)本发明对校验序列的提取采用统计原理的方法，大大提高了卷积码的识别率。
[0061] (4)本发明对寄存器长度m的识别采用遍历的方法，解决了高误码率情况下寄存器 长度不能正确识别的问题。
[0062] (5)对于任意码率系统码和低码率非系统码可W做到全盲识别，对码率为(n-k)/n 非系统卷积码生成矩阵的识别，根据最优准则得到最优生成矩阵，较好地解决了非系统码 生成矩阵识别的问题。
【附图说明】
[0063] 图1是本发明实施例提供的高误码的任意码率卷积码编码参数盲识别方法流程 图。
[0064] 图2是本发明实施例提供的实施例1的总流程图。
[0065] 图3是本发明实施例提供的码长识别的子流程图。
[0066] 图4是本发明实施例提供的信息位长度和校验序列识别的子流程图。
[0067] 图5是本发明实施例提供的寄存器长度和生成矩阵识别的子流程图。
[0068] 图6是本发明实施例提供的提取最优生成矩阵的子流程图。
【具体实施方式】
[0069] 为了使本发明的目的、技术方案及优点更加清楚明白，W下结合实施例，对本发明 进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用W解释本发明，并不用于 限定本发明。
[0070] 本发明提出一种高误码的任意码率卷积码编码参数盲识别方法，在未知任何先验 知识及含误码的情况下，准确识别出码长η、输入信息位长度k、寄存器长度mW及任意码率 系统码的生成多项式矩阵和任意码率非系统码的最优生成多项式矩阵运些编码参数。
[0071] 下面结合附图对本发明的应用原理作详细的描述。
[0072] 如图1所示，本发明实施例的高误码的任意码率卷积码编码参数盲识别方法包括 W下步骤：
[0073] S101:将卷积码比特流排列成pXq的码率分析矩阵，根据编码器编码与信息码字 的相互校验规律，识别出码长η;
[0074] S102:将卷积码比特流根据码长η构造分析矩阵，按照编码关系识别信息位长度k， 提取出卷积码的校验序列；
[0075] S103:当码率为1/n时，通过遍历m，直接对校验序列进行抽取并与m+1维向量空间 做卷积运算，做上Ξ角变换即可得到卷积码的生成矩阵和寄存器长度m;
[0076] S104:当码率为(n-l)/n或者(n-k)/n时，通过遍历m，对于系统码，对校验序列进行 抽取并与m+1维向量空间做卷积运算，然后做上Ξ角变换即可得到卷积码的生成矩阵;对于 非系统码，得到的生成矩阵集合，最后通过最优准则得到卷积码的最优生成矩阵和寄存器 长度m。
[0077] 下面结合具体实施例对本发明的应用原理作将进一步的描述。
[0078] 参照图2,本发明实施例的实现步骤如下：
[0079] 步骤1:识别卷积码的码长η:
[0080] 参照图3,本步骤的具体实现如下：
[0081] 1.1)将得到的卷积码信息比特流Vs排列成pXq的码率分析矩阵Cq，其中p = 120，q =2,令有效列集合为N;
[0082] 1.2)在伽罗华域GF(2)中，将pXq维码率分析矩阵C按模2运算，化为下Ξ角矩阵 C*，其中 p>q;
[0083] 1.3)取下Ξ角矩阵勺第q+1至P行，第1至第q列组成码率分析矩阵Cq的跟随矩阵 Cl，并判断跟随矩阵Cl每列中1的比例是否小于或等于比率常数α = 0.2:若成立，贝喊列与其 他列是线性依存的，否则该列与其他列是非相关的；并记跟随矩阵Cl中没有被线性表达的 列数为码率分析矩阵Cq在α约束下的非相关列数Cl;
[0084] 1.4)若α约束下的非相关列数ci<q，则将q并入有效列集合N中；
[0085] 1.5)令q增加 l，p = 120，若q《100，则将信息的比特流Vs按行排列成pXq矩阵，返 回步骤1.2);否则:执行步骤1.6);
[0086] 1.6)对有效列集合N中的元素取最大公约数，即可得到卷积码码长η;
[0087] 步骤2:根据卷积码码长η和已知的卷积码比特流Vs，对卷积码信息位长度k和的校 验序列进行识别：
[0088] 参照图4,本步骤的具体实现如下：
[0089] 2.1)在二元域上，假设接收到的卷积码比特流Vs为：
[0090] Co，Ci，C2，...Ci...
[0091] 其中Ci= ki,o，Ci,i，···，Ci,n-i}表示第i时刻输出的η个比特信息；
[0092] 2.2)对卷积码的比特流Vs构造列数为化，行数为Μ的数据矩阵C，形式如下
[0093]
[0094] 其中L = n+22，n为步骤1)中识别的卷积码码长，G ,，巧,1，"·，巧，:Μ为比特流 Vs的长度除W化取整；
[00M] 2.3)抽取数据矩阵C，得到数据矩阵的集合。，形式如下：
[0096]
[0097] 其中j取值范围[0，M-nk5);
[0098] 2.4)对每一个Cj进行初等变换单位化，可化简为如下的上Ξ角矩阵：
[0099]
[0100] 2.5)对每一个Cj进行初等变换单位化后，分别提取对角线元素并进行累加求和归 一化，得到向量为D = (di，d2,…，dnL)，当di<l，令di = 0,否则di = l，得到向量D' = (di'，d '2,... ,d'nL);
[0101] 2.6)对D'按行排列成列数为η的矩阵，删除矩阵中行元素全为0和1的行，将每行相 加归一化，得到长度为η的向量Ε= {ei，e2…en}，当ei<l，令ei = 0,否则ei = l，得到向量Ε' = (6'1，6'2-，6'。}，向量6'中1的个数即为卷积码信息位长度4;
[0102] 2.7)对于码长为n，信息位长度为k的卷积码，在无误码情况下，D'中0，1序列必然 存在如下周期性关系
[0103]
[0104] 步骤2.4)中得到的C'冲任意it,即为卷积码的校验序列。在误码率比较高的情况 下，虽然不是周期性关系，但只需存在一个如下完整的编码关系即可提取出校验序列Pn-k， 具体步骤如下：
[0105]
[0106] 2.7a)对于任意码率卷积码，其完整的编码关系中0的个数为n-k，即校验序列共有 n-k列，假设完整的编码关系对应兀素0出现在第1列，第1+1列......第1+n-k-l列；
[0107] 2.7b)对于校验序列的第一列，在数据矩阵集合C'j中查找第1列中对角元素为0所 对应的数据矩阵C"j，提取其第1列元素，对角线元素改为1，提取长度为1+n-k-l;
[010引 2.7c)令列数增加1，列数《1+n-k-l重复2.7b)，得到校验序列Pn-k;
[0109] 步骤3:根据卷积码的码长η、信息位长度k和校验序列Pn-k，对卷积码的寄存器长度 m和生成矩阵G进行识别：
[0110] 参照图5,本步骤的具体实现如下：
[01川 3.1 )初始化寄存器长度m0 = 1 ;当n-k = 1时，扩展校验序列得到Pn-k = [Pn-k;Pn-k]， 根据估计的码长η对所得到的校验序列进行抽取，得到校验序列的子多项式矩阵S，具体如 下：
[0112] 3. la)对于某一列校验序列假设为V1V2V3…vs，s为校验序列的长度，当码长为η时， 抽取校验序列得到子多项式vm+n···，V2V2+n···，......，VnV2n···;
[0113] 3. lb)对每一列的校验序列执行步骤3. la)即可得到子多项式矩阵S;
[0114] 3.2)构造 mo+1维的向量空间6"。"，将向量空间巧A+1与步骤3.1)中得到的子多项式 矩阵S进行卷积运算得到系数矩阵H，具体如下：
[011引 3.2a)假设3.1)得到的子多项式矩阵S的第一行为vm+n···，则将vm化…与向量空 间馬》。+1分别做卷积运算，即可得到系数矩阵的前mo+1行；
[0116] 3.2b)对子多项式矩阵S中的每一行执行步骤3.2a)即可得到系数矩阵H;
[0117] 3.3)根据估计的码长η和当前寄存器长度mo,将系数矩阵重新排列成列为N=n(m〇+ 1)，行为系数矩阵总元素除WN的矩阵Η' ；
[0118] 3.4)对矩阵Η'进行初等变换单位化，提取对角元素，令N(m〇)为寄存器长度为mo时 对角线元素为1的个数；
[0119] 3.5)如果N(m〇)二N,令m日二m〇+l重夏步骤3.2) 3.4);如果N(m〇)二N-1 且k二 1,执 行步骤3.6);如果N(m〇) =N-1 且k> 1，令m〇 = m〇+l重复步骤3.2) -3.4);如果N(m〇) <N-1 且k > 1;执行步骤3.7);其中N为元素总数。
[0120] 3.6)提取对角元素为0所在的列，长度为N = n(m〇+l)，将对角线所对应元素0改为 1，得到生成多项式肖，按照长度为(1110+1)进行提取得到山，肖2，一，肖。}，即如果生成多项式元 素是旨=[旨1,1旨1,2。'旨1,加寸，则&=|^扣風.2''斯,》。+1]，按照运一规则可得生成矩阵6=[邑1; 邑2;…；抑]，寄存器长度m=m〇，完成识别。
[0121] 3.7)提取对角元素为0所在的列，长度为N = n(mo+l)，将对角线所对应元素0改为 1，即可得到生成多项式相准，。'，旨山则得到生成矩阵的估计值为6' =山准^''；旨1〇，对 于系统卷积码，即生成矩阵G '的有如下形式：
[0122]
[012引贝喊生成矩阵即为6 = 6' =山;邑2;-;阱]，寄存器长度111=111〇，完成识别。对于非系 统卷积码执行步骤3.8);
[0124] 3.8)对于得到的生成矩阵的估计值6'，将每个旨1按照6。(2)上加法相加，得到邑1^+1 并入到G'中，当k>2时，将gi中的两两相加得質
并入到G'中，得到生 成多项式集看
，对于生成多项式集合G"按照k个为一组 进行抽取得到生成矩阵的集合Gs=[GiG2-Gt]其中1
按照最优准则即可得到卷积码的生成矩阵G = Gv，Gv为Gs中使得卷积码最优的生成矩阵具体 步骤如下：
[0125] 3.8a)对每一个Gi的子生成多项式grgs…gt，GF(2)求其最大公约数，如果大于l，则 剔除Gi，将Gs中所有元素按照步骤3.8a)得到新的生成矩阵集合Gs ' ；
[0126] 3.8b )对G ' S中每个生成矩阵Gi，计算其最小自由距离dfree :
[0127]
痒中，V'和V"是任意信息序列U'和U"对应的码子，得 到?? = …;[，最小自由距离中最大值所对应的生成矩阵即为卷积码最优生成矩阵， 流程如图6所示。
[0128] W上所述仅为本发明的较佳实施例而已，并不用W限制本发明，凡在本发明的精 神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。
【主权项】
1. 一种高误码的任意码率卷积码编码参数盲识别方法，其特征在于，所述高误码的任 意码率卷积码编码参数盲识别方法包括： 步骤一，将卷积码比特流排列成pxq的码率分析矩阵，根据编码器编码与信息码字的 相互校验规律，识别出码长η; 步骤二，将卷积码比特流根据码长η构造分析矩阵，按照编码关系识别信息位长度k，提 取出卷积码的校验序列； 步骤三，当码率为1/n时，通过遍历m，对校验序列进行抽取并与m+Ι维向量空间做卷积 运算，通过三角变换即可得到卷积码的生成矩阵和寄存器长度m; 步骤四，当码率为(n-l)/n或者(n-k)/n时，通过遍历m，对于系统码，对校验序列进行抽 取并与m+1维向量空间做卷积运算，采用三角变换即可得到卷积码的生成矩阵;对于非系统 码，得到的生成矩阵集合，通过最优准则得到卷积码的最优生成矩阵和寄存器长度m。2. 如权利要求1所述的高误码的任意码率卷积码编码参数盲识别方法，其特征在于，所 述高误码的任意码率卷积码编码参数盲识别方法具体包括以下步骤： 1) 将得到的卷积码信息比特流Vs排列成pXq的码率分析矩阵Cq，其中q的取值范围2~ 100,通过对列进行遍历，分析每个矩阵非相关列数 Cl，根据非相关列数&与9的关系，确定有 效列集合N; 2) 对列集合N中所有元素取最大公约数，即可得到卷积码码长η; 3) 根据卷积码码长η和已知的卷积码比特流Vs，识别信息位长度和卷积码校验序列； 4) 根据卷积码的码长n、信息位长度k和校验序列Pn-k，对卷积码的寄存器长度m和生成 矩阵G进行识别。3. 如权利要求2所述的高误码的任意码率卷积码编码参数盲识别方法，其特征在于，所 述根据卷积码码长η和已知的卷积码比特流V s，识别信息位长度和卷积码校验序列进一步 包括： (1) 在二元域上，接收到的卷积码比特流Vs为： Co，Ci，C2，.._Ci.··; 其中=》cu，…人,,e ^表示第i时刻输出的η个比特信息； (2) 通过卷积码的比特流Vs构造列数为nL，行数为Μ的数据矩阵C; (3) 抽取数据矩阵C，得到数据矩阵的集合G，形式如下：其中j取值范围[〇，M-nL-5); (4) 对每一个进行初等变换单位化，化简为下面单位矩阵：(5) 对每一个Q进行初等变换单位化后，分别提取对角线元素并进行累加求和归一化， 得到向量为D=(di，d2，···，dnL)，对D进行判决处理得到向量D' = (Y i，d'2,…，d'nL); (6) 对D'按行排列成列数为η的矩阵，删除矩阵中行元素全为0和1的行，将每行相加归 一化，得到长度为η的向量Ε={θ?，θ2···θ η}，对Ε进行判决处理得到向量Ε' = {θ、，θ'2···θ'η}， 向量Ε '中1的个数即为卷积码信息位长度k; (7) 对于码长为n，信息位长度为k的卷积码，D'中存在如下周期性关系：得到的C、中任意/14为卷积码的校验序列。4. 如权利要求3所述的高误码的任意码率卷积码编码参数盲识别方法，其特征在于，所 述校验序列的提取方法包括： 1) 对于任意码率卷积码，其完整的编码关系中0的个数为n-k，即校验序列共有n-k列， 完整的编码关系对应元素0出现在第1列，第1+1列......第l+n-k-Ι列； 2) 对于校验序列的第一列，在数据矩阵集合C、中查找第1列中对角元素为0所对应的数 据矩阵C、，提取第1列元素，对角线元素改为1，提取长度为l+n-k-Ι; 3) 令列数增加1，当列数彡1+n-k-l时，重复对于校验序列的第一列，得到校验序列?^!^5. 如权利要求2所述的高误码的任意码率卷积码编码参数盲识别方法，其特征在于，所 述根据卷积码的码长n、信息位长度k和校验序列P n-k，对卷积码的寄存器长度m和生成矩阵G 进行识别具体包括： (1) 初始化寄存器长度m〇 = l;根据估计的码长η对所得到的校验序列进行抽取，得到校 验序列的子多项式矩阵S; (2) 构造 m〇+1维的向量空间+1 _，将向量空间.尽^+1与得到的子多项式矩阵S进行卷积运 算得到系数矩阵H; (3) 根据估计的码长η和当前寄存器长度mo,将系数矩阵重新排列成列为N = n(m〇+l)，行 为系数矩阵总元素除以N的矩阵把； (4) 对矩阵把进行初等变换单位化，提取对角元素，令N(m〇)为寄存器长度为mo时对角线 元素为1的个数； (5) 如果N(m〇) =N，令_ = m()+l重复（2)~（4);如果N(m〇) =N-1 且k= 1，执行（6);如果N (mo) =N_1且k>l，令m〇=m()+l重复(2)~(4);如果N(m〇) <N_1且k>l，执行(7); (6) 提取对角元素为0所在的列，长度为N = n(m〇+l)，将对角线所对应元素0改为1，得到 生成多项式g，按照长度为(mo+l)进行提取得到{gl，g 2，"_，gn}，即可得到生成矩阵G=[g1; g2;…；gn]，寄存器长度m=m〇完成识别； (7) 提取对角元素为0所在的列，长度为N = n(m〇+l)，将对角线所对应元素0改为1，即可 得到生成多项式{gl，g2,…，gk}，则得到生成矩阵的估计值为G' = [gl;g2;…；gk]，对于系统 卷积码，即生成矩阵V的有如下形式：贝1J其生成矩阵即为G = V = [gl;g2;…;gk]，对于非系统卷积码执行(8); (8) 对于得到的生成矩阵的估计值V，将每个gl按照GF(2)上加法相加，得到gk+1并入到 G'中，当k>2时，将gl中的两两相加得到并入到V中，得到生成多项 式集合G〃，对于生成多项式集合G 〃按照k个为一组进行抽取得到生成矩阵的集合Gs = [GiG^Gt]其中，按照最优准则即可得到卷积码的生 成矩阵G=Gi，Gi为使得卷积码最优的生成矩阵。6. 如权利要求5所述的高误码的任意码率卷积码编码参数盲识别方法，其特征在于，所 述的校验序列进行抽取方法包括： 1) 对于某一列校验序列为vmv3··· Vs，s为校验序列的长度，当码长为η时，抽取校验序列 得到子多项式 VIVl+n··· V2V2+n··· ......，VnV2n···; 2) 对每一列的校验序列执行1)即可得到子多项式矩阵S; 所述将向量空间Em+1与步骤得到的子多项式矩阵S进行卷积运算得到系数矩阵Η的方法 包括： 1) 得到的子多项式矩阵S的第一行为VlVl+n···，则将VlVl+n…与向量空间尽Hci+1分别做卷积 运算，即可得到系数矩阵的前mo+l行； 2) 对子多项式矩阵S中的每一行执行1)即可得到系数矩阵H。7. 如权利要求5所述的高误码的任意码率卷积码编码参数盲识别方法，其特征在于，所 述按照最优准则得到(n-k)/n非系统卷积码最优生成矩阵的方法包括： 1)对每一个Gi的子生成多项式grgs…gt，GF(2)求其最大公约数，如果大于1，则剔除Gi， 将Gs中所有元素得到新的生成矩阵集合V s; 2 )对G's中每个生成多项式Gi，计算其最小自由距离dfree，得到if = , ，最小自 由距离中最大值所对应的生成矩阵即为卷积码最优生成矩阵。8. -种应用如权利要求1-7任意一项所述高误码的任意码率卷积码编码参数盲识别方 法的卫星通信系统。9. 一种应用如权利要求1-7任意一项所述高误码的任意码率卷积码编码参数盲识别方 法的深空通信系统。10. -种应用如权利要求1-7任意一项所述高误码的任意码率卷积码编码参数盲识别 方法的宽带移动通信系统。
【文档编号】H04L1/00GK106059712SQ201610496231
【公开日】2016年10月26日
【申请日】2016年6月28日
【发明人】陈健, 张陈和, 阔永红, 杨龙, 王平
【申请人】西安电子科技大学