一种卷积码盲识别方法.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115499103A(43)申请公布日2022.12.20(21)申请号202211146485.6(22)申请日2022.09.20(71)申请人中国人民解放军32802部队地址100083北京市海淀区北四环中路226号(72)发明人刘杰鲍雁飞杨健房珊瑶马钰朱宇轩(74)专利代理机构北京丰浩知识产权代理事务所(普通合伙)11781专利代理师孙浩思(51)Int.Cl.H04L1/00(2006.01)G06N3/04(2006.01)G06N3/08(2006.01)权利要求书3页说明书10页附图3页(54)发明名称一种卷积码盲识别方法(57)摘要本发明公开了一种卷积码盲识别方法，该方法包括：获取卷积码信息和训练卷积码序列；对所述训练卷积码序列进行处理，得到训练数据样本；对所述训练数据样本进行处理，得到编码结构识别训练集和编码结构识别验证集；在每一组码长和存储级数下，选取不同误比特率和不同样本序列起点，对所述训练数据样本进行处理，得到编码序列起点识别训练集和编码序列起点识别验证集；构建编码结构识别网络模型和编码序列起点识别网络模型，获取待识别卷积码序列，利用编码结构识别网络模型和编码序列起点识别网络模型进行处理，得到编码结构识别结果和编码起点识别结果。本发明方法识别准确率更高、计算复杂度保持恒定、所需数据长度小，具有明显的优势。CN115499103ACN115499103A权利要求书1/3页1.一种卷积码盲识别方法，其特征在于，所述方法包括：S1，获取卷积码信息和训练卷积码序列，所述卷积码信息包括码长、存储级数、样本序列起点、误比特率；S2，对所述训练卷积码序列进行处理，得到训练数据样本；S3，对所述训练数据样本进行处理，得到编码结构识别训练集和编码结构识别验证集；S4，对所述训练数据样本进行处理，得到编码序列起点识别训练集和编码序列起点识别验证集；S5，构建编码结构识别网络模型，利用编码结构识别训练集和编码结构识别验证集进行编码结构识别网络模型训练，得到参数最优的目标编码结构识别网络模型；S6，构建编码序列起点识别网络模型，利用编码序列起点识别训练集和编码序列起点识别验证集对所述编码序列起点识别网络模型进行训练，得到参数最优的目标编码序列起点识别网络模型；S7，获取待识别卷积码序列，利用参数最优的目标编码结构识别网络模型对待识别卷积码序列进行处理，得到编码结构识别结果；S8，利用参数最优的目标编码序列起点识别网络模型，对所述编码结构识别结果进行处理，得到编码起点识别结果。2.根据权利要求1所述的卷积码盲识别方法，其特征在于，所述训练卷积码为(n,1,m)卷积码，n为码长，1为码字起点，m为存储级数；所述获取训练卷积码序列，包括：设置不同的卷积码的码长和存储级数，对码长和存储级数进行组合，得到训练卷积码序列。3.根据权利要求1或2所述的卷积码盲识别方法，其特征在于，所述对所述训练卷积码序列进行处理，得到训练数据样本，包括：对所述训练卷积码序列进行编号，得到编号训练卷积码序列；在每一组码长和存储级数下，选取不同的误比特率和不同的样本序列起点离码字起点，分别在每种组合下构造30000个200bit长度的数据，并随机加入错误比特，得到训练数据样本。4.根据权利要求1所述的卷积码盲识别方法，其特征在于，所述构建编码结构识别网络模型，利用编码结构识别训练集和编码结构识别验证集进行编码结构识别网络模型训练，得到参数最优的目标编码结构识别网络模型，包括：构建编码结构识别网络模型，利用编码结构识别训练集对所述编码结构识别网络模型进行训练，并利用编码结构识别验证集对所述编码结构识别网络模型进行参数调整，得到参数最优的目标编码结构识别网络模型。5.根据权利要求1所述的卷积码盲识别方法，其特征在于，所述构建编码序列起点识别网络模型，利用编码序列起点识别训练集和编码序列起点识别验证集对所述编码序列起点识别网络模型进行训练，得到参数最优的目标编码序列起点识别网络模型，包括：构建编码序列起点识别网络模型，利用编码序列起点识别训练集对所述编码序列起点识别网络模型进行训练，并利用编码序列起点识别验证集对所述编码序列起点识别网络模型进行参数调整，得到参数最优的目标编码序列起点识别网络模型。2CN115499103A权利要求书2/3页6.根据权利要求1所述的卷积码盲识别方法，其特征在于，所述获取待识别卷积码序列，利用参数最优的目标编码结构识别网络模型对待识别卷积码序列进行处理，得到编码结构识别结果，包括：获取待识别卷积码序列，对所述待识别卷积码序列进行处理，得到编码结构待识别数据样本；将所述编码结构待识别数据样本输入所述参数最优的目标编码结构识别网络模型，得到编码结构识别结果。7.根据权利要求1