一种高误码下非系统卷积码编码参数的盲识别方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN110098839A(43)申请公布日2019.08.06(21)申请号201910205451.1(22)申请日2019.03.18(71)申请人西安电子科技大学地址710071陕西省西安市太白南路2号西安电子科技大学(72)发明人李丹阳陈健赵慧康(74)专利代理机构西安长和专利代理有限公司61227代理人黄伟洪(51)Int.Cl.H03M13/23(2006.01)G06F17/16(2006.01)权利要求书3页说明书8页附图9页(54)发明名称一种高误码下非系统卷积码编码参数的盲识别方法(57)摘要本发明属于无线通信技术领域，公开了一种高误码下非系统卷积码编码参数的盲识别方法，包括将卷积码比特流排列成L×l的分析矩阵，识别出码长n；将卷积码比特流按照码长n构建分析矩阵，识别信息位长度k；将卷积码比特流按照码长n构建分析矩阵，利用与校验向量的线性约束关系识别校验向量；对于系统卷积码，遍历寄存器长度m，对校验序列重新排列并与m+1维的向量空间做卷积运算，进行高斯变换，得到系统卷积码的生成矩阵和寄存器长度m；对于非系统码，利用校验矩阵建立方程组，解方程然后筛选得到非系统码的最优生成矩阵和寄存器长度m。本发明较好地克服了高误码情况下卷积码编码参数的盲识别问题，可用于智能通信、通信侦查和通信对抗等领域。CN110098839ACN110098839A权利要求书1/3页1.一种高误码下非系统卷积码编码参数的盲识别方法，其特征在于，所述高误码下非系统卷积码编码参数的盲识别方法包括以下步骤：第一步，将卷积码比特流排列成L×l的分析矩阵，根据编码器编码与信息码字的相关性，识别出码长n；第二步，将卷积码比特流按照码长n构建分析矩阵，根据编码码字间相关性识别信息位长度k；第三步，将卷积码比特流按照码长n构建分析矩阵，利用卷积码比特流与校验向量的线性约束关系识别校验向量；第四步，对于系统卷积码，遍历寄存器长度m，对校验序列进行重新排列并与m+1维的向量空间做卷积运算，进行高斯变换，提取对角元素即可得到生成多项式矩阵和寄存器长度m；第五步，对于非系统卷积码，根据校验向量，利用生成矩阵和校验矩阵的线性约束关系可得到生成矩阵集合，之后通过最优准则筛选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所述的高误码下非系统卷积码编码参数的盲识别方法，其特征在于，所述第一步将卷积码比特流排列成L×l的分析矩阵，根据编码器编码与信息码字的相关性，识别出码长n具体包括：(1)对l进行遍历，其中l为可能的码长值，范围为2～25；若l不是2～8的倍数，则进入(6)，否则进入(2)；(2)将得到的卷积码信息比特流Cs排列成L×l的分析矩阵RL×l，令L＝1000为分析矩阵的行数；l(3)建立1×2维的全零矩阵v，将RL×l的行转换成对应的十进制，v对应的十进制位置上记录该数出现的次数；(4)将v进行快速Walsh变换，得到最大Walsh谱峰值归一化得Vlmax；(5)若满足Vlmax＞max(γ,d1h)，继续判断f＝0，f＝l-1，Vmax＞d2h，若存在条件成立，则令f＝l,h＝Vlmax，进入(6)；若均不成立，有n＝l-f，完成码长n的识别，算法结束；(6)令l＝l+1，返回(1)。3.如权利要求1所述的高误码下非系统卷积码编码参数的盲识别方法，其特征在于，所述第二步将卷积码比特流按照码长n构建分析矩阵，根据编码码字间相关性识别信息位长度k具体包括：(1)在二元域上，接收到的卷积码比特流Cs＝{C1,C2,…Ci,…}，其中Ci＝(ci,0,ci,1,…,ci,n-1)表示第i时刻输出的n个比特信息；(2)建立分析矩阵识别模型将卷积码比特流Cs信息依次放入识别模型中，构造初始分析矩阵组Y＝{y1,y2,…yNu}，其中列数s为45除以码长n取整，分析矩阵组的个数Nu为卷积码码字长度除以s取整；(3)依次对初始分析矩阵组中的矩阵求秩，选取秩最小的矩阵构成分析矩阵组Y'＝2CN110098839A权利要求书2/3页{y′1,y′2,…}；(4)依次对分析矩阵组Y'＝{y′1,y′2,…}的分析矩阵y′i，进行初等行变换处理，将其对角元素放入对角元素矩阵中；(5)对角元素矩阵O各行相加归一化，并向下取整，得到矩阵O'＝{o′1,o′2,…,o′ns}；(6)将O'重新排列为列数为n的信息矩阵，并删除信息矩阵中全为0和全为1的行，得到矩阵O”，然后对其进行累加求和归一化，得到一个长度为n的向量，向下取整，得到向量E＝{e1,e2,…,en}，E中1的个数即为信息位长度k。4.如权利要求1所述的高误码下非系统卷积码编码参数的盲识别方法，其特征在于，所述第三步将卷积码比特流按照码长n