一种顾及广义耦合暗信息的卷积码盲识别方法.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CN107566091A(43)申请公布日2018.01.09(21)申请号201711007139.9(22)申请日2017.10.24(71)申请人重庆电子工程职业学院地址401331重庆市沙坪坝区重庆大学城东路76号(72)发明人冉晟伊熊于菽柯亚莉(51)Int.Cl.H04L1/00(2006.01)权利要求书5页说明书10页附图2页(54)发明名称一种顾及广义耦合暗信息的卷积码盲识别方法(57)摘要本发明公开了一种顾及广义耦合暗信息的卷积码盲识别方法，主要研究的是(n，l，m)并行级联卷积码盲识别技术，属于信道编码盲识别技术领域，其技术方案如下：将接收码序列按不同长度进行分段，构建卷积码广义多项式暗信息的线性方程组，进行顾及广义耦合暗信息的并行级联卷积码校验向量盲估计，利用解向量与卷积码耦合多项式的校验关系，构建耦合多项式暗信息线性方程组，进一步计算得出卷积码耦合多项式。本发明对于高误码率具有较好的适应性，能识别并检测并行级联卷积码，适用于智能通信、信息处理等领域。CN107566091ACN107566091A权利要求书1/5页1.一种顾及广义耦合暗信息的卷积码盲识别方法，其特征在于，包含如下步骤：S1：将接收码序列按不同长度进行分段，构建卷积码广义多项式暗信息的线性方程组；S2：进行顾及广义耦合暗信息的并行级联卷积码检验向量盲估计；S3：利用解向量与卷积码耦合多项式的校验关系，构建耦合多项式暗信息线性方程组，进一步计算得出卷积码耦合多项式。2.如权利要求1所述的一种顾及广义耦合暗信息的卷积码盲识别方法，其特征在于，所述构建卷积码广义多项式暗信息的线性方程组过程如下：S11：并行级联卷积码盲识别的数学模型建立如下：1/n码率的卷积码代表的是将1路信息序列进行输入，并且使得n路编码序列能够输出，如果u(x)表示的是1/n码率卷积码的信息多项式，V(x)代表的是对应码子多项式矩阵，那么此时在环F2[x]上可通过下式来表示ju(x)＝u0+u1x+…+ujx+…V(x)＝[v1(x)v2(x)…vn(x)]gi(x)表示的是卷积码耦合多项式，是与每1路输出相对应的，此时可利用下式来代表G(x)，即耦合多项式矩阵G(x)＝[g1(x)g2(x)…gn(x)]上式中，m代表的是gi(x)具有的约束长度，而且此时对于所有的gi(x)来讲，具有相同的约束长度。基于上述过程能够得出V(x)＝u(x)·G(x)＝u(x)·[g1(x)g2(x)…gn(x)]＝[v1(x)v2(x)…vn(x)]码字的输出顺序为卷积码的校验多项式矩阵设为H(x)，H(x)为一个(n-1)×n的多项式矩阵其中K为校验多项式的最高阶数，K≤m。H(x)与G(x)满足G(x)·HT(x)＝0由式V(x)方程和上式可知V(x)·HT(x)＝u(x)·G(x)·HT(x)＝01/n码率卷积码的盲识别就是通过接收的来实现对校验矩阵H(x)的恢复，由此，即可获得G(x)，通过这种方式来获得卷积码译码。S12：根据S11最末的表达式，可以得到2CN107566091A权利要求书2/5页S13：若vi(x)对应的最高阶数K能够达到该校验关系的相关条件，那么此时就可将该多项式模型进行转化，获得二进制序列模型，即S14：将S13所得之式子进行转化3CN107566091A权利要求书3/5页3.如权利要求1所述的一种顾及广义耦合暗信息的卷积码盲识别方法，其特征在于，所述进行顾及广义耦合暗信息的并行级联卷积码检验向量盲估计的过程如下：根据S14所得式子的码子序列按照其输出路数其输出路数n，以及K进行排列，由此来得到对应的暗息矩阵，L＝n(K+1)表示的是在该方程组中需要求解的未知参数，其中的h属于一个0、1向量，对应的长度为L，S表示的为向量空间，将全0向量从中剔除，其大小为(2L-1)×L。从2L-1个向量依据S14式的要求，从中确定向量h，得到的h并不是唯一的，这就是卷积码校验向量。{hr}表示校验向量，将其他向量以{hw}表示，并且假设存在N个方程。TT若h∈{hw}，则h与暗信息向量的内积的概率为Pr[v·h＝0]＝0.5，Pr[v·h＝1]＝0.5，那么此时成立的方程个数是基本等于不成立的方程个数的，即都为N/2；但如果h∈{hr}，以ε来代表具有的卷积码误码率，以w表示校验向量重量，此时误码所出现的位置仅为该向量中对应元素为1的地方，而且如果个数为非偶数，则满足v·hT＝1，而在其他情况中，得到的较严峻结果将会为零、h中元素为1的位置所对应的方程暗信息中误码出现i个事件的可能性，概率水平以下式表示：所以方程不成立的概率为方程成立均值如下M＝N·(1-Pc)如果N取值是相对较大的，那么此时的二