法律状态公告日
法律状态信息
法律状态
2019-10-01
授权
授权
2017-01-04
实质审查的生效 IPC(主分类):H04L1/00 申请日:20160706
实质审查的生效
2016-12-07
公开
公开
技术领域
本发明涉及信道编码参数盲识别,具体为一种循环码编码参数的盲识别问题。
背景技术
近年来,信道编码盲识别是非合作信号处理领域的重要内容,在智能通信、信息对抗以及信息截获领域具有重要的作用。为了提高数据传输的可靠性,通常会采用信道编码技术,由于循环码检测随机或突发错误非常有效,且循环码的代数结构建立在有限域基础上,容易找到有效的编译码方法。在非合作通信中,研究如何根据截获码流识别出循环码编码参数具有十分重要的现实意义。
目前针对循环码参数盲识别的研究文献比较少,现有的分析方法通常使用解调输出的硬判决序列进行分析,文献“Jia-feng Wang.A method blind recognition ofcyclic generator polynomial,Wireless Communication Networking and MobileComputing,2010”假设码字长度已知,或者码字长度未知帧长度已知,对码字进行分组,采用欧几里得算法,实现二进制BCH码的盲识别。但是其必须知道一定的先验知识,在未知先验知识的情况下,计算量很大。事实上解调输出的软判决中不仅含有比特符号信息,而且包含了该符号的可靠度信息。文献“于沛东.一种利用软判决的信道编码识别新方法.电子学报,2013”,该方法利用解调输出的软判决信息,实现在低信噪比情况下,信道编码参数的盲识别。但是该方法应用在线性分组码上,候选校验数量很多,计算量很大,对计算机内存要求很高。因此,本专利提出了一种利用软判决的循环码参数盲识别算法。
发明内容
本发明所要解决的技术问题,针对现有技术存在的循环码参数估计计算量大,不能实现全盲识别,对计算机内存要求高等缺陷,提出了一种利用软判决 的循环码参数盲识别算法,解决了循环码参数盲识别的问题。该方法能够在较低的信噪比下识别出循环码参数,如码字长度、同步时刻、生成多项式。在估计循环码参数时,建立校验矩阵库,采用了校验矩阵匹配方法,可以达到在不降低识别性能的情况下减少运算量的目的。
本发明解决上述技术问题的技术方案是:一种利用软判决的循环码参数盲识别方法,其步骤在于,首先求出所有码字长度n和生成多项式为xn-1的因式对应的校验矩阵,放入校验矩阵库中;然后使用M2/M4估计器(the>
本发明利用一种软判决的方法对循环码参数进行盲估计,利用M2/M4估计器有效的估计信号的幅值以及噪声方差,利用循环码的性质建立校验矩阵库,使得校验矩阵库中的数量大大减少,通过在不同的码字长度和同步时刻,遍历校验矩阵中的校验矩阵,求其对应的校验子的后验概率的平均对数似然比,不仅充分利用了接收符号的有效信息,而且候选校验矩阵数量小,能够实现在较低信噪比情况下,对循环码参数的全盲识别,具有一定的工程应用价值。
附图说明
以下结合附图和具体实例,对本发明的实施作进一步的描述。
图1本发明码字长度和同步时刻盲识别方法的流程图;
图2本发明生成多项式识别方法的流程图;
图3本发明原循环码和新的循环码包含关系;
图4本发明基本的信号传输系统框图;
图5本发明不同的循环码在不同码字长度、同步时刻对应的平均对数似然比;
图6本发明循环码在n=30,t0=5时对应不同既约多项式对应的平均对数似然比;
图7本发明不同循环码识别的性能图。
具体实施方式
以下结合附图和具体实例,对本发明的实施作进一步的描述。
图1所示为本发明码字长度和同步时刻盲识别方法的流程图,具体步骤:
(1)建立校验矩阵库,具体方法为:将xn-1完全分解为既约多项式的乘积,假设有w个既约多项式,记作pi(x),1≤i≤w,则
(2)使用M2/M4估计器估计参数信号幅值av和噪声方差
(3)假设码字长度n,(取值为1到2n0-1),同步时刻d(取值为0到n-1),构造截获矩阵X,调用校验矩阵库中n对应的校验矩阵Hi1≤i≤w,计算其对应的校验子的后验概率的平均对数似然比Wi,1≤i≤w;
(4)取Wi,1≤i≤w的最大值L作为(n,d)对应的平均对数似然比,放入Q矩阵中(n,d)对应的位置;
(5)改变n、d的值,Q是一个2n×n的矩阵,求Q最大值对应的n、d,记作n′=n,d′=d;
(6)令n=2n′,d取值从0到n-1,构造截获矩阵X,调用校验矩阵库中n对应的校验矩阵Hi,1≤i≤w,计算其对应的校验子的后验概率的平均对数似然比;
(7)识别出码字长度
图2所示为本发明生成多项式识别方法的流程图,具体步骤:
(1)当
(2)当
(3)识别生成多项式重根的步骤:(a)将
图3所示为本发明原循环码与新循环码,及它们的对偶码空间包含关系。原循环码是指将生成多项式为g(x)=A(x)g′(x)生成的(n,k)循环码,新循环码是指生成多项式为g′(x)生成的(Mn,k),M=1,2,…循环码。新循环码对偶码空间是原循环码对偶码空间的子空间。这是因为循环码具有命题1和命题2的性质。
命题1如果ci(x),i=1,2,…是以g(x)=A(x)g′(x)为生成多项式生成的(n,k)循环码第i个码字,假设循环码(Mn,k),M=1,2,…以g′(x)为生成多项式对应的校验多项式为h′(x),那么[c1(x),…,cM(x)]h′(x)mod(xMn-1)=0,M=1,2,…,其中[c1(x),…,cM(x)]表示由M个码字构成的矩阵。
命题2如果c(x)是以g(x)生成多项式生成的(n,k),n=2n1循环码码字,如果
由命题1可知,若循环码满足命题2条件,则对于
>
式中,
[c1(x),…,cM(x)]h″(x)mod(xMn-1)=0,M=1,2,…(2)
图4所示为基本的传输模型系统框图。定义集合Ζ2={0,1},Β2={-1,1}。bi表示第i个码字的k个信息位,记作
Xij=avsij+wij,j=0,1,…,n-1(3)
其中,av是幅度增益,wij服从正态分布
当且仅当H∈C⊥时,则C、H满足奇偶校验等式为:
CHT=0(4)
式中,C是N×n的矩阵,H是m×n的矩阵,0是N×m的全零矩阵。定义Ci,1≤i≤N表示C的第i行向量,记作Ci=[Ci1,Ci2,…,Cij,…,Cin],1≤j≤n,Ha,1≤a≤m表示H的第a行向量,记作Ha=[Ha1,Ha2,…,Haj,…,Han],1≤j≤n。则有
>
如果Ha包含Na个非零元素,非零元素的下标向量为
>
则式(5)可以化为
>
因为发送端发送0的概率与发送1的概率相等,则有
>
并且根据文献“Tian xia.novel blind identification of LDPC codes usingaverage LLR of syndrome a posteriori probability.IEEE Transactions on SignalProcessing,2014”可知:
>
则第i个码字的第a个奇偶校验位的后验概率对数似然比为:
因为y=tanh-1(x),在-1<x<1是单调增函数,且
根据似然比的定义,以及式(11),当H∈C⊥时,校验的后验概率的对数似然比
则当H∈C⊥时,W大于0小于等于1;当
根据式(3)得到的系统模型,可知:
>
式中,y=L(x)表示y是x的对数似然比。由(11)、(12)、(13)联合可得到校验子的后验概率的对数似然比,但是av和
根据M2/M4估计器估计av和
Xij=avsij+wij,j=0,1,…,n-1(14)
则接收信号Xij的二阶矩:
>
接收信号Xij的四阶矩:
>
由式(15)和式(16)联合可得:
>
>
实际上,M2和M4可由接收信号的第i个码字估计,即:
>
>
文中估计av和
图5所示为本发明不同的循环码在不同码字长度、同步时刻对应的对数似然比;其中,(a)表示生成多项式g0(x)=(x2+x+1)(x4+x+1)的(15,9)循环码;(b)表示生成多项式g0(x)=(x15+1)(x2+x+1)(x4+x+1)的循环码(30,9);(c)表示生成多项式g0(x)=(x2+x+1)(x4+x+1)的(30,24)循环码;其均在信噪比SNR=10db的信道中传输,截获时的同步时刻t0=5。x轴表示同步时刻,y轴表示码字长度,z轴为取不同码字长度、同步时刻构造截获矩阵时,调用码字长度对应校验矩阵库中的校验矩阵,得到校验子的后验概率的平均对数似然比的最大值,记作L。
由(a)可知,对于循环码(15,9),当n=15α,α=1,2,3,d=5时,L的值最大;当n=15α,α=1,2,3,d≠5时,L大于
根据命题1可知,当循环码不满足命题2条件,即n0=2n1,
但是根据图5无法正确识别出码字长度和同步时刻,还需要做进一步的实验判断。
图6所示为本发明循环码在n=30,t0=5时对应不同既约多项式对应的平均对数似然比。(a)为生成多项式g0(x)=(x2+x+1)(x4+x+1)的(15,9)循环码;(b)表示生成多项式g0(x)=(x15+1)(x2+x+1)(x4+x+1)的循环码(30,9);x轴代表既约多项式序号1~5分别为p1(x)=x+1,p2(x)=x2+x+1,p3(x)=x4+x+1,p4(x)=x4+x3+1,p5(x)=x4+x3+x2+x+1;y轴代表同步时刻,取值从0到29;z轴为L的值,假设d=0,g(x)=p1(x),代表以n=30,d=0构造的截获矩阵X,调用校验矩阵库中p1(x)对应的校验矩阵,得到的校验子的后验概率的平均对数似然比。
由(a)可以看出,当g(x)=p2(x),或g(x)=p3(x),且d=5,或d=20时,L>2(x),或g(x)=p3(x),但d≠5,或d≠20时,L大于等于
图7所示为本发明采用文中算法对不同循环码识别的性能图。(a)是生成多项式为g0(x)=(x2+x+1)(x4+x+1)的(15,9)循环码;(b)是生成多项式为g0(x)=(x2+x+1)(x4+x+1)的(30,24)循环码;采用文中算法进行码字长度、同步时刻和生成多项式的识别,按照信噪比从-5db到10db,步长为1,200次蒙特卡洛的仿真结果,其中参数选取为N=200,T=0.25。
从(a)可以看出,循环码(15,9)在信噪比为3db时,码字长度、同步时刻的正确识别率能达到80%;信噪比为5db时,生成多项式的正确识别率能达到90%以上。循环码(30,24)在信噪比为5db时,码字长度、同步时刻的正确识别率能达到75%以上,信噪比为7db时,生成多项式的正确识别率能达到100%。码字长度越长,抗噪声性能越差,且文中算法具有良好的抗噪声性能。
机译: 用于数据总线的配置和消息优先级分配的方法,该算法使用一种考虑信号参数以自动分配消息参数的算法,该算法在汽车中用于链接传感器
机译: “财产识别方法”(“ PIM”)是一种新颖的算法,通过该算法,可以通过对文件(如市议会/房屋价格通知)进行图像处理来创建房地产管理局和/或产权转让数据。本发明建立了一种独特的算法,该算法结合了诸如深度学习分段和计算机视觉之类的技术来解码属性信息。该应用程序利用以某种方式配置的计算机实现的技术,以使运输商和房地产经纪人能够自动创建客户端文件。
机译: 利用已解码比特和接收数据通过卫星系统的下一代数字视频广播-返回通道的低计算量软判决E-BCH解码算法