CN102244555A - 一种Turbo码编码参数的盲识别方法 - Google Patents

Abstract

本发明公开了一种Turbo码编码参数的盲识别方法。该方法通过线性变换在确定Turbo码输出码长和输出码字起始点后，通过构造将Turbo码中的交织分析转化为背景技术中所述的“卷积码+交织”模式，最终完成Turbo码的盲识别。本发明较好地解决了Turbo码输出码长确定，输出码字起始点确定，“卷积码+交织”模式构造等问题，仅通过通信内容即可实现Turbo码码编码参数的盲识别，具有算法简捷，过程清晰，识别速度快等特点。本发明适用于智能通信、信息处理等领域。

Description

一种Turbo码编码参数的盲识别方法

技术领域

本发明涉及数字通信系统中一种Turbo码编码参数的盲识别方法，适用于智能通信、信息处理等领域。

背景技术

Turbo码在现代通信中应用非常广泛，随着数字通信技术的发展，越来越多的领域都会产生对Turbo码盲识别技术的需求，Turbo码盲识别技术已成为当今通信研究的前沿领域。

Turbo码的结构如图1所示，图1中(a)为其一般编码结构，常用的经典结构为图1中的(b)所示，图1中(b)的编码器主要由两个递归循环卷积编码(RSC)并行级联而成，卷积编码器之间用交织器相连，一般情况下，各RSC的编码结构相同。

针对1/2码率的卷积码，现有技术中已经有不少盲识别的方法。中国专利CN101557233A于2009年10月14日公开了一种容误码的卷积码编码参数盲识别方法，具体公开了一种基于Walsh-Hadamard矩阵的盲识别法。该方法对待识别编码参数构造二元域的线性方程，然后通过对方程组做Walsh-Hadamard变换来求解容错线性方程进而识别该卷积码的编码参数，仅通过通信内容实现卷积码编码参数的盲识别。中国专利CN1713559A于2005年12月28日公开了一种容误码的通信信道编码参数盲识别方法，具体公开了一种基于BM快速合冲法的盲识别方法，该方法通过对关键方程进行推广，构造了一个齐次关键模方程。并用域F上的两个变元的多项式环的齐次理想刻画该方程的解空间，证明了齐次关键模方程可以用来解决卷积码的盲识别问题，利用该方法得到二元多项式齐次理想Grobner基的快速算法，给出了求解齐次关键模方程的快速算法。

Turbo码中由于使用了交织器，故对编码数据要按帧处理。针对“卷积码+交织”模式中卷积码和交织的识别分析，曾静在其2005年电子科技大学的硕士学位论文“VSAT网盲监测系统的开发”中介绍了一种分析方法，该方法通过线性变换在确定交织帧长度和交织起点后，经数学分析得出卷积码编码参数，在确定卷积码编码参数的基础上继续对交织关系进行分析。因为交织只是改变码元顺序，交织后的卷积码码元之间仍然有一定的约束关系，通过矩阵的初等变换，仍然能得到码元之间的关系方程。对于交织前后的约束方程而言，只是改变参数的位置，不会改变方程中参数的个数，通过前后方程的对比可找出交织的规律，从而确定交织关系。

但对于并行级联卷积码结构的Turbo码，由于Turbo码中的交织位置位于子编码器RSC之前，而非一般的“卷积码+交织”模式中位于卷积码之后，目前尚未见有关Turbo码盲识别方面的资料，本发明主要解决Turbo码的盲识别问题。

发明内容

本发明所要解决的技术问题是提出一种运算复杂度低，适用面广的Turbo码编码参数的盲识别方法。本发明方法通过线性变换在确定Turbo码输出码长和输出码字起始点后，对矩阵进行分析，确定子编码器RSC的生成多项式；再通过构造将Turbo码中的交织分析转化为背景技术中所述的“卷积码+交织”模式，最终完成Turbo码的盲识别。

为了解决上述技术问题，本发明提供的Turbo码编码参数的盲识别方法，包括如下步骤：

①选取合适长度序列作为识别序列，确定将要排列的矩阵行数p，p大于Turbo码的编码约束度N；

②取定列数最大值和最小值，按列数变化将数据序列排成矩阵形式，对矩阵进行初等变换，计算各矩阵的秩，并记下单位化后左上角单位阵的维数，确定Turbo码输出码长n；

③设N′为②中的一个较小留存值，以N′为基取若干个列数，行数大于列数即可；将码序列进行移位，对各矩阵分别求秩，记下n种移位情况(无移位和n-1种不同移位)时不同维数下矩阵的秩，分析确定Turbo码的输出起始点；

④从③中分析的Turbo码起始点开始，取Turbo码的信息序列和第1路校验序列组合成待识别的1/2卷积码识别序列，对该新序列进行1/2码率的卷积码识别，得到Turbo码中RSC的编码器生成多项式；

⑤从③中分析的Turbo码起始点开始，取Turbo码的信息序列和含交织的校验序列，通过分析模型，构造成“卷积码+交织”模式；

⑥利用“卷积码+交织”模式的识别分析法分析构造序列的交织长度，交织起点及交织关系。

优选地，本发明上述Turbo码编码参数的盲识别方法中，Turbo码输出码长的确定：对1/n码率，码长为n的Turbo码所构成的p×q矩阵(p＞q，q＞N)，若q为n的整数倍，则单位化后其左上角单位阵的维数相等，且此时矩阵的秩不等于列数q。

优选地，本发明上述Turbo码编码参数的盲识别方法中，Turbo码输出起始点的确定：对1/n的Turbo码所构成的p×q矩阵(p＞q，q＞N)，若q为n的整数倍，如Turbo码输出分组起点与矩阵每行起点重合，则单位化后其左上角单位阵的维数最小。

优选地，本发明上述Turbo码编码参数的盲识别方法中，Turbo码中卷积码识别序列的确定：取Turbo码的信息序列和第1路不含交织的校验序列进行组合即可得到1/2码率卷积码序列。

优选地，本发明上述Turbo码编码参数的盲识别方法中，“卷积码+交织”分析序列的确定：取Turbo码的信息序列和含交织的校验序列组合即可得“卷积码+交织”模式的分析序列。

本发明方法通过线性变换在确定Turbo码输出码长和输出码字起始点后，通过构造将Turbo码中的交织分析转化为背景技术中所述的“卷积码+交织”模式，最终完成Turbo码的盲识别。本发明较好地解决了Turbo码输出码长确定，输出码字起始点的确定，“卷积码+交织”模式构造等问题。仅通过通信内容即可实现Turbo码码编码参数的盲识别，具有算法简捷，过程清晰，识别速度快等特点。

附图说明

图1为本发明Turbo码的一般结构图。

图2为本发明Turbo码编码参数盲识别的基本流程图。

图3为本发明Turbo码输出码长确定流程图。

图4为本发明Turbo码输出码字起点确定流程图。

图5为本发明Turbo码中RSC编码器结构图。

图6为本发明Turbo码中的“卷积码+交织”分析模型示意图。

具体实施方式

下面结合附图和具体实施例，进一步阐述本发明。这些实施例应理解为仅用于说明本发明而不用于限制本发明的保护范围。在阅读了本发明记载的内容之后，本领域技术人员可以对本发明作各种改动或修改，这些等效变化和修饰同样落入本发明权利要求所限定的范围。

本发明以下优选实施例旨在提出一种便于实现的Turbo码盲识别方法，在确定Turbo码输出码长和输出码字起点后，通过构造将Turbo码中的交织分析转化为背景技术中所述的“卷积码+交织”模式，最终完成Turbo码的盲识别。

如图2所示，本发明优选实施例提供的Turbo码编码参数的盲识别方法，包括如下步骤：

①选取合适长度序列作为识别序列，确定将要排列的矩阵行数p，p大于Turbo码的编码约束度N；

本实施例中为了保证②中Turbo码输出码长确定的有效性，矩阵行数p应大于Turbo码的编码约束长度N。

②取定列数最大值和最小值，按列数变化将数据序列排成矩阵形式，对矩阵进行初等变换，计算各矩阵的秩，并记下单位化后左上角单位阵的维数，确定Turbo码输出码长n；

本实施例中将数据序列排成p行q列的矩阵形式，其中q＞N，p＞q，对每个矩阵进行初等变换，计算并记下其秩和单位化后左上角单位阵的维。确定本实施例中Turbo码输出码长的定理1为：对1/n码率，码长为n的Turbo码所构成的p×q矩阵(p＞q，q＞N)，若q为n的整数倍，则单位化后其左上角单位阵的维数相等，且此时矩阵的秩不等于列数q。

对定理1的证明如下：对1/n码率，码长为n的Turbo码，从后面④中对RSC模型的分析可知，其信息序列和不含交织的校验序列就是普通1/2卷积码的输出。对含交织的校验序列，则和此卷积码无关，对整个1/n码率的Turbo码输出序列，如以n的倍数为矩阵列数排列矩阵，单位化后其矩阵之秩必不为矩阵列数。当Turbo码排成p×q矩阵(p＞q，q＞N)，若q为n的整数倍，对p×q矩阵而言，每行至少存在1个位置完全对齐的完整Turbo码组，此时矩阵的秩必定小于q。同理，当q与n没有倍数关系时，每行要么不存在完整的编码约束长度内码组，要么虽然存在完整的Turbo码组，但其位置却是没对齐的，对矩阵而言，就是各列线性无关，其秩必然为列数q。

故只需对留存的列值取最大公约数即可得到Turbo码的码长n和码率1/n。

如图3所示即为Turbo码输出码长确定流程图。

③设N′为②中的一个较小留存值，以N′为基取若干个列数，行数大于列数即可。将码序列进行移位，对各矩阵分别求秩，记下n种移位情况(无移位和n-1种不同移位)时不同维数下矩阵的秩，分析确定Turbo码的输出起始点；

本实施例中确定Turbo码输出起始点的定理2为：对1/n Turbo码所构成的p×q矩阵(p＞q，q＞N)，若q为n的整数倍。如Turbo码输出分组起点与矩阵每行起点重合，则单位化后其左上角单位阵的维数最小。

对定理2的证明如下：对p×q矩阵(p＞q，q＞N)而言，当q为n倍数时，每行码组内位置必定是一一对齐的，若矩阵的每行起点恰好为的Turbo码的起点，则每行从起点开始必存在最多个完整的Turbo码组，这样单位化后其左上角单位阵的维数必定最小。

故当记下矩阵移位的n种情况(无移位和n-1种不同移位)时，则当各矩阵中左上角单位阵维数最小时的移位即为的Turbo码的起点。

如图4所示即为的Turbo码输出起始点确定流程图。

④从③中分析的Turbo码起始点开始，取Turbo码的信息序列和第1路校验序列组合成待识别的1/2卷积码识别序列，对该新序列进行1/2码率的卷积码识别，得到Turbo码中RSC的编码器生成多项式；

本实施例中考虑Turbo码中RSC的一般编码结构，如图5所示。由图可以看出，该码为一个系统码，包含反馈结构，该反馈结构保证了RSC较之于一般的卷积码记忆性更长。

从图中可以看出编码器的生成多项式：

g₁＝{g₁₀，g₁₁，L，g_1(m-1)，g_1m}    (1)

g₂＝{g₂₀，g₂₁，L，g_2(m-1)，g_2m}    (2)

其中g₁₀指加法器前的支路，总为1；g₂₀指加法器和第一个寄存器之间的节点。

对于该系统码，RSC中寄存器的内容受g₁的影响，设RSC的输入数据为d_k，加法器后的节点数据为u_k，当对信息数据进行编码时：

$x_k^1=d_k---\left(3\right)$

$u_k=d_k+\underset{i=1}{\overset{m}{\mathrm{\Σ}}}{g}_{1i}{u}_{k-i}\mathrm{mod}2---\left(4\right)$

$x_k^2=\underset{i=0}{\overset{m}{\mathrm{\Σ}}}{g}_{2i}{u}_{k-i}\mathrm{mod}2---\left(5\right)$

对图5中的虚线框内部分，如将u_k看作输入，则虚线框内的部分就是普通卷积码的某支路。对式(4)和式(5)，重新列如下：

$d_k=u_k+\underset{i=1}{\overset{m}{\mathrm{\Σ}}}{g}_{1i}{u}_{k-i}\mathrm{mod}2---\left(6\right)$

$x_k^2=g_{20}{u}_k+\underset{i=1}{\overset{m}{\mathrm{\Σ}}}{g}_{2i}{u}_{k-i}\mathrm{mod}2---\left(7\right)$

从上两式可以看出，如以u_k为输入，以d_k和为输出，则上两式所表示的关系就是码率为1/2的普通卷积码的输出。

故从③中分析的非归零Turbo码起始点开始，可得如下确定Turbo码中卷积码识别序列的定理3：取非归零Turbo码的信息序列和第1路不含交织的校验序列组合即可得1/2码率卷积码序列。

由此自然可应用前面背景技术中所述的1/2码率卷积码的识别分析方法，从而得到Turbo码中RSC的编码器生成多项式。

⑤从③中分析的Turbo码起始点开始，取Turbo码的信息序列和含交织的校验序列，通过分析模型，构造成“卷积码+交织”模式。

本实施例中考虑图1中(b)的Turbo码结构，将输出信息序列u和RSC2的校验序列X₂组合得到新的输出序列v。如将RSC2看成一个1/2码率的普通卷积码编码器，将RSC2加法器后的节点数据u_k′作为RSC2卷积编码器的输入，那么该卷积编码器的输出应为交织序列u′和RSC2的校验序列X₂。如对u′和X₂复用后的序列进行交织长度扩大一倍，且偶数位为X₂，对奇数位u′的交织采用Turbo码交织器中的逆置换关系(即解交织)。那么经逆交织置换后的输出序列就是Turbo码输出中对信息序列u和校验序列X₂进行组合得到序列v。

如图6所示即为的Turbo码的“卷积码+交织”分析模型示意图。

由图6可知，新建立的分析模型就是背景技术中所述的“卷积码+交织”模式，而非“交织+卷积码”模式。

⑥利用“卷积码+交织”模式的识别分析法分析构造序列的交织长度，交织起点及交织关系。

本实施例中在取信息序列u和校验序列X₂进行组合得到“卷积码+交织”模式序列v后，即可利用背景技术中所述的“卷积码+交织”模式识别分析法对RSC和交织作进一步的识别分析。要指出的是对于此处的交织，其偶数位不置换，如将奇数位抽出组成一个子交织序列，则其置换关系为Turbo码中交织器的逆置换(即解交织)。

本发明所涉及的数学符号均为本技术领域常用符号。

Claims (5)

1.一种Turbo码编码参数的盲识别方法，其特征在于，该方法包括如下步骤：

①选取合适长度序列作为识别序列，确定将要排列的矩阵行数p，p大于Turbo码的编码约束度N；

②取定列数最大值和最小值，按列数变化将数据序列排成矩阵形式，对矩阵进行初等变换，计算各矩阵的秩，并记下单位化后左上角单位阵的维数，确定Turbo码输出码长n；

③设N′为②中的一个较小留存值，以N′为基取若干个列数，行数大于列数即可；将码序列进行移位，对各矩阵分别求秩，记下n种移位情况时不同维数下矩阵的秩，分析确定Turbo码的输出起始点；

④从③中分析的Turbo码起始点开始，取Turbo码的信息序列和第1路校验序列组合成待识别的1/2卷积码识别序列，对该新序列进行1/2码率的卷积码识别，得到Turbo码中RSC的编码器生成多项式；

⑤从③中分析的Turbo码起始点开始，取Turbo码的信息序列和含交织的校验序列，通过分析模型，构造成“卷积码+交织”模式；

⑥利用“卷积码+交织”模式的识别分析法分析构造序列的交织长度，交织起点及交织关系。

2.根据权利要求1所述方法，其特征在于，Turbo码输出码长的确定：对1/n码率，码长为n的Turbo码所构成的p×q矩阵，p＞q，q＞N，若q为n的整数倍，则单位化后其左上角单位阵的维数相等，且此时矩阵的秩不等于列数q。

3.根据权利要求1所述方法，其特征在于，Turbo码输出起始点的确定：对1/n的Turbo码所构成的p×q矩阵，p＞q，q＞N，若q为n的整数倍。如Turbo码输出分组起点与矩阵每行起点重合，则单位化后其左上角单位阵的维数最小。

4.根据权利要求1所述方法，其特征在于，Turbo码中卷积码识别序列的确定：取Turbo码的信息序列和第1路不含交织的校验序列进行组合即可得到1/2码率卷积码序列。

5.根据权利要求1所述方法，其特征在于，“卷积码+交织”分析序列的确定：取Turbo码的信息序列和含交织的校验序列组合即可得“卷积码+交织”模式的分析序列。

Images