CN103236900A - 一种串行级联Turbo码交织器参数盲估计方法 - Google Patents

Abstract

本发明一种串行级联Turbo码交织器参数盲估计方法，包括：前段交织器参数π_k（k=1,...,n₀）估计步骤：在矩阵C_π中找出相关程度大于门限thr的n₀列，判定交织前第1至n₀列在交织之后分别依次对应相关程度大于门限thr的n₀列的对应位置

后段交织器参数π_k,k=n₀+1,n₀+2,...,N估计步骤：对

进行编码，得到估计校验位

计算估计校验位C^tempi,i=2,...,n₀与C_π中校验位的相关程度η，当相关程度大于等于门限thr，则判定当前交织参数估计正确，否则，更新交织器参数，直至得到所有交织关系。本发明能够实现对SCCC Turbo码交织器参数盲估计，且搜素次数少，计算简单。

Description

一种串行级联Turbo码交织器参数盲估计方法

技术领域

本发明涉及信道编码处理技术，特别涉及Turbo码识别技术。

背景技术

为纠正传输过程中引入的错误，信道编码常用于通信领域中。当接收端对通信信号解调、解交织后，还需要进行解码，若能在接收端进行数据盲处理获得编码参数，则可提高系统效率，况且在一些特殊的领域并不能得到编码参数。如在非合作通信中要在非授权接入的情况下正确提取有用信息则必须正确估计编码参数，才能恢复更多的信息数据，为信号探测提供可靠信息，具有重要的实际应用价值。而Turbo码作为一种使用了交织器的级联码，由于其特殊的结构，使其具有码字近似随机、由短码构造长码、迭代译码接近最大似然译码的香农信道编码定理的条件的特性，更是广泛应用到移动通信、深空通信等领域，因此对Turbo码的参数盲估计就更有现实意义。

串行级联卷积SCCC Turbo码结构如图1所示。信息序列m经过分量码外编码器编码得到编码序列C，经过交织器后得到C_π。C与C_π同大小，C_π再经过分量码内编码器得到V。SCCC Turbo码的分量码内外编码器通常是选择使其编译码性能达到最优的系统递归卷积码RSC，通常内外编码器的生成多项式相同。对接收到的SCCC Turbo码序列，首选需要对其进行分量码内编码器的估计，即RSC的估计。RSC仍是卷积码，所以可以对其用卷积码的方式估计得到内编码器信息。得到分量码内编码器信息后，则可以通过卷积码的译码方法——维特比译码方法译码，得到解码数据，即是交织后的数据C_π。之后，需要估计交织器参数π=π₁,...,π_N，π_i∈π，i=1,2,...,N，π_i表示编码序列C中第i位经过交织之后的位置，N为交织器长度。通过交织器估计方法得到交织器参数，解交织得到外编码器编码数据C，最后译码得到信息序列m。

Turbo码的交织器具有奇偶性的特点，即交织前后奇偶位置不变，这使得Turbo的编译码器具有相同的结构，使译码复杂度大大降低。目前对Turbo码参数估计主要是对其并行级联结构（PCCC Turbo）码的参数估计，而针对其串行级联结构串行级联Turbo码（SCCC Turbo码）的参数估计还没有公开发表的文献。研究SCCC Turbo参数估计方法的困难主要在于无法估计出随机交织器的交织参数，原因是无法得到交织之后的数据与外编码器和交织器参数的关系。另外，如对信道编码参数的估计需要实时性，则还要考虑估计方法的复杂度。

发明内容

本发明所要解决的技术问题是，提供一种SCCC Turbo码交织器参数盲估计方法。

本发明为解决上述技术问题所采用的技术方案是，一种串行级联Turbo码交织器参数盲估计方法，包括以下步骤：

一、预处理步骤：接收到M帧二进制含噪数据流V，估计得到SCCC Turbo码码长n、分量码码长n₀以及分量码内编码器RSC的生成多项式G；根据分量码内编码器生成多项式G，对接收数据流V进行维特比译码得到译码后的矩阵C_π，C_π的大小为M行N列，N表示一帧数据译码后的长度，C_π矩阵中包含N/n₀列的信息位，(N(n₀-1))/n₀列的校验位；

二、前段交织器参数π_k（k=1,...,n₀）估计步骤：在矩阵C_π中找出相关程度大于门限thr的n₀列，判定交织前第1至n₀列在交织之后分别依次对应相关程度大于门限thr的n₀列的对应位置

π_k表示输入交织器的序列第k位经过交织之后的位置；

三、后段交织器参数π_k,k=n₀+1,n₀+2,...,N估计步骤：

子步骤1、初始化交织参数：indx=n₀+1，indx_itlv_ifm=1，indx_itlv_par_i=i，i=2,...,n₀，其中indx表示信息位交织前的位置，indx_itlv_ifm表示信息位交织之后的位置，indx_itlv_par_i表示校验位交织之后的位置；

子步骤2：根据生成多项式G对

进行编码，得到估计校验位计算估计校验位C^tempi,i=2,...,n₀与C_π中校验位的相关程度η，η=R^pari/dim(C_π)，dim表示取矩阵的列数，当相关程度大于等于门限thr，则判定当前交织参数估计正确，保存当前交织器参数indx→indx_itlv_ifm，indx+i-1→indx_itlv_par_i,i=2,...,n₀，即π_indx以及π_indx+i-1，之后，进入子步骤4，→表示交织前位置与交织后位置的映射关系，否则，进入子步骤3；

子步骤3、更新交织器参数indx_itlv_par_i=indx_itlv_par_i+1，indx_itlv_ifm=indx_itlv_ifm+1，indx=indx+1，之后返回子步骤2；

子步骤4、判断是否满足indx=N，如是，得到所有交织关系，完成交织器参数估计，否则，以n₀为步长更新交织参数indx=indx+n₀，indx_itlv_ifm=indx_itlv_ifm+n₀，indx_itlv_par_i=indx_itlv_par_i+n₀，i=2,...,n₀，之后返回子步骤2。

本发明的有益效果是，能够实现对SCCC Turbo码交织器参数盲估计，且搜素次数少，计算简单。

附图说明

图1：串行级联卷积SCCC Turbo码结构图。

具体实施方法

本发明具体实施步骤如下：

1、截获一段包含M帧数据的二进制含噪数据流V，估计得到SCCC Turbo码码长为n，分量码码长均为n₀；用卷积码参数估计方法得到分量码内编码器RSC的生成多项式G；

2、根据分量码内编码器生成多项式G，对数据流V进行维特比译码得到矩阵C_π。其中C_π的大小为M行N列，N表示一帧数据译码后的长度，C_π矩阵中，有

列的信息位，列的校验位；以上对Turbo码码长、分量码码长、生成多项式G的估计以及维特比译码得到矩阵C_π的方法均为现有成熟技术，本文不在此赘述；

3、编码器的初始状态为全零状态，则第一个码字的信息位与校验位是相同的，利用此特点，找到C_π中相关程度大于门限thr的n₀列，即n₀列对应的位置第

列在交织之前分别位于第1,2,...,n₀列，交织关系为： $\begin{array}{c}1\→{\mathrm{\π}}_1\\ 2\→{\mathrm{\π}}_2\\ M\\ n_0\→{\mathrm{\π}}_{n_0}\end{array},$ 至此估计出前段交织器参数π_k（k=1,...,n₀），π_k表示输入交织器的序列第k位经过交织之后的位置；

4、估计后段交织器参数π_k,k=n₀+1,n₀+2,...,N：

4-1、参数设置：indx表示信息位交织前的位置，根据交织器的保奇偶性设置indx=n₀+1:n₀:N，即设置循环变量indx的初值为n₀+1，步长为n₀，终值为N；indx_itlv_ifm表示信息位交织之后的位置，设置indx_itlv_ifm=1:n₀:N，即设置循环变量indx_itlv_ifmindx的初值为1，步长为n₀，终值为N；indx_itlv_par_i为校验位交织之后的位置，根据一帧数据中1位信息位后第2至n₀位为校验位的规律设置indx_itlv_par_i=i:n₀:N，i=2,...,n₀，当n₀为2时，1位信息位后跟1位校验位；

4-2根据生成多项式G对

进行编码，得到估计校验位

计算估计校验位C^tempi,i=2,...,n₀，与C_π中校验位作相关得到相关函数R^pari，

i=2,...,n₀，函数E表示求期望；根据相关函数R^pari求两序列的相关程度η，η=R^pari/dim(C_π)，dim表示取矩阵的列数。若接收序列无误码且交织参数估计正确时η=1，否则η=0。若存在误码，则0≤η≤1。因此设置门限thr，当η大于等于门限时，则当前交织参数估计正确，保存当前交织器参数indx→indx_itlv_ifm，indx+i-1→indx_itlv_par_i,i=2,...,n₀，即π_indx以及π_indx+i-1，→表示交织前位置与交织后位置的映射关系，进入4-4，否则，进入4-3；

4-3、更新交织器参数indx_itlv_par_i=indx_itlv_par_i+1，indx_itlv_ifm=indx_itlv_ifm+1，indx=indx+1，之后返回4-2；

4-4、判断是否满足indx=N，如是，得到所有交织关系π_k,k=1,2,...,N，且由于内外编码器的生成多项式相同，均为G，即完成了SCCC Turbo的参数盲识别，否则，以n₀为步长更新交织参数indx=indx+n₀，indx_itlv_ifm=indx_itlv_ifm+n₀，indx_itlv_par_i=indx_itlv_par_i+n₀，i=2,...,n₀，之后返回4-2。

实施例：

以分量码为生成多项式G=[7 5]的1/2RSC分量码码为例，SCCC Turbo码码长则为4，码率为1/4，交织关系为[52 11 6 17 12 19 16 1 14 9 20 3 4 13 20 7 18 15 8]。门限thr=17。帧长为40，则其信息位长为10。比特误码率（BER）P_e=0.001；截获数据流长度L=800bit（M=20帧）；

识别步骤如下：

1)对截获的一段包含20帧数据的二进制含噪数据流V，用卷积码参数估计方法得到分量码内编码器RSC的生成多项式G=[7 5]；

2)根据内编码器生成多项式G，对V进行维特比译码得到C_π，其中C_π的大小为20行20列，C_π矩阵中，有10列的信息位，10列的校验位，即n₀=2。找到C_π中相关程度大于门限thr=0.85的两列。第5列和第2列，交织之前位于第1列和第2列， $\begin{array}{c}1\→5\\ 2\→2\end{array},$ 即π₁=5,π₂=2；

3)参数初始化：indx=3:2:N，indx_itlv_ifm=1:2:N，indx_itlv_par_2=2:2:N；

4)对编码，得到校验位C^temp2，计算校验位C^temp2与C_π中可能校验位的相关函数

η=R^par2/dim(C_π)，当η大于等于门限时，则当前交织参数估计正确，保存当前交织器参数indx→indx_itlv_ifm，indx+i-1→indx_itlv_par_i,i=2,...,n₀，否则更新indx_itlv_par_2=indx_itlv_par_2+1，indx_itlv_ifm=indx_itlv_ifm+1，indx=indx+1，返回本步骤；由计算得到indx_itlv_ifm=11，indx_itlv_par_2=6时，满足η≥thr，交织关系为： $\begin{array}{c}3\→11\\ 4\→6\end{array},$ π₃=11,π₄=6；

5)当indx=20时得到所有交织关系π=[5 2 11 6 17 12 19 16 1 14 9 20 3 4 13 20 7 18 158]，完成SCCC Turbo的盲识别。

Claims (3)

1.一种串行级联Turbo码交织器参数盲估计方法，包括以下步骤：

一、预处理步骤：接收到M帧二进制含噪数据流V，估计得到SCCC Turbo码码长n、分量码码长n₀以及分量码内编码器RSC的生成多项式G；根据分量码内编码器生成多项式G，对接收数据流V进行维特比译码得到译码后的矩阵C_π，C_π的大小为M行N列，N表示一帧数据译码后的长度，C_π矩阵中包含N/n₀列的信息位，(N(n₀-1))/n₀列的校验位；

二、前段交织器参数π_k（k=1,...,n₀）估计步骤：在矩阵C_π中找出相关程度大于门限thr的n₀列，判定交织前第1至n₀列在交织之后分别依次对应相关程度大于门限thr的n₀列的对应位置π_k表示输入交织器的序列第k位经过交织之后的位置；

三、后段交织器参数π_k,k=n₀+1,n₀+2,...,N估计步骤：

子步骤1、初始化交织参数：indx=n₀+1，indx_itlv_ifm=1，indx_itlv_par_i=i，i=2,...,n₀，其中indx表示信息位交织前的位置，indx_itlv_ifm表示信息位交织之后的位置，indx_itlv_par_i表示校验位交织之后的位置；

子步骤2：根据生成多项式G对

进行编码，得到估计校验位

计算估计校验位C^tempi,i=2,...,n₀与C_π中校验位的相关程度，当相关程度大于等于门限thr，则判定当前交织参数估计正确，保存当前交织器参数indx→indx_itlv_ifm，indx+i-1→indx_itlv_par_i,i=2,...,n₀，即π_indx以及π_indx+i-1，之后，进入子步骤4，→表示交织前位置与交织后位置的映射关系，否则，进入子步骤3；

子步骤3、更新交织器参数indx_itlv_par_i=indx_itlv_par_i+1，indx_itlv_ifm=indx_itlv_ifm+1，indx=indx+1，之后返回子步骤2；

子步骤4、判断是否满足indx=N，如是，得到所有交织关系，完成交织器参数估计，否则，以n₀为步长更新交织参数indx=indx+n₀，indx_itlv_ifm=indx_itlv_ifm+n₀，indx_itlv_par_i=indx_itlv_par_i+n₀，i=2,...,n₀，之后返回子步骤2。

2.如权利要求1所述一种串行级联Turbo码交织器参数盲估计方法，其特征在于，估计校验位C^tempi,i=2,...,n₀与C_π中校验位的相关程度的具体计算方法为：

计算估计校验位C^tempi,i=2,...,n₀，与C_π中校验位作相关得到相关函数R^pari，

i=2,...,n₀，函数E表示求期望；根据相关函数R^pari求两序列的相关程度η，η=R^pari/dim(C_π)，dim表示取矩阵的列数。

3.如权利要求2所述一种串行级联Turbo码交织器参数盲估计方法，其特征在于，所述门限为0.85。