CN104243095A - 一种卷积码与线性分组码的码字类型盲识别方法 - Google Patents

Abstract

一种卷积码与线性分组码的码字类型盲识别方法，属于通信系统中的码字识别技术领域。该方法通过线性变换，以线性分组码和(n,k,m)系统卷积码的编码参数盲识别方法为创造条件，识别码流序列的码长和码字起点，其后，尽可能利用维数较小的识别矩阵，根据码长范围和行最简矩阵对角线0、1元素变化的周期性等，确立每一步的分类依据，逐步完成(n,k,m)系统卷积码与线性分组码的码字类型盲识别，具有算法简捷，识别效率和准确度高等特点。本发明适用于智能通信、信息处理等领域。

Description

一种卷积码与线性分组码的码字类型盲识别方法

技术领域

本发明涉及数字通信系统中的一种卷积码与线性分组码的码字类型盲识别方法，属于通信系统中的码字识别技术领域。 

背景技术

在协作通信中，接收方已知码字类型及编码参数才能正确译码，而在非协作通信中，接收方对接收到的码流没有任何先验知识，必须首先进行码字类型盲识别，因为识别码字类型，是真正实现信道编码参数盲识别的前提。 

中国专利CN102201882A于2011年9月28日公开了一种线性分组码编码参数的盲识别方法。该方法通过线性变换和数学分析，较好地解决了线性分组码分组长度，分组起点和生成多项式确定等问题，仅通过通信内容即可实现线性分组码编码参数盲识别，具有算法简捷，过程清晰，识别速度快等特点。 

当前针对卷积码盲识别的研究大概分为(n,1,m)非系统卷积码的盲识别、删除卷积码的盲识别和(n,k,m)系统卷积码的盲识别。针对(n,k,m)系统卷积码的盲识别主要的方法是基于矩阵的方法，中国专利CN102244520A于2011年11月16日公开了一种卷积码编码参数的盲识别方法。该方法通过线性变换，在确定卷积码输出码长和输出码字起始点后，对矩阵进行分析，确定卷积码的校验矩阵，从而分析得到其生成矩阵，具有运算复杂度低，适用面广等优点。 

上述提及的盲识别方法，均是针对已知码字类型的情况下，对特定码字的编码参数盲识别，而对于码字类型未知的情况，编码参数的盲识别也就无从谈起，因此要先进行码字类型的盲识别，码字类型的正确识别是信道编码参数识别的首要前提。目前，查阅已有的参考文献，尚未见有关码字类型盲识别方面的资料。 

发明内容

为了克服现有技术存在的缺陷和不足，本发明提出了运算复杂度低，高效率的一种卷积码与线性分组码的码字类型盲识别方法，以解决对接收到的码流没有先验知识的情况下，如何对码字进行正确分类的问题。 

本发明方法采用的技术方案如下： 

一种卷积码与线性分组码的码字类型盲识别方法，以计算机为硬件平台，实现待识别数据读入、识别过程和识别结果的显示功能，其中识别过程主要是由计算机将待识别数据读入计算机内存，然后通过本盲识别方法进行识别，识别的结果显示在计算机屏幕上，该识别方 法的步骤如下: 

(1)首先定义待识别码字的二进制0、1比特数据为码流序列，由计算机读入码流序列并选取识别序列的长度不小于(130×10)×130,该识别序列的长度数值即为步骤2中建立的一系列识别矩阵中最大的识别矩阵大小； 

(2)利用识别序列建立p×q大小的识别矩阵，其中矩阵列数q的大小依次从3取到130，且矩阵行数p＝10q； 

(3)对识别矩阵进行初等变换得到行最简矩阵，计算行最简矩阵的秩r及其左上角单位阵维数α，初等变换的具体方法为：对识别矩阵中的数据从左到右按列处理，如果对角线上的元素为1，则将对角线元素所在的行设为标准行，将同列其他有非零元素的行替换为该行与标准行中的元素模二加后所得的结果，如果对角线上的元素为零，则寻找该列对角线元素下方的非零元素所在的行作为标准行，将同列其他有非零元素的行替换为该行与标准行中的元素模二加后所得的结果，如果对角线下方位置的元素全为0，则不再进行化简； 

(4)若行最简矩阵的秩r与其列数q不相等，则记录当前矩阵的列数q、秩r、左上角单位阵维数α及列数与秩的差值q-r这四个数值，并以[q_i,r_i,α_i,q_i-r_i]形式表示，下标i表示第i组数据，若行最简矩阵的秩r与其列数q相等则转步骤5； 

(5)将列数q加1，若q≤130，则返回步骤2，否则转步骤6； 

(6)统计记录的数据[q_i,r_i,α_i,q_i-r_i]组数记为ReservedNum，若ReservedNum等于0，则判断码流序列为线性分组码，码字类型盲识别结束，若ReservedNum不等于0则转步骤7； 

(7)比较步骤6中统计的ReservedNum组数据[q_i,r_i,α_i,q_i-r_i]中所有左上角单位阵维数α_i的大小，得到α_i的最小值记为α_min； 

(8)观察这ReservedNum组数据[q_i,r_i,α_i,q_i-r_i]中所有左上角单位阵维数α_i的大小，若存在某一α_i＞α_min，则删去该组[q_i,r_i,α_i,q_i-r_i]，同时ReservedNum减1，不断重复此操作，直至剩下所有数据[q_i,r_i,α_i,q_i-r_i]中的α_i均满足α_i＝α_min，然后将所剩数据的下标按从小到大的顺序重新编号； 

(9)经过步骤8数据筛选后，比较现有的ReservedNum组数据[q_i,r_i,α_i,q_i-r_i]中所有行最简矩阵秩r_i的大小，若存在某一r_i≥r_i+1，则删去该组[q_i,r_i,α_i,q_i-r_i]，同时ReservedNum减 1，并将所剩数据的下标按从小到大的顺序重新编号，不断重复此操作，直至剩下所有数据[q_i,r_i,α_i,q_i-r_i]中的r_i均满足r_i＜r_i+1； 

(10)经过步骤9数据筛选后，比较现有的ReservedNum组数据[q_i,r_i,α_i,q_i-r_i]中所有行最简矩阵列数与秩差值q_i-r_i的大小，若存在某一q_i-r_i≥q_i+1-r_i+1，则删去数据[q_i+1,r_i+1,α_i+1,q_i+1-r_i+1]，同时ReservedNum减1，并将所剩数据的下标按从小到大的顺序重新编号，不断重复此操作，直至剩下所有数据[q_i,r_i,α_i,q_i-r_i]中的q_i-r_i均满足q_i-r_i＜q_i+1-r_i+1； 

(11)对上一步筛选后所剩ReservedNum组数据[q_i,r_i,α_i,q_i-r_i]中的q_i求最大公约数，即为码长ng； 

(12)若码长ng＞8，则判断码流序列为线性分组码，码字类型盲识别结束，否则转步骤13； 

(13)将码流序列按小于13倍码长且为码长倍数的列数建立一个识别矩阵p×q，且p＞q，对识别矩阵进行初等变换得到行最简矩阵，其中初等变换的具体方法同步骤3中一样； 

(14)观察行最简矩阵对角线元素，沿着矩阵右下角向左上角方向看，当对角线上第一次出现元素0与1相邻，且0所在列的列值比1所在列的列值小的情况时，用该0元素所在列的列值q′与码长ng进行计算，可得码字起点即

(15)将码流序列中shiftg位之后的序列排列成以15倍码长为列数的识别矩阵p×q，且p＞q，对识别矩阵进行初等变换得到行最简矩阵，其中初等变换的具体方法同步骤3中一样； 

(16)观察行最简矩阵的对角线元素，若对角线元素是以码长为周期的周期序列，则判断码流序列为线性分组码，反之判断码流序列为(n,k,m)系统卷积码，码字类型盲识别结束。 

本发明的有益效果如下： 

(1)提出了(n,k,m)系统卷积码与线性分组码的码字类型盲识别的有效特征，包括：码长、码字起点、行最简矩阵特征，其中行最简矩阵特征又包括行最简矩阵左上角单位阵维数、对角线0、1元素变化的周期性等，将矩阵分析法充分应用到了码字类型盲识别中； 

(2)由于在码字类型盲识别过程中，每一步都有明确的分类依据，故在盲识别结束后，也可总结出不同编码后码流序列的行最简矩阵的相异特性； 

(3)在码字类型盲识别过程中，对矩阵列值以1为步长进行遍历，并利用维数较小的矩阵快速确立未知码流序列的码字类型，提高了识别效率。 

具体实施方式

下面结合实施例对本发明作进一步说明，但不限于此。 

实施例： 

本发明实施例如下，一种卷积码与线性分组码的码字类型盲识别方法，以计算机为硬件平台，实现待识别数据读入、识别过程和识别结果的显示功能，其中识别过程主要是由计算机将待识别数据读入计算机内存，然后通过本盲识别方法进行识别，识别的结果显示在计算机屏幕上，该识别方法的步骤如下: 

(1)首先定义待识别码字的二进制0、1比特数据为码流序列，由计算机读入码流序列并选取识别序列的长度不小于(130×10)×130,该识别序列的长度数值即为步骤2中建立的一系列识别矩阵中最大的识别矩阵大小； 

(2)利用识别序列建立p×q大小的识别矩阵，其中矩阵列数q的大小依次从3取到130，且矩阵行数p＝10q； 

(3)对识别矩阵进行初等变换得到行最简矩阵，计算行最简矩阵的秩r及其左上角单位阵维数α，初等变换的具体方法为：对识别矩阵中的数据从左到右按列处理，如果对角线上的元素为1，则将对角线元素所在的行设为标准行，将同列其他有非零元素的行替换为该行与标准行中的元素模二加后所得的结果，如果对角线上的元素为零，则寻找该列对角线元素下方的非零元素所在的行作为标准行，将同列其他有非零元素的行替换为该行与标准行中的元素模二加后所得的结果，如果对角线下方位置的元素全为0，则不再进行化简； 

(4)若行最简矩阵的秩r与其列数q不相等，则记录当前矩阵的列数q、秩r、左上角单位阵维数α及列数与秩的差值q-r这四个数值，并以[q_i,r_i,α_i,q_i-r_i]形式表示，下标i表示第i组数据，若行最简矩阵的秩r与其列数q相等则转步骤5； 

(5)将列数q加1，若q≤130，则返回步骤2，否则转步骤6； 

(6)统计记录的数据[q_i,r_i,α_i,q_i-r_i]组数记为ReservedNum，若ReservedNum等于0，则判断码流序列为线性分组码，码字类型盲识别结束，若ReservedNum不等于0则转步骤7； 

(7)比较步骤6中统计的ReservedNum组数据[q_i,r_i,α_i,q_i-r_i]中所有左上角单位阵维数α_i 的大小，得到α_i的最小值记为α_min； 

(8)观察这ReservedNum组数据[q_i,r_i,α_i,q_i-r_i]中所有左上角单位阵维数α_i的大小，若存在某一α_i＞α_min，则删去该组[q_i,r_i,α_i,q_i-r_i]，同时ReservedNum减1，不断重复此操作，直至剩下所有数据[q_i,r_i,α_i,q_i-r_i]中的α_i均满足α_i＝α_min，然后将所剩数据的下标按从小到大的顺序重新编号； 

(9)经过步骤8数据筛选后，比较现有的ReservedNum组数据[q_i,r_i,α_i,q_i-r_i]中所有行最简矩阵秩r_i的大小，若存在某一r_i≥r_i+1，则删去该组[q_i,r_i,α_i,q_i-r_i]，同时ReservedNum减1，并将所剩数据的下标按从小到大的顺序重新编号，不断重复此操作，直至剩下所有数据[q_i,r_i,α_i,q_i-r_i]中的r_i均满足r_i＜r_i+1； 

(10)经过步骤9数据筛选后，比较现有的ReservedNum组数据[q_i,r_i,α_i,q_i-r_i]中所有行最简矩阵列数与秩差值q_i-r_i的大小，若存在某一q_i-r_i≥q_i+1-r_i+1，则删去数据[q_i+1,r_i+1,α_i+1,q_i+1-r_i+1]，同时ReservedNum减1，并将所剩数据的下标按从小到大的顺序重新编号，不断重复此操作，直至剩下所有数据[q_i,r_i,α_i,q_i-r_i]中的q_i-r_i均满足q_i-r_i＜q_i+1-r_i+1； 

(11)对上一步筛选后所剩ReservedNum组数据[q_i,r_i,α_i,q_i-r_i]中的q_i求最大公约数，即为码长ng； 

(12)若码长ng＞8，则判断码流序列为线性分组码，码字类型盲识别结束，否则转步骤13； 

(13)将码流序列按小于13倍码长且为码长倍数的列数建立一个识别矩阵p×q，且p＞q，对识别矩阵进行初等变换得到行最简矩阵，其中初等变换的具体方法同步骤3中一样； 

(14)观察行最简矩阵对角线元素，沿着矩阵右下角向左上角方向看，当对角线上第一次出现元素0与1相邻，且0所在列的列值比1所在列的列值小的情况时，用该0元素所在列的列值q′与码长ng进行计算，可得码字起点即

(15)将码流序列中shiftg位之后的序列排列成以15倍码长为列数的识别矩阵p×q，且p＞q，对识别矩阵进行初等变换得到行最简矩阵，其中初等变换的具体方法同步骤3中一 样； 

(16)观察行最简矩阵的对角线元素，若对角线元素是以码长为周期的周期序列，则判断码流序列为线性分组码，反之判断码流序列为(n,k,m)系统卷积码，码字类型盲识别结束。 

Claims (1)

1.一种卷积码与线性分组码的码字类型盲识别方法，以计算机为硬件平台，实现待识别数据读入、识别过程和识别结果的显示功能，其中识别过程主要是由计算机将待识别数据读入计算机内存，然后通过本盲识别方法进行识别，识别的结果显示在计算机屏幕上，该识别方法的步骤如下:

(1)首先定义待识别码字的二进制0、1比特数据为码流序列，由计算机读入码流序列并选取识别序列的长度不小于(130×10)×130,该识别序列的长度数值即为步骤2中建立的一系列识别矩阵中最大的识别矩阵大小；

(2)利用识别序列建立p×q大小的识别矩阵，其中矩阵列数q的大小依次从3取到130，且矩阵行数p＝10q；

(3)对识别矩阵进行初等变换得到行最简矩阵，计算行最简矩阵的秩r及其左上角单位阵维数α，初等变换的具体方法为：对识别矩阵中的数据从左到右按列处理，如果对角线上的元素为1，则将对角线元素所在的行设为标准行，将同列其他有非零元素的行替换为该行与标准行中的元素模二加后所得的结果，如果对角线上的元素为零，则寻找该列对角线元素下方的非零元素所在的行作为标准行，将同列其他有非零元素的行替换为该行与标准行中的元素模二加后所得的结果，如果对角线下方位置的元素全为0，则不再进行化简；

(4)若行最简矩阵的秩r与其列数q不相等，则记录当前矩阵的列数q、秩r、左上角单位阵维数α及列数与秩的差值q-r这四个数值，并以[q_i,r_i,α_i,q_i-r_i]形式表示，下标i表示第i组数据，若行最简矩阵的秩r与其列数q相等则转步骤5；

(5)将列数q加1，若q≤130，则返回步骤2，否则转步骤6；

(6)统计记录的数据[q_i,r_i,α_i,q_i-r_i]组数记为ReservedNum，若ReservedNum等于0，则判断码流序列为线性分组码，码字类型盲识别结束，若ReservedNum不等于0则转步骤7；

(7)比较步骤6中统计的ReservedNum组数据[q_i,r_i,α_i,q_i-r_i]中所有左上角单位阵维数α_i的大小，得到α_i的最小值记为α_min；

(8)观察这ReservedNum组数据[q_i,r_i,α_i,q_i-r_i]中所有左上角单位阵维数α_i的大小，若存在某一α_i＞α_min，则删去该组[q_i,r_i,α_i,q_i-r_i]，同时ReservedNum减1，不断重复此操作，直至剩下所有数据[q_i,r_i,α_i,q_i-r_i]中的α_i均满足α_i＝α_min，然后将所剩数据的下标按从小到大的顺序重新编号；

(9)经过步骤8数据筛选后，比较现有的ReservedNum组数据[q_i,r_i,α_i,q_i-r_i]中所有行最简矩阵秩r_i的大小，若存在某一r_i≥r_i+1，则删去该组[q_i,r_i,α_i,q_i-r_i]，同时ReservedNum减1，并将所剩数据的下标按从小到大的顺序重新编号，不断重复此操作，直至剩下所有数据[q_i,r_i,α_i,q_i-r_i]中的r_i均满足r_i＜r_i+1；

(10)经过步骤9数据筛选后，比较现有的ReservedNum组数据[q_i,r_i,α_i,q_i-r_i]中所有行最简矩阵列数与秩差值q_i-r_i的大小，若存在某一q_i-r_i≥q_i+1-r_i+1，则删去数据[q_i+1,r_i+1,α_i+1,q_i+1-r_i+1]，同时ReservedNum减1，并将所剩数据的下标按从小到大的顺序重新编号，不断重复此操作，直至剩下所有数据[q_i,r_i,α_i,q_i-r_i]中的q_i-r_i均满足q_i-r_i＜q_i+1-r_i+1；

(11)对上一步筛选后所剩ReservedNum组数据[q_i,r_i,α_i,q_i-r_i]中的q_i求最大公约数，即为码长ng；

(12)若码长ng＞8，则判断码流序列为线性分组码，码字类型盲识别结束，否则转步骤13；

(13)将码流序列按小于13倍码长且为码长倍数的列数建立一个识别矩阵p×q，且p＞q，对识别矩阵进行初等变换得到行最简矩阵，其中初等变换的具体方法同步骤3中一样；

(14)观察行最简矩阵对角线元素，沿着矩阵右下角向左上角方向看，当对角线上第一次出现元素0与1相邻，且0所在列的列值比1所在列的列值小的情况时，用该0元素所在列的列值q′与码长ng进行计算，可得码字起点即

(15)将码流序列中shiftg位之后的序列排列成以15倍码长为列数的识别矩阵p×q，且p＞q，对识别矩阵进行初等变换得到行最简矩阵，其中初等变换的具体方法同步骤3中一样；

(16)观察行最简矩阵的对角线元素，若对角线元素是以码长为周期的周期序列，则判断码流序列为线性分组码，反之判断码流序列为(n,k,m)系统卷积码，码字类型盲识别结束。