CN104243095A - 一种卷积码与线性分组码的码字类型盲识别方法 - Google Patents
一种卷积码与线性分组码的码字类型盲识别方法 Download PDFInfo
- Publication number
- CN104243095A CN104243095A CN201410460865.6A CN201410460865A CN104243095A CN 104243095 A CN104243095 A CN 104243095A CN 201410460865 A CN201410460865 A CN 201410460865A CN 104243095 A CN104243095 A CN 104243095A
- Authority
- CN
- China
- Prior art keywords
- code
- matrix
- row
- recognition
- data
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Landscapes
- Error Detection And Correction (AREA)
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
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[qi,ri,αi,qi-ri]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[qi,ri,αi,qi-ri]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[qi,ri,αi,qi-ri]中所有左上角单位阵维数αi的大小,得到αi的最小值记为αmin;
(8)观察这ReservedNum组数据[qi,ri,αi,qi-ri]中所有左上角单位阵维数αi的大小,若存在某一αi>αmin,则删去该组[qi,ri,αi,qi-ri],同时ReservedNum减1,不断重复此操作,直至剩下所有数据[qi,ri,αi,qi-ri]中的αi均满足αi=αmin,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[qi,ri,αi,qi-ri]中所有行最简矩阵秩ri的大小,若存在某一ri≥ri+1,则删去该组[qi,ri,αi,qi-ri],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[qi,ri,αi,qi-ri]中的ri均满足ri<ri+1;
(10)经过步骤9数据筛选后,比较现有的ReservedNum组数据[qi,ri,αi,qi-ri]中所有行最简矩阵列数与秩差值qi-ri的大小,若存在某一qi-ri≥qi+1-ri+1,则删去数据[qi+1,ri+1,αi+1,qi+1-ri+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[qi,ri,αi,qi-ri]中的qi-ri均满足qi-ri<qi+1-ri+1;
(11)对上一步筛选后所剩ReservedNum组数据[qi,ri,αi,qi-ri]中的qi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[qi,ri,αi,qi-ri]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[qi,ri,αi,qi-ri]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[qi,ri,αi,qi-ri]中所有左上角单位阵维数αi 的大小,得到αi的最小值记为αmin;
(8)观察这ReservedNum组数据[qi,ri,αi,qi-ri]中所有左上角单位阵维数αi的大小,若存在某一αi>αmin,则删去该组[qi,ri,αi,qi-ri],同时ReservedNum减1,不断重复此操作,直至剩下所有数据[qi,ri,αi,qi-ri]中的αi均满足αi=αmin,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[qi,ri,αi,qi-ri]中所有行最简矩阵秩ri的大小,若存在某一ri≥ri+1,则删去该组[qi,ri,αi,qi-ri],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[qi,ri,αi,qi-ri]中的ri均满足ri<ri+1;
(10)经过步骤9数据筛选后,比较现有的ReservedNum组数据[qi,ri,αi,qi-ri]中所有行最简矩阵列数与秩差值qi-ri的大小,若存在某一qi-ri≥qi+1-ri+1,则删去数据[qi+1,ri+1,αi+1,qi+1-ri+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[qi,ri,αi,qi-ri]中的qi-ri均满足qi-ri<qi+1-ri+1;
(11)对上一步筛选后所剩ReservedNum组数据[qi,ri,αi,qi-ri]中的qi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[qi,ri,αi,qi-ri]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[qi,ri,αi,qi-ri]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[qi,ri,αi,qi-ri]中所有左上角单位阵维数αi的大小,得到αi的最小值记为αmin;
(8)观察这ReservedNum组数据[qi,ri,αi,qi-ri]中所有左上角单位阵维数αi的大小,若存在某一αi>αmin,则删去该组[qi,ri,αi,qi-ri],同时ReservedNum减1,不断重复此操作,直至剩下所有数据[qi,ri,αi,qi-ri]中的αi均满足αi=αmin,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[qi,ri,αi,qi-ri]中所有行最简矩阵秩ri的大小,若存在某一ri≥ri+1,则删去该组[qi,ri,αi,qi-ri],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[qi,ri,αi,qi-ri]中的ri均满足ri<ri+1;
(10)经过步骤9数据筛选后,比较现有的ReservedNum组数据[qi,ri,αi,qi-ri]中所有行最简矩阵列数与秩差值qi-ri的大小,若存在某一qi-ri≥qi+1-ri+1,则删去数据[qi+1,ri+1,αi+1,qi+1-ri+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[qi,ri,αi,qi-ri]中的qi-ri均满足qi-ri<qi+1-ri+1;
(11)对上一步筛选后所剩ReservedNum组数据[qi,ri,αi,qi-ri]中的qi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。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410460865.6A CN104243095A (zh) | 2014-09-11 | 2014-09-11 | 一种卷积码与线性分组码的码字类型盲识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410460865.6A CN104243095A (zh) | 2014-09-11 | 2014-09-11 | 一种卷积码与线性分组码的码字类型盲识别方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN104243095A true CN104243095A (zh) | 2014-12-24 |
Family
ID=52230521
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410460865.6A Pending CN104243095A (zh) | 2014-09-11 | 2014-09-11 | 一种卷积码与线性分组码的码字类型盲识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104243095A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106533453A (zh) * | 2015-09-15 | 2017-03-22 | 中兴通讯股份有限公司 | 一种译码方法及译码器 |
CN106712898A (zh) * | 2016-08-30 | 2017-05-24 | 中国人民解放军理工大学 | 基于高斯迭代列消元的信道编码盲识别方法 |
CN108549828A (zh) * | 2017-12-27 | 2018-09-18 | 黄毅峰 | 等价二值正方矩阵识别系统及其识别方法 |
CN110098839A (zh) * | 2019-03-18 | 2019-08-06 | 西安电子科技大学 | 一种高误码下非系统卷积码编码参数的盲识别方法 |
CN111245445A (zh) * | 2020-03-17 | 2020-06-05 | 电子科技大学 | 一种(n,1,v)卷积码生成多项式的盲识别方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060146763A1 (en) * | 2003-03-03 | 2006-07-06 | Interdigital Technology Corporation | Optimizing multi-user detection |
CN102244520A (zh) * | 2010-05-11 | 2011-11-16 | 中国电子科技集团公司第三十六研究所 | 一种卷积码编码参数的盲识别方法 |
CN102244555A (zh) * | 2010-05-11 | 2011-11-16 | 中国电子科技集团公司第三十六研究所 | 一种Turbo码编码参数的盲识别方法 |
CN103379060A (zh) * | 2013-07-19 | 2013-10-30 | 电子科技大学 | 一种有限几何ldpc码参数盲估计方法 |
-
2014
- 2014-09-11 CN CN201410460865.6A patent/CN104243095A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060146763A1 (en) * | 2003-03-03 | 2006-07-06 | Interdigital Technology Corporation | Optimizing multi-user detection |
CN102244520A (zh) * | 2010-05-11 | 2011-11-16 | 中国电子科技集团公司第三十六研究所 | 一种卷积码编码参数的盲识别方法 |
CN102244555A (zh) * | 2010-05-11 | 2011-11-16 | 中国电子科技集团公司第三十六研究所 | 一种Turbo码编码参数的盲识别方法 |
CN103379060A (zh) * | 2013-07-19 | 2013-10-30 | 电子科技大学 | 一种有限几何ldpc码参数盲估计方法 |
Non-Patent Citations (1)
Title |
---|
刘健: "信道编码的盲识别技术研究", 《中国博士学位论文全文数据库 信息科技辑》 * |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106533453A (zh) * | 2015-09-15 | 2017-03-22 | 中兴通讯股份有限公司 | 一种译码方法及译码器 |
CN106533453B (zh) * | 2015-09-15 | 2020-12-22 | 上海中兴软件有限责任公司 | 一种译码方法及译码器 |
CN106712898A (zh) * | 2016-08-30 | 2017-05-24 | 中国人民解放军理工大学 | 基于高斯迭代列消元的信道编码盲识别方法 |
CN106712898B (zh) * | 2016-08-30 | 2020-08-11 | 中国人民解放军理工大学 | 基于高斯迭代列消元的信道编码盲识别方法 |
CN108549828A (zh) * | 2017-12-27 | 2018-09-18 | 黄毅峰 | 等价二值正方矩阵识别系统及其识别方法 |
CN108549828B (zh) * | 2017-12-27 | 2021-02-19 | 黄毅峰 | 等价二值正方矩阵识别系统及其识别方法 |
CN110098839A (zh) * | 2019-03-18 | 2019-08-06 | 西安电子科技大学 | 一种高误码下非系统卷积码编码参数的盲识别方法 |
CN110098839B (zh) * | 2019-03-18 | 2022-04-22 | 西安电子科技大学 | 一种高误码下非系统卷积码编码参数的盲识别方法 |
CN111245445A (zh) * | 2020-03-17 | 2020-06-05 | 电子科技大学 | 一种(n,1,v)卷积码生成多项式的盲识别方法 |
CN111245445B (zh) * | 2020-03-17 | 2023-05-26 | 电子科技大学 | 一种(n,1,v)卷积码生成多项式的盲识别方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104243095A (zh) | 一种卷积码与线性分组码的码字类型盲识别方法 | |
US8255701B2 (en) | File encryption method | |
US11551785B2 (en) | Gene sequencing data compression preprocessing, compression and decompression method, system, and computer-readable medium | |
CN102244520B (zh) | 一种卷积码编码参数的盲识别方法 | |
CN108694918A (zh) | 编码方法及装置、解码方法及装置及显示装置 | |
CN103401569A (zh) | 一种(n,k,m)系统卷积码盲识别的方法 | |
CN106849956A (zh) | 压缩方法、解压缩方法、装置和数据处理系统 | |
CN102201883A (zh) | 一种rs码编码参数的盲识别方法 | |
CN106651972A (zh) | 一种二值图像编码、解码方法及装置 | |
CN104270225A (zh) | 一种差错控制编码的码字类型盲识别方法 | |
CN104038765A (zh) | 面向硬件实现的快速高效无损图像压缩方法 | |
CN114328898A (zh) | 文本摘要生成方法及其装置、设备、介质、产品 | |
CN103401650B (zh) | 一种(n,1,m)有误码卷积码的盲识别方法 | |
CN105005464A (zh) | 一种Burrows Wheeler变换硬件处理装置 | |
CN105550535A (zh) | 一种基因字符序列快速编码为二进制序列的编码方法 | |
CN103746704A (zh) | 基于双游程交替编码的芯片测试数据传输方法 | |
CN103973310A (zh) | 一种基于异或逻辑运算折半划分的测试数据压缩方法 | |
CN115882867A (zh) | 一种基于大数据的数据压缩存储方法 | |
CN102298782B (zh) | 用于无损视频压缩的参数估计的系统、方法 | |
CN103428502B (zh) | 一种解码方法及解码系统 | |
CN115695564A (zh) | 一种物联网数据的高效传输方法 | |
CN109639290A (zh) | 一种半随机分组叠加编码及译码方法 | |
CN109450460A (zh) | 一种rs码与卷积码的级联码的参数识别方法 | |
KR102497634B1 (ko) | 문자 빈도 기반 서열 재정렬을 통한 fastq 데이터 압축 방법 및 장치 | |
CN102244555B (zh) | 一种Turbo码编码参数的盲识别方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20141224 |
|
WD01 | Invention patent application deemed withdrawn after publication |