CN109981113A - 一种ldpc码信息数据的盲获取方法 - Google Patents
一种ldpc码信息数据的盲获取方法 Download PDFInfo
- Publication number
- CN109981113A CN109981113A CN201910250880.0A CN201910250880A CN109981113A CN 109981113 A CN109981113 A CN 109981113A CN 201910250880 A CN201910250880 A CN 201910250880A CN 109981113 A CN109981113 A CN 109981113A
- Authority
- CN
- China
- Prior art keywords
- matrix
- sequence
- code
- ldpc code
- code word
- 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.)
- Granted
Links
Classifications
-
- H—ELECTRICITY
- H03—ELECTRONIC CIRCUITRY
- H03M—CODING; DECODING; CODE CONVERSION IN GENERAL
- H03M13/00—Coding, decoding or code conversion, for error detection or error correction; Coding theory basic assumptions; Coding bounds; Error probability evaluation methods; Channel models; Simulation or testing of codes
- H03M13/03—Error detection or forward error correction by redundancy in data representation, i.e. code words containing more digits than the source words
- H03M13/05—Error detection or forward error correction by redundancy in data representation, i.e. code words containing more digits than the source words using block codes, i.e. a predetermined number of check bits joined to a predetermined number of information bits
- H03M13/11—Error detection or forward error correction by redundancy in data representation, i.e. code words containing more digits than the source words using block codes, i.e. a predetermined number of check bits joined to a predetermined number of information bits using multiple parity bits
- H03M13/1102—Codes on graphs and decoding on graphs, e.g. low-density parity check [LDPC] codes
- H03M13/1105—Decoding
- H03M13/1111—Soft-decision decoding, e.g. by means of message passing or belief propagation algorithms
-
- H—ELECTRICITY
- H03—ELECTRONIC CIRCUITRY
- H03M—CODING; DECODING; CODE CONVERSION IN GENERAL
- H03M13/00—Coding, decoding or code conversion, for error detection or error correction; Coding theory basic assumptions; Coding bounds; Error probability evaluation methods; Channel models; Simulation or testing of codes
- H03M13/03—Error detection or forward error correction by redundancy in data representation, i.e. code words containing more digits than the source words
- H03M13/05—Error detection or forward error correction by redundancy in data representation, i.e. code words containing more digits than the source words using block codes, i.e. a predetermined number of check bits joined to a predetermined number of information bits
- H03M13/11—Error detection or forward error correction by redundancy in data representation, i.e. code words containing more digits than the source words using block codes, i.e. a predetermined number of check bits joined to a predetermined number of information bits using multiple parity bits
- H03M13/1102—Codes on graphs and decoding on graphs, e.g. low-density parity check [LDPC] codes
- H03M13/1148—Structural properties of the code parity-check or generator matrix
Landscapes
- Physics & Mathematics (AREA)
- Probability & Statistics with Applications (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- Error Detection And Correction (AREA)
Abstract
本发明涉及一种LDPC码信息数据的盲获取方法,属于通信技术领域,解决了现有技术通用性不强、译码性能无法保证的问题。该方法包括如下步骤:根据截获的LDPC码,选取识别序列,并构造识别矩阵;根据构造的所述识别矩阵,将识别序列划分为分析序列和验证序列;根据分析序列构造分析矩阵,对分析矩阵进行单位化处理,获得参考校验矩阵和信息位长;利用所述参考校验矩阵对验证序列进行译码,获得译码后码字;对译码后码字进行验证,若通过验证,将通过信息位长获得的信息位部分作为LDPC码信息数据输出。本发明所述方法符合LDPC译码性能要求,相比现有技术,具有短环少、通用性强、译码性能优等特点。
Description
技术领域
本发明涉及通信技术领域,尤其涉及一种LDPC码信息数据的盲获取方法。
背景技术
LDPC码是一种具有稀疏校验矩阵的分组纠错码,几乎适用于所有的信道,对信道编码参数进行分析识别,进而实现信息数据的非合作获取,具有重要的实际应用意义。
LDPC码信息数据的盲获取主要包括校验矩阵的盲识别和根据校验矩阵进行译码。由于其码长通常非常大,常规的分组码识别方法很难适用LDPC码,而且识别结果往往是真实稀疏校验矩阵的等价校验矩阵。现有LDPC长码编码参数盲识别方法,识别集合需要根据不同情况设置判决门限,通用性不强。而且,其校验矩阵的稀疏化重构没有考虑矩阵中的短环影响,影响译码性能。
目前的公开资料中提出的识别方法给出的等价稀疏校验矩阵都是利用初等行变换尽量减少其中1的个数,而没有考虑消除短环,尤其是四环,识别结果虽然与真实稀疏校验矩阵等价,但是译码性能却不能保证。
发明内容
鉴于上述的分析,本发明实施例旨在提供一种LDPC码信息数据的盲获取方法,用以解决现有技术通用性不强、译码性能无法保证的问题。
一方面,本发明实施例提供了一种LDPC码信息数据的盲获取方法,包括如下步骤:
根据截获的LDPC码,选取识别序列,并构造识别矩阵;
根据构造的所述识别矩阵,将识别序列划分为分析序列和验证序列;
根据分析序列构造分析矩阵,对分析矩阵进行单位化处理,获得参考校验矩阵和信息位长;
利用所述参考校验矩阵对验证序列进行译码,获得译码后码字;
对译码后码字进行验证,若通过验证,将通过信息位长获得的信息位部分作为LDPC码信息数据输出。
上述技术方案的有益效果如下:本方法能够提供给非合作方,在未知或者已知部分先验信息的情况下,对LDPC码的编码参数进行识别,重构出译码性能较好的参考校验矩阵,进而获取信息数据。该方法符合LDPC译码性能要求,具有短环少、通用性强、译码性能优等特点。
基于上述方法的进一步改进,所述根据截获的LDPC码,选取识别序列,并构造识别矩阵,包括如下步骤:
根据截获的LDPC码,获取解调后的LDPC编码比特数据;
从所述LDPC编码比特数据中获取内容不同、码长相同的LDPC码字,作为识别序列;
将每一所述识别序列作为一行,构造识别矩阵,所述识别矩阵行数大于识别序列码长。
上述进一步改进方案的有益效果是:将尽量多的识别序列构造为识别矩阵,有利于后续容错分析处理,在解调含有错误比特的情况下分析获得参考校验矩阵。
进一步,所述根据构造的所述识别矩阵,将识别序列划分为分析序列和验证序列,包括如下步骤:
对所述识别矩阵进行容错分析处理,获得校验矩阵;
设置校验约束关系,所述校验约束关系为识别序列与校验矩阵每一列的乘积都为零;
对识别矩阵中每一识别序列进行上述校验约束关系的验证,将识别序列中满足所述校验约束关系的码字组成的集合设置为分析序列,将不满足所述校验约束关系的码字组成的集合设置为验证序列。
上述进一步改进方案的有益效果是:使得分析序列中不含错误比特,验证序列中含有错误比特,后续仅需要对验证序列进行译码,降低处理复杂度,节省信息处理时间。
进一步,所述容错分析处理,采用Gauss-Jordan法。
上述进一步改进方案的有益效果是:通过容错分析处理,能减小错误比特对分析处理的影响,提高获得参考校验矩阵的成功率。
进一步,所述根据分析序列构造分析矩阵,对分析矩阵进行单位化处理,获得参考校验矩阵和信息位长,包括如下步骤:
将分析序列中的每一码字作为分析矩阵的一行,构造分析矩阵;
对所述分析矩阵进行单位化处理,若分析矩阵的前k行可表示为形式为[IkP]的矩阵G,则判定信息位长为k;其中,Ik为维数为k的单位阵,P为k行、n-k列的矩阵,n为识别序列码长;
根据所述矩阵G,获得参考校验矩阵H_temp=[PTIn-k],其中,PT为矩阵P的转置,In-k为维数为n-k的单位阵。
上述进一步改进方案的有益效果是:方法简单,能够快速获得参考检验矩阵和信息位长度。
进一步,所述利用参考校验矩阵对验证序列进行译码,获得译码后码字,包括如下步骤:
对参考校验矩阵H_temp进行稀疏化,建立含四环个数尽量少的等价稀疏矩阵H;
通过建立的等价稀疏校验阵对验证序列进行译码,获得译码后码字。
上述进一步改进方案的有益效果是:作为非合作方,在未知或者已知部分先验信息的情况下,对LDPC码的编码参数进行识别,重构出四环个数尽可能少、译码性能较好的等价稀疏矩阵,进而获取数据信息。所述四环表示中心节点为非1、中心节点的邻居节点有四个1围成的环状结构,经过大量试验发现,采用四环个数尽量少的等价稀疏矩阵进行译码,译码性能高,获取信息数据的正确率高。
进一步,所述对参考校验矩阵H_temp进行稀疏化,建立含四环个数尽量少的等价稀疏矩阵H,包括如下步骤:
根据参考校验矩阵H_temp,计算向量hij
式中,i=1,2,3,…,k-1,j=i+1,i+2,…,k,hi与hj分别表示矩阵H_temp的第i和第j行,表示异或运算;
根据所述向量hij,执行如下判断:如果w(hij)<w(hi),则将hij加入集合W,否则将hi加入集合W;其中,i=1,2,3,…,k-1,j=i+1,i+2,…,k,w(h)表示求向量h的码重;
对集合W中的各向量,按照码重从小到大进行排序;
从集合W中选择码重最小的向量h添加到矩阵H,作为矩阵H的最后一行;
判断矩阵H是否存在四环,如果是,则从集合W和矩阵H中都剔除该行,并将该行放入矩阵W_temp,作为矩阵W_temp最后一行,执行下一步;否则,对矩阵H进行秩检测,如果矩阵H的行不满秩,则从集合W和矩阵H中都剔除该行,执行下一步,如果矩阵H行满秩,判断矩阵H的行数是否等于n-k,如果是,则结束,判定矩阵H为含四环个数尽量少的等价稀疏矩阵H,如果否,执行下一步;
判断集合W中剩余的行数是否为0,如果是,则将矩阵W_temp中的前n-k-r行添加到矩阵H的尾行,并从矩阵W_temp中剔除前n-k-r行,执行下一步;否则,返回执行步骤从集合W中选择码重最小的向量h添加到矩阵H,作为最后一行;其中,n表示识别序列码长,k表示信息位长,r表示执行本步骤之前矩阵H的行数;
判断T_temp是否等于T,如果是,则结束,判定矩阵H为含四环个数尽量少的等价稀疏矩阵H,否则,令H_temp=H,返回执行步骤根据参考校验矩阵H_temp计算向量hij。
上述进一步改进方案的有益效果是:通过判断T_temp是否等于T,使得构造的校验矩阵四环个数尽量少。
进一步,所述判断矩阵H是否存在四环,包括如下步骤:
判断矩阵H的行数r是否小于2,如果是,判定矩阵H中不存在四环,结束;否则,执行下一步;
将矩阵H的最后一行与第i行相加得到向量h;i初始值为1;
统计向量h中2的个数,如果大于2,判定矩阵H中存在四环,结束;否则,i=i+1,如果i=r,则判定矩阵H中不存在四环,结束,如果i≠r,返回执行步骤将矩阵H的最后一行与第i行相加得到向量h。
上述进一步改进方案的有益效果是:简单高效地判断是否存在四环。
进一步,所述通过建立的等价稀疏校验阵对验证序列进行译码,采用的译码方法包括和计算法、BP算法或者比特翻转算法中的至少一种。上述进一步改进方案的有益效果是:译码可以纠正解调存在的错误比特,恢复正确的编码前的信息数据。
进一步,所述对译码后码字进行验证,包括如下步骤:
根据信息位长k,获得译码后码字的信息位m=(m1,m2,...,mk);
以等价稀疏矩阵H作为校验矩阵对译码后码字的信息位m进行编码,得到编码后码字v'=(v'1,v'2,...,v'n);
对所述编码后码字,执行如下判断:如果编码后码字v'与信息位译码前码字v相比,不同的比特数小于n/10,判定验证通过,否则,判定验证不通过,其中,n表示识别序列码长。
上述进一步改进方案的有益效果是:可以判断译码是否成功,以便于区分正确的信息数据和错误的信息数据。
本发明中,上述各技术方案之间还可以相互组合,以实现更多的优选组合方案。本发明的其他特征和优点将在随后的说明书中阐述,并且,部分优点可从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过说明书以及附图中所特别指出的内容中来实现和获得。
附图说明
附图仅用于示出具体实施例的目的,而并不认为是对本发明的限制,在整个附图中,相同的参考符号表示相同的部件。
图1为本发明实施例1 LDPC码信息数据的盲获取方法步骤示意图;
图2为本发明实施例2对参考校验矩阵H_temp进行稀疏化的流程图。
具体实施方式
下面结合附图来具体描述本发明的优选实施例,其中,附图构成本申请一部分,并与本发明的实施例一起用于阐释本发明的原理,并非用于限定本发明的范围。
实施例1
本发明的一个具体实施例,公开了一种LDPC码信息数据的盲获取方法,如图1所示,包括如下步骤。
S1.根据截获的LDPC码,选取识别序列,并构造识别矩阵。
S2.根据构造的所述识别矩阵,将识别序列划分为分析序列和验证序列。
S3.根据分析序列构造分析矩阵,对分析矩阵进行单位化处理,获得参考校验矩阵和信息位长。
S4.利用所述参考校验矩阵对验证序列进行译码,获得译码后码字。
S5.对译码后码字进行验证,若通过验证,将通过信息位长获得的信息位部分作为LDPC码信息数据输出。
与现有技术相比,本实施例提供的LDPC码信息数据的盲获取方法,符合LDPC译码性能要求,具有短环少、通用性强、译码性能优等特点。作为非合作方,在未知或者已知部分先验信息的情况下,能够对LDPC码的编码参数进行识别,重构出译码性能较好的参考校验矩阵,进而获取信息数据。
实施例2
在实施例1的基础上进行优化,步骤S1可进一步细化为如下步骤:
S11.根据截获的LDPC码,获取解调后的LDPC编码比特数据。具体地,获取方法可采用现有的LDPC编码比特数据获取方法。
S12.从所述LDPC编码比特数据中获取内容不同、码长相同的LDPC码字,作为识别序列。每一识别序列已知码长和起点。
S13.将每一所述识别序列作为一行,构造识别矩阵,使得识别矩阵行数大于识别序列码长。
优选地,步骤S2可进一步细化为如下步骤:
S21.对所述识别矩阵进行容错分析处理,获得校验矩阵。所述容错分析处理可采用Gauss-Jordan法,或其他容错分析处理方法。所述校验矩阵代表校验关系。
S22.设置校验约束关系,所述校验约束关系为识别序列与校验矩阵每一列的乘积都为零。
S23.对识别矩阵中每一识别序列进行上述校验约束关系的验证,将识别序列中满足所述校验约束关系的码字组成的集合设置为分析序列,将不满足所述校验约束关系的码字组成的集合设置为验证序列。
通过步骤S23,分析序列的每一个码字都满足校验约束关系。值得注意的是,分析序列的码字数应大于识别序列码长,否则需返回步骤S1选取更多的识别序列,以便更好地处理数据信息。
优选地,步骤S3可进一步细化为如下步骤:
S31.将分析序列中的每一码字作为分析矩阵的一行,构造分析矩阵。分析矩阵的行数应大于识别序列码长。
S32.对所述分析矩阵进行单位化处理,若分析矩阵的前k行可表示为形式为[IkP]的矩阵G,则判定信息位长为k;其中,Ik为维数为k的单位阵,P为k行、n-k列的矩阵,n为识别序列码长。
S33.根据所述矩阵G,获得参考校验矩阵H_temp=[PTIn-k],其中,PT为矩阵P的转置,In-k为维数为n-k的单位阵。
优选地,步骤S4可进一步细化为如下步骤:
S41.对参考校验矩阵H_temp进行稀疏化,建立含四环个数尽量少的等价稀疏矩阵H。
S42.通过建立的等价稀疏校验阵对验证序列进行译码,获得译码后码字。译码方法可采用和计算法、BP算法或者比特翻转算法等公开的LDPC译码算法中的至少一种。
优选地,步骤S41可进一步细化为如下步骤(流程图如图2所示):
S411.根据参考校验矩阵H_temp,计算向量hij
式中,i=1,2,3,…,k-1,j=i+1,i+2,…,k,hi与hj分别表示矩阵H_temp的第i和第j行,表示异或运算。
S412.根据所述向量hij,执行如下判断:如果w(hij)<w(hi),则将hij加入集合W,否则将hi加入集合W;其中,i=1,2,3,…,k-1,j=i+1,i+2,…,k,w(h)表示求向量h的码重。
S413.对集合W中的各向量,按照码重从小到大进行排序。
S414.从集合W中选择码重最小的向量h添加到矩阵H,作为矩阵H的最后一行。
S415.判断矩阵H是否存在四环,如果是,则从集合W和矩阵H中都剔除该行,并将该行放入矩阵W_temp,作为矩阵W_temp最后一行,执行下一步;否则,对矩阵H进行秩检测,如果矩阵H的行不满秩,则从集合W和矩阵H中都剔除该行,执行下一步,如果矩阵H行满秩,判断矩阵H的行数是否等于n-k,如果是,则结束,判定矩阵H为含四环个数尽量少的等价稀疏矩阵H,如果否,执行下一步。
S416.判断集合W中剩余的行数是否为0,如果是,则将矩阵W_temp中的前n-k-r行添加到矩阵H的尾行,并从矩阵W_temp中剔除前n-k-r行,执行下一步;否则,返回执行步骤从集合W中选择码重最小的向量h添加到矩阵H,作为最后一行;其中,n表示识别序列码长,k表示信息位长,r表示执行本步骤之前矩阵H的行数。
S417.判断T_temp是否等于T,如果是,则结束,判定矩阵H为含四环个数尽量少的等价稀疏矩阵H,否则,令H_temp=H,返回执行步骤根据参考校验矩阵H_temp计算向量hij。
优选地,步骤S415中判断矩阵H是否存在四环,可进一步细化为如下步骤:
S4151.判断矩阵H的行数r是否小于2,如果是,判定矩阵H中不存在四环,结束;否则,执行下一步;
S4152.判断矩阵H的行数r是否小于2,如果是,判定矩阵H中不存在四环,结束;否则,执行下一步;
S4153.将矩阵H的最后一行与第i行相加得到向量h;i初始值为1;
S4154.统计向量h中2的个数,如果大于2,判定矩阵H中存在四环,结束;否则,i=i+1,如果i=r,则判定矩阵H中不存在四环,结束,如果i≠r,返回执行步骤S4153将矩阵H的最后一行与第i行相加得到向量h。
S4155.将矩阵H的最后一行与第i行相加得到向量h;i初始值为1;
S4156.统计向量h中2的个数,如果大于2,判定矩阵H中存在四环,结束;否则,i=i+1,如果i=r,则判定矩阵H中不存在四环,结束,如果i≠r,返回执行步骤S4153将矩阵H的最后一行与第i行相加得到向量h。
优选地,步骤S5可进一步细化为如下步骤:
S51.根据信息位长k,获得译码后码字的信息位m=(m1,m2,...,mk)。
S52.以等价稀疏矩阵H作为校验矩阵对译码后码字的信息位m进行编码,得到编码后码字v'=(v'1,v'2,...,v'n)。编码方法可以采用任何一种公开的LDPC编码方法。
S53.对所述编码后码字,执行如下判断:如果编码后码字v'与信息位译码前码字v相比,不同的比特数小于n/10,判定验证通过,否则,判定验证不通过,其中,n表示识别序列码长。
与实施例1相比,本实施例提供的LDPC码信息数据的盲获取方法,能够在解调含有错误比特的情况下,分析处理获得四环个数尽可能少的参考校验矩阵,方法简单、复杂度低、通用性强,译码获取的信息数据正确率高,并且具备对译码是否成功的评估能力。
本领域技术人员可以理解,实现上述实施例方法的全部或部分流程,可以通过计算机程序来指令相关的硬件来完成,所述的程序可存储于计算机可读存储介质中。其中,所述计算机可读存储介质为磁盘、光盘、只读存储记忆体或随机存储记忆体等。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。
Claims (10)
1.一种LDPC码信息数据的盲获取方法,其特征在于,包括如下步骤:
根据截获的LDPC码,选取识别序列,并构造识别矩阵;
根据构造的所述识别矩阵,将识别序列划分为分析序列和验证序列;
根据分析序列构造分析矩阵,对分析矩阵进行单位化处理,获得参考校验矩阵和信息位长;
利用所述参考校验矩阵对验证序列进行译码,获得译码后码字;
对译码后码字进行验证,若通过验证,将通过信息位长获得的信息位部分作为LDPC码信息数据输出。
2.根据权利要求1所述的LDPC码信息数据的盲获取方法,其特征在于,所述根据截获的LDPC码,选取识别序列,并构造识别矩阵,包括如下步骤:
根据截获的LDPC码,获取解调后的LDPC编码比特数据;
从所述LDPC编码比特数据中获取内容不同、码长相同的LDPC码字,作为识别序列;
将每一所述识别序列作为一行,构造识别矩阵,所述识别矩阵行数大于识别序列码长。
3.根据权利要求1或2所述的LDPC码信息数据的盲获取方法,其特征在于,所述根据构造的所述识别矩阵,将识别序列划分为分析序列和验证序列,包括如下步骤:
对所述识别矩阵进行容错分析处理,获得校验矩阵;
设置校验约束关系,所述校验约束关系为识别序列与校验矩阵每一列的乘积都为零;
对识别矩阵中每一识别序列进行上述校验约束关系的验证,将识别序列中满足所述校验约束关系的码字组成的集合设置为分析序列,将不满足所述校验约束关系的码字组成的集合设置为验证序列。
4.根据权利要求3所述的LDPC码信息数据的盲获取方法,其特征在于,所述容错分析处理,采用Gauss-Jordan法。
5.根据权利要求1或2所述的LDPC码信息数据的盲获取方法,其特征在于,所述根据分析序列构造分析矩阵,对分析矩阵进行单位化处理,获得参考校验矩阵和信息位长,包括如下步骤:
将分析序列中的每一码字作为分析矩阵的一行,构造分析矩阵;
对所述分析矩阵进行单位化处理,若分析矩阵的前k行可表示为形式为[IkP]的矩阵G,则判定信息位长为k;其中,Ik为维数为k的单位阵,P为k行、n-k列的矩阵,n表示识别序列码长;
根据所述矩阵G,获得参考校验矩阵H_temp=[PTIn-k],其中,PT为矩阵P的转置,In-k为维数为n-k的单位阵。
6.根据权利要求5所述的LDPC码信息数据的盲获取方法,其特征在于,所述利用参考校验矩阵对验证序列进行译码,获得译码后码字,包括如下步骤:
对参考校验矩阵H_temp进行稀疏化,建立含四环个数尽量少的等价稀疏矩阵H;
通过建立的等价稀疏校验阵对验证序列进行译码,获得译码后码字。
7.根据权利要求6所述的LDPC码信息数据的盲获取方法,其特征在于,所述对参考校验矩阵H_temp进行稀疏化,建立含四环个数尽量少的等价稀疏矩阵H,包括如下步骤:
根据参考校验矩阵H_temp,计算向量hij
式中,i=1,2,3,…,k-1,j=i+1,i+2,…,k,hi与hj分别表示矩阵H_temp的第i和第j行,表示异或运算;
根据所述向量hij,执行如下判断:如果w(hij)<w(hi),则将hij加入集合W,否则将hi加入集合W;其中,i=1,2,3,…,k-1,j=i+1,i+2,…,k,w(h)表示求向量h的码重;
对集合W中的各向量,按照码重从小到大进行排序;
从集合W中选择码重最小的向量h添加到矩阵H,作为矩阵H的最后一行;
判断矩阵H是否存在四环,如果是,则从集合W和矩阵H中都剔除该行,并将该行放入矩阵W_temp,作为矩阵W_temp最后一行,执行下一步;否则,对矩阵H进行秩检测,如果矩阵H的行不满秩,则从集合W和矩阵H中都剔除该行,执行下一步,如果矩阵H行满秩,判断矩阵H的行数是否等于n-k,如果是,则结束,判定矩阵H为含四环个数尽量少的等价稀疏矩阵H,如果否,执行下一步;
判断集合W中剩余的行数是否为0,如果是,则将矩阵W_temp中的前n-k-r行添加到矩阵H的尾行,并从矩阵W_temp中剔除前n-k-r行,执行下一步;否则,返回执行步骤从集合W中选择码重最小的向量h添加到矩阵H,作为最后一行;其中,n表示识别序列码长,k表示信息位长,r表示执行本步骤之前矩阵H的行数;
判断T_temp是否等于T,如果是,则结束,判定矩阵H为含四环个数尽量少的等价稀疏矩阵H,否则,令H_temp=H,返回执行步骤根据参考校验矩阵H_temp计算向量hij。
8.根据权利要求7所述的LDPC码信息数据的盲获取方法,其特征在于,所述判断矩阵H是否存在四环,包括如下步骤:
判断矩阵H的行数r是否小于2,如果是,判定矩阵H中不存在四环,结束;否则,执行下一步;
将矩阵H的最后一行与第i行相加得到向量h;i初始值为1;
统计向量h中2的个数,如果大于2,判定矩阵H中存在四环,结束;否则,i=i+1,如果i=r,则判定矩阵H中不存在四环,结束,如果i≠r,返回执行步骤将矩阵H的最后一行与第i行相加得到向量h。
9.根据权利要求6-8之一所述的LDPC码信息数据的盲获取方法,其特征在于,所述通过建立的等价稀疏校验阵对验证序列进行译码,采用的译码方法包括和计算法、BP算法或者比特翻转算法中的至少一种。
10.根据权利要求1-2、4、6-8之一所述的LDPC码信息数据的盲获取方法,其特征在于,所述对译码后码字进行验证,包括如下步骤:
根据信息位长k,获得译码后码字的信息位m=(m1,m2,...,mk);
以等价稀疏矩阵H作为校验矩阵对译码后码字的信息位m进行编码,得到编码后码字v'=(v'1,v'2,...,v'n);
对所述编码后码字,执行如下判断:如果编码后码字v'与信息位译码前码字v相比,不同的比特数小于n/10,判定验证通过,否则,判定验证不通过,其中,n表示识别序列码长。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910250880.0A CN109981113B (zh) | 2019-03-29 | 2019-03-29 | 一种ldpc码信息数据的盲获取方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910250880.0A CN109981113B (zh) | 2019-03-29 | 2019-03-29 | 一种ldpc码信息数据的盲获取方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109981113A true CN109981113A (zh) | 2019-07-05 |
CN109981113B CN109981113B (zh) | 2022-12-13 |
Family
ID=67081813
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910250880.0A Active CN109981113B (zh) | 2019-03-29 | 2019-03-29 | 一种ldpc码信息数据的盲获取方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109981113B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112821895A (zh) * | 2021-04-16 | 2021-05-18 | 成都戎星科技有限公司 | 一种实现信号高误码率下的编码识别方法 |
CN113377858A (zh) * | 2021-04-13 | 2021-09-10 | 北京思特奇信息技术股份有限公司 | 一种基于uc矩阵的过程数据分析方法、系统和存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004104686A (ja) * | 2002-09-12 | 2004-04-02 | Sony Corp | 符号解析方法及び符号解析装置、並びに復号方法及び復号装置 |
US20140068381A1 (en) * | 2012-09-04 | 2014-03-06 | Lsi Corporation | LDPC Decoder Irregular Decoding of Regular Codes |
US20180074892A1 (en) * | 2016-09-15 | 2018-03-15 | Apple Inc. | Recovery of data read from memory with unknown polarity |
CN107919157A (zh) * | 2016-10-10 | 2018-04-17 | 爱思开海力士有限公司 | 存储器装置及存储器装置的操作方法 |
-
2019
- 2019-03-29 CN CN201910250880.0A patent/CN109981113B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004104686A (ja) * | 2002-09-12 | 2004-04-02 | Sony Corp | 符号解析方法及び符号解析装置、並びに復号方法及び復号装置 |
US20140068381A1 (en) * | 2012-09-04 | 2014-03-06 | Lsi Corporation | LDPC Decoder Irregular Decoding of Regular Codes |
US20180074892A1 (en) * | 2016-09-15 | 2018-03-15 | Apple Inc. | Recovery of data read from memory with unknown polarity |
CN107919157A (zh) * | 2016-10-10 | 2018-04-17 | 爱思开海力士有限公司 | 存储器装置及存储器装置的操作方法 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113377858A (zh) * | 2021-04-13 | 2021-09-10 | 北京思特奇信息技术股份有限公司 | 一种基于uc矩阵的过程数据分析方法、系统和存储介质 |
CN112821895A (zh) * | 2021-04-16 | 2021-05-18 | 成都戎星科技有限公司 | 一种实现信号高误码率下的编码识别方法 |
CN112821895B (zh) * | 2021-04-16 | 2021-07-09 | 成都戎星科技有限公司 | 一种实现信号高误码率下的编码识别方法 |
Also Published As
Publication number | Publication date |
---|---|
CN109981113B (zh) | 2022-12-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Colas et al. | A hitchhiker's guide to statistical comparisons of reinforcement learning algorithms | |
US11106714B2 (en) | Summary generating apparatus, summary generating method and computer program | |
CN111967502B (zh) | 一种基于条件变分自编码器的网络入侵检测方法 | |
Janczura et al. | Classification of particle trajectories in living cells: Machine learning versus statistical testing hypothesis for fractional anomalous diffusion | |
CN105978577B (zh) | 一种基于比特翻转的串行列表译码方法 | |
US20210082539A1 (en) | Gene mutation identification method and apparatus, and storage medium | |
WO2017075957A1 (zh) | 一种识别率确定方法及装置 | |
LaCivita et al. | Defense spending and economic growth An alternative approach to the causality issue | |
CN109981113A (zh) | 一种ldpc码信息数据的盲获取方法 | |
CN109885180B (zh) | 纠错方法和装置、计算机可读介质 | |
CN112199670A (zh) | 一种基于深度学习改进iforest对行为异常检测的日志监控方法 | |
JP2019149030A (ja) | 学習品質推定装置、方法、及びプログラム | |
CN106384587B (zh) | 一种语音识别方法及系统 | |
CN109615421A (zh) | 一种基于多目标进化算法的个性化商品推荐方法 | |
CN105224954A (zh) | 一种基于Single-pass去除小话题影响的话题发现方法 | |
US20200250560A1 (en) | Determining pattern similarities using a multi-level machine learning system | |
Bassino et al. | An algorithm for deciding the finiteness of the number of simple permutations in permutation classes | |
US9600771B2 (en) | Information coding based on semantic data reasoning | |
Martínez-Cifuentes et al. | Classical models are a better explanation of the Jiuzhang Gaussian Boson Samplers than their targeted squeezed light models | |
Bulla et al. | Improving Hidden Markov Models for classification of human immunodeficiency virus-1 subtypes through linear classifier learning | |
CN104615588B (zh) | 一种计算机校验汉语同音错别字的方法 | |
CN113778902A (zh) | 测试案例覆盖度的检测方法及装置 | |
CN105743603B (zh) | Dci防误检方法及系统 | |
CN114169398A (zh) | 基于随机森林算法的光伏直流电弧故障识别方法及装置 | |
CN109995663B (zh) | 基于长度约束和无重复路径的网络信息传播方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |