CN110233703A - 一种基于最大似然译码的快速信道编码盲识别方法 - Google Patents

Abstract

本发明涉及一种基于最大似然译码的快速信道编码盲识别方法，其特征在于，包括下列步骤：在发送端采用BPSK或QPSK调制方式，接收端软解调之后的软信息序列l通过将BPSK信号或者QPSK信号的同相和正交分量乘以CSI参数L_c计算得到；计算最大似然译码参数e_max；将计算得到的e_max与识别检测阈值λ′进行比较，分情形得到预测的编码候选并对其进行CRC校验，若未通过则说明检测算法出现错误，继续对下一个候选进行译码和检测，直到获得正确译码结果。

Description

一种基于最大似然译码的快速信道编码盲识别方法

技术领域

本发明涉及一种基于最大似然译码的快速信道编码盲识别算法。

背景技术

在无线通信中，自适应调制编码技术(Adaptive modulation and coding，AMC)常被用来解决信道容量无法充分利用的问题。该技术可以根据信道质量随时间的变化情况，对发射端的各项参数作出调整。但是在实际应用中，一般无法通过协议实现多方通信的同步，这使得相关控制信息有时不能准确的传送到接收端，从而造成通信无法建立。因此接收端如何仅仅根据接受到的数据块迅速地盲识别出发送端所采用的参数，即信道编码识别也成为一个非常重要的问题。

信道编码识别应用于AMC技术的接收端时，接收端通常已知发送端所有可能的编码参数组合。如4GLTE系统的物理层下行控制信道便是这种情况下的典型应用。对于上述领域的信道编码技术识别研究主要集中在卷积码的识别上。现有的一些研究主要有以下几种方式：

(1)利用接受序列的软信息计算出每种编码候选的综合后验概率(syndromeposterior probability，SSP)，并以SPP作为识别特征量来快速识别发送端使用的编码方式；

(2)针对SPP计算复杂度和存储困难的问题提出了采用对数似然比的加权均值作为识别特征量的优化算法；

(3)利用似然差代替加权均值作为特征识别量的优化算法。

以上这些信道编码识别算法在信道译码前都需要计算每个可能的编码候选的识别特征量，然而其特征识别量的计算形式复杂，包含大量的指数和乘法运算。主要有以下问题：识别特征量的计算复杂度高，引入的额外时延大；识别特征量的计算需要引入大量的资源消耗，不利于在对硬件资源受限的场景中。

发明内容

针对上述问题，本发明的目的是提供一种基于最大似然译码的快速信道编码盲识别算法。本发明将信道译码和信道编码识别性结合，以信道最大似然译码中参数最大欧式距离作为识别特征量。利用NP准则推导出满足系统可靠性需求的最佳检测阈值，对每个可能的编码候选进行识别。技术方案如下：

一种基于最大似然译码的快速信道编码盲识别方法，其特征在于，包括下列步骤：

1)信道编码前的序列为b＝[b₁,b₂,b₃,…b_K]，经编码后的序列为c＝[c₁,c₂,c₃,…c_N]，信号经调制器调制后的序列为s，则其经过AWGN信道后，在接收端的接收序列为r＝s+w＝[r₁,r₂,r₃,…r_N]，其中w为噪声序列，软解调之后输出的软信息序列为l＝[l₁,l₂,l₃,…,l_N]，在发送端采用BPSK或QPSK调制方式，接收端软解调之后的软信息序列l通过将BPSK信号或者QPSK信号的同相和正交分量乘以CSI参数L_c计算得到，即

l_i＝L_cr_i＝c’_i+w’_i,i＝1,2,…,N (1)

其中c’_i∈{+1,-1}为当前编码形式，w’_i～N(0,σ’)为归一化后的信道噪声。

2)译码过程等价于译码器根据l产生c的最近估计值序列其中

则最大似然译码参数e_max的计算公式如下：

3)根据接收端当前译码采用的编码候选C_t与发送端所采用的编码候选C相同与否，不相同时为H₀，相同时为H₁，根据公式(2)，接收端译码器译码深度到i＝n时的最大欧式距离即最大似然译码参数e_max表示为

其中m为在H₀条件下尝试的编码序列与之间的汉明距离；

4)从信道编码参数候选集合C_t中，依次令t＝1,2,3……M，选取一种编码方式，译码深度达到n时，根据公式(2)计算最大似然译码参数e_max。

5)将计算得到的e_max与识别检测阈值λ′进行比较，由于在H₁下e_max的分布为将NP准则中的漏检概率设定为α，通过查找标准正态分布表得到(1-α)所对应的边界值λ⁰，得到λ′的计算公式：

6)若e_max小于λ′，则说明目前尝试的候选序列为无效候选，属于H₀的情况，此时停止当前译码过程，继续从C_t候选集里挑选下一个候选编码序列；若e_max大于λ′，则判定当前候选的编码序列有效，继续进行后续译码，直到获得完整的译码序列。

7)在对所有候选编码序列重复进行上述过程后，得到预测的编码候选并对其进行CRC校验，若未通过则说明检测算法出现错误，继续对下一个候选进行译码和检测，直到获得正确译码结果。

为实现上述目的，本发明采取以下技术方案：

本发明由于采取以上技术方案，其具有以下优点：

(1)本发明无需引用额外的特征量计算过程，也不需要相应的硬件资源开销；

(2)本发明的原理简单，易于实现，便于应用在硬件资源受限的场景；

(3)本发明也可以与已有的信道编码盲识别算法相结合进一步加速接收端的译码流程。

附图说明

图1是一般通信链路结构图

图2改进盲识别算法流程图

具体实施方式

下面结合附图和实施例对本发明的进行详细的描述。

一般通信链路结构图如图1所示。设信道编码前的序列为b＝[b₁,b₂,b₃,…b_K]，经过码率为K/N的编码后的序列为c＝[c₁,c₂,c₃,…c_N]，若信号调制序列为s，经过AWGN信道后，在接收端的接收序列为r＝s+w，其中w为噪声序列。软解调之后输出的软信息序列为l＝[l₁,l₂,l₃,…,l_N]。第i比特的软信息l_i表示为编码比特c_i的后验概率对数似然比，即

控制信道的信息传输可靠性要求高，通常采用BPSK或QPSK调制方式。在这种情况下，式(1)表示的比特软信息可以简单地通过将BPSK信号或者QPSK信号的同相和正交分量乘以CSI参数(L_c)得到，即

l_i＝L_cr_i＝c’_i+w’_i,i＝1,2,…,N (2)

其中L_c＝4E_s/N₀,c’_i∈{+1,-1},w’_i～N(0,σ’)为归一化后的信道噪声。

在获得软信息序列l后，译码器开始信道译码。即根据输入软信息在2^K个码字集中寻找与l的欧式距离最小的码字

设当前的译码距离为n，软信息序列l与的最小欧式距离e_min为:

去除公共项即平方项，上述公式等价为

其中，l与对应最大欧式距离e_max,

现假设发送端所采用的信道编码参数候选集合Ω＝{C₁,C₂,…,C_M},该集合中共有M中编码方式。发送端依据信道条件等因素从候选集合Ω中则一个合适的编码候选C来编码信息序列。接收端经过软借条得到软信息序列l后，开始尝试依据候选集合Ω中不同的编码候选进行盲译码直到找到发送端所采用的编码候选C并解码出所需序列。在本发明中，将最大似然译码参数e_max作为识别特征量，对当前译码依据的编码候选的正确性进行识别，以提前终止无效的译码过程。

根据接收端当前译码采用的编码候选C_t与发送端所采用的编码候选C相同与否，分为H₀(不相同),H₁(相同)。根据公式4，接收端译码器译码到i＝n时的最大欧式距离e_max可以表示为

由此看出，参数e_max在H₀,H₁两种不同的假设下的分布规律不同，故可用来作为特征以判断当前译码采用的编码候选的有效性。

下面推导识别特征e_max对应的识别特征量和检测阈值。根据奈曼-皮尔逊准则(Neyman-Pearson criterion,NP criterion),将漏警概率作为检测阈值的限制条件α以保证算法的可靠性，推到信道比那吗盲识别所需的识别特征量和判决阈值。

NP准则的表达式为：

其中λ为NP准则的判决阈值，α为系统限定的漏警概率。

已知e_max在假设H₀和H₁下点的条件概率函数分布服从正态分布，将其带入公式(6)，并简化最终可表示为

故NP准则公式5可以转化为:

由上式可知，识别假设H₀和H₁的特征e_max对应的识别特征量为其本身。识别所需的检测阈值λ′可以通过将漏检概率设定为α得到,有

根据前面分析可知，在H1下e_max的分布为相应的阈值λ′可以通过查找标准正太分布计算得到：查找标准正态分布表得到(1-α)所对应的边界值λ⁰，λ⁰和λ′的关系如下：

根据NP准则式(8)，在译码器译码深度达到n时，接收端可以依据e_max对当前尝试的编码候选C_t进行信道编码的盲识别检测，当e_max大于判决阈值λ′时，判定为C_t＝C，继续进行后续译码流程。反之，判定C_t≠C。放弃当前译码过程，对下一编码候选C_t+1的盲译码尝试。

下面结合附图说明本发明中提出的基于最大似然译码的快速信道编码盲识别算法实施过程：

1)本发明提出的信道编码盲识别算法与信道译码相结合，其盲译流程如图2所示。在输入软信息l后，接收端开始依次尝试Ω中各种候选编码C_t进行信道译码。在每次译码深度达到n时，接收端比较并得到当前译码器中最大欧式距离值e_max。将e_max于识别阈值λ′进行比较：若e_max大于λ′则判定当前候选C_t为有效候选，接受端继续进行后续译码过程，直到获得完整的译码序列。在完成译码后对结果进行CRC校验，若未通过则说明检测算法出现错误，继续对下一个候选进行译码和检测，直到获得正确译码结果。

2)本发明中提出的算法相当于将依据某一编码候选进行部分信道译码的过程同时作为其识别特征量的生成过程。当通过识别检测时，译码器继续进行后续译码过程并获得译码信息。

本发明中提出的方法无需对全部编码候选区进行特征量求解，只需要对译码器进行适当修改，在完整的译码过程中插入识别比较环节即可，其硬件实现难度远小于传统的盲识别算法。

Claims (1)

1.一种基于最大似然译码的快速信道编码盲识别方法，其特征在于，包括下列步骤：

1)信道编码前的序列为b＝[b₁,b₂,b₃,…b_K]，经编码后的序列为c＝[c₁,c₂,c₃,…c_N]，信号经调制器调制后的序列为s，则其经过AWGN信道后，在接收端的接收序列为r＝s+w＝[r₁,r₂,r₃,…r_N]，其中w为噪声序列，软解调之后输出的软信息序列为l＝[l₁,l₂,l₃,…,l_N]，在发送端采用BPSK或QPSK调制方式，接收端软解调之后的软信息序列l通过将BPSK信号或者QPSK信号的同相和正交分量乘以CSI参数L_c计算得到，即

l_i＝L_cr_i＝c′_i+w′_i,i＝1,2,…,N (1)

其中c′_i∈{+1,-1}为当前编码形式，w′_i～N(0,σ')为归一化后的信道噪声。

2)译码过程等价于译码器根据l产生c的最近估计值序列其中

则最大似然译码参数e_max的计算公式如下：

3)根据接收端当前译码采用的编码候选C_t与发送端所采用的编码候选C相同与否，不相同时为H₀，相同时为H₁，根据公式(2)，接收端译码器译码深度到i＝n时的最大欧式距离即最大似然译码参数e_max表示为

其中m为在H₀条件下尝试的编码序列与之间的汉明距离；

4)从信道编码参数候选集合C_t中，依次令t＝1,2,3……M，选取一种编码方式，译码深度达到n时，根据公式(2)计算最大似然译码参数e_max；

5)将计算得到的e_max与识别检测阈值λ′进行比较，由于在H₁下e_max的分布为将NP准则中的漏检概率设定为α，通过查找标准正态分布表得到(1-α)所对应的边界值λ⁰，得到λ′的计算公式：

6)若e_max小于λ′，则说明目前尝试的候选序列为无效候选，属于H₀的情况，此时停止当前译码过程，继续从C_t候选集里挑选下一个候选编码序列；若e_max大于λ′，则判定当前候选的编码序列有效，继续进行后续译码，直到获得完整的译码序列；

7)在对所有候选编码序列重复进行上述过程后，得到预测的编码候选并对其进行CRC校验，若未通过则说明检测算法出现错误，继续对下一个候选进行译码和检测，直到获得正确译码结果。