CN110690907B - 一种已知支路信息turbo码删除模式估计方法 - Google Patents

一种已知支路信息turbo码删除模式估计方法 Download PDF

Info

Publication number
CN110690907B
CN110690907B CN201910921408.5A CN201910921408A CN110690907B CN 110690907 B CN110690907 B CN 110690907B CN 201910921408 A CN201910921408 A CN 201910921408A CN 110690907 B CN110690907 B CN 110690907B
Authority
CN
China
Prior art keywords
deletion
interleaving
deleting
matrix
branch
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.)
Active
Application number
CN201910921408.5A
Other languages
English (en)
Other versions
CN110690907A (zh
Inventor
甘露
于雄雄
宫春涛
廖红舒
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
University of Electronic Science and Technology of China
Original Assignee
University of Electronic Science and Technology of China
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by University of Electronic Science and Technology of China filed Critical University of Electronic Science and Technology of China
Priority to CN201910921408.5A priority Critical patent/CN110690907B/zh
Publication of CN110690907A publication Critical patent/CN110690907A/zh
Application granted granted Critical
Publication of CN110690907B publication Critical patent/CN110690907B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • H03M13/29—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 combining two or more codes or code structures, e.g. product codes, generalised product codes, concatenated codes, inner and outer codes
    • H03M13/2957—Turbo codes and decoding
    • H03M13/296—Particular turbo code structure

Landscapes

  • Physics & Mathematics (AREA)
  • Probability & Statistics with Applications (AREA)
  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Error Detection And Correction (AREA)

Abstract

本发明属于turbo码盲识别技术领域，具体涉及一种已知支路信息turbo码删除模式估计方法。本发明利用支路编码序列和信息位序列长度比值与删除比特个数与删除周期长度比值相等的关系，估计删除周期。然后再通过删除卷积码的识别方法得到生成矩阵，利用估计得到的生成矩阵重新生成支路序列，比对其正确性，从而确定支路的删除模式以及生成矩阵。本发明针对具有复杂删除模式的支路信息已知的turbo码进行识别，能够对具有多个1的复杂删除模式进行有效识别。很好的适应于实际的turbo码识别应用中。

Description

一种已知支路信息turbo码删除模式估计方法
技术领域
本发明属于turbo码盲识别技术领域，具体涉及一种已知支路信息turbo码删除模式估计方法。
背景技术
CCSDS协议中，具有删除的并行级联类(PCCC)Turbo码编码使校验位和交织校验输出，在一个删除周期内删除模式只存在一个1,。同样的对于双输入类的turbo码，也具有类似的删除模式。但在实际的应用中会出现具有多个1的复杂删除模式。该类删除模式的估计比较复杂。需要已知码长与信息位位置以及各支路的数据序列。在这些已知的基础上才能对其删除模式、编码生成矩阵以及交织方式进行识别。
发明内容
本发明提供了一种已知支路信息的turbo码复杂删除模式识别方法，扩大了turbo码可识别删除模式的范围，有效提高了turbo码盲识别的可靠性。
本发明的技术方案：一种已知码长、信息位位置以及各支路数据序列PCCC-turbo复杂删除模式的识别方法。利用支路编码序列和信息位序列长度比值与删除比特个数与删除周期长度比值相等的关系，估计删除周期。然后再通过删除卷积码的识别方法得到生成矩阵，利用估计得到的生成矩阵重新生成支路序列，比对其正确性，从而确定支路的删除模式以及生成矩阵；本发明主要包括以下步骤：
S1、初始化，信息位序列为A＝a1a2....aN，N是信息位序列长度，非交织支路校验输出序列为B＝b1b2...bM，M是非交织支路校验输出序列长度，交织支路校验输出序列为C＝c1c2...cL，L是交织支路校验输出序列长度。码长为n，信息位长为k，删除周期上限乘积因子为α。
S2、对非交织支路校验输出序列进行删除模式识别，识别门限阈值为θ：
S21、初始化估计删除周期TP以及删除模式中1的个数NP，
Figure GDA0002244191040000021
gcd(N,M)表示N、M的最大公约数，M≤N，当支路编码存在删除时，M<N；
S22、由删除周期TP以及删除模式中1的个数NP构造所有可能的删除模式P的集合：
Figure GDA0002244191040000022
Figure GDA0002244191040000023
是二元有限域TP维空间，集合元素总数为
Figure GDA0002244191040000024
S23、利用信息位序列为A＝a1a2....aN，以及非交织支路校验输出序列为B＝b1b2...bM构造码率为TP/(TP+1)的卷积码，其输出模式为:
Figure GDA0002244191040000025
利用双合冲算法求解得到其校验多项式矩阵为H(x)；
S24、令需要识别的删除卷积码校验矩阵为
Figure GDA0002244191040000026
n0为H(x)中子生成多项式的个数。校验矩阵多项式最大次数为
Figure GDA0002244191040000027
源生成多项式的次数上限为κ＝(n0-1)(d+1)-1，设1/2码率源码生成多项式为
Figure GDA0002244191040000028
Figure GDA0002244191040000029
αi，λi为生成多项式的系数。构造码率为(n0-1)/2(n0-1)的生成多项式矩阵G′(x)：
Figure GDA00022441910400000210
其中
Figure GDA00022441910400000211
F(x)表示全体多项式集合。
构造可能的删除模式集合，
Figure GDA00022441910400000212
Figure GDA00022441910400000213
是二元有限域2n0-2维空间。
S25、从S依次选择一个生成模式P，构造删除卷积码CP的生成多项式矩阵为：
GP(x)＝[G′(x)]ηP
其中ηP＝(ηP(1),ηP(2),...,ηP(i),...,ηP(n0))表示删除模式P的位置向量，ηP(i)表示P中第i个1位于P列的位置，根据校验关系GP(x)HT(x)＝0，得到线性方程组G(α0,α1,...,ακ,λ0,λ1,...,λκ)T＝0，其中G是F上的一个((n-1)×2(κ+1))矩阵；
S26、解S25所得方程组得出非零基础解系Ω，将Ω中的元素表示为
Figure GDA0002244191040000031
其中
Figure GDA0002244191040000032
Figure GDA0002244191040000033
表示二元有限域κ维空间，
Figure GDA0002244191040000034
Fκ(x)表示κ次多项式集合。并记
Figure GDA0002244191040000035
Figure GDA0002244191040000036
亦作相同处理，选择出Ω中对应
Figure GDA0002244191040000037
阶数κ最小的解，记录并存储该解及其阶数；
S27、检查
Figure GDA0002244191040000038
若
Figure GDA0002244191040000039
中所有可能的
Figure GDA00022441910400000310
已计算，进入步骤S28；否则回到步骤S25继续计算；
S28、选择所有删除模式
Figure GDA00022441910400000311
中对应阶数最小的解作为估计值，此解对应删除码源码生成多项式矩阵G的估计，初始化i，i＝1；
S29、选取S中的第i个元素Pi，使用S23～S28步骤估计得到的生成多项式矩阵G对信息位序列进行编码得到编码输出D＝d1d2....dN，根据Pi对编码输出D进行删除得到序列
Figure GDA00022441910400000312
如果
Figure GDA00022441910400000313
则进入S4；如果不满足，i＝i+1，重复该步骤，直到
Figure GDA00022441910400000314
成立，更新删除周期TP以及删除模式中1的个数NP：
Figure GDA00022441910400000315
进入步骤S24，直到
Figure GDA00022441910400000316
或
Figure GDA00022441910400000317
成立，进入步骤S6；
S3、对交织支路校验输出序列进行删除模式P、交织深度NS以及交织关系πS识别：
S31、已知交织深度为NS、初始化估计删除周期TP以及删除模式中1的个数NP，
Figure GDA0002244191040000041
S32、由于两支路编码器为同类编码器，根据S2得到的生成项式矩阵G的维度，构造所有可能的该类生成多项式矩阵集合：
Figure GDA0002244191040000042
mG,nG表示生成项式矩阵G的行列数目，该集合元素总数为NG；
S33、由删除周期TP以及删除模式中1的个数NP构造所有可能的删除模式P的集合：
Figure GDA0002244191040000043
Figure GDA0002244191040000044
是二元有限域TP维空间，集合元素总数为
Figure GDA0002244191040000045
S34、由交织深度NS构造交织支路输入数据矩阵X：
Figure GDA0002244191040000046
初始化i，i＝1；
S35、选取S中的第i个元素Pi，根据该删除模式对交织输出：
Figure GDA0002244191040000047
进行补零，即将被删除交织输出位设为0，则有补零后的交织输出数据为：
Figure GDA0002244191040000048
构造交织编码输出矩阵
Figure GDA0002244191040000049
Figure GDA0002244191040000051
初始化j，j＝1；
S36、选取SG中的第j个元素
Figure GDA0002244191040000052
利用
Figure GDA0002244191040000053
对X进行编码得到编码输出为：
Figure GDA0002244191040000054
利用删除模式Pi的对编码输出C′进行删除替换，即将C′中按删除模式Pi要删除的部分全部替换为0，得到编码输出矩阵
Figure GDA0002244191040000055
Figure GDA0002244191040000056
初始化l以及交织关系πS：l＝1，
Figure GDA0002244191040000057
S37、
Figure GDA0002244191040000058
在
Figure GDA0002244191040000059
寻找使
Figure GDA00022441910400000510
的列矢量
Figure GDA00022441910400000511
若存在，则πS(μ)＝l，l＝l+1，重复该步骤，直到l>NS，进入步骤S5；若不存在，则j＝j+1，判断j>NG，若否，回到步骤S36；若是，则i＝i+1，对
Figure GDA00022441910400000512
进行判断，若判断为假，则进入步骤S35，若判断为真，，则更新删除周期TP以及删除模式中1的个数NP:
Figure GDA0002244191040000061
再判断
Figure GDA0002244191040000062
或
Figure GDA0002244191040000063
是否成立，若判断为假，则进入步骤S33，若判断为真，则进入步骤S6；
S4、输出校验位删除模式Pi以及生成多项式矩阵G以及删除周期TP；
S5、输出交织位识别得到的删除周期TP、生成多项式矩阵
Figure GDA0002244191040000064
删除模式Pi以及交织关系πS；
S6、输出未得到识别结果。
本发明针对具有复杂删除模式的支路信息已知的turbo码进行识别，能够对具有多个1的复杂删除模式进行有效识别。很好的适应于实际的turbo码识别应用中。
附图说明
图1是本发明校验位删除模式识别方法流程图
图2是本发明交织位删除模式以及交织识别方法流程图
图3是本发明实施例1中校验位删除模式识别正确率随误码变化的曲线图
图4是采用本发明方法后帧长与误码率识别门限关系示意
具体实施方式
下面结合附图和实施例对本发明进行详细的描述
图1是本发明校验位删除模式识别方法流程图，如图所示，本发明校验位删除模式识别估计包括了如下步骤：
S1初始化，信息位序列为A＝a1a2....aN，N是信息位序列长度，非交织支路校验输出序列为B＝b1b2...bM，M是非交织支路校验输出序列长度，交织支路校验输出序列为C＝c1c2...cL，L是交织支路校验输出序列长度。码长为n，信息位长为k，删除周期上限乘积因子为α。
S2对非交织支路校验输出序列进行删除模式识别，识别门限阈值为θ
S21初始化估计删除周期TP以及删除模式中1的个数NP，
Figure GDA0002244191040000071
其中N、M表示信息位序列A＝a1a2...aN以及非交织支路校验输出序列为B＝b1b2...bM的长度。gcd(N,M)表示N、M的最大公约数，M≤N。当支路编码存在删除时，M<N。
S22由删除周期TP以及删除模式中1的个数NP构造所有可能的删除模式P的集合：
Figure GDA0002244191040000072
Figure GDA0002244191040000073
是二元有限域TP维空间，集合元素总数为
Figure GDA0002244191040000074
S23利用信息位序列为A＝a1a2....aN，以及非交织支路校验输出序列为B＝b1b2...bM构造码率为TP/(TP+1)的卷积码，其输出模式为:
Figure GDA0002244191040000075
利用双合冲算法求解得到其校验多项式矩阵为H(x)。
S29选取S中的第i个元素Pi，使用S23～S28步骤估计得到的生成多项式矩阵G对信息位序列进行编码得到编码输出D＝d1d2....dN，根据Pi对编码输出D进行删除得到序列
Figure GDA0002244191040000076
如果
Figure GDA0002244191040000077
进入S4。如果不满足，i＝i+1，重复该步骤，直到
Figure GDA0002244191040000078
若，
Figure GDA0002244191040000079
更新删除周期TP以及删除模式中1的个数NP:
Figure GDA00022441910400000710
进入S24，直到
Figure GDA0002244191040000081
或
Figure GDA0002244191040000082
若
Figure GDA0002244191040000083
或
Figure GDA0002244191040000084
则输出无识别结果。
图2是本发明S31～S35所述交织位删除模式及交织识别方法流程图，如图所示，交织位删除模式及交织识别方法包括如下步骤：
S31初始化估计删除周期TP以及删除模式中1的个数NP，
Figure GDA0002244191040000085
S32由于两支路编码器为同类编码器，则根据S2得到的生成项式矩阵G的维度，我们构造所有可能的该类生成多项式矩阵集合：
Figure GDA0002244191040000086
mG,nG表示生成项式矩阵G的行列数目，该集合元素总数为NG；
S33由删除周期TP以及删除模式中1的个数NP构造所有可能的删除模式P的集合：
Figure GDA0002244191040000087
Figure GDA0002244191040000088
是二元有限域TP维空间,集合元素总数为
Figure GDA0002244191040000089
初始化i，i＝1
S34选取S中的第i个元素Pi，根据该删除模式对交织输出：
Figure GDA00022441910400000810
进行补零，即将被删除交织输出位设为0，则有补零后的交织输出数据为：
Figure GDA00022441910400000811
由NS构造交织编码输出矩阵
Figure GDA00022441910400000812
初始化j以及交织关系：j＝1，
Figure GDA00022441910400000813
S35～S37选取SG中的第j个元素
Figure GDA00022441910400000814
利用
Figure GDA00022441910400000815
通过译码对比的方法对
Figure GDA00022441910400000816
进行交织识别。若识别成功则进入S5。若不存在，，则j＝j+1，对j>NG进行判断，若判断为假，则重复该步骤。若判断为真，则i＝i+1，判断
Figure GDA0002244191040000091
若否，则进入S34，若是，则更新删除周期TP以及删除模式中1的个数NP:
Figure GDA0002244191040000092
再判断
Figure GDA0002244191040000093
或
Figure GDA0002244191040000094
若判断为假，则进入S33，若判断为真，则进入S6；
实施例1
本实施例的目的在于说明本发明不同误码条件下，检验位删除模式识别正确率随误码变化情况。选取码长为300，RSC生成多项式为[23,35]，删除模式分别为[1101]、[11101]的编码器作为案例进行说明。结果如图3所示，可以看出误码小于0.1％时，本发明方法能够很好的实现对删除模式与生成多项式矩阵进行识别。而较大删除周期的识别性能在较高误码条件下是低于较小删除周期的识别性能的。因此本发明更适用于较短删除周期的删除模式识别。
实施例2
本实例的目的在于说明本发明交织位删除模式及交织关系识别方法的可识别误码率边界，分别选取了码长为104、124、164、204、以及304的RSC生成多项式为[23,35]，删除模式为[1101]的编码器为案例进行说明。结果如图4所示。可以看出，随码长增大，本发明交织位删除模式及交织关系识别方法可识别的误码率边界是降低的，不同码长下的数据误码率超过该边界后，本发明方法不再适用。

Claims (1)

1.一种已知支路信息turbo码删除模式估计方法，其特征在于，包括以下步骤：
S1、初始化，信息位序列为A＝a1a2....aN，N是信息位序列长度，非交织支路校验输出序列为B＝b1b2...bM，M是非交织支路校验输出序列长度，交织支路校验输出序列为C＝c1c2...cL，L是交织支路校验输出序列长度；码长为n，信息位长为k，删除周期上限乘积因子为α；
S2、对非交织支路校验输出序列进行删除模式识别，识别门限阈值为θ：
S21、初始化估计删除周期TP以及删除模式中1的个数NP，
Figure FDA0002217685300000011
gcd(N,M)表示N、M的最大公约数，M≤N，当支路编码存在删除时，M<N；
S22、由删除周期TP以及删除模式中1的个数NP构造所有可能的删除模式P的集合：
Figure FDA0002217685300000012
Figure FDA0002217685300000013
是二元有限域TP维空间，集合元素总数为
Figure FDA0002217685300000014
S23、利用信息位序列为A＝a1a2....aN，以及非交织支路校验输出序列为B＝b1b2...bM构造码率为TP/(TP+1)的卷积码，其输出模式为:
Figure FDA0002217685300000015
利用双合冲算法求解得到其校验多项式矩阵为H(x)；
S24、令需要识别的删除卷积码校验矩阵为
Figure FDA0002217685300000016
n0为H(x)中子生成多项式的个数；校验矩阵多项式最大次数为
Figure FDA0002217685300000017
源生成多项式的次数上限为κ＝(n0-1)(d+1)-1，设1/2码率源码生成多项式为
Figure FDA0002217685300000018
Figure FDA0002217685300000019
αi，λi为生成多项式的系数；构造码率为(n0-1)/2(n0-1)的生成多项式矩阵G′(x)：
Figure FDA0002217685300000021
其中
Figure FDA0002217685300000022
F(x)表示全体多项式集合；
构造可能的删除模式集合，
Figure FDA0002217685300000023
Figure FDA0002217685300000024
是二元有限域2n0-2维空间；
S25、从S依次选择一个生成模式P，构造删除卷积码CP的生成多项式矩阵为：
Figure FDA0002217685300000025
其中ηP＝(ηP(1),ηP(2),...,ηP(i),...,ηP(n0))表示删除模式P的位置向量，ηP(i)表示P中第i个1位于P列的位置，根据校验关系GP(x)HT(x)＝0，得到线性方程组G(α0,α1,...,ακ,λ0,λ1,...,λκ)T＝0，其中G是F上的一个((n-1)×2(κ+1))矩阵；
S26、解S25所得方程组得出非零基础解系Ω，将Ω中的元素表示为
Figure FDA0002217685300000026
其中
Figure FDA0002217685300000027
Figure FDA0002217685300000028
表示二元有限域κ维空间，
Figure FDA0002217685300000029
Fκ(x)表示κ次多项式集合；并记
Figure FDA00022176853000000210
Figure FDA00022176853000000211
亦作相同处理，选择出Ω中对应
Figure FDA00022176853000000212
阶数κ最小的解，记录并存储该解及其阶数；
S27、检查
Figure FDA00022176853000000213
若
Figure FDA00022176853000000214
中所有可能的
Figure FDA00022176853000000215
已计算，进入步骤S28；否则回到步骤S25继续计算；
S28、选择所有删除模式
Figure FDA00022176853000000216
中对应阶数最小的解作为估计值，此解对应删除码源码生成多项式矩阵G的估计，初始化i，i＝1；
S29、选取S中的第i个元素Pi，使用S23～S28步骤估计得到的生成多项式矩阵G对信息位序列进行编码得到编码输出D＝d1d2....dN，根据Pi对编码输出D进行删除得到序列
Figure FDA0002217685300000031
如果
Figure FDA0002217685300000032
则进入S4；如果不满足，i＝i+1，重复该步骤，直到
Figure FDA0002217685300000033
成立，更新删除周期TP以及删除模式中1的个数NP：
Figure FDA0002217685300000034
进入步骤S24，直到
Figure FDA0002217685300000035
或
Figure FDA0002217685300000036
成立，进入步骤S6；
S3、对交织支路校验输出序列进行删除模式P、交织深度NS以及交织关系πS识别：
S31、已知交织深度为NS、初始化估计删除周期TP以及删除模式中1的个数NP，
Figure FDA0002217685300000037
S32、由于两支路编码器为同类编码器，根据S2得到的生成项式矩阵G的维度，构造所有可能的该类生成多项式矩阵集合：
Figure FDA0002217685300000038
mG,nG表示生成项式矩阵G的行列数目，该集合元素总数为NG；
S33、由删除周期TP以及删除模式中1的个数NP构造所有可能的删除模式P的集合：
Figure FDA0002217685300000039
Figure FDA00022176853000000310
是二元有限域TP维空间，集合元素总数为
Figure FDA00022176853000000311
S34、由交织深度NS构造交织支路输入数据矩阵X：
Figure FDA00022176853000000312
初始化i，i＝1；
S35、选取S中的第i个元素Pi，根据该删除模式对交织输出：
Figure FDA0002217685300000041
进行补零，即将被删除交织输出位设为0，则有补零后的交织输出数据为：
Figure FDA0002217685300000042
构造交织编码输出矩阵
Figure FDA0002217685300000043
Figure FDA0002217685300000044
初始化j，j＝1；
S36、选取SG中的第j个元素
Figure FDA0002217685300000045
利用
Figure FDA0002217685300000046
对X进行编码得到编码输出为：
Figure FDA0002217685300000047
利用删除模式Pi的对编码输出C′进行删除替换，即将C′中按删除模式Pi要删除的部分全部替换为0，得到编码输出矩阵
Figure FDA0002217685300000048
Figure FDA0002217685300000049
初始化l以及交织关系πS：l＝1，
Figure FDA00022176853000000410
S37、
Figure FDA0002217685300000051
在
Figure FDA0002217685300000052
寻找使
Figure FDA0002217685300000053
的列矢量
Figure FDA0002217685300000054
若存在，则πS(μ)＝l，l＝l+1，重复该步骤，直到l>NS，进入步骤S5；若不存在，则j＝j+1，判断j>NG，若否，回到步骤S36；若是，则i＝i+1，对
Figure FDA0002217685300000055
进行判断，若判断为假，则进入步骤S35，若判断为真，则更新删除周期TP以及删除模式中1的个数NP：
Figure FDA0002217685300000056
再判断
Figure FDA0002217685300000057
或
Figure FDA0002217685300000058
是否成立，若判断为假，则进入步骤S33，若判断为真，则进入步骤S6；
S4、输出校验位删除模式Pi以及生成多项式矩阵G以及删除周期TP；
S5、输出交织位识别得到的删除周期TP、生成多项式矩阵
Figure FDA0002217685300000059
删除模式Pi以及交织关系πS；
S6、输出未得到识别结果。
CN201910921408.5A 2019-09-27 2019-09-27 一种已知支路信息turbo码删除模式估计方法 Active CN110690907B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910921408.5A CN110690907B (zh) 2019-09-27 2019-09-27 一种已知支路信息turbo码删除模式估计方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910921408.5A CN110690907B (zh) 2019-09-27 2019-09-27 一种已知支路信息turbo码删除模式估计方法

Publications (2)

Publication Number Publication Date
CN110690907A CN110690907A (zh) 2020-01-14
CN110690907B true CN110690907B (zh) 2023-04-25

Family

ID=69110481

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910921408.5A Active CN110690907B (zh) 2019-09-27 2019-09-27 一种已知支路信息turbo码删除模式估计方法

Country Status (1)

Country Link
CN (1) CN110690907B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112165337B (zh) * 2020-09-30 2024-01-26 电子科技大学 基于线性约束的卷积码随机交织序列交织关系估计方法
CN112165338B (zh) * 2020-09-30 2023-05-02 电子科技大学 一种卷积码随机交织序列交织关系的估计方法
CN116566404B (zh) * 2023-07-11 2023-09-19 北京谷数科技股份有限公司 删余Turbo码交织映射关系的确定方法及装置

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1274202A (zh) * 1999-02-19 2000-11-22 Ntt移动通信网株式会社 交错方法、交错装置、加速编码方法以及加速编码装置
US6298461B1 (en) * 1998-04-06 2001-10-02 Nortel Networks Limited Encoding and decoding methods and apparatus
EP1170872A2 (en) * 2000-07-06 2002-01-09 Andrew William Hunt Code and iteratively decodable code structure, encoder, encoding method, and associated decoder and decoding method
CN1455607A (zh) * 2002-02-17 2003-11-12 三星电子株式会社 用于发送和接收上行链路功率偏移信息的设备和方法
CN101237239A (zh) * 2008-03-03 2008-08-06 黄知涛 一种(n-1)/n码率的删除卷积码的盲识别方法
CN103236900A (zh) * 2013-04-07 2013-08-07 电子科技大学 一种串行级联Turbo码交织器参数盲估计方法
CN104683072A (zh) * 2015-03-26 2015-06-03 山东大学 一种删余turbo码分量编码器的参数盲识别方法
CN107196666A (zh) * 2017-04-12 2017-09-22 西安电子科技大学 一种通用Turbo编译码器快速验证方法
CN107370566A (zh) * 2017-07-28 2017-11-21 西安电子科技大学 一种误码条件下的删余Turbo码盲识别方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
FR2808632B1 (fr) * 2000-05-03 2002-06-28 Mitsubishi Electric Inf Tech Procede de turbo-decodage avec reencodage des informations erronees et retroaction

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6298461B1 (en) * 1998-04-06 2001-10-02 Nortel Networks Limited Encoding and decoding methods and apparatus
CN1274202A (zh) * 1999-02-19 2000-11-22 Ntt移动通信网株式会社 交错方法、交错装置、加速编码方法以及加速编码装置
EP1170872A2 (en) * 2000-07-06 2002-01-09 Andrew William Hunt Code and iteratively decodable code structure, encoder, encoding method, and associated decoder and decoding method
CN1455607A (zh) * 2002-02-17 2003-11-12 三星电子株式会社 用于发送和接收上行链路功率偏移信息的设备和方法
CN101237239A (zh) * 2008-03-03 2008-08-06 黄知涛 一种(n-1)/n码率的删除卷积码的盲识别方法
CN103236900A (zh) * 2013-04-07 2013-08-07 电子科技大学 一种串行级联Turbo码交织器参数盲估计方法
CN104683072A (zh) * 2015-03-26 2015-06-03 山东大学 一种删余turbo码分量编码器的参数盲识别方法
CN107196666A (zh) * 2017-04-12 2017-09-22 西安电子科技大学 一种通用Turbo编译码器快速验证方法
CN107370566A (zh) * 2017-07-28 2017-11-21 西安电子科技大学 一种误码条件下的删余Turbo码盲识别方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
Jian Li.Active Approach for Tamper Detection with Robustness to Lossy Compression.Journal of Shanghai Jiaotong University(Science).2013,(第04期),121-126. *
李宏博 ; 陈树新 ; .一种基于Turbo编译码方案的BPSK系统误比特性能研究.中国电子科学研究院学报.2006,(第01期),259-264. *
杜海明 ; 丁国强 ; 崔光照 ; .Turbo码及其应用研究的最新进展.郑州轻工业学院学报(自然科学版).2006,(第01期),131-135. *

Also Published As

Publication number Publication date
CN110690907A (zh) 2020-01-14

Similar Documents

Publication Publication Date Title
CN110690907B (zh) 一种已知支路信息turbo码删除模式估计方法
US10326478B2 (en) Apparatus and method for encoding and decoding data in twisted polar code
KR101264476B1 (ko) 증가된 용량의 이종의 스토리지 엘리먼트들
JP5374156B2 (ja) データを復号化及び符号化するための装置及び方法
EP1798861B1 (en) LDPC encoding through decoding algorithm
EP1443656A2 (en) Method of generating parity data based on a low-density parity check (LDPC) matrix and apparatus therefor
CN1937414A (zh) 信号解码方法、信号解码装置和信号存储系统
CN113612486B (zh) 一种构建pbrl ldpc码的基矩阵方法、系统、装置及存储介质
CN111858142A (zh) 一种数据处理方法、装置及电子设备和存储介质
EP2248010A1 (en) Method and system for detection and correction of phased-burst errors, erasures, symbol errors, and bit errors in a received symbol string
WO2008048723A2 (en) Method and system for improving decoding efficieny in wireless receivers
CN107196665B (zh) 一种纠错纠删rs码的识别方法
CN101060341A (zh) 后维特比纠错装置及其相关方法
CN110113058B (zh) 编译码方法、装置、设备及计算机可读存储介质
KR20080030329A (ko) 사전에 지정한 패리티를 검사한 결과를 이용해 ｌｄｐｃ코드를 부호화하는 방법
CN100433836C (zh) 使用冗余对视/音频和语音数据进行解码的方法和系统
JP2005109771A (ja) 最大事後確率復号方法及び装置
KR20100042589A (ko) 이진 데이터의 오류 정정 및 오류 검출 방법
JP4634423B2 (ja) 情報送受信方法、符号化装置および復号化装置
US20090307561A1 (en) Decoding device, decoding method, and recording and reproducing device
CN110535478B (zh) 一种DVB-RCS2协议中双输入类Turbo码闭集识别方法
CN108352845B (zh) 用于对存储数据进行编码的方法以及装置
CN111527705B (zh) 用于解码器重用的信道码构造
US9236890B1 (en) Decoding a super-code using joint decoding of underlying component codes
Booth et al. Convolutional coding techniques for certain quadratic residual codes

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