CN113067583B - 基于最小错误判决准则的ldpc码码长及码字起点识别方法 - Google Patents

基于最小错误判决准则的ldpc码码长及码字起点识别方法 Download PDF

Info

Publication number
CN113067583B
CN113067583B CN202110226822.1A CN202110226822A CN113067583B CN 113067583 B CN113067583 B CN 113067583B CN 202110226822 A CN202110226822 A CN 202110226822A CN 113067583 B CN113067583 B CN 113067583B
Authority
CN
China
Prior art keywords
code
code length
code word
starting point
value
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
CN202110226822.1A
Other languages
English (en)
Other versions
CN113067583A (zh
Inventor
刘仁鑫
张立民
闫文君
钟兆根
凌青
谭继远
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.)
School Of Aeronautical Combat Service Naval Aeronautical University Of Pla
Original Assignee
School Of Aeronautical Combat Service Naval Aeronautical University Of Pla
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 School Of Aeronautical Combat Service Naval Aeronautical University Of Pla filed Critical School Of Aeronautical Combat Service Naval Aeronautical University Of Pla
Priority to CN202110226822.1A priority Critical patent/CN113067583B/zh
Publication of CN113067583A publication Critical patent/CN113067583A/zh
Application granted granted Critical
Publication of CN113067583B publication Critical patent/CN113067583B/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
    • H03M13/03—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
    • H03M13/1154—Low-density parity-check convolutional codes [LDPC-CC]

Landscapes

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

Abstract

本发明提出一种基于最小错误判决准则的LDPC码码长及码字起点识别方法，其中，方法包括：首先通过设置码长及码字起点遍历范围，然后根据码长及码字起点估计值对接收序列进行截取构造码字分析矩阵，对分析矩阵进行高斯列消元并获取疑似校验向量；基于最小错误判决准则筛选出LDPC码校验向量；根据不同码长及码字起点遍历值处校验向量个数的不同，最大值对应的码长及码字起点遍历值为测试结果，最终完成识别。由此，能够在高误码率条件下识别出LDPC码码长及码字起点，并且，能够在高误码条件下码长较长的码字的码字起点及码长识别。

Description

基于最小错误判决准则的LDPC码码长及码字起点识别方法
技术领域
本发明涉及信号处理领域中非协作通信信号处理技术领域，尤其涉及一种基于最小错误判决准则的LDPC码码长及码字起点识别方法。
背景技术
信道编码参数盲识别在智能通信、信息截获和信息对抗等领域具有广泛的应用。低密度奇偶校验(low density parity check，LDPC)码作为一种重要的线性分组码，随着近年来在卫星通信、微波通信等领域得到广泛应用，LDPC码编码参数识别分析成为一个热点问题，相关研究具有十分重要的理论及实际意义。LDPC码码长及码字起点识别是研究LDPC码开集识别的基础，现有的开集识别算法默认为已知条件，导致算法的实用性受限。
相关技术中，根据线性分组码的编码特点，提出了码长及码字起点的识别算法，但是该算法仅适用于低码率的码字识别，应用范围有限，并且，对于LDPC码这类长码的码长及码字起点识别性能较差。
发明内容
本发明旨在至少在一定程度上解决相关技术中的技术问题之一。
为此，本发明的第一个目的在于提出一种基于最小错误判决准则的LDPC码码长及码字起点识别方法，以实现能够在高误码率条件下识别出LDPC码码长及码字起点，并且，能够在高误码条件下码长较长的码字的码字起点及码长识别。
本发明的第二个目的在于提出一种基于最小错误判决准则的LDPC码码长及码字起点识别装置。
本发明的第三个目的在于提出一种计算机设备。
本发明的第四个目的在于提出一种非临时性计算机可读存储介质。
为达上述目的，本发明第一方面实施例提出了一种基于最小错误判决准则的LDPC码码长及码字起点识别方法，包括：确定LDPC码接收序列的当前码长估计值、码字起点估计值；
根据所述当前码长估计值和所述码字起点估计值对所述LDPC码接收序列进行截取构造码字分析矩阵；
对所述码字分析矩阵进行高斯列消元并获取疑似校验向量，并根据最小错误判决准则筛选出所述疑似校验向量中的LDPC码校验向量；
根据所述LDPC码校验向量识别所述LDPC码接收序列的码长目标值，并根据所述码长目标值获取码字起点目标值。
为达上述目的，本发明第二方面实施例提出了一种基于最小错误判决准则的LDPC码码长及码字起点识别装置，包括：：
确定模块，用于确定LDPC码接收序列的当前码长估计值、码字起点估计值；
构造模块，用于根据所述当前码长估计值和所述码字起点估计值对所述LDPC码接收序列进行截取构造码字分析矩阵；
筛选模块，用于对所述码字分析矩阵进行高斯列消元并获取疑似校验向量，并根据最小错误判决准则筛选出所述疑似校验向量中的LDPC码校验向量；
获取模块，用于根据所述LDPC码校验向量识别所述LDPC码接收序列的码长目标值，并根据所述码长目标值获取码字起点目标值。
为达上述目的，本发明第三方面实施例提出了一种计算机设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时，实现如上述第一方面实施例所述的基于最小错误判决准则的LDPC码码长及码字起点识别方法。
为了实现上述目的，本发明第四方面实施例提出了一种非临时性计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如上述第一方面实施例所述的基于最小错误判决准则的LDPC码码长及码字起点识别方法。
本发明的实施例，至少具有如下的技术效果：
首先通过设置码长及码字起点遍历范围，然后根据码长及码字起点估计值对接收序列进行截取构造码字分析矩阵，对分析矩阵进行高斯列消元并获取疑似校验向量；基于最小错误判决准则筛选出LDPC码校验向量；根据不同码长及码字起点遍历值处校验向量个数的不同，最大值对应的码长及码字起点遍历值为测试结果，最终完成识别。由此，能够在高误码率条件下识别出LDPC码码长及码字起点，并且，能够在高误码条件下码长较长的码字的码字起点及码长识别。
本发明附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。
附图说明
本发明上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：
图1为本发明实施例所提供的一种基于最小错误判决准则的LDPC码码长及码字起点识别方法的流程示意图；
图2是本发明基于最小错误判决准则的LDPC码码长及码字起点识别方法的总体流程图；
图3是本发明实施例中不用码率下得到的算法识别性能比较曲线图；
图4是本发明实施例中不同码字个数下得到的算法性能比较曲线图；
图5是本发明实施例中不同迭代次数下得到的算法性能比较曲线图；
图6是本发明实施例所提供的一种基于最小错误判决准则的LDPC码码长及码字起点识别装置的结构示意图。
具体实施方式
下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本发明，而不能理解为对本发明的限制。
为了改善高误码情况下LDPC码码长及码字起点识别性能较差的问题，本发明是通过以下技术方案实现的：设置码长及码字起点遍历范围，根据码长及码字起点估计值对接收序列进行截取构造码字分析矩阵，对分析矩阵进行高斯列消元并获取疑似校验向量；基于最小错误判决准则筛选出LDPC码校验向量；根据不同码长及码字起点遍历值处校验向量个数的不同，最大值对应的码长及码字起点遍历值为测试结果，最终完成识别。
本发明的内容是在全盲条件下，考虑信道和噪声对于信号的影响，在不估计信道信息的情况下进行LDPC码码长及码字起点识别。
下面参考附图描述本发明实施例的基于最小错误判决准则的LDPC码码长及码字起点识别方法和装置。
图1为本发明实施例所提供的一种基于最小错误判决准则的LDPC码码长及码字起点识别方法的流程示意图。
如图1所示，该基于最小错误判决准则的LDPC码码长及码字起点识别方法包括以下步骤：
步骤101，确定LDPC码接收序列的当前码长估计值、码字起点估计值。
本实施例中，假设LDPC码接收序列的码长为n0，码字起点为s0，码字起点估计值为
Figure BDA0002956752260000041
LDPC码接收序列为
Figure BDA0002956752260000042
后面也称为硬判决序列或者接收序列。
步骤102，根据当前码长估计值和码字起点估计值对LDPC码接收序列进行截取构造码字分析矩阵。
在本实施例中，根据当前码长估计值
Figure BDA0002956752260000043
及码字起点估计值
Figure BDA00029567522600000430
对接收序列进行截取构造一个
Figure BDA0002956752260000044
行
Figure BDA0002956752260000045
列的码字分析矩阵
Figure BDA0002956752260000046
下面将根据按照当前码长估计值
Figure BDA0002956752260000047
及码字起点估计值
Figure BDA0002956752260000048
的三种不同情况进行分析讨论。
Figure BDA0002956752260000049
即码字分析矩阵
Figure BDA00029567522600000410
的每行都包含一个完整的码字，根据线性约束关系，此时对
Figure BDA00029567522600000411
进行高斯列变换得到下阶梯矩阵，下阶梯矩阵对应的对偶矩阵中包含当前码字的校验向量。
Figure BDA00029567522600000412
即码字分析矩阵
Figure BDA00029567522600000413
的每行都包含两个不同的码字，每行的前
Figure BDA00029567522600000414
个比特属于一个码字，
Figure BDA00029567522600000415
比特属于另一个码字，此时，
Figure BDA00029567522600000416
中每行虽然不包含一个完整的码字，但是每行之间还存在一定的线性约束关系，对
Figure BDA00029567522600000417
进行高斯列变换得到下阶梯矩阵，下阶梯矩阵对应的对偶矩阵中有一定的概率包含当前码字的校验向量。通过不断地遍历码字起点位置，当遍历到正确码字起点时情况(2)转换为情况(1)，下阶梯矩阵对应的对偶矩阵中包含当前码字的疑似校验向量，同时，若
Figure BDA00029567522600000418
取值与s0十分接近，码字之间的线性约束关系较强，则有较大概率校验向量在高斯列变换后可以被找到，若
Figure BDA00029567522600000419
取值与s0相差较大，线性约束关系变弱，校验向量被获取的概率变低。
Figure BDA00029567522600000420
即码字分析矩阵
Figure BDA00029567522600000421
的每行包含的码字个数不确定，则
Figure BDA00029567522600000422
可看作为一个随机矩阵，每行之间不存在线性约束关系，对
Figure BDA00029567522600000423
进行高斯列变换后，将无法获取到校验向量，但是当
Figure BDA00029567522600000424
Figure BDA00029567522600000425
每行包含α-1个完整码字，对
Figure BDA00029567522600000426
进行高斯列变换为下阶梯型矩阵后，下阶梯矩阵对应的对偶矩阵中包含当前码字的校验向量。
由此，只有当
Figure BDA00029567522600000427
或
Figure BDA00029567522600000428
时，对码字分析矩阵
Figure BDA00029567522600000429
进行高斯列变换得到下阶梯型矩阵，下阶梯矩阵对应的对偶矩阵中包含当前码字的校验向量。校验向量的获取的个数与s0是否被正确遍历到有关，因此码长及码字起点识别问题转换为在不同码长及码字起点遍历值下码字分析矩阵的校验向量获取问题，下面将介绍如何根据码字分析矩阵获取校验向量。
步骤103，对码字分析矩阵进行高斯列消元并获取疑似校验向量，并根据最小错误判决准则筛选出疑似校验向量中的LDPC码校验向量。
步骤104，根据LDPC码校验向量识别LDPC码接收序列的码长目标值，并根据码长目标值获取码字起点目标值。
在本实施例中，假设接收到含有m个码字的接收序列c＝(c1,c2,…,cm)，随机选取n个码字，构造码字分析矩阵
Figure BDA0002956752260000051
其中cn×n是码字矩阵，In×n为n阶单位阵，对矩阵cs进行二元域高斯列变换，得到
Figure BDA0002956752260000052
根据对偶空间理论，此时Qn×(n-k)有部分向量为An×k的对偶向量，校验向量所在列为Bn×(n-k)中列重为0所对应的列，此时检测到的校验向量为码字序列c＝(c1,c2,…,cm)的疑似校验向量，需要进一步对校验关系进行验证，根据相应的判决门限识别出整个码字序列的校验向量。
进一步的，设GF(2)域上的(n,k)LDPC码c生成矩阵为G，G是k×n维的矩阵，生成矩阵G中k个线性无关的向量张成得到编码空间
Figure BDA00029567522600000516
其中span()表示扩张空间。根据校验关系可以得到校验矩阵H，H是(n-k)×n维矩阵，检验矩阵H中的n-k个线性无关的向量张成可以得到校验空间
Figure BDA0002956752260000053
Figure BDA0002956752260000054
也被称之为
Figure BDA0002956752260000055
的对偶空间。
若一个向量xi＝(xi,0,xi,1,…,xi,n-1)T属于编码空间
Figure BDA0002956752260000056
则xi为编码c的一个合法码字，若一个向量yj＝(yi,1,yi,2,…,yi,n)属于校验空间
Figure BDA0002956752260000057
则yj为编码C的一个合法校验向量，并且编码空间
Figure BDA0002956752260000058
中的向量与校验空间
Figure BDA0002956752260000059
中的向量彼此正交。
设码字为ci＝(ci,0,ci,1,…,ci,n-1)T，二进制对称信道(Binary SymmetricChannel,BSC)的误码率为τ，则对于任意一个n元向量hj＝(hj,1,hj,2,…,hj,n)，需要判断hj是否为码字ci的校验向量，根据对偶空间理论，可以得到公式(1)：
Figure BDA00029567522600000510
其中，w(h)代表hj的汉明重量，因此，可以根据式(1)完成接收码字对偶向量的判断选取。对于M个码字c＝(c1,c2,…,cM)，定义统计量
Figure BDA00029567522600000511
若
Figure BDA00029567522600000512
则统计量Z的取值接近于
Figure BDA00029567522600000513
若
Figure BDA00029567522600000514
则统计量Z的取值接近于
Figure BDA00029567522600000515
当M足够大时，二项分布趋向于正态分布，由中心极限定理可以得到公式(2)：
Figure BDA0002956752260000061
Figure BDA0002956752260000062
表示正态分布，由公式(2)可以得到，当M足够大时两种分布显然不同，判断接收信息是否为校验向量，只要合理的设置判决门限T就能有效的区分两种Z分布，即参照公式(3)：
Figure BDA0002956752260000063
下面对判决门限T进行分析，虚警概率Pfa，漏警概率Pnd分别为
Figure BDA0002956752260000064
Figure BDA0002956752260000065
根据最小错误概率准则，判决门限T可以定义为
Figure BDA0002956752260000066
定义Ψ＝Pfa+Pnd，并令
Figure BDA0002956752260000067
可以得到
Figure BDA0002956752260000068
令A＝1-(1-2τ)w(h)，可以得到
Figure BDA0002956752260000069
这是一个关于门限T的一元二次方程，即aT2+bT+c＝0，当b2-4ac≥0时，T有实数解
Figure BDA00029567522600000610
根据判决门限T的实际意义，T取值必须大于0，所以
Figure BDA00029567522600000611
通过判决门限T可以有效的筛选出校验向量，在校验向量获取算法中，对于有含有m个码字的序列c＝(c1,c2,…,cm)，随机选取n个码字进行疑似校验向量的获取，在进行校验向量的判定时，全部码字进行优势统计，保证了算法获取到的校验向量的准确性，同时通过迭代算法，不断筛选正确校验向量，充分利用了当前码字序列之前的线性约束关系，迭代结束后，对重复的校验向量进行删除，得到的校验向量是线性无关向量。
下面结合附图和实施例对本发明作进一步详细描述。
图2是本发明的总体流程图，本实施例所述方法实现过程如下：
码长及码字起点识别算法具体实现过程如下：
(1)初始化变量，码长估计起始值
Figure BDA0002956752260000071
设置码长估计最大值
Figure BDA0002956752260000072
码字起点估计值
Figure BDA0002956752260000073
(2)根据码长估计值
Figure BDA0002956752260000074
及码字起点估计值
Figure BDA0002956752260000075
对硬判决序列c＝(c1,c2,L,cm)进行数据处理，剔除序列c的前
Figure BDA0002956752260000076
比特得到
Figure BDA0002956752260000077
利用
Figure BDA0002956752260000078
根据当前码长估计值
Figure BDA0002956752260000079
构建
Figure BDA00029567522600000710
行
Figure BDA00029567522600000711
列的码字分析矩阵
Figure BDA00029567522600000712
(3)利用校验向量获取算法获取校验向量，并将获取到的校验向量储存在集合Θ2中。
(4)如果
Figure BDA00029567522600000713
且
Figure BDA00029567522600000714
则保持当前码长估计值
Figure BDA00029567522600000715
令
Figure BDA00029567522600000716
返回步骤(2)；如果
Figure BDA00029567522600000717
且
Figure BDA00029567522600000718
若
Figure BDA00029567522600000719
则令
Figure BDA00029567522600000720
令
Figure BDA00029567522600000721
返回步骤(2)；若
Figure BDA00029567522600000722
结束循环，码长未能正常识别。如果
Figure BDA00029567522600000723
则认为当前码字估计值
Figure BDA00029567522600000724
为疑似真实码长，停止循环，完成码长识别，输出识别出的码长
Figure BDA00029567522600000725
在识别出码长后，进行码字起点的识别，码字起点识别算法具体实现过程如下：
(1)根据识别出的码长
Figure BDA00029567522600000726
设置码字起点遍历范围
Figure BDA00029567522600000727
令
Figure BDA00029567522600000728
(2)对c＝(c1,c2,L,cm)进行数据处理，剔除序列c的前
Figure BDA00029567522600000729
比特得到
Figure BDA00029567522600000730
利用
Figure BDA00029567522600000731
根据码长
Figure BDA00029567522600000732
构建
Figure BDA00029567522600000733
行
Figure BDA00029567522600000734
列的码字分析矩阵
Figure BDA00029567522600000735
(3)利用校验向量获取算法获取校验向量，并将获取到的校验向量储存在集合Θ2中，将当前码字起点下识别出的校验向量个数存储在集合Ω中。
(4)若
Figure BDA00029567522600000736
则
Figure BDA00029567522600000737
执行步骤(1)～(3)，若
Figure BDA00029567522600000738
结束循环。
(5)选择集合Ω中的最大值，及其对应的码字起点估计值
Figure BDA00029567522600000739
则当前的
Figure BDA00029567522600000740
为算法识别出的码长估计值，输出码字起点估计值
Figure BDA00029567522600000741
实施例中如无特殊说明，仿真参数如下设置：根据IEEE802.16e协议进行编码，调制方式为BPSK，传输信道为二进制对称信道，去除码字的前50比特，即码字起点s0＝527，设置校验向量获取算法迭代次数tmax＝1，码长遍历范围为100～600，可以设置的变量有误码率为τ(误码率间隔2.5×10-5取值)、码长n、码率R、码字个数m，在不同的误码率下进行多次的100次蒙塔卡洛仿真实验，算法性能指标为在不同误码率情况下的正确识别率(正确识别次数/蒙特卡洛仿真实验次数)作为性能好坏的判断标准。
图3是码率对识别算法的影响码率R＝1/2，当误码率大于1.375×10-3时，识别率开始降低。码率R＝2/3A，当误码率大于0.85×10-3时，识别率开始降低。码率R＝3/4A，当误码率大于0.5×10-3时，识别率开始降低。码率R＝5/6，当误码率大于0.3×10-3时，识别率开始降低。由LDPC码的编码原理可知，相同码长情况下，码率越大，校验位越少，抗误码能力越差，与实验结果一致。
图4是不同码字个数下得到的算法性能比较。码字个数对码字识别算法的影响较小，这反映了算法可以在较少码字的情况下实现码长的识别，算法对数据量的依赖度较低
图5是不同迭代次数下得到的算法性能比较。当误码率为1.525×10-3，迭代次数为4次时，识别率为92％，迭代次数为3次时，识别率为83％，迭代次数为2次时，识别率为73％，迭代次数为1次时，识别率为66％。随着迭代次数增加，校验向量被发现的概率变大，因此识别率能得到明显提高。
综上，本发明实施例的基于最小错误判决准则的LDPC码码长及码字起点识别方法，首先通过设置码长及码字起点遍历范围，然后根据码长及码字起点估计值对接收序列进行截取构造码字分析矩阵，对分析矩阵进行高斯列消元并获取疑似校验向量；基于最小错误判决准则筛选出LDPC码校验向量；根据不同码长及码字起点遍历值处校验向量个数的不同，最大值对应的码长及码字起点遍历值为测试结果，最终完成识别。由此，能够在高误码率条件下识别出LDPC码码长及码字起点，并且，能够在高误码条件下码长较长的码字的码字起点及码长识别。
为了实现上述实施例，本发明还提出一种基于最小错误判决准则的LDPC码码长及码字起点识别装置。
图6为本发明实施例提供的一种基于最小错误判决准则的LDPC码码长及码字起点识别装置的结构示意图。
如图6所示，该基于最小错误判决准则的LDPC码码长及码字起点识别装置包括：确定模块610、构造模块620、筛选模块630和获取模块640。
其中，确定模块610，用于确定LDPC码接收序列的当前码长估计值、码字起点估计值；
构造模块620，用于根据所述当前码长估计值和所述码字起点估计值对所述LDPC码接收序列进行截取构造码字分析矩阵；
筛选模块630，用于对所述码字分析矩阵进行高斯列消元并获取疑似校验向量，并根据最小错误判决准则筛选出所述疑似校验向量中的LDPC码校验向量；
获取模块640，用于根据所述LDPC码校验向量识别所述LDPC码接收序列的码长目标值，并根据所述码长目标值获取码字起点目标值。
需要说明的是，前述对基于最小错误判决准则的LDPC码码长及码字起点识方法实施例的解释说明也适用于该实施例的基于最小错误判决准则的LDPC码码长及码字起点识装置，此处不再赘述。
为了实现上述实施例，本发明还提出一种计算机设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时，实现如上述实施例所描述的基于最小错误判决准则的LDPC码码长及码字起点识方法。
为了实现上述实施例，本发明还提出一种非临时性计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如上述实施例所描述的基于最小错误判决准则的LDPC码码长及码字起点识方法。
为了实现上述实施例，本发明还提出一种计算机程序产品，当所述计算机程序产品中的指令处理器执行时，实现如上述实施例所描述的基于最小错误判决准则的LDPC码码长及码字起点识方法。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本发明的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现定制逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本发明的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本发明的实施例所属技术领域的技术人员所理解。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用，或结合这些指令执行系统、装置或设备而使用。就本说明书而言，"计算机可读介质"可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下：具有一个或多个布线的电连接部(电子装置)，便携式计算机盘盒(磁装置)，随机存取存储器(RAM)，只读存储器(ROM)，可擦除可编辑只读存储器(EPROM或闪速存储器)，光纤装置，以及便携式光盘只读存储器(CDROM)。另外，计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序，然后将其存储在计算机存储器中。
应当理解，本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。如，如果用硬件来实现和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。
此外，在本发明各个实施例中的各功能单元可以集成在一个处理模块中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。
上述提到的存储介质可以是只读存储器，磁盘或光盘等。尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。

Claims (9)

1.一种基于最小错误判决准则的LDPC码码长及码字起点识别方法，其特征在于，包括：
确定LDPC码接收序列的当前码长估计值、码字起点估计值；
根据所述当前码长估计值和所述码字起点估计值对所述LDPC码接收序列进行截取构造码字分析矩阵；
对所述码字分析矩阵进行高斯列消元并获取疑似校验向量，并根据最小错误判决准则筛选出所述疑似校验向量中的LDPC码校验向量；
根据所述LDPC码校验向量识别所述LDPC码接收序列的码长目标值，并根据所述码长目标值获取码字起点目标值；
其中，所述对所述码字分析矩阵进行高斯列消元并获取疑似校验向量，包括：
在所述码字分析矩阵中随机确定n个码字，构造第一分析矩阵
Figure FDA0003541588460000011
其中cn×n是码字矩阵，In×n为n阶单位阵；
对所述第一分析矩阵进行二元域高斯列变换，得到第二分析矩阵
Figure FDA0003541588460000012
A、B、P、Q为变换得到的第二分析矩阵的子矩阵，其中，确定Bn×(n-k)中列重为0所对应的列为所述疑似校验向量。
2.如权利要求1所述的方法，其特征在于，所述根据所述当前码长估计值和所述码字起点估计值对所述LDPC码接收序列进行截取构造码字分析矩阵，包括：
步骤S1：根据所述当前码长估计值
Figure FDA0003541588460000013
及所述码字起点估计值
Figure FDA0003541588460000014
对所述LDPC码接收序列c＝(c1,c2,L,cm)进行数据处理，剔除所述LDPC码接收序列c的前
Figure FDA0003541588460000015
比特得到
Figure FDA0003541588460000016
通过
Figure FDA0003541588460000017
根据所述当前码长估计值
Figure FDA0003541588460000018
构建
Figure FDA0003541588460000019
行
Figure FDA00035415884600000110
列的所述码字分析矩阵
Figure FDA00035415884600000111
3.如权利要求2所述的方法，其特征在于，所述根据所述LDPC码校验向量识别所述LDPC码接收序列的码长目标值，包括：
将获取到的所述LDPC码校验向量储存在集合Θ2中；
如果
Figure FDA0003541588460000021
且
Figure FDA0003541588460000022
则保持所述当前码长估计值
Figure FDA0003541588460000023
令
Figure FDA0003541588460000024
返回所述步骤S1；
如果
Figure FDA0003541588460000025
且
Figure FDA0003541588460000026
则若
Figure FDA0003541588460000027
则令
Figure FDA0003541588460000028
令
Figure FDA0003541588460000029
返回所述步骤S1，其中，码长估计最大值
Figure FDA00035415884600000210
若
Figure FDA00035415884600000211
则结束循环，发送码长未能正常识别的通知消息。
4.如权利要求3所述的方法，其特征在于，还包括：
如果
Figure FDA00035415884600000212
则认为所述当前码长估计起始值
Figure FDA00035415884600000213
为疑似真实码长，停止循环，确定所述当前码长估计起始值
Figure FDA00035415884600000214
为所述码长目标值。
5.如权利要求4所述的方法，其特征在于，所述根据所述码长目标值获取码字起点目标值，包括：
步骤S2：根据所述码长目标值
Figure FDA00035415884600000215
设置码字起点估计值的遍历范围
Figure FDA00035415884600000216
并令
Figure FDA00035415884600000217
步骤S3：对所述LDPC码接收序列c＝(c1,c2,L,cm)进行数据处理，剔除序列c的前
Figure FDA00035415884600000218
比特得到
Figure FDA00035415884600000219
利用
Figure FDA00035415884600000220
根据
Figure FDA00035415884600000221
构建
Figure FDA00035415884600000222
行
Figure FDA00035415884600000223
列的参考码字分析矩阵
Figure FDA00035415884600000224
步骤S4：利用校验向量获取算法获取所述参考码字分析矩阵校验向量，并将获取到的校验向量储存在集合Θ2中；
步骤S5：将当前码字起点估计值下识别出的校验向量个数存储在集合Ω中；
步骤S6：若
Figure FDA00035415884600000225
则
Figure FDA00035415884600000226
并指执行上述步骤S1-步骤S5，若
Figure FDA00035415884600000227
结束循环；
步骤S7，在结束循环后，根据所述集合Ω获取码字起点目标值。
6.如权利要求5所述的方法，其特征在于，所述根据所述集合Ω获取码字起点目标值，包括：
选择集合Ω中的最大值，及其所述最大值对应的码字起点估计值
Figure FDA00035415884600000228
将所述最大值对应的码字起点估计值
Figure FDA00035415884600000229
最为所述码字起点目标值。
7.一种基于最小错误判决准则的LDPC码码长及码字起点识别装置，其特征在于，包括：
确定模块，用于确定LDPC码接收序列的当前码长估计值、码字起点估计值；
构造模块，用于根据所述当前码长估计值和所述码字起点估计值对所述LDPC码接收序列进行截取构造码字分析矩阵；
筛选模块，用于对所述码字分析矩阵进行高斯列消元并获取疑似校验向量，并根据最小错误判决准则筛选出所述疑似校验向量中的LDPC码校验向量；
获取模块，用于根据所述LDPC码校验向量识别所述LDPC码接收序列的码长目标值，并根据所述码长目标值获取码字起点目标值；
其中，所述对所述码字分析矩阵进行高斯列消元并获取疑似校验向量，包括：
在所述码字分析矩阵中随机确定n个码字，构造第一分析矩阵
Figure FDA0003541588460000031
其中cn×n是码字矩阵，In×n为n阶单位阵；
对所述第一分析矩阵进行二元域高斯列变换，得到第二分析矩阵
Figure FDA0003541588460000032
A、B、P、Q为变换得到的第二分析矩阵的子矩阵，其中，确定Bn×(n-k)中列重为0所对应的列为所述疑似校验向量。
8.一种计算机设备，其特征在于，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时，实现如权利要求1-6中任一所述的方法。
9.一种非临时性计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1-6中任一所述的方法。
CN202110226822.1A 2021-03-01 2021-03-01 基于最小错误判决准则的ldpc码码长及码字起点识别方法 Active CN113067583B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110226822.1A CN113067583B (zh) 2021-03-01 2021-03-01 基于最小错误判决准则的ldpc码码长及码字起点识别方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110226822.1A CN113067583B (zh) 2021-03-01 2021-03-01 基于最小错误判决准则的ldpc码码长及码字起点识别方法

Publications (2)

Publication Number Publication Date
CN113067583A CN113067583A (zh) 2021-07-02
CN113067583B true CN113067583B (zh) 2022-05-03

Family

ID=76559394

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110226822.1A Active CN113067583B (zh) 2021-03-01 2021-03-01 基于最小错误判决准则的ldpc码码长及码字起点识别方法

Country Status (1)

Country Link
CN (1) CN113067583B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116232340B (zh) * 2022-12-15 2023-10-13 中国人民解放军战略支援部队信息工程大学 一种卫星通信信号的稀疏校验矩阵参数估计方法及装置

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2015139160A1 (zh) * 2014-03-20 2015-09-24 山东华芯半导体有限公司 一种动态阈值比特翻转的ldpc码硬判决译码方法
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

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
FR2962615B1 (fr) * 2010-07-06 2013-03-22 Univ Bretagne Occidentale Procede et dispositif d'analyse de train binaire et de reconstruction en aveugle de codes correcteurs d'erreurs
FR2988243B1 (fr) * 2012-03-15 2014-05-09 Commissariat Energie Atomique Methode d'estimation aveugle d'un code d'embrouillage d'une liaison montante cdma 2000
CN103379060B (zh) * 2013-07-19 2016-03-30 电子科技大学 一种有限几何ldpc码参数盲估计方法
CN105763205A (zh) * 2016-03-16 2016-07-13 重庆邮电大学 基于高斯列消元的螺旋形交织器参数盲估计方法
CN106209315B (zh) * 2016-07-07 2019-07-26 西安电子科技大学 一种ldpc长码的编码参数盲识别方法
US10560221B2 (en) * 2017-01-05 2020-02-11 Huawei Technologies Co., Ltd. Apparatus and methods for training-based channel code design
CN107147400B (zh) * 2017-04-08 2020-07-14 西安电子科技大学 一种ira码开集盲识别方法
CN111800145A (zh) * 2020-07-20 2020-10-20 电子科技大学 一种基于余弦相似度的线性分组码的码长盲识别方法
CN112332860B (zh) * 2020-11-17 2022-07-19 中国人民解放军海军航空大学 一种ldpc码稀疏校验矩阵重建方法及系统

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2015139160A1 (zh) * 2014-03-20 2015-09-24 山东华芯半导体有限公司 一种动态阈值比特翻转的ldpc码硬判决译码方法
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

Also Published As

Publication number Publication date
CN113067583A (zh) 2021-07-02

Similar Documents

Publication Publication Date Title
CN106712898B (zh) 基于高斯迭代列消元的信道编码盲识别方法
CN107147400B (zh) 一种ira码开集盲识别方法
KR101997119B1 (ko) 인터리빙 주기를 추정하는 방법 및 그 시스템
CN113067583B (zh) 基于最小错误判决准则的ldpc码码长及码字起点识别方法
CN113037299A (zh) 基于迭代译码的ldpc码稀疏校验矩阵重建方法和装置
Cui et al. Multiple-input multiple-output radar detectors design in non-Gaussian clutter
CN111800145A (zh) 一种基于余弦相似度的线性分组码的码长盲识别方法
CN112332860B (zh) 一种ldpc码稀疏校验矩阵重建方法及系统
Castro et al. Finding needles in noisy haystacks
US20140254727A1 (en) Method and apparatus for lattice reduction with reduced computational complexity
US7584396B1 (en) System and method for decoding a signal using compressed sensor measurements
Abdel-Sayed et al. RMP: Reduced-set matching pursuit approach for efficient compressed sensing signal reconstruction
KR101356552B1 (ko) 블라인드 블록 인터리버 및 채널 부호화의 파라미터 추정 방법
CN113033457A (zh) 一种软故障识别模型训练和软故障识别方法、装置
US9037944B2 (en) Method for selecting a LDPC candidate code
CN113132058B (zh) 一种基于高斯约当消元的改进卷积交织盲识别方法
CN116667859A (zh) 一种ldpc码参数识别方法
KR20200135087A (ko) 가설검정 및 서포트 추정을 활용한 압축 센싱 방법 및 장치
Robinson et al. General measures for signal-noise separation in nonlinear dynamical systems
CN111884662B (zh) 一种误码条件下极化码的参数识别方法及系统
Zheng et al. Performance evaluation of irregular low-density parity-check codes at high signal-to-noise ratio
CN113395139A (zh) 一种基于高斯列消元的卷积码码长盲识别方法
CN114362851A (zh) 一种基于机器学习的无线信道数据去噪方法
US8977925B2 (en) Efficient way to construct LDPC code by comparing error events using a voting based method
CN108199722B (zh) 一种基于矩阵格的bibd-ldpc码构造方法

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