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 PDFInfo
- 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
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
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。
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。
即码字分析矩阵的每行都包含两个不同的码字,每行的前个比特属于一个码字,比特属于另一个码字,此时,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。
即码字分析矩阵的每行包含的码字个数不确定,则可看作为一个随机矩阵,每行之间不存在线性约束关系,对进行高斯列变换后,将无法获取到校验向量,但是当 每行包含α-1个完整码字,对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,只有当或时,对码字分析矩阵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 也被称之为的对偶空间。
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)属于校验空间则yj为编码C的一个合法校验向量,并且编码空间中的向量与校验空间中的向量彼此正交。
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):
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),定义统计量若则统计量Z的取值接近于若则统计量Z的取值接近于当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):
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
根据最小错误概率准则,判决门限T可以定义为
根据判决门限T的实际意义,T取值必须大于0,所以
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:
(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。
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:
(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。
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:
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。
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:
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。
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)
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)
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)
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 |
-
2021
- 2021-03-01 CN CN202110226822.1A patent/CN113067583B/zh active Active
Patent Citations (2)
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 |