CN113395139A

CN113395139A - 一种基于高斯列消元的卷积码码长盲识别方法

Info

Publication number: CN113395139A
Application number: CN202110728575.5A
Authority: CN
Inventors: 倪飘; 任春辉; 王斌; 付毓生
Original assignee: University of Electronic Science and Technology of China; CETC 54 Research Institute
Current assignee: University of Electronic Science and Technology of China; CETC 54 Research Institute
Priority date: 2021-06-29
Filing date: 2021-06-29
Publication date: 2021-09-14

Abstract

本发明属于无线通信系统中的码字识别技术领域，具体是涉及一种高斯列消元的卷积码码长盲识别方法。本发明方法根据编码序列码元之间的相关性，通过高斯消元过程中所进行的初等变换的矩阵列变换搜索存储矩阵中是否存在线性相关列，当存储矩阵列数为真实码长或真实码长整数倍时，在无误码情况下校验位所在列可以全化为“0”的特性，引入余弦相似度，通过衡量卷积码码字矩阵高斯列消元后每列中“1”的比例的归一化列重向量与随机二进制矩阵的归一化列重向量的余弦相似度的波动性来确定卷积码的参数。本发明方法能够在误码率为0.01时达到90％的码长识别概率且适用范围广，对不同码长不同码率不同约束度的卷积码的码长均具有较好的识别性能。

Description

一种基于高斯列消元的卷积码码长盲识别方法

技术领域

本发明属于无线通信系统中的信道编码的盲识别技术领域，具体是涉及一种基于高斯列消元的卷积码码长的盲识别方法。

背景技术

目前，数字信号在信道传输过程中，由于受到噪声干扰会使信号失真，为了提高数据传输的可靠性，需要对信号进行信道编码。信道编码包括扰码、纠错编码及交织。卷积码属于纠错编码中最重要的一类码，卷积码作为一种分组码，具有码长较短、码字间存在相关性、编译码方式简单以及纠错性能较好的特点，所以在卫星通信、深空通信、移动通信等领域中广泛应用。在非协作通信情形下，第三方无法直接获得通信过程中采用的信道编码参数，急需一种仅利用接收或截获的编码数据快速准确地识别出编码参数的技术，以便数据译码更好地分析信息数据中的有用信息。

目前针对卷积码的码长识别方法主要集中在以下几种：

1.Walsh-Hadamard分析法

应用Walsh-Hadamard变换方法解方程求卷积码生成多项式，该方法可以直接应用于1/n码率卷积码的生成多项式识别，抗误码性能好不需要大量的数据量，但是该方法需要知道更多的先验知识建立数据矩阵方程。

2.矩阵分析法

矩阵分析法是将截获的数据，将其按顺序排列成一个p×q的识别矩阵循环改变矩阵的维数，对矩阵进行初等化简，根据矩阵行数为码长或码长整数倍时，化简得到的矩阵将出现秩亏现象，记录矩阵秩不等于列数的分组长度，计算其公约数可求得卷积码码长。但是，有误码的卷积码码长的盲识别算法中，该方法的容错率较低，码长识别受错误率影响大其容错性有待进一步研究。

3.欧几里德识别法

有限域上接收卷积码码字多项式c₁(x)和c₂(x),生成多项式为g₁(x)和g₂(x)，根据纠错编码的校验关系，对接收到的卷积码编码数据在有限域上通过多项式的辗转相除得到生成多项式。此方法的计算量相对较少，但是仅仅针对1/2码率卷积码的识别，且必须在已知码字起始位置时才能完成识别。

发明内容

本发明的目的在于，针对上述问题，提出一种基于高斯列消元的卷积码码长的盲识别方法，本发明适用的卷积码码率范围广且容错性能较好。

本发明的技术方案为，一种基于高斯列消元的卷积码码长的盲识别方法，如图1所示，包括以下步骤：

S1、从数字通信系统中解调出截获序列，且截获序列长度为L；

S2、构建数据矩阵X_m×n，设置n的遍历范围,数据矩阵的行数m为

即接收到的数据量L除以当前估计的码长n的值向下取整；

S3、对S2中的数据矩阵X_m×n进行基础列变换处理，得到一个近似简约列阶梯型矩阵X^* _m×n，取矩阵X^* _m×n的第n+1行至m行，第1至n列组成数据矩阵X_m×n的跟随矩阵X。

S4、计算S3中跟随矩阵X中每一列所含“1”的比率值，得到对应于跟随矩阵X的归一化列重向量；

S5、计算二进制随机码字矩阵对应的归一化列重向量与S4中跟随矩阵X的归一化列重向量的余弦相似度；

S6、根据余弦相似度极小值的分布情况识别出正确码长。

通过上述步骤就可以实现对卷积码码长的盲识别。

本发明的有益效果是：

(1)本发明在未知任何先验知识的情况下，实现对任意码率的卷积码码长识别，达到了全盲识别的效果。

(2)本发明采用在伽罗华域GF(2)上进行高斯列消元，降低了信道中噪声的影响，在出现误码的情况下仍然可以有效识别卷积码码长，提高了抗误码的能力；

(3)本发明根据卷积码码字间的线性关系通过余弦相似度极小值直接得到卷积码码长，无需设置判决门限去判断该列是否为相关列，因为判决门限的选择会直接影响码长正确与否。

附图说明

图1为本发明方法卷积码码长识别流程图。

图2为本发明矩阵高斯列消元流程图

图3为不同码率下卷积码码长识别概率与信道误码率的关系图。

图4为1/2码率卷积码在不同约束度下码长识别概率与信道误码率的关系图。

具体实施方式

为了使本发明的目的、技术方案更加清楚明了，以下结合实施实例，对本发明进行进一步详细的说明。

本发明提出一种在高误码下的任意码率卷积码参数的盲识别方法，在未知码字起点并且含误码的情况下，准确识别出卷积码码长n。

下面结合附图，详细描述本发明的技术方案：

如图1所示，本发明基于高斯列消元的卷积码码长识别方法的步骤如下：

S1、数字通信系统中解调出截获序列，且截获序列长度为L；

S2、将接收或截获的卷积码比特流按照当前估计码长n构建数据矩阵X_m×n，n的遍历范围为n_min～n_max，数据矩阵的行数m为

即接收到的数据量L除以当前估计的码长n的值向下取整；

S3、对S2中的数据矩阵X_m×n进行高斯列消元处理，得到一个近似简约列阶梯型矩阵X^* _m×n，取矩阵X^* _m×n的第n+1行至m行，第1至n列组成数据矩阵X_m×n的跟随矩阵X。

S4、计算S3中跟随矩阵X的每一列中所含“1”的比率值，得到对应于跟随矩阵X的归一化列重向量；

S6、根据余弦相似度极小值的分布情况识别出正确码长。

所述S2中，对接收到的含误码的接收序列进行分组，构成一个m×n的数据矩阵，其中

在实际应用中通常卷积码码长大于等于2小于等于6，约束度小于等于7，因此根据码字间的线性约束关系设置n_min＝2，n_max＝60。

所述S3中，主要对数据矩阵进行高斯列消元，其高斯列消元处理的具体步骤如图2所示。

所述S4中，计算跟随矩阵X的每一列中所含“1”的比率值，得到对应于跟随矩阵X的归一化列重向量；定义为：

V_n(C)＝{d₁,…,d_i,…,d_n} (1)

式(1)中，C代表矩阵，n为矩阵列数，d_i为矩阵第i列中所含“1”的比率值；

所述S5中，二进制随机码字矩阵中每一行都为随机码字，随机码字中码元取值相互独立，因此码元取值为“1”和“0”的概率相等，因此二进制随机码字矩阵对应的归一化列重向量为：

余弦相似度的定义为：

若两向量的相似度越高，则T(x,y)绝对值越大；若两向量的相似度越低，则T(x,y)绝对值越小。

所述S6中，余弦相似度T(V_n(C),V_n(R))在真实码长和真实码长整数倍时取得极小值。具体推导为：将(n,k,m)卷积码的码字逐一放入矩阵列数等于真实码长或真实码长整数倍的矩阵X中，在无误码的情况下，k位信息码元所在的列为独立列，(n-k)位校验码元所在的列为相关列，因为卷积码编码后的n位码元不仅与当前的k位信息有关，而且与前面(m+1)段的信息有关，所以对码字起点同步的卷积码码字矩阵进行高斯列消元后，如果要完整的表述卷积码的线性约束关系至少需要n(m+1)比特数据，因此至少经过n(m+1)列后校验元所在的相关列中的信息数据在无误码情况下将全部转化为0。但在实际传输过程中受到信道的干扰，相关列中的信息数据不会全部转化为0，且取值为1和0的概率分别为：

P₀＝0.5[1-(1-2τ)^wt(h)] (4)

P₁＝0.5[1+(1-2τ)^wt(h)] (5)

式中τ表示信道的误码率，wt(h)表示卷积码对偶码字的重量；由式(3)和(4)可知：对卷积码码字矩阵进行高斯列消元，其相关列中“1”的个数所占比例与二进制随机码字矩阵对应列中“1”的个数所占比例不同。当以真实码长或真实码长整数倍建立数据矩阵，此时的矩阵为卷积码码字矩阵，且二进制随机码字矩阵对应的归一化列重向量与卷积码码字矩阵进行高斯列消元后的归一化列重向量存在较大差异，即余弦相似度T(V_n(C),V_n(R))将小于1；而当数据矩阵的列值不是真实码长倍数或小于真实码长值时，二进制随机码字矩阵对应的归一化列重向量与卷积码码字矩阵进行高斯列消元后的归一化列重向量的相似度极大，即余弦相似度T(V_n(C),V_n(R))将接近于1；因此，数据矩阵的列数为真实码长或真实码长整数倍时，余弦相似度T(V_n(C),V_n(R))取得极小值。

下面通过仿真示例并结合图3、图4来证明本发明的有效性：

本发明是针对任意码率提出的，故以不同的编码类型为例，通过Matlab仿真结果来说明有噪声情况下卷积码码长盲识别的正确识别概率。按照上述方法分别对卷积码接收或截获序列，在不同误码率下采用本发明方法的步骤进行码长识别，在每种误码率下进行500次蒙特卡罗仿真实验，绘制其识别的性能曲线图。图3是本发明中针对卷积码任意码率的码长识别对比图，横坐标表示信道的误码率，纵坐标表示码长识别正确率，是一种客观评价信道编码参数盲识别的指标，选择(2,1,2)，(3,1,3)，(3,2,3)，(4,1,5)，(4,2,3)五种编码类型，在误码率为0.001时，码长的识别正确率基本是100％，在误码率为0.01时仍有很高的码长识别正确率。随着码率的增大和寄存器长度的不同，识别概率会有所降低，但仿真结果验证了本发明的可行性和良好的容错性能。

图4是本发明针对1/2码率卷积码码长的正确识别率，对比了约束长度从2～7的卷积码的码长识别率，横坐标表示信道的误码率，纵坐标表示码长识别正确率，是一种客观评价信道编码参数盲识别的指标。随着卷积码约束度的增加，信道编码结构变得更加复杂，需要较低的误码率才能达到同样的识别精度。在相同信道误码率条件下，码长的正确识别率会有所下降。此仿真结果说明本发明方法对于相同码率不同约束度的卷积码均具有较好的识别效果。

Claims

1.一种基于高斯列消元的卷积码码长盲识别方法，其特征在于，包括以下步骤：

S2、将截获的卷积码比特流按照当前估计码长n构建数据矩阵X_m×n，n的遍历范围为n_min～n_max，数据矩阵的行数m为

S3、对S2中的数据矩阵X_m×n进行高斯列消元处理，得到一个近似简约列阶梯型矩阵X^* _m×n，取矩阵X^* _m×n的第n+1行至m行，第1至n列组成数据矩阵X_m×n的跟随矩阵X；

S4、计算S3中跟随矩阵x的每一列中所含“1”的比率值，得到对应于跟随矩阵X的归一化列重向量，定义为：

V_n(C)＝{d₁，...，d_i，...，d_n}(1)

式(1)中，C代表矩阵，n为矩阵列数，d_i为矩阵第i列中“1”的个数所占的比例；

S5、计算二进制随机码字矩阵对应的归一化列重向量V_n(R)与S4中跟随矩阵X的归一化列重向量V_n(C)的余弦相似度T(V_n(C)，V_n(R))；二进制随机码字矩阵中每一行都为随机码字，随机码字中码元取值相互独立，因此码元取值为“1”和“0”的概率相等，二进制随机码字矩阵对应的归一化列重向量为：

余弦相似度的定义为：

两向量的相似度越高T(x，y)绝对值越大，两向量的相似度越低T(x，y)绝对值越小；

s6、根据余弦相似度T(V_n(C)，V_n(R))极小值的分布情况识别出正确码长：数据矩阵的列数为真实码长或真实码长倍数时，余弦相似度T(V_n(C)，V_n(R))取得极小值。

2.根据权利要求1所述的基于高斯列消元的卷积码码长盲识别方法，其特征在于：步骤S3中所述的高斯列消元具体方法为：

从数据矩阵X_m×n的第一列开始，初始化i＝1，具体步骤如下：

S31、如果X_m×n的第i列不全为0，则从上往下寻找第i列中第一个非零元素P_ij，否则转至步骤S33；

S32、将P_ij右侧非零元素所在的列与第i列进行模2加，判断i是否小于估计码长n，若小于则转至步骤S33，否则得到新的矩阵，结束；

S33、令i＝i+1，转至步骤S31。