CN116232340B - 一种卫星通信信号的稀疏校验矩阵参数估计方法及装置 - Google Patents

一种卫星通信信号的稀疏校验矩阵参数估计方法及装置 Download PDF

Info

Publication number
CN116232340B
CN116232340B CN202211618420.7A CN202211618420A CN116232340B CN 116232340 B CN116232340 B CN 116232340B CN 202211618420 A CN202211618420 A CN 202211618420A CN 116232340 B CN116232340 B CN 116232340B
Authority
CN
China
Prior art keywords
check
matrix
vectors
satellite communication
communication signal
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
CN202211618420.7A
Other languages
English (en)
Other versions
CN116232340A (zh
Inventor
刘倩
张昊
鲁志波
于沛东
李瑞瑞
邢巧芳
张冬燕
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.)
Information Engineering University of PLA Strategic Support Force
Original Assignee
Information Engineering University of PLA Strategic Support Force
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 Information Engineering University of PLA Strategic Support Force filed Critical Information Engineering University of PLA Strategic Support Force
Priority to CN202211618420.7A priority Critical patent/CN116232340B/zh
Publication of CN116232340A publication Critical patent/CN116232340A/zh
Application granted granted Critical
Publication of CN116232340B publication Critical patent/CN116232340B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • HELECTRICITY
    • H03ELECTRONIC CIRCUITRY
    • H03MCODING; DECODING; CODE CONVERSION IN GENERAL
    • H03M13/00Coding, 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
    • H03M13/03Error detection or forward error correction by redundancy in data representation, i.e. code words containing more digits than the source words
    • H03M13/05Error 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
    • H03M13/11Error 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
    • H03M13/1102Codes on graphs and decoding on graphs, e.g. low-density parity check [LDPC] codes
    • H03M13/1148Structural properties of the code parity-check or generator matrix
    • H03M13/116Quasi-cyclic LDPC [QC-LDPC] codes, i.e. the parity-check matrix being composed of permutation or circulant sub-matrices
    • YGENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02DCLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D30/00Reducing energy consumption in communication networks
    • Y02D30/70Reducing energy consumption in communication networks in wireless communication networks

Landscapes

  • Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Probability & Statistics with Applications (AREA)
  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Radio Relay Systems (AREA)

Abstract

本发明属于卫星通信信号参数估计技术领域,特别涉及一种卫星通信信号的稀疏校验矩阵参数估计方法及装置,该方法包括获得截获的采用QC‑LDPC码编码的卫星通信信号的信噪比;建立评估码字中错误比特个数的经验函数;将卫星通信信号的码字矩阵的行向量按照经验函数的取值从小到大排序;对排序后的硬判决码字矩阵实施高斯若当列消元获得校验向量,利用校验向量准循环性质获得更多的校验向量;对硬判决码字矩阵中的码字进行译码,重复消元,构造校验向量和译码的过程,直至线性无关校验向量的个数不再增加为止;将所有的校验向量稀疏化,重建稀疏校验矩阵。本发明能够在误比特率大的条件下,实现QC‑LDPC码的稀疏校验矩阵的参数识别,抗误码性能强。

Description

一种卫星通信信号的稀疏校验矩阵参数估计方法及装置
技术领域
本发明属于卫星通信信号参数估计技术领域,特别涉及一种卫星通信信号的稀疏校验矩阵参数估计方法及装置。
背景技术
截获通信信号的参数估计是通过分析解调后的比特流序列获取比特流所采用的编码类型、编码参数、交织类型、交织参数及扰码等的识别,在比特流分析中位于通信参数分析环节。在采用LDPC码的信号参数盲估计中,往往由于码长较长,校验矩阵稀疏等特点,传统的其他类型通信信号的参数估计方法不再适用于新一代的采用准循环低密度奇偶校验码(QC-LDPC)码编码的卫星通信信号的参数估计工作中。因此,这是当前截获信号参数估计的一个难点。
现有方法步骤如图1所示。在已有的卫星通信信号参数估计方法中,由于码字排序方法不能有效地将含错误比特个数较少的码字挑出并排序,导致在高误比特率下实施高斯若当列消元并不能获得校验向量,方法在高误比特率下失效。
卫星通信信号采用编码方式一般码长较长,并且其参数识别与传统短码的参数识别的不同不仅在于码字长短,更在于其校验矩阵的稀疏性。在相同的误比特率下,一般码长越长的码字包含的错误比特个数越多,因此比特间的校验关系被破坏的就越严重,造成了校验关系恢复越困难。为解决此问题,利用截获信号序列的软信息将含错误比特个数较少的码字挑出,以降低码字的误比特率。一般采取的方法是通过统计码字软信息中与零的距离小于某一阈值的比特个数,来衡量码字中错误比特的个数。但此方法较为笼统和粗糙,在挑选质量好的码字上作用有限,因此传统的采用QC-LDPC码编码的卫星通信信号参数估计方法容错能力有限。
发明内容
针对现有技术中存在的问题,本发明提出一种卫星通信信号的稀疏校验矩阵参数估计方法及装置,能够在误比特率大的条件下,实现QC-LDPC码的稀疏校验矩阵的参数识别,抗误码性能强。
为了实现上述目的,本发明采用以下的技术方案:
本发明提供了一种卫星通信信号的稀疏校验矩阵参数估计方法,该方法包含以下步骤:
获得截获的采用QC-LDPC码编码的卫星通信信号的信噪比;
利用卫星通信信号的软信息和信噪比,建立评估码字中错误比特个数的经验函数;
将卫星通信信号的码字矩阵的行向量按照经验函数的取值从小到大排序;
对排序后的硬判决码字矩阵实施高斯若当列消元获得校验向量,利用校验向量准循环性质获得更多的校验向量;
对硬判决码字矩阵中的码字进行译码,重复消元,构造校验向量和译码的过程,直至线性无关校验向量的个数不再增加为止;
将所有的校验向量稀疏化,重建稀疏校验矩阵,即估计得到了卫星通信信号的稀疏校验矩阵参数。
进一步地,在获得卫星通信信号的信噪比之前,先截获采用QC-LDPC码编码的卫星通信信号,构造卫星通信信号的码字矩阵,具体包括:假设截获码字序列起点为第t0个信号,以此为开始的第一个信号,编码长度为n,分割出m个信号序列,以m个信号序列为行从上至下依次排列,构造出软信息码字矩阵R=(rij)m×n,相应的硬判决码字矩阵为A=(aij)m×n
进一步地,利用软判决迭代法估计出截获的卫星通信信号的信噪比。
进一步地,建立评估码字中错误比特个数的经验函数包括:
利用信噪比设定高斯白噪声信道;生成一个随机序列,编码长度为L1,经过BPSK调制后通过高斯白噪声信道,在接收端解调后得到该随机序列的软信息码字矩阵和硬判决码字矩阵/>将软信息码字矩阵的绝对值区间[0,+∞)分割为[0,1),[1,2),…,[9,+∞)的并,统计接收信号的软信息码字矩阵的绝对值落在各部分区间内,并且硬判决出错的比特所占的比例,将其记作ki,i=1,2,…,10,构造经验函数如下:
其中,向量yi表示向量/>的第i个分量。
进一步地,将卫星通信信号的码字矩阵的行向量按照经验函数的取值从小到大排序包括:
统计截获卫星通信信号的软信息码字矩阵的绝对值|R|=(|rij|)中第i行中落在各区间中的数目,i=1,2,…,m,记为代入经验函数f,得到各行向量对应的错误比特估计值:
其中i=1,2,…,m,按照的值从小到大排列,相应的R和A的行向量也按照此顺序排列。
进一步地,对排序后的硬判决码字矩阵实施高斯若当列消元获得校验向量,利用校验向量准循环性质获得更多的校验向量包括:
对排序后的A实施高斯若当列消元,通过统计矩阵列向量的重量小于某阈值的列获得校验向量;
选取其中一个校验向量根据码长n,遍历准循环校验矩阵中循环块的大小q,使得码长n为循环块的大小q的整数倍,并构造出全部的右循环移位向量/>i=1,2,…,q-1,让A与全部的/>相乘,若得到的所有结果中非零元数量都远小于m/2,则相应的q为正确的,同时得到/>所有的q-1个右循环移位向量;
将获得的所有校验向量和对应的右循环移位向量放入校验向量集合中。
进一步地,利用和积算法、所有的校验向量和所有的校验向量的右循环移位向量对A中的码字进行译码,然后将A的行向量随机排列重新构成码字矩阵;对A重复实施高斯若当列消元-获得校验向量-构造右循环移位向量-译码-行向量随机排列这个流程,直至校验向量集合中线性无关向量的个数不再增加为止。
进一步地,利用校验向量稀疏化方法将校验向量集合中所有向量稀疏化,重建稀疏校验矩阵。
本发明还提供了一种卫星通信信号的稀疏校验矩阵参数估计装置,包括:
信噪比获得模块,用于获得截获的采用QC-LDPC码编码的卫星通信信号的信噪比;
经验函数构造模块,用于利用卫星通信信号的软信息和信噪比,建立评估码字中错误比特个数的经验函数;
行向量排序模块,用于将卫星通信信号的码字矩阵的行向量按照经验函数的取值从小到大排序;
校验向量获得模块,用于对排序后的硬判决码字矩阵实施高斯若当列消元获得校验向量,利用校验向量准循环性质获得更多的校验向量;
译码模块,用于对硬判决码字矩阵中的码字进行译码,重复消元,构造校验向量和译码的过程,直至线性无关校验向量的个数不再增加为止;
稀疏校验矩阵重建模块,用于将所有的校验向量稀疏化,重建稀疏校验矩阵,即估计得到了卫星通信信号的稀疏校验矩阵参数。
与现有技术相比,本发明具有以下优点:
本发明的卫星通信信号的稀疏校验矩阵参数估计方法通过构造的评估码字中错误比特个数的经验函数得到截获的采用QC-LDPC码编码的卫星通信信号的码字矩阵中码字的错误比特个数,实现对高质量码字的挑选,得到误比特率较低的一组码字,使得后续实施高斯若当列消元的过程中能够获得校验向量,提高了卫星通信信号参数估计方法的抗噪能力。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是现有技术卫星通信信号参数估计方法的流程示意图;
图2是本发明实施例一的卫星通信信号的稀疏校验矩阵参数估计方法的流程示意图;
图3是本发明实施例一的卫星通信信号的稀疏校验矩阵参数估计装置的结构框图。
图4是本发明实施例二的将码字排序后码字矩阵二相图;
图5是本发明实施例二的估计出的卫星通信信号的稀疏校验矩阵参数二相图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
实施例一
如图2所示,本实施例的卫星通信信号的稀疏校验矩阵参数估计方法包含以下步骤:
步骤S11,截获采用QC-LDPC码编码的卫星通信信号,并构造卫星通信信号的码字矩阵。
具体的,假设截获码字序列起点为第t0个信号,以此为开始的第一个信号,编码长度为n,分割出m个信号序列,以m个信号序列为行从上至下依次排列,构造出软信息码字矩阵R=(rij)m×n,相应的硬判决码字矩阵为A=(aij)m×n
步骤S12,获得截获的采用QC-LDPC码编码的卫星通信信号的信噪比。
在本实例中,采用软判决迭代法是先利用接收信号软信息序列rn计算发送信号xn的概率得到再估计出截获信号的信噪比,这属于现有技术,本方法不包含信噪比估计过程,而是将截获信号的信噪比作为已知的输入参数。
步骤S13,利用卫星通信信号的软信息和信噪比,建立评估码字中错误比特个数的经验函数。
利用步骤S12的信噪比设定高斯白噪声信道;生成一个随机序列,编码长度为L1,经过BPSK调制后通过高斯白噪声信道,在接收端解调后得到该随机序列的软信息码字矩阵和硬判决码字矩阵/>将软信息码字矩阵的绝对值区间[0,+∞)分割为[0,1),[1,2),…,[9,+∞)的并,统计接收信号的软信息码字矩阵的绝对值落在各部分区间内,并且硬判决出错的比特所占的比例,将其记作ki,(i=1,2,…,10),构造经验函数如下:
其中,向量yi表示向量/>的第i个分量。
步骤S14,将卫星通信信号的码字矩阵的行向量按照经验函数的取值从小到大排序。
统计截获卫星通信信号的软信息码字矩阵的绝对值|R|=(|rij|)中第i(i=1,2,…,m)行中落在各区间中的数目,记为代入步骤13的经验函数f,得到各行向量对应的错误比特估计值:
其中i=1,2,…,m,按照的值从小到大排列,相应的R和A的行向量也按照此顺序排列。
步骤S15,对排序后的硬判决码字矩阵实施高斯若当列消元获得校验向量,利用校验向量准循环性质获得更多的校验向量。
对排序后的A实施高斯若当列消元,通过统计矩阵列向量的重量小于某阈值的列获得校验向量;以其中一个校验向量为例,根据码长n,遍历准循环校验矩阵中循环块的大小q,使得码长n为循环块的大小q的整数倍,并构造出全部的右循环移位向量/>i=1,2,…,q-1,让A与全部的/>相乘,若得到的所有结果中非零元数量都远小于m/2(可设置为小于m/4,即认为远小于m/2),则相应的q为正确的,同时得到/>所有的q-1个右循环移位向量。
将获得的所有校验向量和对应的右循环移位向量放入校验向量集合中。
步骤S16,对硬判决码字矩阵中的码字进行译码,重复消元,构造校验向量和译码的过程,直至线性无关校验向量的个数不再增加为止。
具体的,利用和积算法(SPA)、所有的校验向量和所有的校验向量的右循环移位向量对A中的码字进行译码,然后将A的行向量随机排列重新构成码字矩阵;对A重复实施高斯若当列消元-获得校验向量-构造右循环移位向量-译码-行向量随机排列这个流程,直至校验向量集合中线性无关向量的个数不再增加为止。
步骤S17,利用校验向量稀疏化方法将校验向量集合中所有向量稀疏化,重建稀疏校验矩阵,即估计得到了卫星通信信号的稀疏校验矩阵参数。
与上述一种卫星通信信号的稀疏校验矩阵参数估计方法相应地,本实施例还提出一种卫星通信信号的稀疏校验矩阵参数估计装置,如图3所示,包括:
信噪比获得模块,用于获得截获的采用QC-LDPC码编码的卫星通信信号的信噪比。
经验函数构造模块,用于利用卫星通信信号的软信息和信噪比,建立评估码字中错误比特个数的经验函数。
行向量排序模块,用于将卫星通信信号的码字矩阵的行向量按照经验函数的取值从小到大排序。
校验向量获得模块,用于对排序后的硬判决码字矩阵实施高斯若当列消元获得校验向量,利用校验向量准循环性质获得更多的校验向量。
译码模块,用于对硬判决码字矩阵中的码字进行译码,重复消元,构造校验向量和译码的过程,直至线性无关校验向量的个数不再增加为止。
稀疏校验矩阵重建模块,用于将所有的校验向量稀疏化,重建稀疏校验矩阵,即估计得到了卫星通信信号的稀疏校验矩阵参数。
实施例二
以IEEE802_16e标准中的(576,288)QC-LDPC码为例。
步骤S21,假设截获的卫星通信信号的信噪比为SNR=8dB,误码率为6×10-3
步骤S22,随机生成一个编码长度为33177600的比特序列C,经过BPSK调制后通过信噪比为8dB的高斯白噪声信道,接收后解调得到一个软信息码字矩阵R和一个硬判决码字矩阵D,经统计,软信息码字矩阵的绝对值位于[0,1)的有231781个,比特错误个数为87141个;位于[1,2)的有279786个,比特错误个数为51375个;位于[2,3)的有377561个,比特错误个数为28901个;位于[3,4)的有525087个,比特错误个数为15620个;位于[4,5)的有722708个,比特错误个数为8065个;位于[5,6)的有971490个,比特错误个数为3966个;位于[6,7)的有1258782个,比特错误个数为1951个;位于[7,8)的有1568912个,比特错误个数为910个;位于[8,9)的有1787181个,比特错误个数为358个;位于[9,∞)的有25454312个,比特错误个数为255个,因此建立评估码字中错误比特个数的经验函数如下。
步骤S23,将截获到的信号序列按照起点和码长分组,获得了25600个软信息码字和25600个硬判决码字。利用所有软信息码字计算可得到每个码字的错误比特估计值,从中选取取值最小的1000个,并按照取值从小到大进行从上到下的排列,得到软信息码字矩阵R1000×256和硬判决码字矩阵D1000×256,图4中白色点显示每一行中错误比特个数和位置,可以看到矩阵上方白点密度小,下方白点密度大。
步骤S24,对硬判决码字矩阵D1000×256实施高斯若当列消元,选取所得矩阵中列向量的重量小于100的列对应的校验向量,取其中一个为例,以其中的非零元素的位置表示,得到校验向量h(44,63,202,233,310,333)。寻找准循环校验矩阵中循环块的大小q的值,根据h的重量,再结合n=576的因子,可知q的取值只可能为24,18,12,6,3,2,根据设定的q的取值构造右循环移位向量。
在q=24时得到h(45,64,203,234,311,334),h(46,65,204,235,312,335),h(47,66,205,236,289,336),h(48,67,206,237,290,313)等向量。
在q=18时得到h(45,64,203,234,311,334),h(46,65,204,217,312,335),h(47,66,205,218,313,336),h(48,67,206,219,314,337)等向量。
在q=12时得到h(45,64,203,234,311,334),h(46,65,204,235,312,335),h(47,66,193,236,301,336),h(48,67,194,237,302,325)等向量。
计算D1000×256与q取同一值下的所有右循环移位向量的乘积向量的重量,并与500做比较,若均远低于500,则q正确,否则不正确。以此确定循环块的大小,并得到全部q个校验向量,由此确定q=24是正确的。
步骤S25,利用所得校验向量和码字软信息对硬判决码字矩阵D1000×256中的码字进行译码,译码后所得码字重新随机排列顺序,然后再实施高斯若当列消元,从获得的校验向量中除掉步骤S24中所得的校验向量后,将剩下的校验向量循环右移,得到位于同一个循环块中校验向量。
步骤S26,重复步骤S25,当线性无关的校验向量的个数不再增加时停止。以所有校验向量为行向量构成矩阵,通过高斯行消元化成系统校验矩阵H=[P I],得到系统生成矩阵G=[I PT],再利用现有方法得到稀疏校验矩阵Hsparse,如图5所示。
本发明能够利用构造的经验函数计算每个码字中含错误比特个数的估计值,从而达到挑选高质量码字的目的,使得在低误比特率下实施高斯若当列消元获得校验向量,解决了在高误比特率下实施高斯若当列消元不能获得校验向量的问题。
需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。
最后需要说明的是:以上所述仅为本发明的较佳实施例,仅用于说明本发明的技术方案,并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所做的任何修改、等同替换、改进等,均包含在本发明的保护范围内。

Claims (8)

1.一种卫星通信信号的稀疏校验矩阵参数估计方法,其特征在于,该方法包含以下步骤:
获得截获的采用QC-LDPC码编码的卫星通信信号的信噪比;
利用卫星通信信号的软信息和信噪比,建立评估码字中错误比特个数的经验函数,包括:利用信噪比设定高斯白噪声信道;生成一个随机序列,编码长度为L1,经过BPSK调制后通过高斯白噪声信道,在接收端解调后得到该随机序列的软信息码字矩阵和硬判决码字矩阵/>将软信息码字矩阵的绝对值区间[0,+∞)分割为[0,1),[1,2),…,[9,+∞)的并,统计接收信号的软信息码字矩阵的绝对值落在各部分区间内,并且硬判决出错的比特所占的比例,将其记作ki,i=1,2,…,10,构造经验函数如下:
其中,向量yi表示向量/>的第i个分量;
将卫星通信信号的码字矩阵的行向量按照经验函数的取值从小到大排序;
对排序后的硬判决码字矩阵实施高斯若当列消元获得校验向量,利用校验向量准循环性质获得更多的校验向量;
对硬判决码字矩阵中的码字进行译码,重复消元,构造校验向量和译码的过程,直至线性无关校验向量的个数不再增加为止;
将所有的校验向量稀疏化,重建稀疏校验矩阵,即估计得到了卫星通信信号的稀疏校验矩阵参数。
2.根据权利要求1所述的卫星通信信号的稀疏校验矩阵参数估计方法,其特征在于,在获得卫星通信信号的信噪比之前,先截获采用QC-LDPC码编码的卫星通信信号,构造卫星通信信号的码字矩阵,具体包括:假设截获码字序列起点为第t0个信号,以此为开始的第一个信号,编码长度为n,分割出m个信号序列,以m个信号序列为行从上至下依次排列,构造出软信息码字矩阵R=(rij)m×n,相应的硬判决码字矩阵为A=(aij)m×n
3.根据权利要求1所述的卫星通信信号的稀疏校验矩阵参数估计方法,其特征在于,利用软判决迭代法估计出截获的卫星通信信号的信噪比。
4.根据权利要求1所述的卫星通信信号的稀疏校验矩阵参数估计方法,其特征在于,将卫星通信信号的码字矩阵的行向量按照经验函数的取值从小到大排序包括:
统计截获卫星通信信号的软信息码字矩阵的绝对值|R|=(|rij|)中第i行中落在各区间中的数目,i=1,2,…,m,记为代入经验函数f,得到各行向量对应的错误比特估计值:
其中i=1,2,…,m,按照的值从小到大排列,相应的R和A的行向量也按照此顺序排列。
5.根据权利要求4所述的卫星通信信号的稀疏校验矩阵参数估计方法,其特征在于,对排序后的硬判决码字矩阵实施高斯若当列消元获得校验向量,利用校验向量准循环性质获得更多的校验向量包括:
对排序后的A实施高斯若当列消元,通过统计矩阵列向量的重量小于某阈值的列获得校验向量;
选取其中一个校验向量根据码长n,遍历准循环校验矩阵中循环块的大小q,使得码长n为循环块的大小q的整数倍,并构造出全部的右循环移位向量/>让A与全部的/>相乘,若得到的所有结果中非零元数量都远小于m/2,则相应的q为正确的,同时得到/>所有的q-1个右循环移位向量;
将获得的所有校验向量和对应的右循环移位向量放入校验向量集合中。
6.根据权利要求5所述的卫星通信信号的稀疏校验矩阵参数估计方法,其特征在于,利用和积算法、所有的校验向量和所有的校验向量的右循环移位向量对A中的码字进行译码,然后将A的行向量随机排列重新构成码字矩阵;对A重复实施高斯若当列消元-获得校验向量-构造右循环移位向量-译码-行向量随机排列这个流程,直至校验向量集合中线性无关向量的个数不再增加为止。
7.根据权利要求6所述的卫星通信信号的稀疏校验矩阵参数估计方法,其特征在于,利用校验向量稀疏化方法将校验向量集合中所有向量稀疏化,重建稀疏校验矩阵。
8.一种卫星通信信号的稀疏校验矩阵参数估计装置,其特征在于,包括:
信噪比获得模块,用于获得截获的采用QC-LDPC码编码的卫星通信信号的信噪比;
经验函数构造模块,用于利用卫星通信信号的软信息和信噪比,建立评估码字中错误比特个数的经验函数,包括:利用信噪比设定高斯白噪声信道;生成一个随机序列,编码长度为L1,经过BPSK调制后通过高斯白噪声信道,在接收端解调后得到该随机序列的软信息码字矩阵和硬判决码字矩阵/>将软信息码字矩阵的绝对值区间[0,+∞)分割为[0,1),[1,2),…,[9,+∞)的并,统计接收信号的软信息码字矩阵的绝对值落在各部分区间内,并且硬判决出错的比特所占的比例,将其记作ki,i=1,2,…,10,构造经验函数如下:
其中,向量yi表示向量/>的第i个分量;
行向量排序模块,用于将卫星通信信号的码字矩阵的行向量按照经验函数的取值从小到大排序;
校验向量获得模块,用于对排序后的硬判决码字矩阵实施高斯若当列消元获得校验向量,利用校验向量准循环性质获得更多的校验向量;
译码模块,用于对硬判决码字矩阵中的码字进行译码,重复消元,构造校验向量和译码的过程,直至线性无关校验向量的个数不再增加为止;
稀疏校验矩阵重建模块,用于将所有的校验向量稀疏化,重建稀疏校验矩阵,即估计得到了卫星通信信号的稀疏校验矩阵参数。
CN202211618420.7A 2022-12-15 2022-12-15 一种卫星通信信号的稀疏校验矩阵参数估计方法及装置 Active CN116232340B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211618420.7A CN116232340B (zh) 2022-12-15 2022-12-15 一种卫星通信信号的稀疏校验矩阵参数估计方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211618420.7A CN116232340B (zh) 2022-12-15 2022-12-15 一种卫星通信信号的稀疏校验矩阵参数估计方法及装置

Publications (2)

Publication Number Publication Date
CN116232340A CN116232340A (zh) 2023-06-06
CN116232340B true CN116232340B (zh) 2023-10-13

Family

ID=86590001

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211618420.7A Active CN116232340B (zh) 2022-12-15 2022-12-15 一种卫星通信信号的稀疏校验矩阵参数估计方法及装置

Country Status (1)

Country Link
CN (1) CN116232340B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117560020B (zh) * 2024-01-09 2024-04-09 清华大学 一种信道编码稀疏校验矩阵重建方法、装置和电子设备

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110661532A (zh) * 2019-11-12 2020-01-07 西安电子科技大学 基于多元ldpc码噪声增强的符号翻转译码方法
CN112332860A (zh) * 2020-11-17 2021-02-05 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
CN113037299A (zh) * 2021-03-01 2021-06-25 中国人民解放军海军航空大学航空作战勤务学院 基于迭代译码的ldpc码稀疏校验矩阵重建方法和装置
CN113067583A (zh) * 2021-03-01 2021-07-02 中国人民解放军海军航空大学航空作战勤务学院 基于最小错误判决准则的ldpc码码长及码字起点识别方法
WO2021208243A1 (zh) * 2020-04-17 2021-10-21 北京交通大学 基于多翻转比特集合的极化码置信传播译码方法

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN100596029C (zh) * 2006-10-20 2010-03-24 北京泰美世纪科技有限公司 Ldpc码校验矩阵构造方法及利用该方法的编码解码装置
US8370711B2 (en) * 2008-06-23 2013-02-05 Ramot At Tel Aviv University Ltd. Interruption criteria for block decoding
US8196012B2 (en) * 2009-10-05 2012-06-05 The Hong Kong Polytechnic University Method and system for encoding and decoding low-density-parity-check (LDPC) codes
US9722633B2 (en) * 2015-02-11 2017-08-01 Mitsubishi Electric Research Laboratories, Inc. Method and system for reliable data communications with adaptive multi-dimensional modulations for variable-iteration decoding

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110661532A (zh) * 2019-11-12 2020-01-07 西安电子科技大学 基于多元ldpc码噪声增强的符号翻转译码方法
WO2021208243A1 (zh) * 2020-04-17 2021-10-21 北京交通大学 基于多翻转比特集合的极化码置信传播译码方法
CN112332860A (zh) * 2020-11-17 2021-02-05 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
CN113037299A (zh) * 2021-03-01 2021-06-25 中国人民解放军海军航空大学航空作战勤务学院 基于迭代译码的ldpc码稀疏校验矩阵重建方法和装置
CN113067583A (zh) * 2021-03-01 2021-07-02 中国人民解放军海军航空大学航空作战勤务学院 基于最小错误判决准则的ldpc码码长及码字起点识别方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
基于迭代译码的LDPC码稀疏校验矩阵重建;钟兆根 等;《北京航空航天大学学报》;第47卷(第12期);第2623-2630页 *

Also Published As

Publication number Publication date
CN116232340A (zh) 2023-06-06

Similar Documents

Publication Publication Date Title
EP3510700B1 (en) Method and apparatus for encoding data using a polar code
KR100946905B1 (ko) 저밀도 패리티 검사 부호를 사용하는 통신 시스템에서 신호 송수신 장치 및 방법
KR100984289B1 (ko) 통신 시스템에서 가변 부호화율을 지원하는 신호 송수신장치 및 방법
CN104981979B (zh) 发送机、接收机以及编码率变更方法
CN101785189B (zh) 编码装置和解码装置
CN107147400B (zh) 一种ira码开集盲识别方法
EP1901437A2 (en) Bit mapping scheme for an LDPC coded 32APSK system
US7743309B2 (en) Distributed source coding with context
CN1770639A (zh) 级联的迭代和代数编码
CN116232340B (zh) 一种卫星通信信号的稀疏校验矩阵参数估计方法及装置
US8468438B2 (en) Method and apparatus for elementary updating a check node during decoding of a block encoded with a non-binary LDPC code
CN112332860A (zh) 一种ldpc码稀疏校验矩阵重建方法及系统
KR100819247B1 (ko) 통신 시스템에서 신호 송수신 장치 및 방법
US8046657B2 (en) Decoding method and apparatus
US20100031116A1 (en) Method for encoding low density parity check codes using result of checking previously specified parity bits
CN101552613B (zh) 基于外信息符号变化的低密度校验码译码方法
CN112332869A (zh) 改进的tpc迭代方法和装置
JP4505673B2 (ja) 信号処理装置及び方法
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
CN110519012B (zh) 极化码编译的方法及装置
CN110268634B (zh) 使用短长度的准循环半正则ldpc码用于诸如远程读取的低耗应用的编码器和解码器
CN112332866B (zh) 一种基于dvb-s与dvb-s2信号的级联码参数识别方法
CN110995288B (zh) 一种rm码的分析方法和装置
CN111988044B (zh) 一种凿孔Polar码的码字构造方法
RU2365034C2 (ru) Способ и устройство для кодирования и декодирования данных

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