CN116488662A - 基于线性变换的f-ldpc码校验矩阵重量压缩方法 - Google Patents

基于线性变换的f-ldpc码校验矩阵重量压缩方法 Download PDF

Info

Publication number
CN116488662A
CN116488662A CN202310739358.5A CN202310739358A CN116488662A CN 116488662 A CN116488662 A CN 116488662A CN 202310739358 A CN202310739358 A CN 202310739358A CN 116488662 A CN116488662 A CN 116488662A
Authority
CN
China
Prior art keywords
matrix
check matrix
weight
compression
new
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.)
Granted
Application number
CN202310739358.5A
Other languages
English (en)
Other versions
CN116488662B (zh
Inventor
鲁晓倩
尹淳�
李国新
杨浩
甘露
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 CN202310739358.5A priority Critical patent/CN116488662B/zh
Publication of CN116488662A publication Critical patent/CN116488662A/zh
Application granted granted Critical
Publication of CN116488662B publication Critical patent/CN116488662B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • H—ELECTRICITY
    • H03—ELECTRONIC CIRCUITRY
    • H03M—CODING; DECODING; CODE CONVERSION IN GENERAL
    • H03M7/00—Conversion of a code where information is represented by a given sequence or number of digits to a code where the same, similar or subset of information is represented by a different sequence or number of digits
    • H03M7/30—Compression; Expansion; Suppression of unnecessary data, e.g. redundancy reduction
    • 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
    • Y—GENERAL 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
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Probability & Statistics with Applications (AREA)
  • Compression, Expansion, Code Conversion, And Decoders (AREA)

Abstract

本发明属于智能通信技术领域，提供一种基于线性变换的F‑LDPC码校验矩阵重量压缩方法，用以降低F‑LDPC码校验矩阵盲识别的复杂度；首先，通过可逆线性变换将校验矩阵的汉明重量压缩为原先重量的1/2，并对F‑LDPC码字做相应线性变换获得与重量压缩后校验矩阵满足校验关系的新码字；然后，利用基于信息集译码算法对新码字进行校验关系恢复，获得重量压缩的校验矩阵H new ；最后，通过线性变换将校验矩阵H new 还原为全重量的F‑LDPC码校验矩阵H。本发明将全重量校验矩阵H的盲识别问题转化为重量减半的校验矩阵H new 的盲识别问题，极大降低了F‑LDPC码校验矩阵盲识别的复杂度，并大幅提高了F‑LDPC码校验矩阵盲识别的抗误码能力。

Description

基于线性变换的F-LDPC码校验矩阵重量压缩方法
技术领域
本发明属于智能通信技术领域，具体提供一种基于线性变换的F-LDPC码校验矩阵重量压缩方法，该方法用于降低F-LDPC码校验矩阵盲识别的复杂度。
背景技术
F-LDPC码是一种串行级联校验系统码，其编码器由外部编码模块、交织器以及内部校验编码器三个模块级联构成，F-LDPC码具有极高的码率灵活度以及便于简单高速硬件译码器实现的优点，在民用通信系统和军用通信系统中都有着较好的应用前景，文献“TheF-LDPC family: high-performance flexible modern codes for flexible radio”中详细阐述了F-LDPC码编码原理和校验矩阵生成机制。信道编码盲识别是第三方在非合作通信场景下获取通信双方所传信息的一种技术手段，在军事情报分析、智能通信等领域中有着广泛应用。对于截获传输信号的第三方，信号的编码参数等信息通常是未知的，需要通过对码字数据的分析识别出信道编码参数进而实现译码，完成从信号层到信息层的突破。
F-LDPC码的盲识别工作主要包括校验矩阵搜索（校验矩阵盲识别）和参数识别两部分，校验矩阵搜索是参数识别的基础，也是盲识别工作中的关键问题。目前，在大码长和较高误码率条件下，F-LDPC码校验矩阵搜索算法的搜索进程将严重受阻甚至完全停止；因此，有必要提出一种新的方法来优化F-LDPC码校验矩阵搜索进程以提高搜索效率，进而提高F-LDPC码盲识别的效率和抗误码性能。
发明内容
本发明的目的在于提供一种基于线性变换的F-LDPC码校验矩阵重量压缩方法，用以在大码长、较高误码率条件下优化F-LDPC码校验矩阵搜索进程以提高搜索效率，进而提高F-LDPC码盲识别的效率和抗误码性能。本发明提出基于线性变换的重量压缩方法，通过线性变换将F-LDPC码校验矩阵的汉明重量压缩至原先重量的1/2，并生成一组新的码字，新码字与重量压缩后的校验矩阵存在校验关系，在此基础上，结合校验矩阵搜索算法能够极大地降低搜索难度、提高搜索效率；同时，随着重量压缩方法的引入，F-LDPC码校验矩阵盲识别的抗误码能力也得到显著提升。
为实现上述目的，本发明采用的技术方案为：
基于线性变换的F-LDPC码校验矩阵重量压缩方法，包括以下步骤：
步骤1. 重量压缩；
根据F-LDPC码的信息位长k，将码字数据矩阵C按系统位、校验位进行划分，得到第一码字数据子矩阵B与第二码字数据子矩阵P；
根据F-LDPC码的码长n与信息位长k生成第一压缩矩阵G与第二压缩矩阵Ge；
采用第一压缩矩阵G与第二压缩矩阵Ge分别对第一码字数据子矩阵B与第二码字数据子矩阵P进行重量压缩处理，得到第一压缩码字数据子矩阵B new 与第二压缩码字数据子矩阵P new ；
将第一压缩码字数据子矩阵B new 与第二压缩码字数据子矩阵P new 拼接得到压缩码字数据矩阵C new ；
步骤2. 校验矩阵搜索；
基于压缩码字数据矩阵C new ，利用信息集译码算法搜索获得重量压缩后的压缩校验矩阵H new ；
步骤3. 重量恢复；
根据F-LDPC码的信息位长k，将压缩校验矩阵H new 进行划分，得到第一压缩子校验矩阵D与第二压缩子校验矩阵Q；
采用第一压缩矩阵G与第二压缩矩阵Ge分别对第一压缩子校验矩阵D与第二压缩子校验矩阵Q进行重量恢复处理，得到第一全重量码字数据子矩阵D T 与第二全重量码字数据子矩阵Q T ，
将第一全重量码字数据子矩阵D T 与第二全重量码字数据子矩阵Q T 拼接得到全重量F-LDPC码校验矩阵H。
进一步的，步骤1中，码字数据矩阵C的划分过程为：
C m×n =[B m×k |P m×(n-k)]，
其中，m×n表示码字数据矩阵C的维度，m×k表示第一码字数据子矩阵B的维度，m×(n-k)表示第二码字数据子矩阵P的维度，m为码字数量。
进一步的，步骤1中，第一压缩矩阵G与第二压缩矩阵Ge采用双对角结构方阵，具体为：
，/>，
其中，k×k表示第一压缩矩阵G的维度，(n-k)×(n-k)表示第二压缩矩阵Ge的维度。
进一步的，步骤1中，重量压缩处理具体为：B new =BG T ，P new =PGe T ，G T 表示第一压缩矩阵G的转置，Ge T 表示第二压缩矩阵Ge的转置。
进一步的，步骤1中，压缩码字数据矩阵C new 表示为：C new =[B new |P new ]。
进一步的，步骤2中，信息集译码算法具体采用Dumer算法。
进一步的，步骤3中，压缩校验矩阵H new 划分过程为：
H new =[D (n-k)×k |Q (n-k)×(n-k)]，
其中，(n-k)×k表示第一压缩子校验矩阵D的维度，(n-k)×(n-k)表示第二压缩子校验矩阵Q的维度。
进一步的，步骤3中，重量恢复处理具体为：D T =DG，Q T =QGe。
进一步的，步骤3中，全重量F-LDPC码校验矩阵H表示为：H=[D T |Q T ]。
基于上述技术方案，本发明的有益效果在于：
本发明基于F-LDPC码编码机制及其校验矩阵的结构特性，首先，通过可逆线性变换的方法在不损坏F-LDPC码校验矩阵结构的前提下将校验矩阵的汉明重量压缩为原先重量的1/2，同时，对F-LDPC码字做相应线性变换获得与重量压缩后校验矩阵满足校验关系的新码字；然后，利用基于信息集译码的dumer算法对新码字进行校验关系恢复，获得重量压缩的校验矩阵H new ；最后，通过线性变换将校验矩阵H new 还原为全重量的F-LDPC码校验矩阵H。本发明提出的校验矩阵重量压缩方法将F-LDPC码的全重量校验矩阵H的盲识别（搜索）问题转化为重量减半的校验矩阵H new 的盲识别问题，极大降低了F-LDPC码校验矩阵盲识别的复杂度。
综上所述，本发明提供了一种基于线性变换的F-LDPC码校验矩阵重量压缩方法，该方法能够显著降低F-LDPC码校验矩阵搜索的复杂度，同等条件下对搜索时间成本的优化程度在90%以上；同时，该方法大幅提高了F-LDPC码校验矩阵搜索的抗误码能力，对于码长较大的F-LDPC码，能够在10-3量级误比特率条件下实现校验矩阵的完整识别；对于码长较小的F-LDPC码，能够在10-2量级误码率条件下实现校验矩阵的完整识别。
附图说明
图1为本发明中基于线性变换的F-LDPC码校验矩阵重量压缩方法的流程图。
图2为对比例在各个码长下校验矩阵盲识别的耗时曲线图。
图3 为本发明在各个码长下校验矩阵盲识别的耗时曲线图。
图4为本发明与对比例在各个误码率下校验矩阵盲识别的耗时曲线对比图。
具体实施方式
为使本发明的目的、技术方案与有益效果更加清楚明白，下面将结合附图和实施例对本发明做进一步详细说明。
本实施例提供一种基于线性变换的F-LDPC码校验矩阵重量压缩方法，其流程如图1所示，包括重量压缩、校验矩阵搜索与重量恢复三部分；具体包括以下步骤：
步骤1. 重量压缩；
针对F-LDPC码，其码字数据矩阵由m个码字组成，具体表示为C m×n ，m×n表示码字数据矩阵C的维度，n为码长（比特数），则码字数据矩阵C中每一行代表一个码字；
根据F-LDPC码的信息位长k，将码字数据矩阵C m×n 按系统位、校验位划分为第一码字数据子矩阵B与第二码字数据子矩阵P，具体表示为：
C m×n =[B m×k |P m×(n-k)]，
其中，k为F-LDPC码的信息位长；
即：将码字数据矩阵C m×n 中第1列至第k列划分为第一码字数据子矩阵B m×k ，第k-1列至第n列划分为第二码字数据子矩阵P m×(n-k)；
根据F-LDPC码的码长n与信息位长k生成第一压缩矩阵G与第二压缩矩阵Ge，第一压缩矩阵G与第二压缩矩阵Ge为双对角结构方阵，具体形式为：
，/>，
上述第一压缩矩阵G与第二压缩矩阵Ge的第i行中，第i列与第i-1列的元素为1，其与元素均为0；
采用第一压缩矩阵G与第二压缩矩阵Ge分别对第一码字数据子矩阵B与第二码字数据子矩阵P进行重量压缩处理，得到第一压缩码字数据子矩阵B new 与第二压缩码字数据子矩阵P new ，具体为：
B new =BG T ，P new =PGe T ，
其中，G T 表示第一压缩矩阵G的转置，Ge T 表示第二压缩矩阵Ge的转置；
将第一压缩码字数据子矩阵B new 与第二压缩码字数据子矩阵P new 拼接得到压缩码字数据矩阵C new ，表示为：C new =[B new |P new ]，C new 的维度为m×n；
步骤2. 校验矩阵搜索；
基于重量压缩后的压缩码字数据矩阵C new ，利用信息集译码算法搜索获得重量压缩后的压缩校验矩阵H new ，H new 的维度为 (n-k)×n；所述信息集译码算法具体采用Dumer算法，其具体过程为本领域公知常识，此处不再赘述；
步骤3. 重量恢复；
根据F-LDPC码的信息位长k，将压缩校验矩阵H new 划分为第一压缩子校验矩阵D与第二压缩子校验矩阵Q，具体表示为：
H new =[D (n-k)×k |Q (n-k)×(n-k)]，
即：将压缩校验矩阵H new 中第1列至第k列划分为第一压缩子校验矩阵D (n-k)×k ，第k-1列至第n列划分为第二压缩子校验矩阵Q (n-k)×(n-k)；
采用第一压缩矩阵G与第二压缩矩阵Ge分别对第一压缩子校验矩阵D与第二压缩子校验矩阵Q进行重量恢复处理，得到第一全重量码字数据子矩阵D T 与第二全重量码字数据子矩阵Q T ，具体为：
D T =DG，Q T =QGe，
将第一全重量码字数据子矩阵D T 与第二全重量码字数据子矩阵Q T 拼接得到全重量F-LDPC码校验矩阵H，表示为：H=[D T |Q T ]，全重量F-LDPC码校验矩阵H的维度为(n-k)×n。
为验证本发明的有益效果，首先在不同码长条件下进行仿真测试；具体过程为：设置F-LDPC码的码率为0.5、误码率为0、校验矩阵重量为6，在码长n依次等于1000、2000、4000、6000、8000、10000、12000比特条件下，以全重量校验矩阵盲识别为对比例，分别进行对比例中全重量校验矩阵和本发明中压缩校验矩阵的盲识别，记录识别耗时并绘制曲线图，其结果分别如图2和图3所示；由图可见，在同一码长下，图2中耗时曲线高于图3中对应的耗时曲线，即本发明提供的校验矩阵重量压缩方法有效降低了F-LDPC码校验矩阵盲识别的耗时；进一步对比图2和图3中数据可以发现，在同等条件下，本发明提出的校验矩阵重量压缩方法能够实现对校验矩阵搜索时间成本的显著优化，优化程度在90%以上。
进一步的，在不同误码率条件下进行仿真测试；具体过程为：设置F-LDPC码的码率为0.5、码长为4000比特、校验矩阵重量为6，在误码率依次等于1‰、2.5‰、5‰、7.5‰、1%的条件下，分别进行对比例中全重量校验矩阵和本发明中压缩校验矩阵的盲识别，记录识别耗时并绘制曲线图，其结果如图4所示；由图可见，在码长4000比特、误码率等于1‰的条件下，全重量的校验矩阵盲识别获得100%校验矩阵所需时间约为15000s，而本发明校验矩阵重量压缩方法仅耗时10s左右；若进一步提高误码率，全重量校验矩阵盲识别进程将严重受阻，无法实现完整校验矩阵的识别，而本发明校验矩阵重量压缩方法仍有较好的识别效果，即使在误码率等于1%的条件下仍能在1000s内完成100%校验举证的识别，由此表明本发明提供的校验矩阵重量压缩方法大幅提高了F-LDPC码校验矩阵盲识别的抗误码能力。
以上所述，仅为本发明的具体实施方式，本说明书中所公开的任一特征，除非特别叙述，均可被其他等效或具有类似目的的替代特征加以替换；所公开的所有特征、或所有方法或过程中的步骤，除了互相排斥的特征和/或步骤以外，均可以任何方式组合。

Claims (9)

1.基于线性变换的F-LDPC码校验矩阵重量压缩方法，其特征在于，包括以下步骤：
步骤1. 重量压缩；
根据F-LDPC码的信息位长k，将码字数据矩阵C按系统位、校验位进行划分，得到第一码字数据子矩阵B与第二码字数据子矩阵P；
根据F-LDPC码的码长n与信息位长k生成第一压缩矩阵G与第二压缩矩阵Ge；
采用第一压缩矩阵G与第二压缩矩阵Ge分别对第一码字数据子矩阵B与第二码字数据子矩阵P进行重量压缩处理，得到第一压缩码字数据子矩阵B new 与第二压缩码字数据子矩阵P new ；
将第一压缩码字数据子矩阵B new 与第二压缩码字数据子矩阵P new 拼接得到压缩码字数据矩阵C new ；
步骤2. 校验矩阵搜索；
基于压缩码字数据矩阵C new ，利用信息集译码算法搜索获得重量压缩后的压缩校验矩阵H new ；
步骤3. 重量恢复；
根据F-LDPC码的信息位长k，将压缩校验矩阵H new 进行划分，得到第一压缩子校验矩阵D与第二压缩子校验矩阵Q；
采用第一压缩矩阵G与第二压缩矩阵Ge分别对第一压缩子校验矩阵D与第二压缩子校验矩阵Q进行重量恢复处理，得到第一全重量码字数据子矩阵D T 与第二全重量码字数据子矩阵Q T ，
将第一全重量码字数据子矩阵D T 与第二全重量码字数据子矩阵Q T 拼接得到全重量F-LDPC码校验矩阵H。
2.根据权利要求1所述基于线性变换的F-LDPC码校验矩阵重量压缩方法，其特征在于，步骤1中，码字数据矩阵C的划分过程为：
C m×n =[B m×k |P m×(n-k)]，
其中，m×n表示码字数据矩阵C的维度，m×k表示第一码字数据子矩阵B的维度，m×(n-k)表示第二码字数据子矩阵P的维度，m为码字数量。
3.根据权利要求1所述基于线性变换的F-LDPC码校验矩阵重量压缩方法，其特征在于，步骤1中，第一压缩矩阵G与第二压缩矩阵Ge采用双对角结构方阵，具体为：
，/>，
其中，k×k表示第一压缩矩阵G的维度，(n-k)×(n-k)表示第二压缩矩阵Ge的维度。
4.根据权利要求1所述基于线性变换的F-LDPC码校验矩阵重量压缩方法，其特征在于，步骤1中，重量压缩处理具体为：B new =BG T ，P new =PGe T ，G T 表示第一压缩矩阵G的转置，Ge T 表示第二压缩矩阵Ge的转置。
5.根据权利要求1所述基于线性变换的F-LDPC码校验矩阵重量压缩方法，其特征在于，步骤1中，压缩码字数据矩阵C new 表示为：C new =[B new |P new ]。
6.根据权利要求1所述基于线性变换的F-LDPC码校验矩阵重量压缩方法，其特征在于，步骤2中，信息集译码算法具体采用Dumer算法。
7.根据权利要求1所述基于线性变换的F-LDPC码校验矩阵重量压缩方法，其特征在于，步骤3中，压缩校验矩阵H new 划分过程为：
H new =[D (n-k)×k |Q (n-k)×(n-k)]，
其中，(n-k)×k表示第一压缩子校验矩阵D的维度，(n-k)×(n-k)表示第二压缩子校验矩阵Q的维度。
8.根据权利要求1所述基于线性变换的F-LDPC码校验矩阵重量压缩方法，其特征在于，步骤3中，重量恢复处理具体为：D T =DG，Q T =QGe。
9.根据权利要求1所述基于线性变换的F-LDPC码校验矩阵重量压缩方法，其特征在于，步骤3中，全重量F-LDPC码校验矩阵H表示为：H=[D T |Q T ]。
CN202310739358.5A 2023-06-21 2023-06-21 基于线性变换的f-ldpc码校验矩阵重量压缩方法 Active CN116488662B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310739358.5A CN116488662B (zh) 2023-06-21 2023-06-21 基于线性变换的f-ldpc码校验矩阵重量压缩方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310739358.5A CN116488662B (zh) 2023-06-21 2023-06-21 基于线性变换的f-ldpc码校验矩阵重量压缩方法

Publications (2)

Publication Number Publication Date
CN116488662A true CN116488662A (zh) 2023-07-25
CN116488662B CN116488662B (zh) 2023-10-03

Family

ID=87221816

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310739358.5A Active CN116488662B (zh) 2023-06-21 2023-06-21 基于线性变换的f-ldpc码校验矩阵重量压缩方法

Country Status (1)

Country Link
CN (1) CN116488662B (zh)

Citations (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1642019A (zh) * 2004-03-05 2005-07-20 上海交通大学 Turbo乘积码串行级联NR码的信道编码方法
KR20120023403A (ko) * 2010-09-03 2012-03-13 서울대학교산학협력단 프로덕트 부호의 복호 방법 및 장치
CN103379060A (zh) * 2013-07-19 2013-10-30 电子科技大学 一种有限几何ldpc码参数盲估计方法
CN104753668A (zh) * 2015-03-19 2015-07-01 成都信息工程学院 一种针对sm4密码线性变换输出的侧信道能量攻击方法
CN106209315A (zh) * 2016-07-07 2016-12-07 西安电子科技大学 一种ldpc长码的编码参数盲识别方法
CN107147400A (zh) * 2017-04-08 2017-09-08 西安电子科技大学 一种ira码开集盲识别方法
CN108288967A (zh) * 2017-01-09 2018-07-17 电信科学技术研究院 一种低密度奇偶校验ldpc码构造方法及装置
CN108566263A (zh) * 2018-04-02 2018-09-21 南京邮电大学 一种基于qc-ldpc码的多信源多中继协作构建方法
CN108933606A (zh) * 2018-08-15 2018-12-04 电子科技大学 一种容误码的系统卷积码盲识别方法
CN109586733A (zh) * 2018-11-23 2019-04-05 清华大学 一种基于图形处理器的ldpc-bch译码方法
US20200220654A1 (en) * 2019-01-07 2020-07-09 Samsung Electronics Co., Ltd. Method of transceiving signal by using polar code and device for performing the method
US20200412383A1 (en) * 2019-06-25 2020-12-31 Sun Yat Sen University Method for transmitting additional information by using linear block codes
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
US20220278698A1 (en) * 2021-02-22 2022-09-01 Mitsubishi Electric Research Laboratories, Inc. Protograph Quasi-Cyclic Polar Codes and Related Low-Density Generator Matrix Family
CN115225206A (zh) * 2022-07-15 2022-10-21 山东大学 一种带有预计算的译码方法及系统

Patent Citations (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1642019A (zh) * 2004-03-05 2005-07-20 上海交通大学 Turbo乘积码串行级联NR码的信道编码方法
KR20120023403A (ko) * 2010-09-03 2012-03-13 서울대학교산학협력단 프로덕트 부호의 복호 방법 및 장치
CN103379060A (zh) * 2013-07-19 2013-10-30 电子科技大学 一种有限几何ldpc码参数盲估计方法
CN104753668A (zh) * 2015-03-19 2015-07-01 成都信息工程学院 一种针对sm4密码线性变换输出的侧信道能量攻击方法
CN106209315A (zh) * 2016-07-07 2016-12-07 西安电子科技大学 一种ldpc长码的编码参数盲识别方法
CN108288967A (zh) * 2017-01-09 2018-07-17 电信科学技术研究院 一种低密度奇偶校验ldpc码构造方法及装置
CN107147400A (zh) * 2017-04-08 2017-09-08 西安电子科技大学 一种ira码开集盲识别方法
CN108566263A (zh) * 2018-04-02 2018-09-21 南京邮电大学 一种基于qc-ldpc码的多信源多中继协作构建方法
CN108933606A (zh) * 2018-08-15 2018-12-04 电子科技大学 一种容误码的系统卷积码盲识别方法
CN109586733A (zh) * 2018-11-23 2019-04-05 清华大学 一种基于图形处理器的ldpc-bch译码方法
US20200220654A1 (en) * 2019-01-07 2020-07-09 Samsung Electronics Co., Ltd. Method of transceiving signal by using polar code and device for performing the method
US20200412383A1 (en) * 2019-06-25 2020-12-31 Sun Yat Sen University Method for transmitting additional information by using linear block codes
US20220278698A1 (en) * 2021-02-22 2022-09-01 Mitsubishi Electric Research Laboratories, Inc. Protograph Quasi-Cyclic Polar Codes and Related Low-Density Generator Matrix Family
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
CN115225206A (zh) * 2022-07-15 2022-10-21 山东大学 一种带有预计算的译码方法及系统

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
MASSIMO BATTAGLION等: "Connections Between Low-Weight Codewords and Cycles in Spatially Coupled LDPC Convolutional Codes", 《IEEE TRANSACTIONS ON COMMUNICATIONS》, vol. 66, no. 8, pages 3268 - 3280 *
王忠勇等: "高误码率下基于随机抽取的LDPC码校验矩阵重建", 《通信学报》, vol. 44, no. 3, pages 128 - 137 *
陈泽亮等: "误码条件下LDPC码参数的盲估计", 《电子学报》, vol. 46, no. 3, pages 652 - 658 *

Also Published As

Publication number Publication date
CN116488662B (zh) 2023-10-03

Similar Documents

Publication Publication Date Title
CN106998208B (zh) 一种可变长Polar码的码字构造方法
CN110098839B (zh) 一种高误码下非系统卷积码编码参数的盲识别方法
CN110233628B (zh) 极化码的自适应置信传播列表译码方法
CN110784230A (zh) 一种基于bp-led的多元sc-ldpc码滑窗译码方法
CN103929210A (zh) 一种基于遗传算法与神经网络的硬判决译码方法
CN104064193A (zh) 一种线性预测语音编码的信息隐藏方法与提取方法
CN101494461B (zh) 联合信源信道可变长符号级可逆编解码方法
CN1756090A (zh) 信道编码装置和方法
CN105391455B (zh) 一种归零Turbo码起点及深度盲识别方法
CN116488662B (zh) 基于线性变换的f-ldpc码校验矩阵重量压缩方法
CN103026636B (zh) 正交多描述编码
CN103220007B (zh) 一种自适应调整子码不可靠位数的tpc迭代译码算法
Yi et al. Random interleaving pattern identification from interleaved Reed-Solomon code symbols
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
CN100486235C (zh) 软信息保留的迭代接收方法
CN112165338A (zh) 一种卷积码随机交织序列交织关系的估计方法
CN101459429B (zh) 一种低密度生成矩阵码的译码方法
CN102932002B (zh) 截短型高速tpc译码器的fpga设计方法
CN110995288B (zh) 一种rm码的分析方法和装置
CN112543163B (zh) 基于星座衍生的scma母码本设计方法
CN116436473B (zh) 一种基于校验矩阵的规则f-ldpc码参数盲识别方法
CN109257077B (zh) 一种结合霍夫曼编码和bch编码的新型空间调制方法
CN112751651B (zh) 一种Turbo码与神经网络相结合的信号传输方法
CN103001648B (zh) 基于fpga的准循环ldpc码的简易编码装置及方法
CN107248899B (zh) 一种基于Turbo码的信号非均匀误码保护方法

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