CN117254885B - 随机交织关系识别方法、装置、电子设备及数据识别方法 - Google Patents

随机交织关系识别方法、装置、电子设备及数据识别方法 Download PDF

Info

Publication number
CN117254885B
CN117254885B CN202311512459.5A CN202311512459A CN117254885B CN 117254885 B CN117254885 B CN 117254885B CN 202311512459 A CN202311512459 A CN 202311512459A CN 117254885 B CN117254885 B CN 117254885B
Authority
CN
China
Prior art keywords
data
random interleaving
matrix
path
relation
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
CN202311512459.5A
Other languages
English (en)
Other versions
CN117254885A (zh
Inventor
陆玉可
吴祎婕
罗浩文
张师源
蒲婉玲
任思维
蒋小林
黄鑫
王畿侠
唐雨皎
曾琴
卢萍
陈玮
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.)
Chengdu Aerospace Communication Equipment Co ltd
Original Assignee
Chengdu Aerospace Communication Equipment Co ltd
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 Chengdu Aerospace Communication Equipment Co ltd filed Critical Chengdu Aerospace Communication Equipment Co ltd
Priority to CN202311512459.5A priority Critical patent/CN117254885B/zh
Publication of CN117254885A publication Critical patent/CN117254885A/zh
Application granted granted Critical
Publication of CN117254885B publication Critical patent/CN117254885B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L1/00—Arrangements for detecting or preventing errors in the information received
    • H04L1/004—Arrangements for detecting or preventing errors in the information received by using forward error control
    • H04L1/0056—Systems characterized by the type of code used
    • H04L1/0071—Use of interleaving
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/0464—Convolutional networks [CNN, ConvNet]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L1/00—Arrangements for detecting or preventing errors in the information received
    • H04L1/0001—Systems modifying transmission characteristics according to link quality, e.g. power backoff
    • H04L1/0036—Systems modifying transmission characteristics according to link quality, e.g. power backoff arrangements specific to the receiver
    • H04L1/0038—Blind format detection
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L1/00—Arrangements for detecting or preventing errors in the information received
    • H04L1/004—Arrangements for detecting or preventing errors in the information received by using forward error control
    • H04L1/0045—Arrangements at the receiver end
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L1/00—Arrangements for detecting or preventing errors in the information received
    • H04L1/004—Arrangements for detecting or preventing errors in the information received by using forward error control
    • H04L1/0056—Systems characterized by the type of code used
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L1/00—Arrangements for detecting or preventing errors in the information received
    • H04L1/004—Arrangements for detecting or preventing errors in the information received by using forward error control
    • H04L1/0056—Systems characterized by the type of code used
    • H04L1/0059—Convolutional codes

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Computational Linguistics (AREA)
  • Molecular Biology (AREA)
  • Artificial Intelligence (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Health & Medical Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Quality & Reliability (AREA)
  • Error Detection And Correction (AREA)

Abstract

本申请的实施例提供了一种随机交织关系识别方法、装置、电子设备及数据识别方法，涉及通信技术领域，所述方法包括：基于接收到的Turbo码数据构建无误码的目标矩阵；基于所述递归系统卷积码卷积码的编码原理从所述目标矩阵中识别出Turbo码数据中第三路数据的初始随机交织关系；在所述初始随机交织关系的基础上，基于所述递归系统卷积码的校验关系递推所述Turbo码数据中第三路数据的后续随机交织关系。本申请提供的技术方案整体简单有效，可以精准识别出Turbo码数据的随机交织关系。

Description

随机交织关系识别方法、装置、电子设备及数据识别方法
技术领域
本申请涉及通信技术领域，具体而言，涉及一种随机交织关系识别方法、一种随机交织关系识别装置、一种电子设备以及一种数据识别方法。
背景技术
在情报分析、电子侦查等非合作通信领域以及未来的智能通信领域中，信号接收方需要在仅知道少量甚至不知道交织参数的情况下，对接收到的信号数据进行解交织，所以，如何在不知道交织参数的情况下识别接收到信号的交织关系是目前急需解决的技术难题。
发明内容
本申请的实施例提供了一种随机交织关系识别方法、一种随机交织关系识别装置、一种电子设备以及一种数据识别方法，以解决目前Turbo码数据不能盲识别的技术难题，该方法可以在不知道交织参数的前提下识别出接收到的Turbo码数据的随机交织关系。
本申请的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本申请的实践而习得。
根据本申请实施例的第一方面，提供了一种随机交织关系识别方法，应用于信号接收方，所述信号接收方用于接收Turbo码数据，所述Turbo码数据包括第一路数据、第二路数据和第三路数据，其中，所述第一路数据为原始输入数据，所述第二路数据为由原始输入数据经过递归系统卷积码编码器处理后输出的数据，所述第三路数据为原始输入数据依次经过随机交织器和递归系统卷积码编码器处理后输出的数据，所述方法包括：
基于接收到的Turbo码数据构建无误码的目标矩阵；
基于所述递归系统卷积码卷积码的编码原理从所述目标矩阵中识别出Turbo码数据中第三路数据的初始随机交织关系；
在所述初始随机交织关系的基础上，基于所述递归系统卷积码的校验关系递推所述Turbo码数据中第三路数据的后续随机交织关系。
在本申请的一些实施例中，基于前述方案，所述基于接收到的Turbo码数据构建无误码的目标矩阵，包括：
根据接收到的Turbo码数据中的所述第一路数据和所述第三路数据构建第一矩阵；
对所述第一矩阵进行高斯列消元得到第二矩阵；
在所述第二矩阵中识别并剔除误码。
在本申请的一些实施例中，基于前述方案，所述在所述第二矩阵中识别并剔除误码，包括：
在所述第二矩阵中找出不符合递归系统卷积码线性组合性质的行并进行剔除。
在本申请的一些实施例中，基于前述方案，所述基于所述递归系统卷积码卷积码的编码原理从所述目标矩阵中识别出Turbo码数据中第三路数据的初始随机交织关系，包括：
在所述目标矩阵中选出目标数列；
基于所述编码原理对所述目标数列进行卷积编码，得到卷积编码数据；
基于所述卷积编码数据与所述目标矩阵中的Turbo码数据的第三路数据进行比对，确定出所述第三路数据的初始随机交织关系。
在本申请的一些实施例中，基于前述方案，所述基于所述编码原理对所述目标数列进行卷积编码，得到卷积编码数据，包括：
初始化用于进行卷积编码的递归系统卷积码编码器；
将所述目标数列输入至所述递归系统卷积码编码器进行卷积编码，得到所述卷积编码数据。
在本申请的一些实施例中，基于前述方案，所述基于所述卷积编码数据与所述目标矩阵中的Turbo码数据的第三路数据进行比对，确定出所述第三路数据的初始随机交织关系，包括：
将所述卷积编码数据的列向量与所述目标矩阵中需要确定随机交织关系所对应的数列的列向量进行列向量比对处理，若比对成功，则获取所述目标数列的列序号以及所述需要确定的随机交织关系所对应的数列的列序号；
基于所述目标数列的列序号以及所述需要确定的随机交织关系所对应的数列的列序号确定所述第三路数据的初始随机交织关系。
在本申请的一些实施例中，基于前述方案，所述在所述初始随机交织关系的基础上，基于所述递归系统卷积码的校验关系递推所述Turbo码数据中第三路数据的后续随机交织关系，包括：
利用所述初始随机交织关系，还原递归系统卷积码的数据顺序，构成还原矩阵；
将目标矩阵中未识别随机交织关系的列与所述还原矩阵进行拼接，形成校验矩阵；
基于所述递归系统卷积码的校验关系对所述校验矩阵进行校验，并在符合校验时获取所述目标矩阵中未识别随机交织关系的列的序号；
基于所述目标矩阵中未识别随机交织关系的列的序号确定所述目标矩阵中未识别随机交织关系的列对应的随机交织关系，并根据所述目标矩阵中未识别随机交织关系的列对应的随机交织关系更新所述还原矩阵。
根据本申请实施例的第二方面，提供了一种随机交织关系识别装置，包括：
矩阵构建单元，用于基于接收到的Turbo码数据构建无误码的目标矩阵；
第一识别单元，用于基于所述递归系统卷积码的编码原理从所述目标矩阵中识别出Turbo码数据中第三路数据的随机交织关系；
第二识别单元，用于在所述初始随机交织关系的基础上，基于所述递归系统卷积码的校验关系递推所述Turbo码数据中第三路数据的后续随机交织关系。
根据本申请实施例的第三方面，提供了一种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第一方面所述的方法。
根据本申请实施例的第四方面，提供了一种电子设备，包括：存储器、处理器以及存储在上述存储器中并可在上述处理器上运行的计算机程序，上述处理器用于执行存储器中存储的计算机程序时实现如上述的第一方面所述的方法。
根据本申请实施例的第五方面，提供了一种数据识别方法，包括：
接收Turbo码数据；
基于上述第一方面所述的方法识别所述Turbo码数据中第三路数据的随机交织关系；
基于所述Turbo码数据中第三路数据的随机交织关系以及递归系统卷积码编码器的结构对所述Turbo码数据进行译码。
本申请的技术方案，通过利用递归系统卷积码的编码原理，从无误码的Turbo码数据矩阵中识别出Turbo码数据中第三路数据的随机交织关系，实现了在不知道交织参数的前提下识别出接收到的Turbo码数据中第三路数据的随机交织关系；本申请技术方案整体简单有效，可以精准识别出Turbo码数据的随机交织关系。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本申请。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本申请的实施例，并与说明书一起用于解释本申请的原理。显而易见地，下面描述中的附图仅仅是本申请的一些实施例，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。在附图中：
图1示出了根据本申请一个实施例的一种随机交织关系识别方法流程示意图；
图2示出了根据本申请一个实施例的一种Turbo码编码器结构示意图；
图3为本申请实施例提供的一种随机交织关系识别装置结构示意图；
图4为本申请实施例提供的一种电子设备结构示意图。
具体实施方式
本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等（如果存在）是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的实施例能够以除了在这里图示或描述的内容以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。下面将结合本申请实施例中的附图，对本申请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申请一部分实施例，而不是全部的实施例。
下面将结合附图，对本申请的一些实施方式作详细说明。在不冲突的情况下，下述的实施例及实施例中的特征可以相互组合。
请参阅图1，为本申请实施例提供的一种随机交织关系识别方法流程示意图。
如图1所示，展示了一种随机交织关系识别方法，具体包括步骤S100至S300。
该方法应用于信号接收方，所述信号接收方用于接收Turbo码数据，所述Turbo码数据包括第一路数据、第二路数据和第三路数据，其中，所述第一路数据为原始输入数据，所述第二路数据为由原始输入数据经过递归系统卷积码编码器处理后输出的数据，所述第三路数据为原始输入数据依次经过随机交织器和递归系统卷积码编码器处理后输出的数据。示例性的，请参阅图2，为本申请实施例提供的一种Turbo码数据处理模型。如图2所示，信息序列为第一路数据，信息序列/>经过递归系统卷积码编码器1处理后输出的数据为第二路数据，信息序列/>经过随机交织器、递归系统卷积码编码器2处理后输出的数据/>为第三路数据；第一路数据/>、第二路数据/>和第三路数据/>经过删余、复用等处理后得到Turbo码数据/>。
根据Turbo码数据的构成可以看出，只有第三路数据经过了随机交织器，所以本方法识别Turbo码数据的随机交织关系的本质是识别第三路数据的随机交织关系。
步骤S100，基于接收到的Turbo码数据构建无误码的目标矩阵。
在一些可行的实施例中，所述步骤S100具体包括：
根据接收到的Turbo码数据中的所述第一路数据和所述第三路数据构建第一矩阵；
对所述第一矩阵进行高斯列消元得到第二矩阵；
在所述第二矩阵中识别并剔除误码。
示例性的，例如接收到的Turbo码数据为和/>，其中/>为Turbo码数据的第一路数据，/>为Turbo码数据的第二路数据，根据接收到的/>数据，构造维数为/>的第一矩阵/>，如下所示：
；
其中，是数据/>、/>每帧数据的长度、/>是数据/>、/>的数据帧数、是数据/>的第/>帧数据的第/>个比特、是数据/>的第/>帧数据的第/>个比特，初始化，迭代次数/>。
对第一矩阵进行高斯列消元得到第二矩阵/>，在第二矩阵/>中找出误码并进行剔除，得到目标矩阵。
可以理解的是，对矩阵进行高斯列消元的目的在于消除误码。
在一些可行的实施例中，所述在所述第二矩阵中识别并剔除误码，包括：
在所述第二矩阵中找出不符合递归系统卷积码线性组合性质的行并进行剔除。
可以理解的是，第三路数据是第一路数据经交织、卷积编码处理后得到的，所以第二矩阵中的数据应该是符合递归系统卷积码线性组合性质，基于这一原理，可以从第二矩阵中找出不符合递归系统卷积码线性组合性质的数据，进而实现误码的剔除。
示例性的，基于前述示例，首先，根据递归系统卷积码线性组合性质，在第二矩阵中找出不参加其他行线性运算或者只参与了极少数(小于/>行数的十分之一)其他行线性运算的行，这些行不符合递归系统卷积码线性组合性质，表明行中数据存在误码，所以在找出这些行后需要进行剔除，剔除后得到新的矩阵/>；然后，将矩阵/>进行随机行交换得到矩阵/>，再从矩阵/>中剔除不符合递归系统卷积码线性组合性质的行，然后再进行随机交换，直到矩阵中所有行都符合卷积码的线性组合性质，将最终的矩阵输出，得到无误码的目标矩阵。
继续参考图1，步骤S200，基于所述递归系统卷积码的编码原理从所述目标矩阵中识别出Turbo码数据中第三路数据的初始随机交织关系。
可以理解的是，第三路数据由第一路数据经交织和递归系统卷积码编码器卷积后得到，所以在知晓了递归系统卷积码卷积码的编码原理后，可以利用该原理将第一路数据进行卷积编码，编码后的数据与接收到的第三路数据进行比对，就可知道第三路数据的随机交织关系。
可以理解的是，初始随机交织关系是指目标矩阵中卷积码第一个约束长度的交织关系。
需要说明的是，在本申请中，递归系统卷积码编码器的生成多项式是已知的，生成多项式可通过已有的算法进行识别或者进行穷尽；同时，Turbo码编码器结构中没有删余；另外，Turbo码数据的长度（交织深度）和起点都是已知的。
在一些可行的实施例中，所述步骤S200具体包括：
在所述目标矩阵中选出目标数列；
基于所述编码原理对所述目标数列进行卷积编码，得到卷积编码数据；
基于所述卷积编码数据与所述目标矩阵中的Turbo码数据的第三路数据进行比对，确定出所述第三路数据的初始随机交织关系。
可以理解的是，根据交织性质，目标数列进行卷积编码得到的卷积编码数据与目标矩阵中Turbo码数据的第三路数据存在对应的随机交织关系，将卷积编码数据与目标矩阵中Turbo码数据的第三路数据进行比对，即可获得随机交织关系。
需要说明的是，在筛选目标数列时，应该在目标矩阵中的奇数列中随机选择一列作为目标数列。
在一些可行的实施例中，所述基于所述编码原理对所述目标数列进行卷积编码，得到卷积编码数据，包括：
初始化用于进行卷积编码的递归系统卷积码编码器；
将所述目标数列输入至所述递归系统卷积码编码器进行卷积编码，得到所述卷积编码数据。
示例性的，先将卷积编码的递归系统卷积码编码器状态初始化，然后在目标矩阵的奇数列中随机选择未被选择过的一列输入递归系统卷积编码器进行卷积编码，得到卷积编码数据，并记录卷积编码数据的列向量。
在一些可行的实施例中，所述基于所述卷积编码数据与所述目标矩阵中的Turbo码数据的第三路数据进行比对，确定出所述第三路数据的初始随机交织关系，包括：
将所述卷积编码数据的列向量与所述目标矩阵中需要确定随机交织关系所对应的数列的列向量进行列向量比对处理，若比对成功，则获取所述目标数列的列序号以及所述需要确定的随机交织关系所对应的数列的列序号；
基于所述目标数列的列序号以及所述需要确定的随机交织关系所对应的数列的列序号确定所述第三路数据的初始随机交织关系。
可以理解的是，根据交织性质，当目标数列为奇数列时，目标矩阵中需要确定随机交织关系所对应的数列为偶数列。
示例性的，将奇数列卷积处理后得到的卷积编码数据的列向量与目标矩阵中需要确定随机交织关系所对应的数列的列向量进行比对，若比对成功，则获取奇数列和偶数列的列序号，例如奇数列的列序号为a，偶数列的列序号为b，在比对成功后记录下两个数列的列序号，此时二者之间的随机交织关系为/>，然后，继续进行比对，直到得到目标矩阵中前v个Turbo码数据的随机交织关系，其中，v为设定目标值，具体为递归系统卷积码的约束长度；若比对不成功，则重新再目标矩阵中选择一列还未被选择过的奇数列，再次进行卷积、比对。
继续参考图1，步骤S300，在所述初始随机交织关系的基础上，基于所述递归系统卷积码的校验关系递推所述Turbo码数据中第三路数据的后续随机交织关系。
可以理解的是，利用递归系统卷积码卷积码的校验关系递推后续随机交织关系所使用的时间更少，可以有效地提高效率。
在一些可行的实施例中，所述步骤S300包括：
S310，利用所述初始随机交织关系，还原递归系统卷积码的数据顺序，构成还原矩阵；
S320，将目标矩阵中未识别随机交织关系的列与所述还原矩阵进行拼接，形成校验矩阵；
S330，基于所述递归系统卷积码的校验关系对所述校验矩阵进行校验，并在符合校验时获取所述目标矩阵中未识别随机交织关系的列的序号；
S340，基于所述目标矩阵中未识别随机交织关系的列的序号确定所述目标矩阵中未识别随机交织关系的列对应的随机交织关系，并根据所述目标矩阵中未识别随机交织关系的列对应的随机交织关系更新所述还原矩阵。
需要说明的是，步骤S320中，根据交织性质，在目标矩阵中选择出未识别随机交织关系的列时，需要从目标矩阵中的偶数列中进行选取。选取过程中，采用随机选取的方式，随机选取出的偶数列与还原矩阵拼接形成校验矩阵。
需要说明的是，在步骤S330中，具体的校验过程为：
计算校验矩阵与递归系统卷积码的校验向量相乘的汉明重量，若汉明重量为0，则表示当前校验矩阵满足校验要求，若汉明重量不为0，则表示当前校验矩阵不满足校验要求，需要从目标矩阵中的偶数列中重新选取一列进行拼接后再进行校验。
需要说明的是，在更新所述还原矩阵后，回到步骤S320重新开始新一轮的随机关系计算，直到计算出后续所有的随机交织关系。
综上，本申请提供的一种随机交织关系识别方法可以在不知道交织参数的情况下，盲识别出Turbo码随机交织关系。
以下介绍本申请的装置实施例，可以用于执行本申请上述实施例中的一种随机交织关系识别方法。对于本申请装置实施例中未披露的细节，请参照本申请上述方法的实施例。
参照图3所示，根据本申请的一个实施例的一种随机交织关系识别装置300，包括：矩阵构建单元301、第一识别单元302和第二识别单元303。
其中，矩阵构建单元301，用于基于接收到的Turbo码数据构建无误码的目标矩阵；第一识别单元302，用于基于所述递归系统卷积码的编码原理从所述目标矩阵中识别出Turbo码数据中第三路数据的随机交织关系；第二识别单元，用于在所述初始随机交织关系的基础上，基于所述递归系统卷积码的校验关系递推所述Turbo码数据中第三路数据的后续随机交织关系。
在一些可行的实施例中，所述矩阵构建单元301包括：第一矩阵构建单元，用于根据接收到的Turbo码数据中的所述第一路数据和所述第三路数据构建第一矩阵；高斯列消元单元，用于对所述第一矩阵进行高斯列消元得到第二矩阵；误码剔除单元，用于在所述第二矩阵中识别并剔除误码。
在一些可行的实施例中，所述误码剔除单元被配置为：在所述第二矩阵中找出不符合递归系统卷积码线性组合性质的行并进行剔除。
在一些可行的实施例中，所述识别单元302包括：筛选单元，用于在所述目标矩阵中选出目标数列；卷积编码单元，用于基于所述编码原理对所述目标数列进行卷积编码，得到卷积编码数据；确定单元，用于基于所述卷积编码数据与所述目标矩阵中的Turbo码数据的第三路数据进行比对，确定出所述第三路数据的初始随机交织关系。
在一些可行的实施例中，所述卷积编码单元被配置为：
初始化用于进行卷积编码的递归系统卷积码编码器；
将所述目标数列输入至所述递归系统卷积码编码器进行卷积编码，得到所述卷积编码数据。
在一些可行的实施例中，所述确定单元被配置为：
将所述卷积编码数据的列向量与所述目标矩阵中需要确定随机交织关系所对应的数列的列向量进行列向量比对处理，若比对成功，则获取所述目标数列的列序号以及所述需要确定的随机交织关系所对应的数列的列序号；
基于所述目标数列的列序号以及所述需要确定的随机交织关系所对应的数列的列序号确定所述第三路数据的初始随机交织关系。
在一些可行的实施例中，所述第二识别单元303被配置为：
利用所述初始随机交织关系，还原递归系统卷积码的数据顺序，构成还原矩阵；将目标矩阵中未识别随机交织关系的列与所述还原矩阵进行拼接，形成校验矩阵；基于所述递归系统卷积码的校验关系对所述校验矩阵进行校验，并在符合校验时获取所述目标矩阵中未识别随机交织关系的列的序号；基于所述目标矩阵中未识别随机交织关系的列的序号确定所述目标矩阵中未识别随机交织关系的列对应的随机交织关系，并根据所述目标矩阵中未识别随机交织关系的列对应的随机交织关系更新所述还原矩阵。
基于相同的发明构思，本申请实施例还提供一种数据识别方法，包括：
接收Turbo码数据；
基于上述实施例中所述的方法识别所述Turbo码数据中第三路数据的随机交织关系；
基于所述Turbo码数据中第三路数据的随机交织关系以及递归系统卷积码编码器的结构对所述Turbo码数据进行译码。
需要说明的是，原始数据在传输时，需要进行信号调制、以及编码处理，所以在接收到Turbo码数据后，需要进行解调、和译码后才能实现数据识别。
如图4所示，本申请实施例还提供一种电子设备400，包括存储器410、处理器420及存储在存储器410上并可在处理器上运行的计算机程序411，处理器420执行计算机程序411时实现上述Turbo码随机交织关系识别方法的任一方法的步骤。
由于本实施例所介绍的电子设备为实施本申请实施例中一种随机交织关系识别装置所采用的设备，故而基于本申请实施例中所介绍的方法，本领域所属技术人员能够了解本实施例的电子设备的具体实施方式以及其各种变化形式，所以在此对于该电子设备如何实现本申请实施例中的方法不再详细介绍，只要本领域所属技术人员实施本申请实施例中的方法所采用的设备，都属于本申请所欲保护的范围。
在具体实施过程中，该计算机程序411被处理器执行时可以实现第一方面对应的实施例中任一实施方式。
需要说明的是，在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详细描述的部分，可以参见其它实施例的相关描述。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质（包括但不限于磁盘存储器、CD-ROM、光学存储器等）上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备（系统）、和计算机程序产品的流程图和/或方框图来描述。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式计算机或者其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
本申请实施例还提供了一种计算机程序产品，该计算机程序产品包括计算机软件指令，当计算机软件指令在处理设备上运行时，使得处理设备执行如第一方面对应实施例中的Turbo码随机交织关系识别方法的流程。
在本申请所提供的几个实施例中，应该理解到，所揭露的系统，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，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单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备（可以是个人计算机，服务器，或者网络设备等）执行本申请各个实施例方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器（Read-Only Memory，ROM）、随机存取存储器（Random Access Memory，RAM）、磁碟或者光盘等各种可以存储程序代码的介质。
以上实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围。

Claims (9)

1.一种随机交织关系识别方法，应用于信号接收方，所述信号接收方用于接收Turbo码数据，所述Turbo码数据包括第一路数据、第二路数据和第三路数据，其中，所述第一路数据为原始输入数据，所述第二路数据为由原始输入数据经过递归系统卷积码编码器处理后输出的数据，所述第三路数据为原始输入数据依次经过随机交织器和递归系统卷积码编码器处理后输出的数据，其特征在于，所述方法包括：
基于接收到的Turbo码数据构建无误码的目标矩阵；
基于所述递归系统卷积码编码器的编码原理从所述目标矩阵中识别出Turbo码数据中第三路数据的初始随机交织关系；
在所述初始随机交织关系的基础上，基于所述递归系统卷积码的校验关系递推所述Turbo码数据中第三路数据的后续随机交织关系；
所述基于接收到的Turbo码数据构建无误码的目标矩阵，包括：
根据接收到的Turbo码数据中的所述第一路数据和所述第三路数据构建第一矩阵；
对所述第一矩阵进行高斯列消元得到第二矩阵；
在所述第二矩阵中识别并剔除误码。
2.根据权利要求1所述的方法，其特征在于，所述在所述第二矩阵中识别并剔除误码，包括：
在所述第二矩阵中找出不符合递归系统卷积码线性组合性质的行并进行剔除。
3.根据权利要求1所述的方法，其特征在于，所述基于所述递归系统卷积码编码器的编码原理从所述目标矩阵中识别出Turbo码数据中第三路数据的初始随机交织关系，包括：
在所述目标矩阵中选出目标数列；
基于所述编码原理对所述目标数列进行卷积编码，得到卷积编码数据；
基于所述卷积编码数据与所述目标矩阵中的Turbo码数据的第三路数据进行比对，确定出所述第三路数据的初始随机交织关系。
4.根据权利要求3所述的方法，其特征在于，所述基于所述编码原理对所述目标数列进行卷积编码，得到卷积编码数据，包括：
初始化用于进行卷积编码的递归系统卷积码编码器；
将所述目标数列输入至所述递归系统卷积码编码器进行卷积编码，得到所述卷积编码数据。
5.根据权利要求3所述的方法，其特征在于，所述基于所述卷积编码数据与所述目标矩阵中的Turbo码数据的第三路数据进行比对，确定出所述第三路数据的初始随机交织关系，包括：
将所述卷积编码数据的列向量与所述目标矩阵中需要确定随机交织关系所对应的数列的列向量进行列向量比对处理，若比对成功，则获取所述目标数列的列序号以及所述需要确定的随机交织关系所对应的数列的列序号；
基于所述目标数列的列序号以及所述需要确定的随机交织关系所对应的数列的列序号确定所述第三路数据的初始随机交织关系。
6.根据权利要求1所述的方法，其特征在于，所述在所述初始随机交织关系的基础上，基于所述递归系统卷积码的校验关系递推所述Turbo码数据中第三路数据的后续随机交织关系，包括：
利用所述初始随机交织关系，还原递归系统卷积码的数据顺序，构成还原矩阵；
将目标矩阵中未识别随机交织关系的列与所述还原矩阵进行拼接，形成校验矩阵；
基于所述递归系统卷积码的校验关系对所述校验矩阵进行校验，并在符合校验时获取所述目标矩阵中未识别随机交织关系的列的序号；
基于所述目标矩阵中未识别随机交织关系的列的序号确定所述目标矩阵中未识别随机交织关系的列对应的随机交织关系，并根据所述目标矩阵中未识别随机交织关系的列对应的随机交织关系更新所述还原矩阵。
7.一种随机交织关系识别装置，其特征在于，包括：
矩阵构建单元，用于基于接收到的Turbo码数据构建无误码的目标矩阵；
第一识别单元，用于基于递归系统卷积码的编码原理从所述目标矩阵中识别出Turbo码数据中第三路数据的随机交织关系；
第二识别单元，用于在初始随机交织关系的基础上，基于所述递归系统卷积码的校验关系递推所述Turbo码数据中第三路数据的后续随机交织关系；
所述基于接收到的Turbo码数据构建无误码的目标矩阵，包括：
根据接收到的Turbo码数据中的第一路数据和第三路数据构建第一矩阵；
对所述第一矩阵进行高斯列消元得到第二矩阵；
在所述第二矩阵中识别并剔除误码。
8.一种电子设备，包括：存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器用于执行存储器中存储的计算机程序时实现如权利要求1-6中任一项所述的方法。
9.一种数据识别方法，其特征在于，包括：
接收Turbo码数据；
基于权利要求1-6中任一项所述的方法识别所述Turbo码数据中第三路数据的随机交织关系；
基于所述Turbo码数据中第三路数据的随机交织关系以及递归系统卷积码编码器的结构对所述Turbo码数据进行译码。
CN202311512459.5A 2023-11-14 2023-11-14 随机交织关系识别方法、装置、电子设备及数据识别方法 Active CN117254885B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311512459.5A CN117254885B (zh) 2023-11-14 2023-11-14 随机交织关系识别方法、装置、电子设备及数据识别方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311512459.5A CN117254885B (zh) 2023-11-14 2023-11-14 随机交织关系识别方法、装置、电子设备及数据识别方法

Publications (2)

Publication Number Publication Date
CN117254885A CN117254885A (zh) 2023-12-19
CN117254885B true CN117254885B (zh) 2024-01-19

Family

ID=89126662

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311512459.5A Active CN117254885B (zh) 2023-11-14 2023-11-14 随机交织关系识别方法、装置、电子设备及数据识别方法

Country Status (1)

Country Link
CN (1) CN117254885B (zh)

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2002067429A2 (en) * 2001-02-20 2002-08-29 Cute Ltd. System and method for enhanced error correction in trellis decoding
CN1777082A (zh) * 2005-12-08 2006-05-24 西安电子科技大学 基于预编码的并行卷积ldpc码的编码器及其快速编码方法
US7089477B1 (en) * 1999-08-18 2006-08-08 California Institute Of Technology Interleaved serial concatenation forming turbo-like codes
CN102088338A (zh) * 2011-03-02 2011-06-08 上海交通大学 基于多跳级联卷积码的编解码装置及其实现方法
CN102244554A (zh) * 2010-05-11 2011-11-16 中国电子科技集团公司第三十六研究所 一种删余Turbo码编码参数的盲识别方法
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
CN108270452A (zh) * 2016-12-30 2018-07-10 芯原微电子（成都）有限公司 一种Turbo译码器及译码方法
CN112165338A (zh) * 2020-09-30 2021-01-01 电子科技大学 一种卷积码随机交织序列交织关系的估计方法
CN113659994A (zh) * 2021-08-26 2021-11-16 电子科技大学 一种低复杂度的卷积码随机交织关系的估计方法

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7089477B1 (en) * 1999-08-18 2006-08-08 California Institute Of Technology Interleaved serial concatenation forming turbo-like codes
WO2002067429A2 (en) * 2001-02-20 2002-08-29 Cute Ltd. System and method for enhanced error correction in trellis decoding
CN1777082A (zh) * 2005-12-08 2006-05-24 西安电子科技大学 基于预编码的并行卷积ldpc码的编码器及其快速编码方法
CN102244554A (zh) * 2010-05-11 2011-11-16 中国电子科技集团公司第三十六研究所 一种删余Turbo码编码参数的盲识别方法
CN102088338A (zh) * 2011-03-02 2011-06-08 上海交通大学 基于多跳级联卷积码的编解码装置及其实现方法
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
CN108270452A (zh) * 2016-12-30 2018-07-10 芯原微电子（成都）有限公司 一种Turbo译码器及译码方法
CN112165338A (zh) * 2020-09-30 2021-01-01 电子科技大学 一种卷积码随机交织序列交织关系的估计方法
CN113659994A (zh) * 2021-08-26 2021-11-16 电子科技大学 一种低复杂度的卷积码随机交织关系的估计方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
Turbo编码类型的盲识别方法;张旻;陆凯;李歆昊;;电子测量与仪器学报(第05期);77-83 *
信道编码盲识别技术研究;郑靖轩;硕士电子期刊;全文 *
删余型Turbo码分量编码器盲识别算法;胡延平;信号处理;第37卷(第11期);2207-2215 *

Also Published As

Publication number Publication date
CN117254885A (zh) 2023-12-19

Similar Documents

Publication Publication Date Title
CN103888148B (zh) 一种动态阈值比特翻转的ldpc码硬判决译码方法
CN108540141B (zh) Polar码编译码方法及装置
CN111262595B (zh) 一种极化码译码方法及装置、多级译码器、存储介质
TW201815077A (zh) 極化碼之並列連續消除解碼與連續消除清單解碼的裝置和方法、製造方法及建立方法
TWI785309B (zh) 多模式通道寫碼技術
EP3640851B1 (en) Two-dimensional code error correction decoding
CN108574494B (zh) 编译码方法及装置
JP2020516131A (ja) Ｐｏｌａｒ符号を用いた通信方法および装置
RU2246751C2 (ru) Высокоскоростной модуль сложения (сравнения) выбора для декодера витерби
WO2006012349A1 (en) Discrete universal denoising with reliability information
JP7429223B2 (ja) ターボ積符号の復号方法、装置、デコーダー及びコンピュータ記憶媒体
CN117254885B (zh) 随机交织关系识别方法、装置、电子设备及数据识别方法
CN109672498B (zh) 译码方法和装置
JP2008118327A (ja) ビタビ復号方法
CN111224741B (zh) 卫星导航用bch码译码方法、译码器及卫星导航接收机
EP3652863A1 (en) Generalized low-density parity check codes (gldpc)
CN115549698A (zh) 编码方法和编码器、译码方法和译码器、通信系统
CN117560117A (zh) 随机交织关系识别方法、装置、电子设备及数据识别方法
CN111769839A (zh) 快速的比特翻转译码方法
RU2485683C1 (ru) Устройство декодирования с мягкими решениями для двухступенчатого каскадного кода
CN107565980B (zh) 一种译码方法及译码器
WO2020139234A1 (en) Performance enhancement of polar codes for short frame lengths considering error propagation effects
CN113114273B (zh) Ldpc码的校验矩阵提取方法及系统、设备
CN117609488B (zh) 小重量码字的搜索方法、装置、计算机存储介质及终端
KR101146565B1 (ko) Ｒｍ 부호 인식 장치 및 그 방법

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