一种误码条件下的删余Turbo码盲识别方法技术

本发明专利技术属于编码参数识别技术领域，公开了一种误码条件下的删余Turbo码盲识别方法，在伽罗华域GF2上对矩阵进行下三角变换，相比于传统矩阵求秩的方法，本发明专利技术可以在很大程度上消除误码对码长及交织长度识别的影响。本发明专利技术在对分组起点与寄存器长度进行识别时，对哈达玛变换求解出的校验关系进行置信度评价，大大提高了分组起点和寄存器长度的识别率。本发明专利技术提出的识别交织映射关系的方法，采用先剔除误码后识别的方法具有很强的抗误码性能，并且针对交织关系的求解方法具有复杂度低，易于实现的特点。

【技术实现步骤摘要】
一种误码条件下的删余Turbo码盲识别方法
本专利技术属于编码参数识别
，尤其涉及一种误码条件下的删余Turbo码盲识别方法。
技术介绍
1993年，Berrou和Glavieux等人提出了Turbo码(PCCC)，其本质是将卷积码和交织器结合在一起，典型的turbo码编码器通常由两个分量编码器、交织器以及删余复用模块组成。其中分量编码器通常是递归系统卷积码(RecursiveSystemConvolutional，RSC)。两个分量编码器分别为RSC1和RSC2，信息序列X0分为两路，第一路直接经过分量编码器RSC1进行卷积码编码形成校验序列X1。第二路首先经过交织器，然后再通过RSC2编码器进行卷积码编码形成X2。为了提高码率，删余Turbo码还具有删余结构，删余矩阵将两个校验序列删余后再与X0经过复接形成最终的Turbo码序列。在非合作通信中，如何在仅获得编码后的比特流的情况下成功的译码得到截获的信息非常困难，需要首先对编码参数进行识别，只有在正确估计出对方的编码参数时才能进行译码，进而得到信源发送的信息。目前针对Turbo码的识别主要局限在无误码和非删余模式下的Turbo码。张永光等曾在其专利《一种删余Turbo码的编码参数盲识别方法》中提出了一种删余Turbo码的识别方法，但其主要采用求秩的方法求取码长和起始点，该方法并不具备抗误码性能，当接收的码流中出现误码时将使该方法失效。综上所述，现有技术存在的问题是：目前删余Turbo码的识别容错性差，删余Turbo码的交织关系难以重建。
技术实现思路
针对现有技术存在的问题，本专利技术提供了一种误码条件下的删余Turbo码盲识别方法。本专利技术是这样实现的，一种误码条件下的删余Turbo码盲识别方法，所述误码条件下的删余Turbo码盲识别方法包括以下步骤：第一步，通过截获的删余Turbo码比特流排列成分析矩阵，利用矩阵分析的方法识别出码长及交织长度，分离出删余Turbo码的信息位比特流和RSC1路校验位比特流构造2/3码率的删余卷积码；第二步，通过对删余卷积码进行分析，识别出校验向量和码组起点，进一步识别出删余Turbo码的分量编码器的寄存器长度以及生成矩阵；第三步，通过抽取Turbo码信息位比特流的和RSC2路校验位比特流识别出交织起始点；第四步，在对交织映射关系进行识别时，求解RSC2路校验位比特流校验比特与信息位之间的校验关系，由于交织器的存在，RSC2路校验位比特流校验比特并不能和信息位比特流信息位形成稳定且唯一的校验关系；第五步，求解出一组校验向量，对比该组校验向量与得到的校验序列，可得到交织映射位置之间的约束关系，通过深度优先搜索，恢复出交织映射关系。进一步，所述误码条件下的删余Turbo码盲识别方法具体包括以下步骤：步骤一，对删余Turbo码数据流构造分析矩阵，排列成p行q列的分析矩阵Cp×q，根据校验位与信息位的约束关系，采用矩阵变换的方法求得码长n和交织长度L；步骤二，提取删余Turbo码数据流的信息位以及RSC1分量编码器产生的校验位，构造删余卷积码，根据构造出的删余卷积码识别出校验序列h以及校验序列的置信度θ，根据置信度分析出删余Turbo码的码组起点shift、校验序列h、生成多项式序列G以及分量编码器的寄存器长度m；步骤三，提取Turbo码的信息位与RSC2分量编码器产生的校验位，构造先交织再编码的删余卷积码，根据约束关系遍历起始点求得Turbo码的交织起始点head，并从head开始截取Turbo码，去除无效比特；步骤四，构造码字矩阵，根据线性约束关系剔除矩阵中含误码的行，得到无误码的分析矩阵；步骤五，根据得到的分析矩阵，求解RSC2路校验比特与信息位之间的校验关系，求解出一组校验向量，对比校验向量与得到的校验序列h，得到交织映射位置之间的约束关系，通过深度优先搜索，恢复出交织映射关系。进一步，所述码长求取方法包括：1)构造分析矩阵Cp×q，取q＝10，p＝q+50；2)对分析矩阵Cp×q进行下三角变换，得到变换矩阵Mq，取Mq的第q+1至p行构成矩阵Hq+1→p；3)记其中Bk表示Hq+1→p第k列的列重，k＝1～q；4)记集合其中card{·}表示集合的势；5)若集合不为空，将对应的列值q及对应的秩亏d保存到集合colum_set中；6)取q＝q+1，若q＜＝100返回1)，否则执行7)；7)对colum_set所有相邻值求最大公约数并记录最大公约数出现的次数，取出现次数最多的最大公约数即为码长n；8)对colum_set的秩亏求二阶导数，提取秩变化率较大的位置，求取秩亏较大的q值的最大公约数，取出现次数最多的最大公约数，为交织块长Lblock，交织长度L＝Lblock/2。进一步，所述码组起点shift、校验序列h、生成多项式序列G以及分量编码器的寄存器长度m的识别方法包括：1)初始化m＝2，shift＝1，2)从shift处开始截取删余Turbo码比特流，得到Turbo_cut，提取Turbo_cut的信息比特以及RSC1分量编码器的校验比特，得到2/3码率的删余卷积码比特流Conv1；3)对Conv1进行哈达玛变换，得到h和置信度θ。令shift＝shift+1，若shift＞4，令m＝m+1，若m＞8，执行4)，否则返回2)；4)选取置信度θ最高的h，为所识别校验序列，shift和m为正确的码组起点和寄存器长度；5)识别出的2/3码率卷积码的校验序列h表示为：h＝[hmhm-1hm-2h0]＝[hm，1hm，2hm，3hm-1，1hm-1，2hm-1，3…h0，1h0，2hm，3]；其相应的校验多项式矩阵表示为：HD＝[h1(D)h2(D)h3(D)]，其中：6)设未删余Turbo码的信息支路与RSC1分量编码器支路的合成序的卷积码的基本生成矩阵为：g∞＝[g0g1…gm]＝[g0，1g0，2g0，3g1，1g1，2g1，3…gm，1gm，2gm，3]；其相应的生成多项式矩阵表示为：GD＝[g1(D)g2(D)]，其中则其等效的2/4码率的卷积码的生成多项式矩阵表示为：其中其中k＝0，1；7)遍历删余模式Punc，根据删余模式中删余的位置，删除Gp_tmp中相应位置的列，形成删余生成多项式矩阵Gp；8)根据Gp·HDT＝0解方程求出未知系数gi，j，完成生成多项式G的识别，若返回7)直至G不为空，完成生成多项式的识别。进一步，所述交织起始点识别方法具体包括：1)提取Turbo码的信息位与RSC2分量编码器产生的校验位；2)构造先交织再编码的删余卷积码，依次截取Turbo码的前head＝1～L*3/2个比特，并构造矩阵Cp*q(q＝L*3/4，p＝q+20)；3)通过下三角变换求解出每个分析矩阵的秩亏；4)遍历处理接收到的所有比特块，秩亏的和最大的起始点head即为正确的交织起始点。进一步，所述步骤四具体包括：1)构造一个q行L×4列的码字矩阵，通过列变换，列化简为0；2)筛选出列重低于10的列，根据1的位置，找到对应的含误码的行，并剔除该行。进一步，所述步骤五具体包括：1)从剔除误码后的Turbo码中提取信息位比特，构造一个L×4行L×2列的信息位矩阵；2)提取RSC2路校验位构造一个L×4行，L列的校验本文档来自技高网...

【技术保护点】
一种误码条件下的删余Turbo码盲识别方法，其特征在于，所述误码条件下的删余Turbo码盲识别方法包括以下步骤：第一步，通过截获的删余Turbo码比特流排列成分析矩阵，利用矩阵分析的方法识别出码长及交织长度，分离出删余Turbo码的信息位比特流和RSC1路校验位比特流构造2/3码率的删余卷积码；第二步，通过对删余卷积码进行分析，识别出校验向量和码组起点，进一步识别出删余Turbo码的分量编码器的寄存器长度以及生成矩阵；第三步，通过抽取Turbo码信息位比特流的和RSC2路校验位比特流识别出交织起始点；第四步，在对交织映射关系进行识别时，求解RSC2路校验位比特流校验比特与信息位之间的校验关系，由于交织器的存在，RSC2路校验位比特流校验比特并不能和信息位比特流信息位形成稳定且唯一的校验关系；第五步，求解出一组校验向量，对比该组校验向量与得到的校验序列，可得到交织映射位置之间的约束关系，通过深度优先搜索，恢复出交织映射关系。

【技术特征摘要】
1.一种误码条件下的删余Turbo码盲识别方法，其特征在于，所述误码条件下的删余Turbo码盲识别方法包括以下步骤：第一步，通过截获的删余Turbo码比特流排列成分析矩阵，利用矩阵分析的方法识别出码长及交织长度，分离出删余Turbo码的信息位比特流和RSC1路校验位比特流构造2/3码率的删余卷积码；第二步，通过对删余卷积码进行分析，识别出校验向量和码组起点，进一步识别出删余Turbo码的分量编码器的寄存器长度以及生成矩阵；第三步，通过抽取Turbo码信息位比特流的和RSC2路校验位比特流识别出交织起始点；第四步，在对交织映射关系进行识别时，求解RSC2路校验位比特流校验比特与信息位之间的校验关系，由于交织器的存在，RSC2路校验位比特流校验比特并不能和信息位比特流信息位形成稳定且唯一的校验关系；第五步，求解出一组校验向量，对比该组校验向量与得到的校验序列，可得到交织映射位置之间的约束关系，通过深度优先搜索，恢复出交织映射关系。2.如权利要求1所述的误码条件下的删余Turbo码盲识别方法，其特征在于，所述误码条件下的删余Turbo码盲识别方法具体包括以下步骤：步骤一，对删余Turbo码数据流构造分析矩阵，排列成p行q列的分析矩阵Cp×q，根据校验位与信息位的约束关系，采用矩阵变换的方法求得码长n和交织长度L；步骤二，提取删余Turbo码数据流的信息位以及RSC1分量编码器产生的校验位，构造删余卷积码，根据构造出的删余卷积码识别出校验序列h以及校验序列的置信度θ，根据置信度分析出删余Turbo码的码组起点shift、校验序列h、生成多项式序列G以及分量编码器的寄存器长度m；步骤三，提取Turbo码的信息位与RSC2分量编码器产生的校验位，构造先交织再编码的删余卷积码，根据约束关系遍历起始点求得Turbo码的交织起始点head，并从head开始截取Turbo码，去除无效比特；步骤四，构造码字矩阵，根据线性约束关系剔除矩阵中含误码的行，得到无误码的分析矩阵；步骤五，根据得到的分析矩阵，求解RSC2路校验比特与信息位之间的校验关系，求解出一组校验向量，对比校验向量与得到的校验序列h，得到交织映射位置之间的约束关系，通过深度优先搜索，恢复出交织映射关系。3.如权利要求2所述的误码条件下的删余Turbo码盲识别方法，其特征在于，所述码长求取方法包括：1)构造分析矩阵Cp×q，取q＝10，p＝q+50；2)对分析矩阵Cp×q进行下三角变换，得到变换矩阵Mq，取Mq的第q+1至p行构成矩阵Hq+1→p；3)记其中Bk表示Hq+1→p第k列的列重，k＝1～q；4)记集合其中card{·}表示集合的势；5)若集合不为空，将对应的列值q及对应的秩亏d保存到集合colum_set中；6)取q＝q+1，若q＜＝100返回1)，否则执行7)；7)对colum_set所有相邻值求最大公约数并记录最大公约数出现的次数，取出现次数最多的最大公约数即为码长n；8)对colum_set中的秩亏求二阶导数，并提取秩变化率较大的位置，求取秩亏较大的q值的最大公约数，最后取出现次数最多的最大公约数为交织块长Lblock，则交织长度L＝Lblock/2。4.如权利要求2所述的误码条件下的删余Turbo码盲识别方法，其特征在于，所述码组起点shift、校验序列h、生成多项式序列G以及分量编码器的寄存器长度m的识别方法包括：1)初始化m＝2，shift＝1，2)从shift处开始截取删余Turbo码比特流，得到Turbo_cut，提取Turbo_cut的信息比特...

【专利技术属性】
技术研发人员：陈健，王艳涛，郭永斌，杨龙，阔永红，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：陕西,61