本发明专利技术公开一种基于软信息高斯消元算法的卷积码盲识别方法，其步骤包括：接收卷积码软信息序列；生成软可信度矩阵；用软信息高斯消元算法进行消元；根据更新准则更新软可信度矩阵；设置合适的判决阈值检测校验向量。本发明专利技术利用软信息高斯消元算法，克服了现有技术有关信道信息损失的问题，使得本发明专利技术实现有关信道差错统计特性信息的保留；本发明专利技术采取的更新准则，克服了现有技术错误比特连续传播的问题，使得本发明专利技术实现信道传输可靠性的提高；本发明专利技术采用合适的判决阈值，克服了现有技术对校验向量存在判决误差的问题，使得本发明专利技术实现对校验向量的精准判决。校验向量的精准判决。校验向量的精准判决。
【技术实现步骤摘要】
基于软信息高斯消元算法的卷积码盲识别方法
[0001]本专利技术属于基本电子电路
，更进一步涉及编码
中的一种基于软信息高斯消元算法的卷积码盲识别方法。本专利技术可用于在未知编码信息的条件下对卷积码进行识别。
技术介绍
[0002]卷积码是一种具有良好纠错能力的信道编码方法，近年来获得了广泛的应用。通常用(n,k,m)的形式来表示卷积码，即经过约束长度为m的编码器，将k个信息比特编成n个比特。在非合作通信场景中，对于接收方而言通信过程中所采用的卷积码的编码参数是未知的。因此，卷积码盲识别技术可以在没有或仅有部分先验信息的情况下，从接收的数据流中识别出编码参数，从而为获取后续信息提供可靠的依据。目前存在的卷积码盲识别方法包含矩阵变换法、Walsh
‑
Hadamard分析法、双合冲算法等，但是这些识别方法都各自存在着不足。其中矩阵变换法的容错性低；Walsh
‑
Hadamard分析法需要较大的计算机存储空间；双合冲算法对卷积码的码率有限制条件。
[0003]电子科技大学在其申请的专利文献“一种容误码的系统卷积码盲识别方法”(申请号：201810930022.6申请公布号：CN 108933606 A)中公开了一种容误码的系统卷积码盲识别方法。该识别方法首先利用正确解的系数矩阵阶数与错误解的系数矩阵阶数关系判别得到码率；然后采用校验矩阵恢复得到生成矩阵，实现系统卷积码的参数估计。该方法存在的不足之处是：所使用的信号判决方式是硬判决，该判决方式采取硬判决时引起有关信道差错统计特性信息丢失的问题，损失了接收信号中有关信道差错统计特性的信息。
[0004]Yong Ding等人在其发表的论文“An Improved Blind Recognition Method for Synchronization Position and Coding Parameters of k/n Rate Convolutional Codes in a Noisy Environment”(IEEE Access,vol.8,2020∶171305
‑
171315)中提出了一种基于相关关系的卷积码盲识别方法。该识别方法在接收码字不同步的情况下，首先采用传统GJETP算法估计码长n和n
a
；然后通过遍历各个编码参数，加入迭代循环步骤，利用接收序列与校验矩阵之间的拟相关关系来估计同步位置，从而找到满足条件的校验向量；最终恢复出校验矩阵实现卷积码参数的盲识别。该方法存在的不足之处是：使用传统的GJETP算法，该算法不存在数据更新操作，降低了信道传输的可靠性；同时该识别方法所采用的校验向量判决门限对于重量较大的校验向量存在判决误差。
技术实现思路
[0005]本专利技术的目的在于针对上述现有技术存在的不足，提出一种基于软信息高斯消元算法的卷积码盲识别方法，用于解决现有技术有关信道差错统计特性信息损失、信道传输可靠性低以及对于重量较大的校验向量存在判决误差的问题。
[0006]为了实现上述目的，本专利技术的思路是，采用卷积码软信息序列计算软可信度矩阵中每个元素的可信度值，对该可信度值不进行硬判决操作，使得本专利技术中每个可信度值具
有有关信道差错统计特性的所有信息，解决现有技术有关信道差错统计特性信息损失的问题。本专利技术采用对软可信度矩阵进行列置换和行置换操作，生成主元具有较高可信度值的待消元矩阵，并根据基于软可信度矩阵的更新准则更新待消元矩阵，使本专利技术中待消元矩阵中的元素只与软可信度矩阵中的元素有关，与待消元矩阵中含有错误的元素无关，解决现有技术信道传输可靠性低的问题。本专利技术通过推导与校验向量重量有关的判决阈值公式，使得本专利技术对于不同的校验向量重量选取合适的判决阈值，实现重量较大的校验向量精准判决，解决现有技术对于重量较大的校验向量存在判决误差的问题。
[0007]为实现上述目的，本专利技术的技术方案包括如下：
[0008]步骤1，接收码字不同步的卷积码软信息序列：
[0009]在识别系统接收端接收的卷积码序列中随机截取一段卷积码，生成接收码字不同步的卷积码软信息序列r，r＝(r1,r2,...,r
t
,...,r
u
)；其中，r
t
表示卷积码软信息序列r中第t个信息位，t的取值范围为[1,u]，u表示卷积码软信息序列r的长度，u≥5000,其值由识别系统接收端的接收能力确定；
[0010]步骤2，生成一个大小为M
×
l的软可信度矩阵N
l
，其中，M表示软可信度矩阵N
l
中行的总数，l表示软可信度矩阵中列的总数，1≤M≤u/l；
[0011]步骤3，利用软信息高斯消元算法对软可信度矩阵进行消元：
[0012](3a)计算软可信度矩阵中每个元素的可信度值，将每一行中元素的最小可信度值作为该行的行可信度；
[0013](3b)按照每行行可信度值从大到小的排序，依次交换软可信度矩阵的每一行中的每个元素，得到更新后的可信度矩阵，该矩阵中第一行的行可信度最大，最后一行的行可信度最小；
[0014](3c)找到更新后的可信度矩阵每行中可信度值最大的元素，将该元素的所在列与主元列中所有的元素值进行置换，将所有置换后的元素组成待消元矩阵；
[0015](3d)对待消元矩阵中每个元素执行硬判决，生成一个硬判决矩阵；
[0016](3e)对硬判决矩阵执行f次列异或消元，f的取值等于软可信度矩阵中列的总数，生成一个列置换矩阵；
[0017](3f)按照下式，计算待消元矩阵中每个元素的更新值：
[0018][0019]其中，s
m,g
表示待消元矩阵中第m行第g列元素的更新值，1≤m≤M，1≤g≤l，∏(
·
)表示连乘操作，ψ表示集合Ω
d
中第ψ个元素的值，Ω
d
表示列置换矩阵第d列中非零元素位置的集合，1≤ψ≤l，sign(
·
)表示符号函数，α
x,w
表示软可信度矩阵中第x行第w列元素的值，1≤x≤M，1≤w≤l，min(
·
)表示取最小值操作，|
·
|表示取绝对值操作；
[0020](3g)将更新的所有元素组成重量矩阵；
[0021]步骤4，按照下式，计算判决阈值：
[0022][0023]其中，Γ表示判决阈值，μ1表示将重量矩阵中所有的软信息列重量其值小于软可信度矩阵行总数一半的软信息列重量，按照蒙特卡洛方式生成正态分布H1的期望，μ1＞0，表示将重量矩阵中大于软可信度矩阵行总数一半的软信息列重量，按照蒙特卡洛方式生成正态分布H0的方差，的方差，表示将重量矩阵中小于软可信度矩阵行总数一半的软信息列重量，按照蒙特卡洛方式生成正态分布H1的方差，ln(
·
)表示以自然常数e为底的对数操作；
[0024]步骤5，本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种基于软信息高斯消元算法的卷积码盲识别方法，其特征在于，将接收码字不同步的卷积码软信息序列，按照软信息序列中信息位顺序生成一个软可信度矩阵，利用软信息高斯消元算法对该软可信度矩阵进行消元，在每次消元后根据更新准则更新软可信度矩阵，设置合适的判决阈值检测校验向量；该卷积码盲识别方法的具体步骤包括如下：步骤1，接收码字不同步的卷积码软信息序列：在识别系统接收端接收的卷积码序列中随机截取一段卷积码，生成接收码字不同步的卷积码软信息序列r，r＝(r1,r2,...,r
t
,...,r
u
)；其中，r
t
表示卷积码软信息序列r中第t个信息位，t的取值范围为[1,u]，u表示卷积码软信息序列r的长度，u≥5000,其值由识别系统接收端的接收能力确定；步骤2，生成一个大小为M
×
l的软可信度矩阵N
l
，其中，M表示软可信度矩阵N
l
中行的总数，l表示软可信度矩阵中列的总数，1≤M≤u/l；步骤3，利用软信息高斯消元算法对软可信度矩阵进行消元：(3a)计算软可信度矩阵中每个元素的可信度值，将每一行中元素的最小可信度值作为该行的行可信度；(3b)按照每行行可信度值从大到小的排序，依次交换软可信度矩阵的每一行中的每个元素，得到更新后的可信度矩阵，该矩阵中第一行的行可信度最大，最后一行的行可信度最小；(3c)找到更新后的可信度矩阵每行中可信度值最大的元素，将该元素的所在列与主元列中所有的元素值进行置换，将所有置换后的元素组成待消元矩阵；(3d)对待消元矩阵中每个元素执行硬判决，生成一个硬判决矩阵；(3e)对硬判决矩阵执行f次列异或消元，f的取值等于软可信度矩阵中列的总数，生成一个列置换矩阵；(3f)按照下式，计算待消元矩阵中每个元素的更新值：其中，s
m,g
表示待消元矩阵中第m行第g列元素的更新值，1≤m≤M，1≤g≤l，Π(
·
)表示连乘操作，ψ表示集合Ω
d
中第ψ个元素的值，Ω
d
表示列置换矩阵第d列中非零元素位置的集合，1≤ψ≤l，sign(
·
)表示符号函数，α
x,w
表示软可信度矩阵中第x行第w列元素的值，1≤x≤M，1≤w≤l，min(
...
【专利技术属性】
技术研发人员：车书玲，张美琪，孙蓉，雷欢欢，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。