阅读说明：本技术 一种已知支路信息turbo码删除模式估计方法 (Known branch information turbo code deletion mode estimation method ) 是由 甘露 于雄雄 宫春涛 廖红舒 于 2019-09-27 设计创作，主要内容包括：本发明属于turbo码盲识别技术领域,具体涉及一种已知支路信息turbo码删除模式估计方法。本发明利用支路编码序列和信息位序列长度比值与删除比特个数与删除周期长度比值相等的关系,估计删除周期。然后再通过删除卷积码的识别方法得到生成矩阵,利用估计得到的生成矩阵重新生成支路序列,比对其正确性,从而确定支路的删除模式以及生成矩阵。本发明针对具有复杂删除模式的支路信息已知的turbo码进行识别,能够对具有多个1的复杂删除模式进行有效识别。很好的适应于实际的turbo码识别应用中。(The invention belongs to the technical field of turbo code blind identification, and particularly relates to a known branch information turbo code deletion mode estimation method. The invention estimates the deleting period by utilizing the relation that the ratio of the branch coding sequence to the length of the information bit sequence is equal to the ratio of the number of the deleting bits to the length of the deleting period. Then, a generating matrix is obtained by an identification method of deleting the convolutional codes, the branch sequence is regenerated by using the generating matrix obtained by estimation, and the correctness of the branch sequence is compared, so that the deleting mode of the branch and the generating matrix are determined. The invention identifies the turbo code with known branch information of the complex deleting mode, and can effectively identify the complex deleting mode with a plurality of 1. The method is well suitable for practical turbo code identification application.)

一种已知支路信息turbo码删除模式估计方法

技术领域

本发明属于turbo码盲识别技术领域，具体涉及一种已知支路信息turbo码删除模式估计方法。

背景技术

CCSDS协议中，具有删除的并行级联类(PCCC)Turbo码编码使校验位和交织校验输出，在一个删除周期内删除模式只存在一个1,。同样的对于双输入类的turbo码，也具有类似的删除模式。但在实际的应用中会出现具有多个1的复杂删除模式。该类删除模式的估计比较复杂。需要已知码长与信息位位置以及各支路的数据序列。在这些已知的基础上才能对其删除模式、编码生成矩阵以及交织方式进行识别。

发明内容

本发明提供了一种已知支路信息的turbo码复杂删除模式识别方法，扩大了turbo码可识别删除模式的范围，有效提高了turbo码盲识别的可靠性。

本发明的技术方案：一种已知码长、信息位位置以及各支路数据序列PCCC-turbo复杂删除模式的识别方法。利用支路编码序列和信息位序列长度比值与删除比特个数与删除周期长度比值相等的关系，估计删除周期。然后再通过删除卷积码的识别方法得到生成矩阵，利用估计得到的生成矩阵重新生成支路序列，比对其正确性，从而确定支路的删除模式以及生成矩阵；本发明主要包括以下步骤：

S1、初始化，信息位序列为A＝a₁a₂....a_N，N是信息位序列长度，非交织支路校验输出序列为B＝b₁b₂...b_M，M是非交织支路校验输出序列长度，交织支路校验输出序列为 C＝c₁c₂...c_L，L是交织支路校验输出序列长度。码长为n，信息位长为k，删除周期上限乘积因子为α。

S2、对非交织支路校验输出序列进行删除模式识别，识别门限阈值为θ：

S21、初始化估计删除周期T_P以及删除模式中1的个数N_P，

gcd(N,M)表示N、M的最大公约数，M≤N，当支路编码存在删除时，M<N；

S22、由删除周期T_P以及删除模式中1的个数N_P构造所有可能的删除模式P的集合：

是二元有限域T_P维空间，集合元素总数为

S23、利用信息位序列为A＝a₁a₂....a_N，以及非交织支路校验输出序列为B＝b₁b₂...b_M构造码率为T_P/(T_P+1)的卷积码，其输出模式为:

利用双合冲算法求解得到其校验多项式矩阵为H(x)；

S24、令需要识别的删除卷积码校验矩阵为n₀为 H(x)中子生成多项式的个数。校验矩阵多项式最大次数为源生成多项式的次数上限为κ＝(n₀-1)(d+1)-1，设1/2码率源码生成多项式为

α_i，λ_i为生成多项式的系数。构造码率为(n₀-1)/2(n₀-1)的生成多项式矩阵G′(x)：

其中

F(x)表示全体多项式集合。

i＝0,1,...,l-1,l＝n₀-1,m＝1,2

构造可能的删除模式集合，是二元有限域2n₀-2维空间。

S25、从S依次选择一个生成模式P，构造删除卷积码C_P的生成多项式矩阵为：

G_P(x)＝[G′(x)]_ηP

其中η_P＝(η_P(1),η_P(2),...,η_P(i),...,η_P(n₀))表示删除模式P的位置向量，η_P(i)表示P中第 i个1位于P列的位置，根据校验关系G_P(x)H^T(x)＝0，得到线性方程组 G(α₀,α₁,...,α_κ,λ₀,λ₁,...,λ_κ)^T＝0，其中G是F上的一个((n-1)×2(κ+1))矩阵；

S26、解S25所得方程组得出非零基础解系Ω，将Ω中的元素表示为

其中

表示二元有限域κ维空间，F^κ(x)表示κ次多项式集合。并记

亦作相同处理，选择出Ω中对应

阶数κ最小的解，记录并存储该解及其阶数；

S27、检查

若

中所有可能的

已计算，进入步骤S28；否则回到步骤S25继续计算；

S28、选择所有删除模式

中对应阶数最小的解作为估计值，此解对应删除码源码生成多项式矩阵G的估计，初始化i，i＝1；

S29、选取S中的第i个元素P_i，使用S23～S28步骤估计得到的生成多项式矩阵G对信息位序列进行编码得到编码输出D＝d₁d₂....d_N，根据P_i对编码输出D进行删除得到序列

如果则进入S4；如果不满足，i＝i+1，重复该步骤，直到

成立，更新删除周期T_P以及删除模式中1的个数N_P：

进入步骤S24，直到

或

成立，进入步骤S6；

S3、对交织支路校验输出序列进行删除模式P、交织深度N_S以及交织关系π_S识别：

S31、已知交织深度为N_S、初始化估计删除周期T_P以及删除模式中1的个数N_P，

S32、由于两支路编码器为同类编码器，根据S2得到的生成项式矩阵G的维度，构造所有可能的该类生成多项式矩阵集合：

m_G,n_G表示生成项式矩阵G的行列数目，该集合元素总数为N_G；

S33、由删除周期T_P以及删除模式中1的个数N_P构造所有可能的删除模式P的集合：

是二元有限域T_P维空间，集合元素总数为

S34、由交织深度N_S构造交织支路输入数据矩阵X：

初始化i，i＝1；

S35、选取S中的第i个元素P_i，根据该删除模式对交织输出：

进行补零，即将被删除交织输出位设为0，则有补零后的交织输出数据为：

构造交织编码输出矩阵

初始化j，j＝1；

S36、选取S_G中的第j个元素

利用

对X进行编码得到编码输出为：

利用删除模式P_i的对编码输出C′进行删除替换，即将C′中按删除模式P_i要删除的部分全部替换为0，得到编码输出矩阵

初始化l以及交织关系π_S：l＝1，

在

寻找使的列矢量若存在，则π_S(μ)＝l，l＝l+1，重复该步骤，直到l>N_S，进入步骤S5；若不存在，则j＝j+1，判断j>N_G，若否，回到步骤S36；若是，则i＝i+1，对进行判断，若判断为假，则进入步骤S35，若判断为真，，则更新删除周期T_P以及删除模式中1的个数N_P:

再判断

或

是否成立，若判断为假，则进入步骤S33，若判断为真，则进入步骤S6；

S4、输出校验位删除模式P_i以及生成多项式矩阵G以及删除周期T_P；

S5、输出交织位识别得到的删除周期T_P、生成多项式矩阵

删除模式P_i以及交织关系π_S；

S6、输出未得到识别结果。

本发明针对具有复杂删除模式的支路信息已知的turbo码进行识别，能够对具有多个1 的复杂删除模式进行有效识别。很好的适应于实际的turbo码识别应用中。

附图说明

图1是本发明校验位删除模式识别方法流程图

图2是本发明交织位删除模式以及交织识别方法流程图

图3是本发明实施例1中校验位删除模式识别正确率随误码变化的曲线图

图4是采用本发明方法后帧长与误码率识别门限关系示意

具体实施方式

下面结合附图和实施例对本发明进行详细的描述

图1是本发明校验位删除模式识别方法流程图，如图所示，本发明校验位删除模式识别估计包括了如下步骤：

S1初始化，信息位序列为A＝a₁a₂....a_N，N是信息位序列长度，非交织支路校验输出序列为B＝b₁b₂...b_M，M是非交织支路校验输出序列长度，交织支路校验输出序列为C＝c₁c₂...c_L， L是交织支路校验输出序列长度。码长为n，信息位长为k，删除周期上限乘积因子为α。

S2对非交织支路校验输出序列进行删除模式识别，识别门限阈值为θ

S21初始化估计删除周期T_P以及删除模式中1的个数N_P，其中N、M表示信息位序列A＝a₁a₂...a_N以及非交织支路校验输出序列为B＝b₁b₂...b_M的长度。gcd(N,M)表示N、M的最大公约数，M≤N。当支路编码存在删除时，M<N。

S22由删除周期T_P以及删除模式中1的个数N_P构造所有可能的删除模式P的集合：

是二元有限域T_P维空间，集合元素总数为

S23利用信息位序列为A＝a₁a₂....a_N，以及非交织支路校验输出序列为B＝b₁b₂...b_M构造码率为T_P/(T_P+1)的卷积码，其输出模式为:

利用双合冲算法求解得到其校验多项式矩阵为H(x)。

S29选取S中的第i个元素P_i，使用S23～S28步骤估计得到的生成多项式矩阵G对信息位序列进行编码得到编码输出D＝d₁d₂....d_N，根据P_i对编码输出D进行删除得到序列

如果

进入S4。如果不满足，i＝i+1，重复该步骤，直到

若，

更新删除周期T_P以及删除模式中1的个数N_P:

进入S24，直到

或

若

或

则输出无识别结果。

图2是本发明S31～S35所述交织位删除模式及交织识别方法流程图，如图所示，交织位删除模式及交织识别方法包括如下步骤：

S31初始化估计删除周期T_P以及删除模式中1的个数N_P，

S32由于两支路编码器为同类编码器，则根据S2得到的生成项式矩阵G的维度，我们构造所有可能的该类生成多项式矩阵集合：

m_G,n_G表示生成项式矩阵G的行列数目，该集合元素总数为N_G；

S33由删除周期T_P以及删除模式中1的个数N_P构造所有可能的删除模式P的集合：

是二元有限域T_P维空间,集合元素总数为初始化i，i＝1

S34选取S中的第i个元素P_i，根据该删除模式对交织输出：

进行补零，即将被删除交织输出位设为0，则有补零后的交织输出数据为：

由N_S构造交织编码输出矩阵

初始化j以及交织关系：j＝1，

S35～S37选取S_G中的第j个元素

利用

通过译码对比的方法对

进行交织识别。若识别成功则进入S5。若不存在，，则j＝j+1，对j>N_G进行判断，若判断为假，则重复该步骤。若判断为真，则i＝i+1，判断

若否，则进入S34，若是，则更新删除周期T_P以及删除模式中1的个数N_P:

再判断

或

若判断为假，则进入S33，若判断为真，则进入S6；

实施例1

本实施例的目的在于说明本发明不同误码条件下，检验位删除模式识别正确率随误码变化情况。选取码长为300，RSC生成多项式为[23,35]，删除模式分别为[1101]、[11101]的编码器作为案例进行说明。结果如图3所示，可以看出误码小于0.1％时，本发明方法能够很好的实现对删除模式与生成多项式矩阵进行识别。而较大删除周期的识别性能在较高误码条件下是低于较小删除周期的识别性能的。因此本发明更适用于较短删除周期的删除模式识别。

实施例2

本实例的目的在于说明本发明交织位删除模式及交织关系识别方法的可识别误码率边界，分别选取了码长为104、124、164、204、以及304的RSC生成多项式为[23,35]，删除模式为[1101]的编码器为案例进行说明。结果如图4所示。可以看出，随码长增大，本发明交织位删除模式及交织关系识别方法可识别的误码率边界是降低的，不同码长下的数据误码率超过该边界后，本发明方法不再适用。