一种实现信号高误码率下的编码识别方法
阅读说明：本技术 一种实现信号高误码率下的编码识别方法 (Code identification method for realizing high error rate of signal ) 是由 姚慰 杜健 王志 龚珊 耿世磊 蒋天立 梁京生 于 2021-04-16 设计创作，主要内容包括：本发明公开一种实现信号高误码率下的编码识别方法,包括步骤：对输入的信号利用同步码集合对解调码流实现同步码搜索,若搜索成功,则对分组码TPC码或LDPC码进行识别；若搜索失败,则对序列码、Viterbi码或TCM码进行识别；在步骤S10中相应码下识别成功后,对该码进行相应的译码；所有译码完成后,进行扰码识别。本发明能够使编码增益得到充分利用,能够实现整个信道编码全过程的识别,实现信号高误码率下的编码识别。(The invention discloses a coding identification method for realizing high signal error rate, which comprises the following steps: the method comprises the steps that synchronous code searching is achieved on a demodulation code stream of an input signal through a synchronous code set, and if the searching is successful, a TPC code or an LDPC code of a block code is identified; if the search fails, identifying a sequence code, a Viterbi code or a TCM code; after the identification is successful under the corresponding code in step S10, the code is decoded correspondingly; and after all decoding is finished, carrying out scrambling code identification. The invention can make full use of coding gain, realize the identification of the whole channel coding process and realize the coding identification under the high error rate of signals.)
技术领域
本发明属于信号处理技术领域，特别是涉及一种实现信号高误码率下的编码识别方法。
背景技术
目前主流信号的编码识别技术通常都是在无误码条件下识别判证得以实现的，但是在实际卫星接收系统中，解调后通常会存在着较高的误码率，同时在接收对象解调后通常存在扰码、级联码、星座点映射、相位模糊等几个环节，因此要达到编码识别的目的，需要将扰码、差分、外码、内码、星座点映射、相位模糊一层层剥离，才能得以实现。目前主流的信号编码识别技术无法在一定的误码率条件下完成编码的识别并还原译码信息。
发明内容
为了解决上述问题，本发明提出了一种实现信号高误码率下的编码识别方法，能够使编码增益得到充分利用，能够实现整个信道编码全过程的识别，实现信号高误码率下的编码识别。
为达到上述目的，本发明采用的技术方案是：一种实现信号高误码率下的编码识别方法，包括步骤：
S10,对输入的信号利用同步码集合对解调码流实现同步码搜索，若搜索成功，则对分组码TPC码或LDPC码进行识别；若搜索失败，则对序列码、Viterbi码或TCM码进行识别；
S20,在步骤S10中相应码下识别成功后，对该码进行相应的译码；
S30,所有译码完成后，进行扰码识别。
进一步的是，所述同步头搜索包括步骤：设定误码门限，利用同步码集合中的同步码依次进行同步头搜索；若超过误码门限，则认为同步码搜索成功，搜索结束；否则继续搜索直至整个同步码集合的遍历完成，仍没有成功，则视为同步码搜索失败。
进一步的是，所述TPC码识别和处理过程包括步骤：分别校验TPC的行码和列码，若通过率超过门限，则视为验证成功；验证成功后进行译码，若译码成功，则认为编码正确，并进入扰码识别。
进一步的是，所述LDPC码识别和处理过程包括步骤：LDPC码进行试译码，如果试译码成功，则编码识别正确，如果试译码失败，则通过编码结构分析，完成编码识别，然后译码；译码成功后，进行BCH码校验，验若成功则进行再次译码后进入扰码识别，否则直接进入扰码识别。提高系统的差错控制性能，实现高误码率下的编码识别。
进一步的是，所述编码结构分析包括步骤：
步骤1：通过行排列将接收到的M个码向量列成M×n矩阵：
；
步骤2：对C 进行行变换，得到其系统形式的矩阵并表示成分解形式：
；
其中，为C的秩，即所接收到线性无关码字的个数；P为矩阵；表示阶的单位矩阵；为子矩阵各列在矩阵中列标号的集合；
步骤3：利用矩阵进而构造矩阵；表示矩阵中单位矩阵列标号集合, 为P矩阵的转置，表示阶的单位矩阵；
步骤4：当时，和为待求编码的一对生成矩阵和校验矩阵；当时，和不是待求编码的一对生成矩阵和校验矩阵；不论是哪种情况，皆需转入步骤5进一步求解；
步骤5：利用查找出所有稀疏校验向量，所有的集合构成待识别LDPC码的稀疏校验矩阵。
进一步的是，在步骤5中，基于改进的 Canteaut-Chabaud 算法利用查找出所有稀疏校验向量，包括步骤：
初始化：列标号集合及矩阵，重量阈值，空间中小重量向量的集合，计数器置零；
步骤 51：计数器加1；将I随机分成两个子集和，分别包含和个元素；将和视为矩阵行标号的集合，矩阵则分为和两部分，分别由行标号属于和的行构成；
步骤 52：随机选取元素个数为的列标号集合L，满足；表示矩阵列标号集合S中去掉集合I的元素后剩下的元素的集合；
步骤53：计算中任意行的和向量，将其在L上的取值记录在表中；计算中任意行的和向量，将其在L上的取值记录在表中；
步骤 54：根据表和，考察所有满足的组合，若有，wt表示向量的汉明重量，w是重量阈值，且有h为向量和的和向量，即，则：
(a)令，计数器置零；
(b)若，则令，然后令；
步骤 55：若计数器数值达到正整数T，即T次迭代中未能找到新的小重量向量，则算法结束，当算法结束时，找出的所有小重量向量存于集合中，即被视为待识别LDPC码的稀疏校验向量；若其数值小于T，则随机选取和，记集合，并通过行变换将化为，令且，回到步骤 51。
进一步的是，在步骤S10中，在对序列码、Viterbi码或TCM码进行识别包括步骤：先对序列码、Viterbi码或TCM码进行试译码，试译码成功后，再进行编码识别；
在步骤S30中，在序列码、Viterbi码或TCM码的译码成功后，先搜RS同步码，若成功则进行再次译码后进入扰码识别，若否则直接进入扰码识别。提高系统的差错控制性能，实现高误码率下的编码识别。
进一步的是，所述序列码校验：对数据进行校验，对校验通过率进行统计，如果超过门限，则视为验证成功；
所述Viterbi码试译：对数据进行试译码，再将译码结果重新编码，并与译码前的数据进行比对，求误码率，如果误码率低于门限，认为验证成功，否则验证失败。
进一步的是，所述TCM码的识别过程包括步骤：
对输入的信号进行定时解调；
对解调后的信号进行调制判别，提取星座图；
建立星座图的多级状态转移分布统图，根据多级状态转移分布统图，判别是否为TCM信号。
采用上述操作方法进行模板匹配，当模板匹配失败时进行识别，以提高TCM识别成功率。
进一步的是，所述扰码识别：分自同步和伪随机两种，对这两种方式依次进行尝试识别，直到得到识别结果；
针对自同步扰码，根据假定的多项式对数据进行去扰，统计结果数据的0/1不平衡度，如果大于门限，则认为含有该扰码；
对于伪随机扰码，前面的分组码长度即加扰周期，设定一种多项式，设置不同的初态对数据进行去扰，统计结果数据的0/1不平衡度并作出判定。
采用本技术方案的有益效果：
本发明利用同步码集合对解调码流实现同步码搜索，对TPC码、LDPC码、对序列码、Viterbi码或TCM码分布式分别进行识别、匹配译码等操作后再统一进行扰码识别，能够使编码增益得到充分利用，能够实现整个信道编码全过程的识别。本发明包括对TPC码、LDPC码、序列码、Viterbi码、TCM等分别进行匹配识别，包括校验匹配法和试译匹配法，皆具有很强的容错性能，能实现高误码率下的编码识别。
本发明充分考虑了可能的级联码的存在，包括LDPC码与BCH码的级联、序列码等与RS码的级联情况，提高了高误码率下的编码识别的精确度。
本发明还融入了针对LDPC码的基于编码结构分析的识别方法，可以在模板匹配失败或模板信息不足时，实现LDPC码的识别，提高了高误码率下的编码识别的精确度。
附图说明
图1 为本发明的一种实现信号高误码率下的编码识别方法流程示意图。
图2 为本发明实施例中TCM信号一级状态转移分布图。
图3 为本发明实施例中TCM信号二级状态转移分布图。
图4 为本发明实施例中TCM信号三级状态转移分布图。
图5 为本发明实施例中非TCM信号一级状态转移分布图。
图6 为本发明实施例中非TCM信号二级状态转移分布图。
图7 为本发明实施例中非TCM信号三级状态转移分布图。
具体实施方式
为了使本发明的目的、技术方案和优点更加清楚，下面结合附图对本发明作进一步阐述。
在本实施例中，参见图1所示，本发明提出了一种实现信号高误码率下的编码识别方法，包括步骤：
S10,对输入的信号利用同步码集合对解调码流实现同步码搜索，若搜索成功，则对分组码TPC码或LDPC码进行识别；若搜索失败，则对序列码、Viterbi码或TCM码进行识别；
S20,在步骤S10中相应码下识别成功后，对该码进行相应的译码；
S30,所有译码完成后，进行扰码识别。
作为上述实施例的优化方案，所述同步头搜索包括步骤：设定误码门限，利用同步码集合中的同步码依次进行同步头搜索；若超过误码门限，则认为同步码搜索成功，搜索结束；否则继续搜索直至整个同步码集合的遍历完成，仍没有成功，则视为同步码搜索失败。
作为上述实施例的优化方案，所述TPC码识别和处理过程包括步骤：分别校验TPC的行码和列码，若通过率超过门限，则视为验证成功；验证成功后进行译码，若译码成功，则认为编码正确，并进入扰码识别。
作为上述实施例的优化方案，所述LDPC码识别和处理过程包括步骤：LDPC码进行试译码，如果试译码成功，则编码识别正确，如果试译码失败，则通过编码结构分析，完成编码识别，然后译码；译码成功后，进行BCH码校验，验若成功则进行再次译码后进入扰码识别，否则直接进入扰码识别。提高系统的差错控制性能，实现高误码率下的编码识别。
其中，所述编码结构分析包括步骤：
步骤1：通过行排列将接收到的M个码向量列成M×n矩阵：
；
步骤2：对C 进行行变换，得到其系统形式的矩阵并表示成分解形式：
；
其中，为C的秩，即所接收到线性无关码字的个数；P为矩阵；表示阶的单位矩阵；为子矩阵各列在矩阵中列标号的集合；
步骤3：利用矩阵进而构造矩阵；表示矩阵中单位矩阵列标号集合, 为P矩阵的转置，表示阶的单位矩阵；
步骤4：当时，和为待求编码的一对生成矩阵和校验矩阵；当时，和不是待求编码的一对生成矩阵和校验矩阵；不论是哪种情况，皆需转入步骤5进一步求解；
步骤5：利用查找出所有稀疏校验向量，所有的集合构成待识别LDPC码的稀疏校验矩阵。
在步骤5中，基于改进的 Canteaut-Chabaud 算法利用查找出所有稀疏校验向量，包括步骤：
初始化：列标号集合及矩阵，重量阈值，空间中小重量向量的集合，计数器置零；
步骤 51：计数器加1；将I随机分成两个子集和，分别包含和个元素；将和视为矩阵行标号的集合，矩阵则分为和两部分，分别由行标号属于和的行构成；
步骤 52：随机选取元素个数为的列标号集合L，满足；表示矩阵列标号集合S中去掉集合I的元素后剩下的元素的集合；
步骤53：计算中任意行的和向量，将其在L上的取值记录在表中；计算中任意行的和向量，将其在L上的取值记录在表中；
步骤 54：根据表和，考察所有满足的组合，若有，wt表示向量的汉明重量，w是重量阈值，且有h为向量和的和向量，即，则：
(a)令，计数器置零；
(b)若，则令，然后令；
步骤 55：若计数器数值达到正整数T，即T次迭代中未能找到新的小重量向量，则算法结束，当算法结束时，找出的所有小重量向量存于集合中，即被视为待识别LDPC码的稀疏校验向量；若其数值小于T，则随机选取和，记集合，并通过行变换将化为，令且，回到步骤 51。
对比该方法与原 Canteaut-Chabaud 算法流程可见，不同之处在于步骤54中增加了稀疏向量h的存储及参数w的更新，步骤55中的结束准则改变（计数器不再是计总迭代次数）。按照步骤54，每当找到一个向量h，若有，就将阈值w更新为。这是由于两个重量为wt(h)的稀疏校验向量之和仍是该LDPC码的校验向量，其重量的最小值为2wt(h)-2（假设不存在长度为4的环）。步骤 54的做法既可以避免找出这样的校验向量，同时也适应于非规则LDPC码的要求，可以找出重量在一定范围内的所有稀疏校验向量。对于某些 LDPC 码，可能存在长度为4的环，则在步骤 45中应改为“若，则令”。在步骤55中，参数T的意义是：若在连续T次迭代中未能找到新的小重量向量，则算法结束。当算法结束时，找出的所有小重量向量存于集合中，它们即被视为待识别LDPC码的稀疏校验向量。
通过上述方法识别LDPC码的稀疏校验向量，即空间中的小重量向量。原Canteaut-Chabaud 算法需要事先给定待求向量的最大重量w，且找出一个符合要求的小重量向量就立即结束；而未知最大重量w，且需要找出的小重量向量共有r个。因此，需要对原算法作一定的优化：一是在搜索的过程中逐步确定w的值，修改待求向量的最大重量w的确定过程，在最大重量w未知，且需要找出的小重量向量共有r个的情况下，增加了稀疏向量h的存储及参数w的更新，既避免找出由于两个重量为wt(h)的稀疏校验向量之和仍是该LDPC码的校验向量，同时也适应于非规则LDPC码的要求，可以找出重量在一定范围内的所有稀疏校验向量。二是采用新的结束准则，原算法需要事先给定待求向量的最大重量w，且找出一个符合要求的小重量向量就立即结束，而经修改后的结束规则，则在连续T次迭代中没有找到新的小重量向量后判定算法结束。当算法结束时，即能找出的所有待识别LDPC码的稀疏校验向量。通过改进的Canteaut-Chabaud 算法来识别LDPC码的稀疏校验向量能够提高稀疏校验向量识别的精准度，简化识别过程。
作为上述实施例的优化方案，在步骤S10中，在对序列码、Viterbi码或TCM码进行识别包括步骤：先对序列码、Viterbi码或TCM码进行试译码，试译码成功后，再进行编码识别；在步骤S30中，在序列码、Viterbi码或TCM码的译码成功后，先搜RS同步码，若成功则进行再次译码后进入扰码识别，若否则直接进入扰码识别。提高系统的差错控制性能，实现高误码率下的编码识别。
所述序列码校验：对数据进行校验，对校验通过率进行统计，如果超过门限，则视为验证成功；
所述Viterbi码试译：对数据进行试译码，再将译码结果重新编码，并与译码前的数据进行比对，求误码率，如果误码率低于门限，认为验证成功，否则验证失败。
所述TCM码的识别过程包括步骤：
对输入的信号进行定时解调；
对解调后的信号进行调制判别，提取星座图；
建立星座图的多级状态转移分布统图，根据多级状态转移分布统图，判别是否为TCM信号。
如图2-图7所示，TCM信号状态转移分布图，在三级状态转移中明显能够区分并非所有状态转移路径都存在，非TCM信号的状态转移分布图，该信号由于在符号级不存在编码信息，所以状态转移分布非常平均，通过该特征可以识别TCM信号。
采用上述操作方法进行模板匹配，当模板匹配失败时进行识别，以提高TCM识别成功率。
作为上述实施例的优化方案，所述扰码识别：分自同步和伪随机两种，对这两种方式依次进行尝试识别，直到得到识别结果；
针对自同步扰码，根据假定的多项式对数据进行去扰，统计结果数据的0/1不平衡度，如果大于门限，则认为含有该扰码；
对于伪随机扰码，前面的分组码长度即加扰周期，设定一种多项式，设置不同的初态对数据进行去扰，统计结果数据的0/1不平衡度并作出判定。
以上显示和描述了本发明的基本原理和主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。