CN104683072A - 一种删余turbo码分量编码器的参数盲识别方法 - Google Patents

Abstract

一种删余turbo码分量编码器的参数盲识别方法，属于通信系统中的码字识别技术领域。该方法将删余turbo码信息位与校验位复用构造删余卷积码，通过线性矩阵分析法统计分析删余卷积码的码长，码字起点，再利用部分Walsh—Hadamard变换识别分量编码器的校验矩阵，进一步由高斯消元法得到删余模式和生成矩阵，实现删余turbo码分量编码器的参数盲识别，并验证识别参数的准确性。本发明降低了分量编码器参数识别的运算复杂度，提高了识别效率和可靠性，适用于智能通信，信息处理等领域。

Description

一种删余turbo码分量编码器的参数盲识别方法

技术领域

本发明涉及数字通信系统中一种删余turbo码分量编码器的参数盲识别方法，属于通信系统中的码字识别技术领域。

背景技术

删余turbo码在现代通信中应用非常广泛，随着数字通信技术的发展，越来越多的领域都会产生对删余Turbo码盲识别技术的需求，删余turbo码盲识别技术也成为当今通信研究的前沿领域。

经典并行级联turbo码编码器主要由两个递归系统卷积码(RSC)分量编码器并行级联而成，分量编码器之间由交织器相连，一般情况下，各RSC编码器的结构相同，使用两个RSC分量编码器的turbo码的码率为1/3，每三个比特中有一个信息码元，两个校验码元。为提高码率，可对校验元进行周期性删余，而后与信息码元经过复用得到最终编码序列。

针对基于1/2源卷积码的(n-1)/n型删余卷积码的盲识别，传统的Walsh-Hadamard变换对内存空间的要求比较高，王磊、胡以华、王勇等在其2012年发表在《计算机工程与应用》16期“基于PWHT的删除卷积码识别方法”一文中，针对Walsh-Hadamard变换在删除卷积码校验矩阵识别中存在运算量和数据量过大的问题,对校验矩阵方程组进行了变形,提出部分Walsh-Hadamard变换(PWHT),但并没有给出应用于删余turbo码分量编码器参数盲识别的方法。为克服现有技术存在的缺陷和不足，本发明提出基于部分Walsh-Hadamard变换(PWHT)的删余turbo码分量编码器的参数盲识别方法，降低了分量编码器参数识别的运算复杂度，提高了识别效率。

本发明采用计算机软件模拟的方式实现删余turbo码分量编码器的参数识别，实施过程中首先用软件模拟上述经典turbo码编码过程，将码字保存在文件中，识别时从文件中读取数据进行盲识别。

发明内容

为了克服现有技术存在的缺陷和不足，本发明提出了运算量小、识别效率高的一种删余turbo码分量编码器的参数盲识别方法。

本发明技术方案如下：

一种删余turbo码分量编码器的参数盲识别方法，将删余turbo码信息位与第一位校验位复用构造删余卷积码，通过线性矩阵分析法统计分析删余卷积码的码长，码字起点，再利用部分Walsh—Hadamard变换识别分量编码器的校验矩阵，进一步由高斯消元法得到删余模式和生成矩阵，从而实现删余turbo码分量编码器的参数盲识别，并通过维特比译码得到置信度，以验证识别的准确性，该方法具体步骤如下：

1)从删余turbo码起点开始，选取其信息序列和分量编码器RSC1的校验位序列复用，构造删余卷积码序列，以1/3码率turbo码删余得到1/2码率的删余turbo码为例，若将原turbo码序列表示为x₁a₁b₁x₂a₂b₂x₃a₃b₃x₄a₄b₄……则删余后turbo码序列表示为x₁a₁x₂b₂x₃a₃x₄b₄……，构造删余卷积码为x₁a₁x₂x₃a₃x₄……，其中x₁、x₂、x₃……表示不同时刻输出的信息位序列；a₁、a₂、a₃……表示不同时刻输出的RSC1校验位序列；b₁、b₂、b₃……表示不同时刻输出的RSC2校验位序列；

2)将删余卷积码序列构成p×q矩阵，要求q＞N,p＞q，其中N表示编码约束度，取定列值q的范围，变化q得到不同矩阵，分别计算这些矩阵的秩，只留取矩阵秩不等于列数的矩阵，然后对这些矩阵进行初等变换单位化，记下单位化后左上角单位阵维数相等的矩阵列值，对留存列值取最大公约数，从而得到删余卷积码码长n；

3)将删余卷积码序列重新构造矩阵，列数为步骤2)中留存的某列值N’，其中N’为码长n的倍数，取留存列值中的较小值，取矩阵行数大于列数，将码序列移位得到n-1个不同矩阵，连同码序列不移位矩阵共得到n个不同矩阵，n为码长，对这些矩阵进行初等变换单位化，分别记下单位化后矩阵的左上角单位阵维数，维数最小时的移位即删余卷积码起始点；

4)识别校验多项式矩阵，具体识别步骤如下：

a)由构造的删余卷积码序列建立系数矩阵R(D)，将校验多项式矩阵表示为H(D)＝[h₀(D),h₁(D),...h_n-1(D)]^T，其中，h_i(D)＝h_0i+h_1iD+h_2iD²...h_diD^d，i∈[0,n-1]，d＝max{deg h_i(D)}，其中符号deg表示是求多项式的次数的函数，将R(D)×H(D)^T＝0写成方程组的形式如下：

$\left[\begin{array}{ccccccc}{r}_{d1}& ...& r_{01}& ...& r_{\mathrm{dn}}& ...& r_{0n}\\ r_{(d+1)1}& ...& r_{11}& ...& r_{(d+1)n}& ...& r_{1n}\\ .& & .& & .& & .\\ .& & .& & .& & .\\ .& & .& & .& & .\\ r_{(d+N)1}& ...& r_{N1}& ...& r_{(d+N)n}& ...& r_{\mathrm{Nn}}\end{array}\right]\left[\begin{array}{c}{h}_{00}\\ .\\ .\\ .\\ h_{d0}\\ .\\ .\\ .\\ h_{0(n-1)}\\ .\\ .\\ .\\ h_{d(n-1)}\end{array}\right]=0---\left(1\right)$

由于h_n-1(D)中含常数项h_0(n-1)＝1，将式(1)中的常数项部分移至方程右边，得下式：

$\left[\begin{array}{ccccccc}{r}_{d1}& ...& r_{01}& ...& r_{(d-1)n}& ...& r_{0n}\\ r_{(d+1)1}& ...& r_{11}& ...& r_{\mathrm{dn}}& ...& r_{1n}\\ .& & .& & .& & .\\ .& & .& & .& & .\\ .& & .& & .& & .\\ r_{(d+N)1}& ...& r_{N1}& ...& r_{(d+N-1)n}& ...& r_{\mathrm{Nn}}\end{array}\right]\left[\begin{array}{c}{h}_{00}\\ .\\ .\\ .\\ h_{d0}\\ .\\ .\\ .\\ h_{1(n-1)}\\ .\\ .\\ .\\ h_{d(n-1)}\end{array}\right]=\left[\begin{array}{c}-r_{\mathrm{dn}}\\ -r_{(d+1)n}\\ -r_{(d+N)n}\end{array}\right]---\left(2\right)$

b)将式(2)中的系数矩阵R'(D)分为两部分，矩阵长度均为N+1，宽度分别为R1和R2，其中R1与R2的和为(d+1)×n-1，(通常R2取值在16到24之间)，则第一、第二系数矩阵维数分别为(N+1)×R1、(N+1)×R2；

c)设定一个长度为R1的二进制向量iTemp，大小从0至2^R1进行循环，将每个固定的iTemp与第一系数矩阵的行向量模二加后取反，每行得到一个二进制数0或1，最终得到一个N+1维的二进制向量，表示为P，将P与式(2)等号右边的向量对应行的值相加；

d)再对第二系数矩阵进行状态统计，第二系数矩阵的行向量维数为1*R2，R2个任意‘0’和‘1’组合作为状态，共2^R2-1个状态，每个行向量都是其中的一个状态，式(2)等号右边向量对应行的值作为该状态的输出，相同状态的输出值进行累加，不存在的状态输出值为0，得到一个(2^R2-1)×1维状态向量；

e)对上述结果进行Walsh-Hadamard变换，找到大于置信度的解再转换为二进制向量，表示为Q，然后将此时的iTemp向量与二进制向量Q组合便得到我们要求的校验多项式H(D)；

5)设定源卷积码的生成多项式矩阵阶数，遍历删余模式，构建线性方程组Gp(D)H(D)^T＝0，其中G_P(D)为生成矩阵，H(D)^T为校验矩阵H(D)的转置，通过高斯消元法求解该方程组的唯一非零解，从而确定源卷积码的生成多项式和删余模式；

6)利用识别得到的分量编码器参数，将删余卷积码通过维特比译码得到置信度，验证识别参数的准确性。

本发明较好的将删余turbo码分量编码器参数的识别转换为删余卷积码的识别，在线性矩阵分析法识别码长、起点的基础上，创造性的将改进的部分WH算法用于分量编码器校验矩阵的识别，并进一步识别得到删余模式和生成矩阵，最终实现删余turbo码分量编码器的参数盲识别，并通过维特比译码得到置信度，验证识别的准确性。本发明降低了分量编码器参数识别的运算复杂度，提高了识别效率和可靠性。

具体实施方式

下面结合实施例对本发明作进一步说明，但不限于此。

实施例：

本发明实施例如下：一种删余turbo码分量编码器的参数盲识别方法，将删余turbo码信息位与第一位校验位复用构造删余卷积码，通过线性矩阵分析法统计分析删余卷积码的码长，码字起点，再利用部分Walsh—Hadamard变换识别分量编码器的校验矩阵，进一步由高斯消元法得到删余模式和生成矩阵，从而实现删余turbo码分量编码器的参数盲识别，并通过维特比译码得到置信度，以验证识别的准确性，该方法具体步骤如下：

1)从删余turbo码起点开始，选取其信息序列和分量编码器RSC1的校验位序列复用，构造删余卷积码序列，以1/3码率turbo码删余得到1/2码率的删余turbo码为例，若将原turbo码序列表示为x₁a₁b₁x₂a₂b₂x₃a₃b₃x₄a₄b₄……则删余后turbo码序列表示为x₁a₁x₂b₂x₃a₃x₄b₄……，构造删余卷积码为x₁a₁x₂x₃a₃x₄……，其中x₁、x₂、x₃……表示不同时刻输出的信息位序列；a₁、a₂、a₃……表示不同时刻输出的RSC1校验位序列；b₁、b₂、b₃……表示不同时刻输出的RSC2校验位序列；

2)将删余卷积码序列构成p×q矩阵，要求q＞N,p＞q，其中N表示编码约束度，取定列值q的范围，变化q得到不同矩阵，分别计算这些矩阵的秩，只留取矩阵秩不等于列数的矩阵，然后对这些矩阵进行初等变换单位化，记下单位化后左上角单位阵维数相等的矩阵列值，对留存列值取最大公约数，从而得到删余卷积码码长n；

3)将删余卷积码序列重新构造矩阵，列数为步骤2)中留存的某列值N’，其中N’为码长n的倍数，取留存列值中的较小值，取矩阵行数大于列数，将码序列移位得到n-1个不同矩阵，连同码序列不移位矩阵共得到n个不同矩阵，n为码长，对这些矩阵进行初等变换单位化，分别记下单位化后矩阵的左上角单位阵维数，维数最小时的移位即删余卷积码起始点；

4)识别校验多项式矩阵，具体识别步骤如下：

a)由构造的删余卷积码序列建立系数矩阵R(D)，将校验多项式矩阵表示为H(D)＝[h₀(D),h₁(D),...h_n-1(D)]^T，其中，h_i(D)＝h_0i+h_1iD+h_2iD²...h_diD^d，i∈[0,n-1]，d＝max{deg h_i(D)}，其中符号deg表示是求多项式的次数的函数，将R(D)×H(D)^T＝0写成方程组的形式如下：

$\left[\begin{array}{ccccccc}{r}_{d1}& ...& r_{01}& ...& r_{\mathrm{dn}}& ...& r_{0n}\\ r_{(d+1)1}& ...& r_{11}& ...& r_{(d+1)n}& ...& r_{1n}\\ .& & .& & .& & .\\ .& & .& & .& & .\\ .& & .& & .& & .\\ r_{(d+N)1}& ...& r_{N1}& ...& r_{(d+N)n}& ...& r_{\mathrm{Nn}}\end{array}\right]\left[\begin{array}{c}{h}_{00}\\ .\\ .\\ .\\ h_{d0}\\ .\\ .\\ .\\ h_{0(n-1)}\\ .\\ .\\ .\\ h_{d(n-1)}\end{array}\right]=0---\left(1\right)$

由于h_n-1(D)中含常数项h_0(n-1)＝1，将式(1)中的常数项部分移至方程右边，得下式：

$\left[\begin{array}{ccccccc}{r}_{d1}& ...& r_{01}& ...& r_{(d-1)n}& ...& r_{0n}\\ r_{(d+1)1}& ...& r_{11}& ...& r_{\mathrm{dn}}& ...& r_{1n}\\ .& & .& & .& & .\\ .& & .& & .& & .\\ .& & .& & .& & .\\ r_{(d+N)1}& ...& r_{N1}& ...& r_{(d+N-1)n}& ...& r_{\mathrm{Nn}}\end{array}\right]\left[\begin{array}{c}{h}_{00}\\ .\\ .\\ .\\ h_{d0}\\ .\\ .\\ .\\ h_{1(n-1)}\\ .\\ .\\ .\\ h_{d(n-1)}\end{array}\right]=\left[\begin{array}{c}-r_{\mathrm{dn}}\\ -r_{(d+1)n}\\ -r_{(d+N)n}\end{array}\right]---\left(2\right)$

b)将式(2)中的系数矩阵R'(D)分为两部分，矩阵长度均为N+1，宽度分别为R1和R2，其中R1与R2的和为(d+1)×n-1，(通常R2取值在16到24之间)，则第一、第二系数矩阵维数分别为(N+1)×R1、(N+1)×R2；

c)设定一个长度为R1的二进制向量iTemp，大小从0至2^R1进行循环，将每个固定的iTemp与第一系数矩阵的行向量模二加后取反，每行得到一个二进制数0或1，最终得到一个N+1维的二进制向量，表示为P，将P与式(2)等号右边的向量对应行的值相加；

d)再对第二系数矩阵进行状态统计，第二系数矩阵的行向量维数为1*R2，R2个任意‘0’和‘1’组合作为状态，共2^R2-1个状态，每个行向量都是其中的一个状态，式(2)等号右边向量对应行的值作为该状态的输出，相同状态的输出值进行累加，不存在的状态输出值为0，得到一个(2^R2-1)×1维状态向量；

e)对上述结果进行Walsh-Hadamard变换，找到大于置信度的解再转换为二进制向量，表示为Q，然后将此时的iTemp向量与二进制向量Q组合便得到我们要求的校验多项式H(D)；

5)设定源卷积码的生成多项式矩阵阶数，遍历删余模式，构建线性方程组Gp(D)H(D)^T＝0，其中G_P(D)为生成矩阵，H(D)^T为校验矩阵H(D)的转置，通过高斯消元法求解该方程组的唯一非零解，从而确定源卷积码的生成多项式和删余模式；

6)利用识别得到的分量编码器参数，将删余卷积码通过维特比译码得到置信度，验证识别参数的准确性。

Claims (1)

1.一种删余turbo码分量编码器的参数盲识别方法，将删余turbo码信息位与第一位校验位复用构造删余卷积码，通过线性矩阵分析法统计分析删余卷积码的码长，码字起点，再利用部分Walsh—Hadamard变换识别分量编码器的校验矩阵，进一步由高斯消元法得到删余模式和生成矩阵，从而实现删余turbo码分量编码器的参数盲识别，并通过维特比译码得到置信度，以验证识别的准确性，该方法具体步骤如下：

1)从删余turbo码起点开始，选取其信息序列和分量编码器RSC1的校验位序列复用，构造删余卷积码序列，以1/3码率turbo码删余得到1/2码率的删余turbo码为例，若将原turbo码序列表示为x₁a₁b₁x₂a₂b₂x₃a₃b₃x₄a₄b₄……则删余后turbo码序列表示为x₁a₁x₂b₂x₃a₃x₄b₄……，构造删余卷积码为x₁a₁x₂x₃a₃x₄……，其中x₁、x₂、x₃……表示不同时刻输出的信息位序列；a₁、a₂、a₃……表示不同时刻输出的RSC1校验位序列；b₁、b₂、b₃……表示不同时刻输出的RSC2校验位序列；

2)将删余卷积码序列构成p×q矩阵，要求q＞N,p＞q，其中N表示编码约束度，取定列值q的范围，变化q得到不同矩阵，分别计算这些矩阵的秩，只留取矩阵秩不等于列数的矩阵，然后对这些矩阵进行初等变换单位化，记下单位化后左上角单位阵维数相等的矩阵列值，对留存列值取最大公约数，从而得到删余卷积码码长n；

3)将删余卷积码序列重新构造矩阵，列数为步骤2)中留存的某列值N’，其中N’为码长n的倍数，取留存列值中的较小值，取矩阵行数大于列数，将码序列移位得到n-1个不同矩阵，连同码序列不移位矩阵共得到n个不同矩阵，n为码长，对这些矩阵进行初等变换单位化，分别记下单位化后矩阵的左上角单位阵维数，维数最小时的移位即删余卷积码起始点；

4)识别校验多项式矩阵，具体识别步骤如下：

a)由构造的删余卷积码序列建立系数矩阵R(D)，将校验多项式矩阵表示为H(D)＝[h₀(D),h₁(D),...h_n-1(D)]^T，其中，h_i(D)＝h_0i+h_1iD+h_2iD²...h_diD^d，i∈[0,n-1]，d＝max{degh_i(D)}，其中符号deg表示是求多项式的次数的函数，将R(D)×H(D)^T＝0写成方程组的形式如下：

$\left[\begin{array}{ccccccc}{r}_{d1}& ...& r_{01}& ...& r_{\mathrm{dn}}& ...& r_{0n}\\ r_{(d+1)1}& ...& r_{11}& ...& r_{(d+1)n}& ...& r_{1n}\\ .& & .& & .& & .\\ .& & .& & .& & .\\ .& & .& & .& & .\\ r_{(d+N)1}& ...& r_{N1}& ...& r_{(d+N)n}& ...& r_{\mathrm{Nn}}\end{array}\right]\left[\begin{array}{c}{h}_{00}\\ .\\ .\\ .\\ h_{d0}\\ .\\ .\\ .\\ h_{0(n-1)}\\ .\\ .\\ .\\ h_{d(n-1)}\end{array}\right]---\left(1\right)$

由于h_n-1(D)中含常数项h_0(n-1)＝1，将式(1)中的常数项部分移至方程右边，得下式：

$\left[\begin{array}{ccccccc}{r}_{d1}& ...& r_{01}& ...& r_{(d-1)n}& ...& r_{0n}\\ r_{(d+1)1}& ...& r_{11}& ...& r_{\mathrm{dn}}& ...& r_{1n}\\ .& & .& & .& & .\\ .& & .& & .& & .\\ .& & .& & .& & .\\ r_{(d+N)1}& ...& r_{N1}& ...& r_{(d+N-1)n}& ...& r_{\mathrm{Nn}}\end{array}\right]\left[\begin{array}{c}{h}_{00}\\ .\\ .\\ .\\ h_{d0}\\ .\\ .\\ .\\ h_{1(n-1)}\\ .\\ .\\ .\\ h_{d(n-1)}\end{array}\right]=\left[\begin{array}{c}-r_{\mathrm{dn}}\\ -r_{(d+1)n}\\ \\ -r_{(d+N)n}\end{array}\right]---\left(2\right)$

b)将式(2)中的系数矩阵R'(D)分为两部分，矩阵长度均为N+1，宽度分别为R1和R2，其中R1与R2的和为(d+1)×n-1，(通常R2取值在16到24之间)，则第一、第二系数矩阵维数分别为(N+1)×R1、(N+1)×R2；

c)设定一个长度为R1的二进制向量iTemp，大小从0至2^R1进行循环，将每个固定的iTemp与第一系数矩阵的行向量模二加后取反，每行得到一个二进制数0或1，最终得到一个N+1维的二进制向量，表示为P，将P与式(2)等号右边的向量对应行的值相加；

d)再对第二系数矩阵进行状态统计，第二系数矩阵的行向量维数为1*R2，R2个任意‘0’和‘1’组合作为状态，共2^R2-1个状态，每个行向量都是其中的一个状态，式(2)等号右边向量对应行的值作为该状态的输出，相同状态的输出值进行累加，不存在的状态输出值为0，得到一个(2^R2-1)×1维状态向量；

e)对上述结果进行Walsh-Hadamard变换，找到大于置信度的解再转换为二进制向量，表示为Q，然后将此时的iTemp向量与二进制向量Q组合便得到我们要求的校验多项式H(D)；

5)设定源卷积码的生成多项式矩阵阶数，遍历删余模式，构建线性方程组Gp(D)H(D)^T＝0，其中G_P(D)为生成矩阵，H(D)^T为校验矩阵H(D)的转置，通过高斯消元法求解该方程组的唯一非零解，从而确定源卷积码的生成多项式和删余模式；

6)利用识别得到的分量编码器参数，将删余卷积码通过维特比译码得到置信度，验证识别参数的准确性。