[发明专利]一种IRA码开集盲识别方法

权利要求书

1.一种IRA码的开集盲识别方法，其特征在于，在未知任何先验知识的情况下，对IRA码的所有编码参数进行了识别，达到了全盲识别的效果，包括以下步骤：

步骤1，初始化待求参数：码长n₀＝0，码字起始点s₀＝0，码率R＝0，对偶空间交织序列设定最大识别长度

步骤2，按每一种估计码长/起始点组合将截获序列划分为M个码字r₁,r₂,…,r_M，构造M行列的分析矩阵其中码长的估计值从2到范围依次取值，起始点的估计范围为无需遍历所有估计起始点的取值间隔p可以大于1；

步骤3，设定子矩阵数目w，取分析矩阵的子矩阵其中表示第j个子矩阵，大小为m行列，1≤j≤w，并做高斯列消元获取子矩阵的对偶向量h_q，存入候选对偶向量集合Θ_j；

步骤4，计算统计量h_q∈Θ_j，其中＜…,…＞表示向量的内积，如果存在使得统计结果Z小于等于判决门限T的对偶向量此时且接近于正确的起始点s₀，将存入此时组合下的对偶空间停止遍历码长，将固定为n₀，否则，返回步骤2；设定合理的判决门限T进行有效对偶向量的辨识，所述判决门限T的计算方法为：当误码率为τ时，接收向量r＝c+e和任意同维向量h正交的概率为：

其中，c表示编码C的一个合法码字，e表示错误图样，C^⊥表示编码C的对偶空间，ω(h)表示向量h的重量(即向量中非零元素的个数)，于是对M个含错接收向量r₁,r₂,…r_M，构造统计量则Z服从如下不同均值和方差的正态分布：

因此，通过设定合适的判决门限T，可以有效地区分这两种分布，用于有效对偶向量的判定，所述判决门限T取第一个正态分布的三倍标准差，即：

步骤5，利用向量剔除分析矩阵中存在误码的行，更新返回步骤3，获取多组对偶向量

步骤6，求出此时对偶空间的维数并检测向量组支撑位置的所在区间支撑位置即向量中1所对应的位置；

步骤7，根据区间计算出疑似起始点通过判断处获取的向量组支撑位置的所在区间是否满足一定要求，判断其是否为真实的码字起始点s₀；具体包括：

7.1)若则其中mod表示取余运算，此时有如果此时否则令执行步骤2～6，否则执行步骤7.2)；

7.1a)如果则令返回步骤2，否则转向7.1b)；

7.1b)如果时所获的支撑位置所在区间有那么此时否则令重复步骤7；

7.2)若则此时有如果则否则令执行步骤2～6；

7.2a)如果则令返回步骤2，否则转向7.2b)；

7.2b)如果时所获的支撑位置所在区间有那么此时否则令重复步骤7；

步骤8，识别出s₀之后，重复执行步骤3～5，继续获取对偶向量，直至维数恒定，停止迭代，此时对偶向量即为有效校验向量，对偶空间即为校验空间；所述对偶向量获取方法的具体步骤包括：

输入：m行n列编码矩阵C_m×n＝[r₁r₂…r_m]^T

输出：候选对偶向量集合Θ

1)构造分块矩阵其中I_n是一个n阶单位阵，进行高斯列消元，所述高斯列消元的具体操作为：

设C(i,j)表示分块矩阵的第i行第j列元素，C(i,:)表示第i行向量，C(:,j)表示第j列向量，表示模2加运算，

2)得到矩阵则矩阵B_m×n的每一列为分析矩阵C_m×n的某种列线性组合，矩阵P_n×n中相同位置的列则为相应的组合系数；

3)由于误码的影响，当矩阵B_m×n中某一列的重量小于门限值η时，则认为矩阵P_n×n中对应的列为矩阵C_m×n的对偶向量，存入候选对偶向量集合Θ；

误码影响下对偶向量的获取，所述门限值η的选取原则为最小化虚警概率，存在2ⁿ种可能的候选向量，其中任一向量满足重量条件的概率为：

为尽可能避免误判，则需要满足P_false＜2^-n，根据推导，于是有：

有效对偶向量的筛选，所述对偶向量筛选的准则为：对任意候选对偶向量h_q，h_q∈Θ_j，如果统计量Z小于等于判决门限T，则h_q可判定为属于对偶空间C^⊥，并将其存入对偶空间否则h_q可判为一个随机向量；

步骤9，信息位长度则码率R＝k/n₀，稀疏化重建校验矩阵H；

9.1)将内有效校验向量按列排列进行高斯列消元并提取出非零列，构成矩阵

9.2)对的转置矩阵分块，得到对其进行初等变换得到其中，r表示校验空间的维数，矩阵表示矩阵的逆；

9.3)令矩阵第一行保持不变，由第二行开始，依次将矩阵的每一行与前一行进行模2加，最终重建为H＝[H₁,H₂]，校验矩阵的H₂部分满足IRA码校验矩阵中特有的双对角线结构；

步骤10，取校验矩阵H的前k列，对应于子矩阵H₁，根据其结构分析出交织置换关系：

10.1)按列遍历H₁的所有元素，统计元素1出现的次数，并用该次数替换当前元素1；

10.2)遍历H₁的所有行，按行读取H₁中的非零元素，并记录在交织序列数组Π中，算法输出的数组Π即为交织置换关系，识别结束。