[发明专利]一种顾及广义耦合暗信息的卷积码盲识别方法

权利要求书

1.一种顾及广义耦合暗信息的卷积码盲识别方法，其特征在于，包含如下步骤：

S1：将接收码序列按不同长度进行分段，构建卷积码广义多项式暗信息的线性方程组；

S2：进行顾及广义耦合暗信息的并行级联卷积码检验向量盲估计；

S3：利用解向量与卷积码耦合多项式的校验关系，构建耦合多项式暗信息线性方程组，进一步计算得出卷积码耦合多项式。

2.如权利要求1所述的一种顾及广义耦合暗信息的卷积码盲识别方法，其特征在于，所述构建卷积码广义多项式暗信息的线性方程组过程如下：

S11：并行级联卷积码盲识别的数学模型建立如下：

1/n码率的卷积码代表的是将1路信息序列进行输入，并且使得n路编码序列能够输出，如果u(x)表示的是1/n码率卷积码的信息多项式，V(x)代表的是对应码子多项式矩阵，那么此时在环F₂[x]上可通过下式来表示

u(x)＝u₀+u₁x+…+u_jx^j+…

V(x)＝[v¹(x)v²(x)…vⁿ(x)]

vi(x)=v0i+v1ix+...+vjixj+...]]>

gⁱ(x)表示的是卷积码耦合多项式，是与每1路输出相对应的，此时可利用下式来代表G(x)，即耦合多项式矩阵

G(x)＝[g¹(x)g²(x)…gⁿ(x)]

gi(x)=g0i+g1ix+...+gmixm]]>

上式中，m代表的是gⁱ(x)具有的约束长度，而且此时对于所有的gⁱ(x)来讲，具有相同的约束长度。基于上述过程能够得出

V(x)＝u(x)·G(x)＝u(x)·[g¹(x)g²(x)…gⁿ(x)]

＝[v¹(x)v²(x)…vⁿ(x)]

码字的输出顺序为

卷积码的校验多项式矩阵设为H(x)，H(x)为一个(n-1)×n的多项式矩阵

hji(x)=hj,0i+hj,1ix+...+hj,KixK]]>

其中K为校验多项式的最高阶数，K≤m。H(x)与G(x)满足G(x)·H^T(x)＝0

由式V(x)方程和上式可知V(x)·H^T(x)＝u(x)·G(x)·H^T(x)＝0

1/n码率卷积码的盲识别就是通过接收的来实现对校验矩阵H(x)的恢复，由此，即可获得G(x)，通过这种方式来获得卷积码译码。

S12：根据S11最末的表达式，可以得到

S13：若vⁱ(x)对应的最高阶数K能够达到该校验关系的相关条件，那么此时就可将该多项式模型进行转化，获得二进制序列模型，即

S14：将S13所得之式子进行转化