[发明专利]一种高误码下非系统卷积码编码参数的盲识别方法

说明书

本发明属于无线通信技术领域，公开了一种高误码下非系统卷积码编码参数的盲识别方法，包括将卷积码比特流排列成L×l的分析矩阵，识别出码长n；将卷积码比特流按照码长n构建分析矩阵，识别信息位长度k；将卷积码比特流按照码长n构建分析矩阵，利用与校验向量的线性约束关系识别校验向量；对于系统卷积码，遍历寄存器长度m，对校验序列重新排列并与m+1维的向量空间做卷积运算，进行高斯变换，得到系统卷积码的生成矩阵和寄存器长度m；对于非系统码，利用校验矩阵建立方程组，解方程然后筛选得到非系统码的最优生成矩阵和寄存器长度m。本发明较好地克服了高误码情况下卷积码编码参数的盲识别问题，可用于智能通信、通信侦查和通信对抗等领域。

技术领域

本发明属于无线通信技术领域，尤其涉及一种高误码下非系统卷积码编码参数的盲识别方法。

背景技术

目前，数字信号在信道传输过程中，由于噪声的干扰使得信号失真，为了提高数据传输的可靠性，需要对信号进行信道编码。卷积码作为一种分组码，具有简单的编译码方式和良好的纠错性能，所以在卫星通信、深空通信、移动通信等领域中有广泛的应用。在非协作场景下，急需一种仅利用获取的编码数据快速准确地识别出编码参数的技术，以便获取对方解码的数据更好地分析信息数据中的有用信息。

现有技术一《一种(n,k,m)系统卷积码盲识别的方法》中在无误码的前提下，通过矩阵分析法可以实现高码率卷积码的识别，该技术无法在有误码的情境下识别卷积码编码参数。现有技术二《一种容误码的系统卷积码盲识别方法》中利用多段数据综合分析的方法具有一定的容错性，可以在一定的误码条件下识别k/n码率的系统卷积码，但是针对非系统卷积码生成矩阵的识别并未提到。

综上所述，现有技术存在的问题是：容错性有限；对于非系统卷积码盲识别方法研究少之又少，本发明解决了高误码条件下非系统卷积码的盲识别问题。

解决上述技术问题的难度：

系统码与非系统码区别在于生成矩阵与校验矩阵的对应关系，系统码是一对一的确定关系，而非系统码则是一对多的不确定关系，只能通过关系式来识别生成多项式矩阵，因此非系统卷积码的识别更加复杂，目前对于非系统卷积码盲识别的研究较少，主要为对得到的生成矩阵进行多次初等变换，此方法复杂度较高，且不能准确识别出生成多项式矩阵。

解决上述技术问题的意义：

在卷积码参数n，k和m相同的条件下，非系统码所能达到的最小距离比系统码好。理论上已经证明，非系统码距离的渐近限优于系统码的渐近限。因此，在实际应用中，非系统卷积码比系统适用范围更广，因此非系统卷积码得到盲识别具有重要的意义。

发明内容

针对现有技术存在的问题，本发明提供了一种高误码下非系统卷积码编码参数的盲识别方法。

本发明是这样实现的，一种高误码下非系统卷积码编码参数的盲识别方法，所述高误码下非系统卷积码编码参数的盲识别方法包括以下步骤：

第一步，将卷积码比特流排列成L×l的分析矩阵，根据编码器编码与信息码字的相关性，识别出码长n；

第二步，将卷积码比特流按照码长n构建分析矩阵，根据编码码字间相关性识别信息位长度k；

第三步，将卷积码比特流按照码长n构建分析矩阵，利用卷积码比特流与校验向量的线性约束关系识别校验向量；

第四步，对于系统卷积码，遍历寄存器长度m，对校验序列进行重新排列并与m+1维的向量空间做卷积运算，进行高斯变换，提取对角元素即可得到的生成多项式矩阵和寄存器长度m；

第五步，对于非系统卷积码，根据校验向量，利用生成矩阵和校验矩阵的线性约束关系可得到生成矩阵集合，之后通过最优准则筛选得到卷积码的最优生成矩阵和寄存器长度m。