[发明专利]一种基于高斯列消元的卷积码码长盲识别方法

权利要求书

1.一种基于高斯列消元的卷积码码长盲识别方法，其特征在于，包括以下步骤：

S1、从数字通信系统中解调出截获序列，且截获序列长度为L；

S2、将截获的卷积码比特流按照当前估计码长n构建数据矩阵X_m×n，n的遍历范围为n_min～n_max，数据矩阵的行数m为

S3、对S2中的数据矩阵X_m×n进行高斯列消元处理，得到一个近似简约列阶梯型矩阵X^*_m×n，取矩阵X^*_m×n的第n+1行至m行，第1至n列组成数据矩阵X_m×n的跟随矩阵X；

S4、计算S3中跟随矩阵x的每一列中所含“1”的比率值，得到对应于跟随矩阵X的归一化列重向量，定义为：

V_n(C)＝{d₁，...，d_i，...，d_n}(1)

式(1)中，C代表矩阵，n为矩阵列数，d_i为矩阵第i列中“1”的个数所占的比例；

S5、计算二进制随机码字矩阵对应的归一化列重向量V_n(R)与S4中跟随矩阵X的归一化列重向量V_n(C)的余弦相似度T(V_n(C)，V_n(R))；二进制随机码字矩阵中每一行都为随机码字，随机码字中码元取值相互独立，因此码元取值为“1”和“0”的概率相等，二进制随机码字矩阵对应的归一化列重向量为：

余弦相似度的定义为：

两向量的相似度越高T(x，y)绝对值越大，两向量的相似度越低T(x，y)绝对值越小；

s6、根据余弦相似度T(V_n(C)，V_n(R))极小值的分布情况识别出正确码长：数据矩阵的列数为真实码长或真实码长倍数时，余弦相似度T(V_n(C)，V_n(R))取得极小值。

2.根据权利要求1所述的基于高斯列消元的卷积码码长盲识别方法，其特征在于：步骤S3中所述的高斯列消元具体方法为：

从数据矩阵X_m×n的第一列开始，初始化i＝1，具体步骤如下：

S31、如果X_m×n的第i列不全为0，则从上往下寻找第i列中第一个非零元素P_ij，否则转至步骤S33；

S32、将P_ij右侧非零元素所在的列与第i列进行模2加，判断i是否小于估计码长n，若小于则转至步骤S33，否则得到新的矩阵，结束；

S33、令i＝i+1，转至步骤S31。