一種基於軟比特的Turbo碼交織器的盲識別方法與流程
2023-10-23 14:27:48 1
本發明涉及智能通信及信息對抗領域，具體涉及一種基於軟比特的Turbo碼交織器的盲識別方法。
背景技術：
Turbo碼作為通信信道中一種重要的前向糾錯碼,因其具有接近香農理論極限的優異特性,現已廣泛應用於3G、4G通信標準中,當前，越來越多的領域設涉及到Turbo碼盲識別技術，Turbo碼盲識別技術也成為當今通信研究的前沿。經典的並行級聯Turbo碼編碼器結構如圖2所示，主要由兩個遞歸系統卷積碼(RSC)編碼器並行級聯而成，卷積碼編碼器的之間由交織器相連，一般情況下，各RSC編碼器的結構相同。
Turbo碼盲識別技術具體包括幀起點位置識別、編碼參數識別、交織深度識別和交織關係識別。幀起點位置識別、編碼參數識別、交織深度識別這幾個問題現有的方案已經較好的解決，能應對有誤碼的情況下識別出這幾項參數。對於交織關係識別，現有技術中對於交織器交織關係的恢復是在先恢復Turbo含交織的校驗序列後，通過組合信息序列和含交織的校驗序列構造「卷積+交織」的模式分析序列進而得到交織關係。在無誤碼的情況下，該方法能有效地恢復交織關係，但在真實環境下，通信系統無誤碼的概率極低，該方法則不適用了。
技術實現要素：
為了克服現有技術存在的缺點與不足，本發明提供一種適用於複雜度低、適用於真實環境下的Turbo碼交織器的盲識別方法。
本方法採用了軟比特信息，首先構造一個校驗向量，再利用校驗向量的特徵，把交織器的每個位置分離開來，逐位恢復交織器。本發明適用於真實環境下的通信系統，能夠在高誤碼率下識別交織關係，並且本發明具有算法簡捷，複雜度低，識別速度快等特點。
本發明採用如下技術方案：
一種基於軟比特的Turbo碼交織器的盲識別方法，包括如下步驟：
步驟一，根據接收的軟比特數據，截取其中的M幀每幀長度為L的Turbo碼軟比特；
步驟二，根據turbo碼分量編碼器的生成多項式構造校驗向量：
pa＝{0,-1,...,-d},pb＝{0,-1,...,-d}
步驟三，確定交織長度N，初始化矩陣XM×N,ZM×N，初始化矩陣SM×N，令其所有元素都為0，初始化變量k＝0，初始化交織關係矩陣π1×N，令其所有元素都為-1；
步驟四，按計算法則計算矩陣SM×N中所有的元素值S[i][j]，
i＝0,1,...,N-1,j＝0,1,...,N-1；
步驟五，確定第k位對應的交織位置y，令π[k]＝y，校驗向量pa,pb裡每個元素的值都加1，k＝k+1，如果k≥N，則表明所有位置的交織關係已恢復完畢，否則令矩陣S中元素都為0，回到步驟四。
所述步驟中截取是指從幀的起始位置開始取數據，所述軟比特數據是指信號由星座圖軟判決解調出來後的比特信息。
步驟二中，所述turbo碼分量編碼器是指遞歸系統卷積碼，所述多項式是指遞歸系統卷積碼的多項式，具體如下：
其中，P1≠P2，d為多項式的次數，公式中每一項按照從低到高的順序排列；
步驟二中，構造校驗向量具體如下：向量pa,pb的元素個數分別等於多項式P1,P2中係數不為0的項數，向量pa,pb的元素值分別等於多項式P1,P2每一項值的次數的相反數。
步驟三中，所述初始化矩陣XM×N,ZM×N是指取出M幀中每一幀Turbo軟比特序列中的信息序列，如果為歸零Turbo碼則把信息序列最後的歸零比特去掉,確保最後長度為N，作為矩陣XM×N的每一行；
取出M幀中每一幀Turbo軟比特序列中交織後的校驗序列，如果為歸零Turbo碼則把交織後的檢驗序列最後的歸零比特去掉，確保最後長度為N，作為矩陣ZM×N的每一行，其中信息序列是指turbo碼編碼中的原始序列，交織後的校驗序列是指turbo碼編碼中的原始序列經過交織器後再通過分量編碼器生成的序列。
步驟三中，交織長度N＝L/3-d-1，如果Turbo碼為非歸零Turbo碼，則d＝1。
所述S[i][j]由以下公式計算：
S[i][j]＝(|X[i][j]|+|X[i][π[pa[1]]]|+...+|X[i][π[pa[d]]]|+|Z[i][pb[0]]|+...+|Z[i][pb[d])·sign
所述的計算法則是指如果pa[x](x≥0)或者pb[x](x≥0)的取值為負數，則把公式中相應的X[i][π[pa[x]]]、或者Z[i][π[pb[x]]]、去掉。
步驟五中，確定第k位對應的交織位置y，具體為：把矩陣SM×N的每一列相加求和，找到每一列和的最大值，則最大值對應的列數y。
本發明的有益效果：
本發明採用了軟比特，更能充分利用信道信息，提高識別率；能在較差的信道條件完成交織關係的識別；識別方法簡單，校驗向量一般只有幾個元素，因此算法複雜度極低，識別速度很快。
附圖說明
圖1本發明的交織關係識別流程圖；
圖2本發明的Turbo碼的一般結構圖以及其通過噪聲信道模型；
圖3本發明實施例中不同誤比特率下識別成功率達到99％需要的幀數；
圖4本發明實施例中不同誤比特率下識別成功率達到99％需要的時間。
具體實施方式
下面結合實施例及附圖，對本發明作進一步地詳細說明，但本發明的實施方式不限於此。
實施例
如圖1所示，一種基於軟比特的Turbo碼交織器的盲識別方法，包括如下步驟：
步驟一根據接收的軟比特數據，截取其中的M幀每幀長度為L的Turbo碼軟比特；
所述的軟比特是指信號由星座圖軟判決解調出來後的比特信息；
所述截取是指從幀的起始位置開始取數據；
所述M是一個經驗值，可參考附表1來取值；
表1
步驟二，根據turbo碼分量編碼器的生成多項式構造校驗向量：
pa＝{0,-1,...,-d},pb＝{0,-1,...,-d}
所述的turbo碼分量編碼器一般指遞歸系統卷積碼(RSC)；
所述的生成多項式一般指遞歸系統卷積碼的生成多項式，其公式為：
(每一項按次數從低到高排列)
其中，P1≠P2，d為多項式的次數。
所述構造校驗向量的處理如下：
向量pa,pb的元素個數分別等於多項式P1,P2中係數不為0的項數，向量pa,pb的元素值分別等於多項式P1,P2每一項值的次數的相反數。
步驟三，確定交織長度N，初始化矩陣XM×N,ZM×N，初始化矩陣SM×N，令其所有元素都為0，初始化變量k＝0，初始化交織關係矩陣π1×N，令其所有元素都為-1；
所述交織長度N的確定：通過公式N＝L/3-d-1求得，其中，如果Turbo碼為非歸零Turbo碼，則d＝1；
所述初始化矩陣XM×N,ZM×N是指取出M幀中每一幀Turbo軟比特序列中的信息序列，如果為歸零Turbo碼則把信息序列最後的歸零比特去掉,確保最後長度為N，作為矩陣XM×N的每一行；
取出M幀中每一幀Turbo軟比特序列中交織後的校驗序列，如果為歸零Turbo碼則把交織後的檢驗序列最後的歸零比特去掉，確保最後長度為N，作為矩陣ZM×N的每一行，其中信息序列是指turbo碼編碼中的原始序列如圖2所示，交織後的校驗序列是指turbo碼編碼中的原始序列經過交織器後再通過分量編碼器生成的序列，如圖2中的Z。
步驟四，按計算法則計算矩陣SM×N中所有的元素值S[i][j]，
i＝0,1,...,N-1,j＝0,1,...,N-1；
所述S[i][j]由以下公式計算：
S[i][j]＝(|X[i][j]|+|X[i][π[pa[1]]]|+...+|X[i][π[pa[d]]]|+|Z[i][pb[0]]|+...+|Z[i][pb[d])·sign
所述的計算法則是指如果pa[x](x≥0)或者pb[x](x≥0)的取值為負數，則把公式中相應的X[i][π[pa[x]]]、或者Z[i][π[pb[x]]]、去掉。
步驟五，確定第k位對應的交織位置y，令π[k]＝y，校驗向量pa,pb裡每個元素的值都加1，k＝k+1，如果k≥N，則表明所有位置的交織關係已恢復完畢，否則令矩陣S中元素都為0，回到步驟四。
所述第k位對應的交織位置y的確定是指把矩陣SM×N的每一列相加求和，找到每一列和的最大值和最大值對應的列數y。
本實施例的目的是對不同誤比特率條件下本方法的識別性能進行仿真。以1/3碼率、兩分量編碼器相同且生成多項式為的PCCC結構為例，
在交織深度為512的條件下調節誤比特率，同時通過調節幀數M使識別成功率保持在99％，記錄幀數M，得到圖3。可以看出通過調節幀數M可以有效抵抗高誤比特率，說明該方法有較好的抗誤碼性能。在交織深度為512的條件下調節誤比特率，同時利用圖3中對應的幀數M，記錄識別成功率在99％時方法所需的時間，得到圖4，可以看出該方法識別速度極快。綜合圖3、圖4說明本發明實用性很強。
上述實施例為本發明較佳的實施方式，但本發明的實施方式並不受所述實施例的限制，其他的任何未背離本發明的精神實質與原理下所作的改變、修飾、替代、組合、簡化，均應為等效的置換方式，都包含在本發明的保護範圍之內。