申请/专利权人：西安电子科技大学

申请日：2021-09-10

公开（公告）日：2024-06-28

公开（公告）号：CN113852380B

主分类号：H03M13/23

分类号：H03M13/23

优先权：

专利状态码：有效-授权

法律状态：2024.06.28#授权;2022.01.14#实质审查的生效;2021.12.28#公开

摘要：本发明公开一种基于软信息高斯消元算法的卷积码盲识别方法，其步骤包括：接收卷积码软信息序列；生成软可信度矩阵；用软信息高斯消元算法进行消元；根据更新准则更新软可信度矩阵；设置合适的判决阈值检测校验向量。本发明利用软信息高斯消元算法，克服了现有技术有关信道信息损失的问题，使得本发明实现有关信道差错统计特性信息的保留；本发明采取的更新准则，克服了现有技术错误比特连续传播的问题，使得本发明实现信道传输可靠性的提高；本发明采用合适的判决阈值，克服了现有技术对校验向量存在判决误差的问题，使得本发明实现对校验向量的精准判决。

主权项：1.一种基于软信息高斯消元算法的卷积码盲识别方法，其特征在于，将接收码字不同步的卷积码软信息序列，按照软信息序列中信息位顺序生成一个软可信度矩阵，利用软信息高斯消元算法对该软可信度矩阵进行消元，在每次消元后根据更新准则更新软可信度矩阵，设置合适的判决阈值检测校验向量；该卷积码盲识别方法的具体步骤包括如下：步骤1，接收码字不同步的卷积码软信息序列：在识别系统接收端接收的卷积码序列中随机截取一段卷积码，生成接收码字不同步的卷积码软信息序列r，r＝r1,r2,...,rt,...,ru；其中，rt表示卷积码软信息序列r中第t个信息位，t的取值范围为[1,u]，u表示卷积码软信息序列r的长度，u≥5000,其值由识别系统接收端的接收能力确定；步骤2，生成一个大小为M×l的软可信度矩阵Nl，其中，M表示软可信度矩阵Nl中行的总数，l表示软可信度矩阵中列的总数，1≤M≤ul；步骤3，利用软信息高斯消元算法对软可信度矩阵进行消元：3a计算软可信度矩阵中每个元素的可信度值，将每一行中元素的最小可信度值作为该行的行可信度；3b按照每行行可信度值从大到小的排序，依次交换软可信度矩阵的每一行中的每个元素，得到更新后的可信度矩阵，该矩阵中第一行的行可信度最大，最后一行的行可信度最小；3c找到更新后的可信度矩阵每行中可信度值最大的元素，将该元素的所在列与主元列中所有的元素值进行置换，将所有置换后的元素组成待消元矩阵；3d对待消元矩阵中每个元素执行硬判决，生成一个硬判决矩阵；3e对硬判决矩阵执行f次列异或消元，f的取值等于软可信度矩阵中列的总数，生成一个列置换矩阵；3f按照下式，计算待消元矩阵中每个元素的更新值： 其中，sm,g表示待消元矩阵中第m行第g列元素的更新值，1≤m≤M，1≤g≤l，Π·表示连乘操作，ψ表示集合Ωd中第ψ个元素的值，Ωd表示列置换矩阵第d列中非零元素位置的集合，1≤ψ≤l，sign·表示符号函数，αx,w表示软可信度矩阵中第x行第w列元素的值，1≤x≤M，1≤w≤l，min·表示取最小值操作，|·|表示取绝对值操作；3g将更新的所有元素组成重量矩阵；步骤4，按照下式，计算判决阈值： 其中，Γ表示判决阈值，μ1表示将重量矩阵中所有的软信息列重量其值小于软可信度矩阵行总数一半的软信息列重量，按照蒙特卡洛方式生成正态分布H1的期望，μ1＞0，表示将重量矩阵中大于软可信度矩阵行总数一半的软信息列重量，按照蒙特卡洛方式生成正态分布H0的方差，表示将重量矩阵中小于软可信度矩阵行总数一半的软信息列重量，按照蒙特卡洛方式生成正态分布H1的方差，ln·表示以自然常数e为底的对数操作；步骤5，从重量矩阵中随机选取一个未选过的列；步骤6，判断所选列的软信息列重量是否大于判决阈值且最后一位元素是否为1，若是，则执行步骤7，否则，执行步骤5；步骤7，将所选列作为一个校验向量存入校验向量集合中；步骤8，输出识别结果：将检测校验向量的集合、卷积码的信息比特长度、卷积码的码长输出。

全文数据：

权利要求：

百度查询： 西安电子科技大学 基于软信息高斯消元算法的卷积码盲识别方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD