CN105391455A - 一种归零Turbo码起点及深度盲识别方法 - Google Patents

Abstract

本发明属于Turbo码交织参数盲识别领域，尤其涉及较大交织深度(几百至几千)的情况下，对归零Turbo码进行交织七点以及交织深度估计的方法。本发明基于归零结构的交织器深度及起点识别方法，利用了实际应用中广泛存在的卷积编码自归零结构。在此结构下，无论是归零比特，还是以全零状态作为起始态的编码序列，都存在一定的结构特性。通过对码字序列的统计，寻找符合特定结构的码字位置，从而确定Turbo码的交织深度和交织起点。本发明方法大大降低了Turbo码参数盲识别算法的运算量，规避了全盲识别时对于多个未知数被迫采取多重嵌套运算的步骤。将识别过程分离，逐个参数识别，从而在提高运算效率的同时，也使得大交织深度的识别具备了实际可操作性。

Description

一种归零Turbo码起点及深度盲识别方法

技术领域

本发明属于Turbo码交织参数盲识别领域，尤其涉及较大交织深度(几百至几千)的情况下，对归零Turbo码进行交织七点以及交织深度估计的方法。

背景技术

根据香农定理，只要传信率低于信道容量，那么随着码长趋近于无穷，一定存在差错率趋近于零的渐进号码。1993年提出的Turbo码编译码方案，通过充分利用随机性，在65536的随机交织器条件下，使得1/2码率Turbo码实现了距离香农限仅0.7dB的优异性能。从此Turbo码被广泛应用于无线通信领域。Turbo码的意义在于提供了一种低信噪比下的级联编码方案，并且突出了迭代译码的思想，对后来的信道均衡以及信号检测等领域的研究也都有着一定的促进作用。现在Turbo码已经广泛应用于各大通信协议中，包括3GPP的第三代移动通信协议、LTE、CCSDS等。其中最常见的是1/3码率的PCCC结构。

并行级联结构(PCCC)主要由两个1/2码率递归***卷积码(RSC)编码器和一个交织器构成。输入数据直接进入第一个编码器，输出一路信息位和一路校验位。与此同时，输入数据按照一定的交织深度，逐块的进行块内交织。交织后的数据进入第二个编码器，只选取输出的一路校验位。最后，三路数据进入复用器进行删除复用，得到编码后序列。

对于PCCC结构Turbo码的识别工作，主要集中在分量编码器参数识别和交织器的参数识别。在盲识别的过程中，还涉及到码字序列的起始位确定、交织深度的确定、分量编码器参数是否一致的认定等问题。这些参数的不确定性是使得识别工作运算量提升的常见因素。具体到编码器参数识别，与卷积码识别一样，主要采用矩阵初等变换、欧几里得辗转相除、BM算法、Walsh-Hadamard变换等方法。而随机交织器的估计，主要是将交织视为一组完全随机的一一映射，利用多帧的数据进行比对，从而确定下各位置的映射关系。

发明内容

本发明的目的在于克服现有技术的不足，提供一种归零Turbo码起点及深度盲识别方法，使得交织参数和交织深度的识别能够适应比以往更大的交织规模，并且大大减小运算量、提高抗误码性能。

本发明方案为：基于归零结构的交织器深度及起点识别方法，利用了实际应用中广泛存在的卷积编码自归零结构。在此结构下，无论是归零比特，还是以全零状态作为起始态的编码序列，都存在一定的结构特性。通过对码字序列的统计，寻找符合特定结构的码字位置，从而确定Turbo码的交织深度和交织起点。

一种归零Turbo码起点及深度盲识别方法，包括以下步骤：

S1、设接收的码字序列为C，长度为L，码率为1/n，创建全零序列X，长度为L，交织深度N的估计范围最大为40～[L/(30·n)]，其中，n为不为零的自然数；

S2、对于3≤i≤L-1，若C_i＝C_i+1,C_i-1＝C_i-2，则X_i＝1，

对于i＝1,2，若C_i＝C_i+1，则X_i＝1，其中，C_i表示第i个比特；

S3、交织深度猜测值设为N＝40；

S4、利用S1所述全零序列X构造矩阵 $A=\left[\begin{array}{cccc}{X}_1& X_2& \mathrm{...}& X_N\\ .& .& & .\\ .& .& & .\\ .& .& & .\\ X_{28N+1}& X_{28N+2}& \mathrm{...}& X_{29N}\\ X_{29N+1}& X_{29N+2}& \mathrm{...}& X_{30N}\end{array}\right];$

S5、求S4所述矩阵A的各列和Y₁～Y_N，若存在满足条件的Y_j，则序列C的第j位是第一个完整交织块的起点，且交织深度确定为N，否则，N＝N+1，其中，j＝1,2,3,...,N，Y_N是矩阵A第N列的和，是模2加，其结果是1或0；

S6、重复步骤S4和S5，直到找到正确的交织深度N，或者N＝[L/(30·n)]；

S7、设符合条件的Yj分别为Y_j1～Y_jt，对于1≤p≤t，计算d_p＝(j_(p+1)modt-j_p+N)modN，找出最大值d_n，则n是正确的交织块起点，t是找到的符合条件的Y_j的个数。

本发明的有益效果是：

本发明方法大大降低了Turbo码参数盲识别算法的运算量，规避了全盲识别时对于多个未知数被迫采取多重嵌套运算的步骤。将识别过程分离，逐个参数识别，从而在提高运算效率的同时，也使得大交织深度的识别具备了实际可操作性。

附图说明

图1是PCCC结构下本发明的一种实现过程的流程图；

图2是本发明实施例1中参数识别成功率随比特误码率的变化；

图3是本发明实施例1中参数识别成功率随交织深度的变化；

图4是本发明实施例2中几种不同分量编码器的参数识别成功率。

具体实施方式

下面结合实施例和附图，详细说明本发明的技术方案。

下面结合附图对本发明的具体实施方式进行描述，以便本领域的技术人员更好地理解本发明。需要特别提醒注意的是，在以下的描述中，当已知功能和设计的详细描述也许会淡化本发明的主要内容时，这些描述在这里将被忽略。

图1是本发明在应用于PCCC结构Turbo码时的一种具体实施方式流程图。如图1所示，本发明大交织深度下的归零Turbo码起点及深度盲识别方法包括以下步骤：

S1：设接收的码字序列为C，长度为L，码率为1/n。创建全零序列X，长度为L。交织深度N的估计范围最大为40～[L/(30·n)]；

S2：对于3≤i≤L-1，若C_i＝C_i+1,C_i-1＝C_i-2,则X_i＝1；对于i＝1,2，若C_i＝C_i+1，则X_i＝1；

S3：交织深度猜测值设为N＝40；

S4：利用序列X构造矩阵 $A=\left[\begin{array}{cccc}{X}_1& X_2& \mathrm{...}& X_N\\ .& .& & .\\ .& .& & .\\ .& .& & .\\ X_{28N+1}& X_{28N+2}& \mathrm{...}& X_{29N}\\ X_{29N+1}& X_{29N+2}& \mathrm{...}& X_{30N}\end{array}\right];$

S5：求A的各列和Y₁～Y_N。若存在满足条件的Y_j，则序列C的第j位是第一个完整交织块的起点，且交织深度确定为N。若存在多个Y_j，则记录全部的Y_j。若不存在，则N＝N+1；

S6：重复步骤S4和S5，直到找到正确的交织深度N，或者N＝[L/(30·n)]；

S7：设符合条件的Y_j分别为Y_j1～Y_jt。对于1≤p≤t，计算d_p＝(j_(p+1)modt-j_p+N)modN，找到最大值d_n，则n是正确的交织块起点。

实施例1、

本实施例的目的是对不同交织深度和不同比特误码率条件下的参数盲识别成功率进行仿真。以1/3码率、PCCC结构，两分量编码器参数皆为[13,15]为例。在交织深度200的条件下调节比特误码率，记录识别成功率，得到图2。可以看出，随着比特误码率的提高，识别成功率逐步下降，但整体上该方法具有相当好的抗误码性能。在误码率2.5％条件下调节交织深度，记录识别成功率，得到图3。可以看出，交织深度对识别成功率的影响很小，这是该方法适用于大交织深度的理论依据。

实施例2、

本实施例的目的是研究不同分量编码器参数下本方法的识别性能。同样以以1/3码率、两分量编码器相同的PCCC结构为例，探究了[101,103]到[177,175]之间的682个生成多项式。在交织深度200，比特误码率2.5％的条件下，对各个编码多项式的识别成功率进行分类统计，结果如图4。

可以看出，绝大部分分量编码器的识别概率在85％以上。事实上，由于实例1中展示的识别成功率随着比特误码率变化的规律，在实际中常见的0.1％数量级上，绝大部分分量编码器的识别成功率都可以达到非常理想的效果。为了突出不同分量编码器的识别性能会略有不同，此处才将比特误码率加大到2.5％。但仍然有大量成功率超过90％的编码器，可见本方法的适用范围之广。

Claims (1)

1.一种归零Turbo码起点及深度盲识别方法，其特征在于，包括以下步骤：

S1、设接收的码字序列为C，长度为L，码率为1/n，创建全零序列X，长度为L，交织深度N的估计范围最大为40～[L/(30·n)]，其中，n为不为零的自然数；

S2、对于3≤i≤L-1，若C_i＝C_i+1,C_i-1＝C_i-2，则X_i＝1，

对于i＝1,2，若C_i＝C_i+1，则X_i＝1，其中，C_i表示第i个比特；

S3、交织深度猜测值设为N＝40；

S4、利用S1所述全零序列X构造矩阵 $A=\left[\begin{array}{cccc}{X}_1& X_2& ...& X_N\\ \begin{array}{c}.\\ .\\ .\end{array}& \begin{array}{c}.\\ .\\ .\end{array}& \begin{array}{c}\\ \\ \end{array}& \begin{array}{c}.\\ .\\ .\end{array}\\ X_{28N+1}& X_{28N+2}& ...& X_{29N}\\ X_{29N+1}& X_{29N+2}& ...& X_{30N}\end{array}\right];$

S5、求S4所述矩阵A的各列和Y₁～Y_N，若存在满足条件的Y_j，则序列C的第j位是第一个完整交织块的起点，且交织深度确定为N，否则，N＝N+1，其中，j＝1,2,3,...,N，Y_N是矩阵A第N列的和，是模2加，其结果是1或0；

S6、重复步骤S4和S5，直到找到正确的交织深度N，或者N＝[L/(30·n)]；

S7、设符合条件的Y_j分别为对于1≤p≤t，计算d_p＝(j_(p+1)modt-j_p+N)modN，找出最大值d_n，则n是正确的交织块起点，t是找到的符合条件的Y_j的个数。