CN107370566B - 一种误码条件下的删余Turbo码盲识别方法 - Google Patents

Abstract

本发明属于编码参数识别技术领域，公开了一种误码条件下的删余Turbo码盲识别方法，在伽罗华域GF2上对矩阵进行下三角变换，相比于传统矩阵求秩的方法，本发明可以在很大程度上消除误码对码长及交织长度识别的影响。本发明在对分组起点与寄存器长度进行识别时，对哈达玛变换求解出的校验关系进行置信度评价，大大提高了分组起点和寄存器长度的识别率。本发明提出的识别交织映射关系的方法，采用先剔除误码后识别的方法具有很强的抗误码性能，并且针对交织关系的求解方法具有复杂度低，易于实现的特点。

Description

一种误码条件下的删余Turbo码盲识别方法

技术领域

本发明属于编码参数识别技术领域，尤其涉及一种误码条件下的删余Turbo 码盲识别方法。

背景技术

1993年，Berrou和Glavieux等人提出了Turbo码(PCCC)，其本质是将卷积码和交织器结合在一起，典型的turbo码编码器通常由两个分量编码器、交织器以及删余复用模块组成。其中分量编码器通常是递归***卷积码(Recursive System Convolutional，RSC)。两个分量编码器分别为RSC1和RSC2，信息序列 X⁰分为两路，第一路直接经过分量编码器RSC1进行卷积码编码形成校验序列 X¹。第二路首先经过交织器，然后再通过RSC2编码器进行卷积码编码形成X²。为了提高码率，删余Turbo码还具有删余结构，删余矩阵将两个校验序列删余后再与X⁰经过复接形成最终的Turbo码序列。在非合作通信中，如何在仅获得编码后的比特流的情况下成功的译码得到截获的信息非常困难，需要首先对编码参数进行识别，只有在正确估计出对方的编码参数时才能进行译码，进而得到信源发送的信息。目前针对Turbo码的识别主要局限在无误码和非删余模式下的 Turbo码。张永光等曾在其专利《一种删余Turbo码的编码参数盲识别方法》中提出了一种删余Turbo码的识别方法，但其主要采用求秩的方法求取码长和起始点，该方法并不具备抗误码性能，当接收的码流中出现误码时将使该方法失效。

综上所述，现有技术存在的问题是：目前删余Turbo码的识别容错性差，删余Turbo码的交织关系难以重建。

发明内容

针对现有技术存在的问题，本发明提供了一种误码条件下的删余Turbo码盲识别方法。

本发明是这样实现的，一种误码条件下的删余Turbo码盲识别方法，所述误码条件下的删余Turbo码盲识别方法包括以下步骤：

第一步，通过截获的删余Turbo码比特流排列成分析矩阵，利用矩阵分析的方法识别出码长及交织长度，分离出删余Turbo码的信息位比特流和RSC1 路校验位比特流构造2/3码率的删余卷积码；

第二步，通过对删余卷积码进行分析，识别出校验向量和码组起点，进一步识别出删余Turbo码的分量编码器的寄存器长度以及生成矩阵；

第三步，通过抽取Turbo码信息位比特流的和RSC2路校验位比特流识别出交织起始点；

第四步，在对交织映射关系进行识别时，求解RSC2路校验位比特流校验比特与信息位之间的校验关系，由于交织器的存在，RSC2路校验位比特流校验比特并不能和信息位比特流信息位形成稳定且唯一的校验关系；

第五步，求解出一组校验向量，对比该组校验向量与得到的校验序列，可得到交织映射位置之间的约束关系，通过深度优先搜索，恢复出交织映射关系。

进一步，所述误码条件下的删余Turbo码盲识别方法具体包括以下步骤：

步骤一，对删余Turbo码数据流构造分析矩阵，排列成p行q列的分析矩阵 C_p×q，根据校验位与信息位的约束关系，采用矩阵变换的方法求得码长n和交织长度L；

步骤二，提取删余Turbo码数据流的信息位以及RSC1分量编码器产生的校验位，构造删余卷积码，根据构造出的删余卷积码识别出校验序列h以及校验序列的置信度θ，根据置信度分析出删余Turbo码的码组起点shift、校验序列h、生成多项式序列G以及分量编码器的寄存器长度m；

步骤三，提取Turbo码的信息位与RSC2分量编码器产生的校验位，构造先交织再编码的删余卷积码，根据约束关系遍历起始点求得Turbo码的交织起始点 head，并从head开始截取Turbo码，去除无效比特；

步骤四，构造码字矩阵，根据线性约束关系剔除矩阵中含误码的行，得到无误码的分析矩阵；

步骤五，根据得到的分析矩阵，求解RSC2路校验比特与信息位之间的校验关系，求解出一组校验向量，对比校验向量与得到的校验序列h，得到交织映射位置之间的约束关系，通过深度优先搜索，恢复出交织映射关系。

进一步，所述码长求取方法包括：

1)构造分析矩阵C_p×q，取q＝10，p＝q+50；

2)对分析矩阵C_p×q进行下三角变换，得到变换矩阵M_q，取M_q的第q+1至p行构成矩阵H_q+1→p；

3)记

其中B_k表示H_q+1→p第k列的列重，k＝1～q；

4)记集合

其中card{·}表示集合的势；

5)若集合

不为空，将对应的列值q及对应的秩亏d保存到集合 colum_set中；

6)取q＝q+1，若q＜＝100返回1)，否则执行7)；

7)对colum_set所有相邻值求最大公约数并记录最大公约数出现的次数，取出现次数最多的最大公约数即为码长n；

8)对colum_set的秩亏求二阶导数，提取秩变化率较大的位置，求取秩亏较大的q值的最大公约数，取出现次数最多的最大公约数，为交织块长L_block，交织长度L＝L_block/2。

进一步，所述码组起点shift、校验序列h、生成多项式序列G以及分量编码器的寄存器长度m的识别方法包括：

1)初始化m＝2，shift＝1，

2)从shift处开始截取删余Turbo码比特流，得到Turbo_cut，提取Turbo_cut 的信息比特以及RSC1分量编码器的校验比特，得到2/3码率的删余卷积码比特流Conv₁；

3)对Conv₁进行哈达玛变换，得到h和置信度θ。令shift＝shift+1，若shift＞4，令m＝m+1，若m＞8，执行4)，否则返回2)；

4)选取置信度θ最高的h，为所识别校验序列，shift和m为正确的码组起点和寄存器长度；

5)识别出的2/3码率卷积码的校验序列h表示为：

h＝[h_m h_m-1 h_m-2 h₀]＝[h_m，1 h_m，2 h_m，3 h_m-1，1 h_m-1，2 h_m-1，3…h_0，1 h_0，2 h_m，3]；

其相应的校验多项式矩阵表示为：H_D＝[h₁(D)h₂(D)h₃(D)]，其中：

6)设未删余Turbo码的信息支路与RSC1分量编码器支路的合成序的卷积码的基本生成矩阵为：

g_∞＝[g₀ g₁…g_m]＝[g_0，1 g_0，2 g_0，3 g_1，1 g_1，2 g_1，3…g_m，1 g_m，2 g_m，3]；

其相应的生成多项式矩阵表示为：G_D＝[g₁(D)g₂(D)]，其中

则其等效的2/4码率的卷积码的生成多项式矩阵表示为：

其中

其中k＝0，1；

7)遍历删余模式Punc，根据删余模式中删余的位置，删除G_{p_tmp}中相应位置的列，形成删余生成多项式矩阵G_p；

8)根据G_p·H_D ^T＝0解方程求出未知系数g_i，j，完成生成多项式G的识别，若

返回7)直至G不为空，完成生成多项式的识别。

进一步，所述交织起始点识别方法具体包括：

1)提取Turbo码的信息位与RSC2分量编码器产生的校验位；

2)构造先交织再编码的删余卷积码，依次截取Turbo码的前head＝1～L*3/2 个比特，并构造矩阵C_p*q(q＝L*3/4，p＝q+20)；

3)通过下三角变换求解出每个分析矩阵的秩亏；

4)遍历处理接收到的所有比特块，秩亏的和最大的起始点head即为正确的交织起始点。

进一步，所述步骤四具体包括：

1)构造一个q行L×4列的码字矩阵，通过列变换，列化简为0；

2)筛选出列重低于10的列，根据1的位置，找到对应的含误码的行，并剔除该行。

进一步，所述步骤五具体包括：

1)从剔除误码后的Turbo码中提取信息位比特，构造一个L×4行L×2列的信息位矩阵；

2)提取RSC2路校验位构造一个L×4行，L列的校验位矩阵；

3)循环求解校验位矩阵中的相邻width列与信息位矩阵的校验关系，其中 width＝length(h)/3，得到多个校验向量，校验向量中1的位置与步骤二中校验向量中1的位置具有对应关系，通过对应关系求出每个交织位置的可能的交织序号或者交织序号的集合；

4)通过深度优先搜索，恢复出交织映射关系。

本发明的目的在于提供一种使用所述误码条件下的删余Turbo码盲识别方法。

本发明的优点及积极效果为：本发明在伽罗华域GF2上对矩阵进行下三角变换，相比于传统矩阵求秩的方法，本发明可以在很大程度上消除误码对交织长度识别的影响。本发明在对RSC编码器结构进行识别时，对哈达玛变换求解出的校验关系进行置信度评价，根据置信度对校验向量与分组起点进行筛选，相比传统直接根据校验向量结构进行判断的方法在抗误码性能上具有很大提升。本发明提供的方法识别率明显优于传统方法。针对删余Turbo码交织映射关系难以重建，本发明提供一种识别交织映射关系的方法，该方法采用先剔除误码后识别的方式，具有很强的容错能力，并且针对交织关系的恢复具有复杂度低，易于实现的特点。

附图说明

图1是本发明中的方法与秩准则法识别率对比曲线

图2是本发明中的方法与传统方法在识别编码器结构时的识别率对比曲线

图3是本发明中的方法在识别删余Turbo码时的总识别率曲线

图4是本发明实施例提供的误码条件下的删余Turbo码盲识别方法流程图。

图5是本发明实施例提供的误码条件下的删余Turbo码盲识别方法的实现流程图。

图6是本发明实施例提供的Turbo码码长以及交织长度识别的子流程图。

图7是本发明实施例提供的Turbo码的码组起点、校验序列、生成多项式序列以及分量编码器的寄存器长度识别的子流程图。

图8是本发明实施例提供的恢复Turbo码交织映射关系子流程图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

本发明在伽罗华域GF2上对矩阵进行下三角变换，相比于传统矩阵求秩的方法，可以在很大程度上消除误码对交织长度识别的影响，交织长度的识别结果如图1所示。本发明在对RSC编码器结构进行识别时，对哈达玛变换求解出的校验关系进行置信度评价，根据置信度对校验向量与分组起点进行筛选，相比传统直接根据校验向量结构进行判断的方法在抗误码性能上具有很大提升。如图2所示，本发明中的方法识别率明显优于传统方法。针对删余Turbo码交织映射关系难以重建，本发明提出了一种新型的识别交织映射关系的方法，该方法采用先剔除误码后识别的方式，具有很强的容错能力，并且针对交织关系的恢复具有复杂度低，易于实现的特点。图3给出了删余Turbo码误码率与识别率的关系图。

下面结合附图对本发明的应用原理作详细的描述。

如图4所示，本发明实施例提供的误码条件下的删余Turbo码盲识别方法包括以下步骤：

S101：通过截获的删余Turbo码比特流排列成分析矩阵，利用矩阵分析的方法识别出码长及交织长度，分离出删余Turbo码的信息位比特流和RSC1路校验位比特流构造2/3码率的删余卷积码；

S102：通过对删余卷积码进行分析，识别出校验向量和码组起点，可识别出删余Turbo码的分量编码器的寄存器长度以及生成矩阵；

S103：通过抽取Turbo码信息位比特流的和RSC2路校验位比特流识别出交织起始点；

S104：在对交织映射关系进行识别时，求解RSC2路校验位比特流校验比特与信息位之间的校验关系，由于交织器的存在，RSC2路校验位比特流校验比特并不能和信息位比特流信息位形成稳定且唯一的校验关系；

S105：求解出一组校验向量，对比该组校验向量与步上面得到的校验序列，可得到交织映射位置之间的约束关系，通过深度优先搜索，可恢复出交织映射关系。

下面结合附图对本发明的应用原理作进一步的描述。

本发明提出一种误码条件下的删余Turbo码的盲识别方法，在未知任何先验知识的情况下，准确识别出码长n，寄存器长度，生成多项式矩阵，交织长度，交织映射关系等编码参数，主要包括以下步骤：

步骤1，对删余Turbo码数据流构造分析矩阵，将其排列成p行q列的分析矩阵C_p×q，根据校验位与信息位的约束关系，采用矩阵变换的方法求得码长n和交织长度L。

步骤2，提取删余Turbo码数据流的信息位以及RSC1分量编码器产生的校验位，构造删余卷积码，根据构造出的删余卷积码识别出校验序列h以及校验序列的置信度θ，根据置信度可进一步分析出删余Turbo码的码组起点shift、校验序列h、生成多项式序列G以及分量编码器的寄存器长度m。

步骤3，提取Turbo码的信息位与RSC2分量编码器产生的校验位，构造先交织再编码的删余卷积码，根据约束关系遍历起始点即可求得Turbo码的交织起始点head，并从head开始截取Turbo码，去除无效比特。

步骤4，构造码字矩阵，根据线性约束关系剔除矩阵中含误码的行，得到无误码的分析矩阵。

步骤5，根据步骤4得到的分析矩阵，求解RSC2路校验比特与信息位之间的校验关系，由于交织器的存在，RSC2路的校验比特并不能和信息位形成稳定且唯一的校验关系，最终可求解出一组校验向量，对比该组校验向量与步骤2 得到的校验序列h，即可得到交织映射位置之间的约束关系，通过深度优先搜索，即可恢复出交织映射关系。

参考图5，本发明实施例的具体实现步骤如下：

步骤1：识别码长，交织长度。参考图6，本步骤的具体实现流程如下：

1.1)初始化Turbo码参数，码长n＝0，码字起始点shift＝1，交织起始点head＝1，删余模式

交织映射关系

最大交织长度L_max

1.2)构造分析矩阵C_p×q，取q＝10，p＝q+50，对分析矩阵C_p×q进行下三角变换，得到变换矩阵M_q，取M_q的第q+1至p行构成矩阵H_q+1→p，记

其中B_k表示H_q+1→p第k列的列重k＝1～q，

记集合

其中card{·}表示集合的势。若集合

不为空，将对应的列值q与秩亏d保存到集合colum_set中。取q＝10～100，得到集合colum_set；

1.3)对colum_set所有相邻q值求最大公约数并记录最大公约数出现的次数，取出现次数最多的最大公约数即为码长n。

1.4)对colum_set中的秩亏求二阶导数，并提取秩变化率较大的位置，求取秩亏较大的q值的最大公约数，取出现次数最多的最大公约数即为交织块长 L_block，此时交织长度L＝L_block/2。

步骤2，识别码组起点shift，校验序列h，生成多项式G，寄存器长度m。参考图7，本步骤的具体实现如下：

2.1)遍历m＝2～m_max，shift＝1～n_max从shift处开始截取删余Turbo码比特流，得到Turbo_cut。提取Turbo_cut的信息比特以及RSC1分量编码器的校验比特，得到2/3码率的删余卷积码比特流Conv₁。

2.2)对Conv₁进行哈达玛变换，得到h和h的置信度θ，选取遍历过程中置信度最高的h即为校验序列，此时的shift和m即为正确的码组起点和寄存器长度。识别出的2/3码率卷积码的校验序列可表示为： h_estimate＝[h_m h_m-1 h_m-2 h₀]＝[h_m，1 h_m，2 h_m，3 h_m-1，1 h_m-1，2h_m-1，3…h_0，1 h_0，2 h_m，3]，其相应的校验多项式矩阵可表示为：H_D＝[h₁(D)h₂(D)h₃(D)]，其中：

2.3)设未删余Turbo码的信息支路与RSC1分量编码器支路的合成序的卷积码的基本生成矩阵为：

g_∞＝[g₀ g₁…g_m]＝[g_0，1 g_0，2 g_0，3 g_1，1 g_1，2 g_1，3…g_m，1 g_m，2 g_m，3]

其相应的生成多项式矩阵可表示为：G_D＝[g₁(D)g₂(D)]，其中

则其等效的2/4码率的卷积码的生成多项式矩阵可表示为：

其中

其中k＝0，1。遍历删余模式Punc，根据删余模式中删余的位置，删除G_{p_tmp}中相应位置的列，形成删余生成多项式矩阵G_p。根据 G_p·H_D ^T＝0解方程求出未知系数g_i，j，即完成生成多项式G的识别，此时识别出G 以及删余模式Punc。

步骤3，识别交织起点。具体流程如下：

3.1)提取Turbo码的信息位与RSC2分量编码器产生的校验位，构造先交织再编码的删余卷积码，依次截取Turbo码的前head＝1～L*3/2个比特，并构造矩阵C_p*q(q＝L*3/4，p＝q+20)，通过下三角变换求解出每个分析矩阵的秩亏。

3.2)遍历处理接收到的所有比特块，秩亏的和最大的起始点head即为正确的交织起始点。

步骤4，剔除误码

4.1)构造一个q行L*4列(其中L为交织长度，q可取列数的4倍)的码字矩阵。

4.2)通过列变换，化简矩阵，找到列重w＜10的列，然后根据该列中1出现的行，该行即为含误码的行，剔除该行得到矩阵Turbo_matrix。

步骤5，恢复交织映射关系

5.1)首先提取Turbo_matrix中的奇数列，与前L*4行，构造一个L*4行L*2列的信息位矩阵；

5.2)提取矩阵Turbo_matrix中RSC2路校验位构造一个L*4行，L列的校验位矩阵；

5.3)循环求解校验位矩阵中的相邻width列与信息位矩阵的校验关系，其中width＝length(h)/3，从而得到多个校验向量，这些校验向量中1的位置与步骤2 中校验向量中1的位置具有对应关系，通过对应关系可以求出每个交织位置的可能的交织序号或者交织序号的集合；

5.4)通过深度优先搜索，即可恢复出交织映射关系。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (6)

1.一种误码条件下的删余Turbo码盲识别方法，其特征在于，所述误码条件下的删余Turbo码盲识别方法包括以下步骤：

第一步，通过截获的删余Turbo码比特流排列成分析矩阵，利用矩阵分析的方法识别出码长及交织长度，分离出删余Turbo码的信息位比特流和RSC1路校验位比特流构造2/3码率的删余卷积码；

所述利用矩阵分析的方法识别出码长及交织长度包括：

1.1)初始化Turbo码参数，码长n＝0，码字起始点shift＝1，交织起始点head＝1，删余模式

交织映射关系

最大交织长度L_max；

1.2)构造分析矩阵C_p×q，取q＝10，p＝q+50，对分析矩阵C_p×q进行下三角变换，得到变换矩阵M_q，取M_q的第q+1至p行构成矩阵H_q+1→p，记

其中B_k表示H_q+1→p第k列的列重k＝1～q，

记集合

其中card{·}表示集合的势；若集合

不为空，将对应的列值q与秩亏d保存到集合colum_set中，取q＝10～100，得到集合colum_set；

1.3)对colum_set所有相邻q值求最大公约数并记录最大公约数出现的次数，取出现次数最多的最大公约数即为码长n；

1.4)对colum_set中的秩亏求二阶导数，并提取秩变化率较大的位置，求取秩亏较大的q值的最大公约数，取出现次数最多的最大公约数即为交织块长L_block，此时交织长度L＝L_block/2；

第二步，通过对删余卷积码进行分析，识别出校验向量和码组起点，进一步识别出删余Turbo码的分量编码器的寄存器长度以及生成矩阵；

所述具体包括：

2.1)遍历m＝2～m_max，shift＝1～n_max从shift处开始截取删余Turbo码比特流，得到Turbo_cut，提取Turbo_cut的信息比特以及RSC1分量编码器的校验比特，得到2/3码率的删余卷积码比特流Conv₁；

2.2)对Conv₁进行哈达玛变换，得到h和h的置信度θ，选取遍历过程中置信度最高的h即为校验序列，此时的shift和m即为正确的码组起点和寄存器长度，识别出的2/3码率卷积码的校验序列可表示为：h_estimate＝[h_m h_m-1 h_m-2 h₀]＝[h_m,1 h_m,2 h_m,3 h_m-1,1 h_m-1,2 h_m-1,3…h_0,1 h_0,2 h_m,3]，其相应的校验多项式矩阵可表示为：H_D＝[h₁(D) h₂(D) h₃(D)]，其中：

2.3)设未删余Turbo码的信息支路与RSC1分量编码器支路的合成序的卷积码的基本生成矩阵为：

g_∞＝[g₀ g₁…g_m]＝[g_0,1 g_0,2 g_0,3 g_1,1 g_1,2 g_1,3…g_m,1 g_m,2 g_m,3]

其相应的生成多项式矩阵可表示为：G_D＝[g₁(D) g₂(D)]，其中

则其等效的2/4码率的卷积码的生成多项式矩阵可表示为：

其中

其中k＝0,1，遍历删余模式Punc，根据删余模式中删余的位置，删除G_{p_tmp}中相应位置的列，形成删余生成多项式矩阵G_p，根据G_p·H_D ^T＝0解方程求出未知系数g_i,j，即完成生成多项式G的识别，此时识别出G以及删余模式Punc；

第三步，通过抽取Turbo码信息位比特流的和RSC2路校验位比特流识别出交织起始点；

第四步，在对交织映射关系进行识别时，求解RSC2路校验位比特流校验比特与信息位之间的校验关系，由于交织器的存在，RSC2路校验位比特流校验比特并不能和信息位比特流信息位形成稳定且唯一的校验关系；

第五步，求解出一组校验向量，对比该组校验向量与得到的校验序列，可得到交织映射位置之间的约束关系，通过深度优先搜索，恢复出交织映射关系。

2.如权利要求1所述的误码条件下的删余Turbo码盲识别方法，其特征在于，所述误码条件下的删余Turbo码盲识别方法具体包括以下步骤：

步骤一，对删余Turbo码数据流构造分析矩阵，排列成p行q列的分析矩阵C_p×q，根据校验位与信息位的约束关系，采用矩阵变换的方法求得码长n和交织长度L；

步骤二，提取删余Turbo码数据流的信息位以及RSC1分量编码器产生的校验位，构造删余卷积码，根据构造出的删余卷积码识别出校验序列h以及校验序列的置信度θ，根据置信度分析出删余Turbo码的码组起点shift、校验序列h、生成多项式序列G以及分量编码器的寄存器长度m；

步骤三，提取Turbo码的信息位与RSC2分量编码器产生的校验位，构造先交织再编码的删余卷积码，根据约束关系遍历起始点求得Turbo码的交织起始点head，并从head开始截取Turbo码，去除无效比特；

步骤四，构造码字矩阵，根据线性约束关系剔除矩阵中含误码的行，得到无误码的分析矩阵；

步骤五，根据得到的分析矩阵，求解RSC2路校验比特与信息位之间的校验关系，求解出一组校验向量，对比校验向量与得到的校验序列h，得到交织映射位置之间的约束关系，通过深度优先搜索，恢复出交织映射关系。

3.如权利要求2所述的误码条件下的删余Turbo码盲识别方法，其特征在于，所述交织起始点识别方法具体包括：

1)提取Turbo码的信息位与RSC2分量编码器产生的校验位；

2)构造先交织再编码的删余卷积码，依次截取Turbo码的前head＝1～L*3/2个比特，并构造矩阵C_p*q(q＝L*3/4,p＝q+20)；

3)通过下三角变换求解出每个分析矩阵的秩亏；

4)遍历处理接收到的所有比特块，秩亏的和最大的起始点head即为正确的交织起始点。

4.如权利要求2所述的误码条件下的删余Turbo码盲识别方法，其特征在于，所述步骤四具体包括：

1)构造一个q行L×4列的码字矩阵，通过列变换，列化简为0；

2)筛选出列重低于10的列，根据1的位置，找到对应的含误码的行，并剔除该行。

5.如权利要求2所述的误码条件下的删余Turbo码盲识别方法，其特征在于，所述步骤五具体包括：

1)从剔除误码后的Turbo码中提取信息位比特，构造一个L×4行L×2列的信息位矩阵；

2)提取RSC2路校验位构造一个L×4行，L列的校验位矩阵；

3)循环求解校验位矩阵中的相邻width列与信息位矩阵的校验关系，其中width＝length(h)/3，得到多个校验向量，校验向量中1的位置与步骤二中校验向量中1的位置具有对应关系，通过对应关系求出每个交织位置的可能的交织序号或者交织序号的集合；

4)通过深度优先搜索，恢复出交织映射关系。

6.一种使用权利要求1～7任意一项所述误码条件下的删余Turbo码盲识别方法的编码器。

Images