[发明专利]一种基于差分似然差下归零Turbo码码长以及帧同步识别方法有效
申请号: | 201811103472.4 | 申请日: | 2018-09-20 |
公开(公告)号: | CN109245856B | 公开(公告)日: | 2021-03-09 |
发明(设计)人: | 吴昭军;张立民;钟兆根;于柯远;孙雪丽 | 申请(专利权)人: | 中国人民解放军海军航空大学 |
主分类号: | H04L1/00 | 分类号: | H04L1/00;H03M13/25 |
代理公司: | 暂无信息 | 代理人: | 暂无信息 |
地址: | 264001 山东省烟*** | 国省代码: | 山东;37 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 基于 差分似然差下归零 turbo 码码长 以及 同步 识别 方法 | ||
本发明公开了一种基于差分似然差下归零Turbo码码长以及帧同步方法,首先将截获的软判决码元序列相邻码元之间做差分似然差预处理,利用归零Turbo码帧同步头两码元差分似然差为正值“+”特性,构建分析矩阵实现码长识别,然后基于最小错误判决概率准则,完成差分似然差“+”位置检测,通过遍历“+”位置与帧同步特征相比对,完成帧同步识别,与以往基于高斯消元法相比,该方法具有极强的低信噪比适应能力,同时具有很好的参数识别实时性,本发明可直接应用于通信侦察系统,也可用于相应的软件无线电等系统。
技术领域
本发明属于信号处理领域中非协作通信信号处理技术,具体是指并行归零Turbo码码长、帧同步位置盲识别方法。
背景技术
在信道编码识别领域,归零Turbo码参数的识别问题,首先要解决的是归零Turbo码码长、同步位置识别,如果接收方未知截获的归零Turbo码码长以及帧同步位置,那么现有的Turbo码分量编码器以及交织器识别算法都将不适用,因此在低信噪比下完成归零Turbo码码长以及同步参数的识别具有重要意义。
目前针对归零Turbo码识别的算法主要集中于分量编码器和交织器识别,这些算法都是以码长、帧同步已知为前提条件,而单纯针对Turbo码码长、帧同步等参数的识别算法较少,绝大部分论文局限于构建分析矩阵,采用二元域中高斯消元方法求解分析矩阵秩来完成码长以及帧同步识别,但这些算法仅仅适用于误码极少的条件,当误码率增加或是实际码长较长时,识别可靠性和时效性将急剧恶化;为了克服直接高斯消元方法不足,Zrelli等人在杂志《EURASIP Journal on Wireless Communications and Networking》2015年第1期“Blind identification of code word length for non-binary error-correcting codes in noisy transmission”一文中提出了误码条件下,基于最小判决错误概率下的分析矩阵线性相关列判决算法,该算法利用了高斯消元后的矩阵线性相关列以及独立列中0,1码元分布概率不同,通过设定判决门限,完成消元列的识别,从而求出误码条件下矩阵秩,该方法虽然提高了高斯消元方法容错性不足的缺点,但是却增加了求解判决门限时间消耗,同时随着码长和误码的增加,算法的识别性能将会急剧下降;同样张旻等人从提高参数识别容错性角度出发,在杂志《统工程与电子技术》2016年第6期“归零Turbo码的盲识别方法”一文中,提出了基于小区域滑动窗下的分析矩阵列与列相关性检测算法,该方法虽然在容错性上具有一定的改进,但需要不停的改变滑动窗中的元素,并求取滑动窗矩阵秩,本质上还是基于高斯消元法的改进,同时实时性不好较差。针对归零Turbo码码长、帧同步参数识别,现有的方法都是以高斯消元法为基础进行改进并且利用信道中硬判0,1序列作为识别对象,难以适应恶劣的信道环境。
由此可以看出,已有的方法还不能满足实际恶劣信道下归零Turbo码码长、帧同步参数识别的性能要求,还需要研究低信噪比下归零Turbo码码长、帧同步参数快速盲估计方法。
发明内容
本发明所要解决的技术问题是,针对现有技术的不足,提出了一种低信噪比下基于差分似然差下归零Turbo码码长、帧同步识别方法,该方法直接利用信道的然判决信息,不需要进行高斯消元,可以较好的满足极低信噪比下,归零Turbo码码长、帧同步参数快速识别要求,大大提高了归零Turbo码码长、帧同步参数识别的可靠性以及实时性。本发明可直接应用于通信侦察系统,也可用于相应的软件无线电等系统。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于中国人民解放军海军航空大学,未经中国人民解放军海军航空大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201811103472.4/2.html,转载请声明来源钻瓜专利网。