改进二进制循环码盲识别方法.docVIP

改进二进制循环码盲识别方法 　　摘 要：目前已有的循环码盲识别方法在低码率编码条件下效果较好，但在高误码率及高码率条件下不能高效识别，或者只针对循环码中某一子类。为有效解决高误码率以及高码率编码下的循环码盲识别问题，提出一种基于矩阵变换和码重分布的方法，首先对接收序列按估计码长构造矩阵，并对矩阵进行初等变换；然后利用改进的码重分布距离公式对循环码进行盲识别。仿真结果表明该方法在高误码率以及高码率编码时可实现高效的循环码盲识别。 关键词：矩阵变换；循环码；盲识别；码重分布；码长识别 0 引言 循环码是线性分组码中重要的一类码，被广泛应用于各种无线通信中，其中由Bose、Chaudhuri和Hocquenghem共同提出的循环码（简称为BCH码）应用最为广泛。但目前有关循环码盲识别的文献不多，文献[1]提出了综合矩阵分析法得到码长，但计算量较大，且需要知道码字起点；文献[2]利用码字的重量分布距离得到码长，但只适用于低码率编码的盲识别且需要知道码字起点；文献[3]基于欧几里德方法算出二进制BCH码生成多项式，但先验信息码字起点已知；文献[4]是基于码根信息差熵和码根统计的BCH码识别方法，需要统计出各个多项式的生成码根，且只能识别BCH码；文献[5]通过汉明距离得到码长，但需要已知码字起点，且对码字间两两求距离，计算量较大；文献[6]虽然能同时识别出码字起点和码长，但所需数据量极大；文献[7]基于码重信息熵实现线性分组码的盲识别，但也只适用于低码率分组码。因此采用何种方法能在较少数据量下实现高误码率和高码率编码下的盲识别[8]尤为重要。基于此问题，本文在已有循环码盲识别基础上，用一种基于矩阵变换和码重分布的方法来实现循环码的全盲识别，仿真结果表明该方法可以实现无误码和有误码时的循环码的全盲识别。 1 识别模型 2 识别方法 2.1 传统码重分布识别法 传统的码重分布识别法[9]中提到对于（n，k）分组码，如果估计码长不等于真实码长，则码字的信息位与校验位不存在约束关系，可认为0或者1是等概率出现的，则假设此时数据的码重分布是等概率的，可认为不同码重的码字出现的概率为1/（n+1），令Pj为实际重量为i的码组所出现的概率，则定义码重分布距离公式为 D=nn+1∑nj=0Pj-1n+12（2） 则当码重分布距离D最大时的估计码长n为真实码长。 该方法在高误码率时可有效识别低码率的分组码，但是当码率较大时，识别概率几乎为0。本文主要针对线性分组码中的一类――循环码进行识别，为解决循环码高码率时的识别问题，结合矩阵变换，并改进传统码重分布距离识别算法，实现高码率下的循环码盲识别，仿真效果表明本文方法在高码率时能有效实现识别。 2.2 循环码码长识别 本文在利用码重分布识别法前先对接收序列构造矩阵，然后对矩阵进行变换，根据码重分布特性，改进码重分布距离算法，避免了原有码重分布距离识别法在高码率时识别效果不佳的问题，在高码率编码及高误码率下提升了循环码的识别能力。 假设接收序列长度为N，则循环码码长识别步骤如下： 1）设估计码长为n，将接受序列按估计码长放入矩阵A，定义矩阵A的列数为n，行数为m，且行数m=N/n」，其中m4n； 2）从列数i开始（初始化i=1），若元素A（i，i）为0，则将i列与i行右边第一个出现元素为1的列进行交换； 3）若i列右边不存在元素为1的列，则从上到下将i列中第一个出现元素1的行与i行交换； 4）将i行i列右边所有元素不为0的列与i列进行伽罗华域的模2加； 5）列数i加1，返回步骤2）进行，直到总列数n结束，得到化简后的新矩阵B； 6）记矩阵B各列出现的元素为“1”的次数为sum，则各列出现1的概率 pi=sumi/row； i=1，2，…，n（3） 7）令D1为改进后的码重距离，则改进的码重分布距离公式如下： D1=1n∑ni=1（pi-0.5）2（4） 8）估计码长n加1，返回步骤1）进行，选择D1出现最大值时的估计码长为循环码真实码长。 循环码是线性分组码的重要一种子类，校验位与信息位具有线性相关性。在无误码时，如果估计码长等于真实码长，则接收码字的校验位构成的列与信息位构成的列是线性相关的，通过如上步骤的变换，则某些列必为全0列，且全0列的数目就是校验位长度r，从而可知信息编码码率k/n；但如果估计码长不等于真实码长，码字的信息位和校验位没有相关性，则列数为n的矩阵不会出现全0列。同样在有误码时，生成的码字中有误码，即使估计码长等于真实码长，也会导致部分码字的信息位和校验位没有相关性，进而使矩阵出现全0列的概率降低，但是通过上面矩阵的变换，可以使列中的“1”元素出