[发明专利]基于线性约束的卷积码随机交织序列交织关系估计方法

说明书

本发明属于通信技术领域，具体是涉及一种基于线性约束的卷积码随机交织序列交织关系估计方法。本发明是在利用截获数据c，在已知(2,1，v)卷积码编码器参数、交织深度L与交织起点的情况下，完成交织关系的估计，恢复出随机交织器π。本发明首先利用接收序列按照一定的规则构造出一个含有两个交织块(每个交织块交织关系相同)、维数为2L×2L的数据矩阵C，利用伽罗华域上高斯行消元后的相关列统计特性来确定卷积码第一个约束长度内的交织关系，然后通过已确定的交织关系在数据矩阵C中选择相应的列来构成滑窗矩阵S,利用S和该卷积码校验向量相乘的结果继续求解后续的交织关系。

技术领域

本发明属于通信技术领域，具体是涉及一种基于线性约束的卷积码随机交织序列交织关系估计方法。

背景技术

纠错编码技术通过添加冗余比特，使系统具备检测或者纠正错误的能力。但信号在信道传输过程中，可能会产生由长持续时间衰落造成的连续错误，纠错编码只能检测或纠正单个错误或较短的连续错误，而对于由脉冲干扰、同频干扰、多径衰落等因素引起的突发差错，仅仅依靠纠错码并不能纠正。

交织器的引入较好地解决了上述问题，实际工程应用中一般采取纠错码和交织器相级联的方式，交织技术通过拆分原本相邻的码元，使得连续突发差错在时间上扩散开来，将连续突发的差错分散成单个的随机差错，使译码器将其看作随机错误处理，让纠错编码技术能够有效发挥作用，从而增强译码的准确率，保证通信的可靠性。目前，交织技术已在实际通信中大量使用。但交织技术的引入，给非合作通信的侦察方的编码估计分析带来了巨大困难。一方面，交织技术的应用改变了信道编码的原始顺序，给估计编码参数的方法带来了困难；另一方面大交织深度的交织技术的应用，进一步增大了估计的运算量和难度。因此，如何在含错信息码流条件下快速正确的求解交织参数成为了亟待解决的关键问题。

国内外针对交织估计技术的研究成果已经较为丰富，但基本集中于分组交织和卷积交织，对随机交织估计鲜有涉及，并且目前现有的少量针对随机交织估计的研究主要集中在Turbo码交织支路中，很少有针对卷积码为底码随机交织估计的研究。总结国内外公开发表的文献资料来看，目前对于卷积码随机交织估计方法主要是涂榫等人提出了一种针对(2,1,v)卷积码随机交织参数进行估计的方法，该方法在估计出编码参数和交织深度的基础上，通过删除矩阵的秩特性确定卷积码码组的先后顺序，进而利用基构造法和穷举比对确定随机交织的置换关系，但是该方法估计性能较差，该方法1‰误码率下估计成功率达到70％，但适应的交织深度仅仅在20以内，这样的交织深度显然难以满足实际需求。

发明内容

为了解决目前针对随机交织估计的研究成果主要集中在Turbo码的交织支路，对卷积码随机交织的估计研究十分欠缺的问题，本发明提出了一种(2,1，v)卷积码随机交织的估计方法，适应的交织深度可以达到500，在无误码的条件下，用时97秒左右就能正确完成对交织深度的估计，在0.01％误码率的条件下成功估计的概率达到54％。

实际工程应用中一般采取纠错码编码器和交织器相级联的方式如图1所示，本发明的目的是利用截获数据c，在已知c对应的(2,1，v)卷积码编码器参数、交织深度L与交织起点的情况下，完成交织关系的估计，恢复出随机交织器π。本发明首先利用接收序列按照一定的规则构造出一个含有两个交织块(每个交织块交织关系相同)、维数为2L×2L的数据矩阵C，利用伽罗华域上高斯行消元后的相关列统计特性来确定卷积码第一个约束长度内的交织关系，然后通过已确定的交织关系在数据矩阵C中选择相应的列来构成滑窗矩阵S,利用S和该卷积码校验向量相乘的结果继续求解后续的交织关系。

本发明的技术方案为：

基于线性约束的卷积码随机交织序列交织关系估计方法，设截取到的随机交织后的卷积码c，并已知截获数据c对应的(2,1，v)卷积码编码器参数、交织深度L和交织起点；包括以下步骤：

S1、构造数据矩阵：

S11、利用截获数据c按照给定起点与交织深度L构造(2L+1)×L的数据矩阵C1：