[发明专利]一种基于一维卷积神经网络的信道编码码型识别方法

权利要求书

1.一种基于一维卷积神经网络的信道编码码型识别方法，其特征在于，包括以下步骤：

步骤1、根据仿真的编码数据，按照码字的变化对汉明码、循环码、卷积码三类信道编码数据进行仿真；

步骤2、对于每一类码按照通信协议规范，添加高斯噪声，计算误比特率；

步骤3、将每一类码字随机叠加生成5000*1000的码字矩阵；

步骤4、对每一类码字矩阵添加标签，并将矩阵前3500列作为训练集，后1500列作为测试集；

步骤5、经过一维卷积神经网络进行分类处理，计算得到信道编码码型分类识别结果。

2.根据权利要求1所属的基于一维卷积神经网络的信道编码码型识别方法，其特征在于，步骤1所述的根据仿真的编码数据，按照码字的变化对汉明码、循环码、卷积码三类信道编码数据进行仿真，具体如下：

步骤1.1、对汉明码数据进行编码：

在二元域GF(2)上的汉明码由一个不小于3的正整数m定义，码长n为：

n＝2^m-1

信息组长度k为：

k＝n-r＝2^m-1-m

校验元个数r为：

r＝n-k＝m

编码过程根据生成矩阵G得到，设定信息组为M＝(m_k-1，m_k-2，m_k-3，...，m₁，m₀)，码组为C＝(c_n-1，c_n-2，c_n-3，...，c₁，c₀)，则M、C与G的关系为：

C＝M·G

从而得到编码码字；

步骤1.2、对循环码数据进行编码：

在二元域GF(2)上的(n，k)循环码中，存在唯一一个n-k次首一多项式g(x)使得C(x)＝m(x)g(x)：

g(x)＝x^n-k+g_n-k-1x^n-k-1+...+g₁x+g₀

其中C(x)为码字多项式，m(x)为信息位多项式；

在二元域GF(2)上，(n，k)循环码的生成多项式g(x)一定是(xⁿ-1)的因子，则g(x)一定能够生成一个(n，k)循环码；以g(x)作为生成多项式组成的(n，k)循环码的k个码多项式g(x)，xg(x)，x²g(x)，...，x^k-1g(x)一定是线性无关的，根据线性分组码的定义，这些码多项式能够构成循环码的生成多项式G(x)：

根据G(x)从而得到G，其后码字求法与汉明码求法相同；

步骤1.3、对卷积码数据进行编码：

用延迟算子D表示卷积码编码过程中单位时间的延迟，则冲激响应g^(j)表示为：

g⁽¹⁾(D)＝g₀⁽¹⁾+g₁⁽¹⁾D+g₂⁽¹⁾D²

g⁽²⁾(D)＝g₀⁽²⁾+g₁⁽²⁾D+g₂⁽²⁾D²

卷积码生成函数矩阵G(D)定义为：

编码输出c(D)定义为：

根据线性分组码的定义，得出：

c(D)＝m(D)·G(D)

其中m(D)是输入矩阵；

将输入信息序列和输出码字序列写成向量的形式m_∞：

m_∞＝(m₀，m₁，m₂，m₃，...)

由此得到半无限矩阵G_∞：