-
公开(公告)号：CN112165338B
公开(公告)日：2023-05-02
申请号：CN202011059417.7
申请日：2020-09-30
Applicant: 电子科技大学
IPC: H03M13/27
Abstract: 本发明属于通信技术领域，具体是涉及一种卷积码随机交织序列交织关系的估计方法。本发明是在利用截获数据c，在已知c对应的(2,1，v)卷积码编码器结构、交织深度L、交织起点的情况下，完成交织关系的估计，首先利用已知的(2,1，v)卷积码编码器构造该卷积码包含第x列的校验方程H1的标准图，然后将截获数据按照给定起点与交织深度，构成数据矩阵B，随机选取B的第y列，采用Dumer算法得到矩阵B包含第y列的校验方程H2，若H1的数量等于H2的数量，建立H2的图，利用图同构的方法对校验方程排序，使之一一对应，再通过图的顶点集，确定部分交织关系，最后利用已确定的交织关系的前后滑窗矩阵和校验向量相乘的结果继续求解后续的交织关系。
-
公开(公告)号：CN112165338A
公开(公告)日：2021-01-01
申请号：CN202011059417.7
申请日：2020-09-30
Applicant: 电子科技大学
IPC: H03M13/27
Abstract: 本发明属于通信技术领域，具体是涉及一种卷积码随机交织序列交织关系的估计方法。本发明是在利用截获数据c，在已知c对应的(2,1，v)卷积码编码器结构、交织深度L、交织起点的情况下，完成交织关系的估计，首先利用已知的(2,1，v)卷积码编码器构造该卷积码包含第x列的校验方程H1的标准图，然后将截获数据按照给定起点与交织深度，构成数据矩阵B，随机选取B的第y列，采用Dumer算法得到矩阵B包含第y列的校验方程H2，若H1的数量等于H2的数量，建立H2的图，利用图同构的方法对校验方程排序，使之一一对应，再通过图的顶点集，确定部分交织关系，最后利用已确定的交织关系的前后滑窗矩阵和校验向量相乘的结果继续求解后续的交织关系。
-
公开(公告)号：CN111245445B
公开(公告)日：2023-05-26
申请号：CN202010187276.0
申请日：2020-03-17
Applicant: 电子科技大学
IPC: H03M13/23
Abstract: 本发明属于通信技术领域，具体的说是一种(n,1,v)卷积码生成多项式的盲识别方法。本发明通过对接收数据矩阵经过高斯行消元之后的秩进行判断，若满秩则更换数据矩阵，当秩亏时计算解向量与测试矩阵的乘积，再对乘积的重量进行门限检测实现了校验向量的求解，进而完成生产多项式的识别。本发明的方法无论存储级数v是否已知，都能完成(n,1,v)卷积码生成多项式的盲识别，并且对于大存储级数的卷积码，只要数据量足够，仍然有较好的识别效果。
-
公开(公告)号：CN110690907B
公开(公告)日：2023-04-25
申请号：CN201910921408.5
申请日：2019-09-27
Applicant: 电子科技大学
IPC: H03M13/29
Abstract: 本发明属于turbo码盲识别技术领域，具体涉及一种已知支路信息turbo码删除模式估计方法。本发明利用支路编码序列和信息位序列长度比值与删除比特个数与删除周期长度比值相等的关系，估计删除周期。然后再通过删除卷积码的识别方法得到生成矩阵，利用估计得到的生成矩阵重新生成支路序列，比对其正确性，从而确定支路的删除模式以及生成矩阵。本发明针对具有复杂删除模式的支路信息已知的turbo码进行识别，能够对具有多个1的复杂删除模式进行有效识别。很好的适应于实际的turbo码识别应用中。
-
-
Patent Agency Ranking
公开(公告)号：CN110690907A
公开(公告)日：2020-01-14
申请号：CN201910921408.5
申请日：2019-09-27
Applicant: 电子科技大学
IPC: H03M13/29
Abstract: 本发明属于turbo码盲识别技术领域，具体涉及一种已知支路信息turbo码删除模式估计方法。本发明利用支路编码序列和信息位序列长度比值与删除比特个数与删除周期长度比值相等的关系，估计删除周期。然后再通过删除卷积码的识别方法得到生成矩阵，利用估计得到的生成矩阵重新生成支路序列，比对其正确性，从而确定支路的删除模式以及生成矩阵。本发明针对具有复杂删除模式的支路信息已知的turbo码进行识别，能够对具有多个1的复杂删除模式进行有效识别。很好的适应于实际的turbo码识别应用中。
-
公开(公告)号：CN112165337B
公开(公告)日：2024-01-26
申请号：CN202011055077.0
申请日：2020-09-30
Applicant: 电子科技大学
IPC: H03M13/27
Abstract: 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。(56)对比文件甘雨. 基于统计特性的交织识别技术研究.《中国优秀硕士学位论文全文数据库信息科技辑》.2020,(第07期),I136-192.
-
公开(公告)号：CN112165337A
公开(公告)日：2021-01-01
申请号：CN202011055077.0
申请日：2020-09-30
Applicant: 电子科技大学
IPC: H03M13/27
Abstract: 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。
-
公开(公告)号：CN111245445A
公开(公告)日：2020-06-05
申请号：CN202010187276.0
申请日：2020-03-17
Applicant: 电子科技大学
IPC: H03M13/23
Abstract: 本发明属于通信技术领域，具体的说是一种(n,1,v)卷积码生成多项式的盲识别方法。本发明通过对接收数据矩阵经过高斯行消元之后的秩进行判断，若满秩则更换数据矩阵，当秩亏时计算解向量与测试矩阵的乘积，再对乘积的重量进行门限检测实现了校验向量的求解，进而完成生产多项式的识别。本发明的方法无论存储级数v是否已知，都能完成(n,1,v)卷积码生成多项式的盲识别，并且对于大存储级数的卷积码，只要数据量足够，仍然有较好的识别效果。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.032 seconds)
