归零Turbo码参数的盲识别

归零Turbo码参数的盲识别

吴昭军a，张立民b，钟兆根a

【摘 要】针对归零Turbo码码率、码组起点、交织起点、交织长度参数识别问题，首先引入矩阵秩量比的概念，推导出适用于归零Turbo码矩阵秩量比下限，提出了基于秩量比判决门限的码长识别算法；其次，遍历一交织帧输出码元，找出最小秩量比对应的位置，实现交织起点和码组起点的识别；然后，依靠完整的交织帧输出数据，利用分析矩阵实现码率与分量编码器中寄存器个数识别；最后，由以上识别的参数计算出交织长度。仿真结果表明：在信噪比为5 dB时，单靠信息序列，各部分的识别概率能达到80%以上；在交织长度为100时，提出的识别算法与传统算法相比，性能相近，识别时间大约缩短为原来的1/3。 【期刊名称】电讯技术 【年(卷),期】2017(057)005 【总页数】7

【关键词】归零Turbo码；盲识别；码率；码组起点；交织起点；交织长度

1 引 言

由于归零Turbo码能使分量编码器中的寄存器状态归零，使得合作方在接受到交织块数据后，采用迭代译码的性能更好[1]。因此，目前大多数通信系统使用的是归零Turbo码。与不归零Turbo码一样，归零Turbo码的盲识别首先要解决的是码组起点、码率、交织长度、交织起点参数的识别，这些参数的识别是归零Turbo码分量编码器与交织器的识别前提，然而目前不归零Turbo码参数识别的方法并不适用于归零Turbo码，寻求归零Turbo码参数的高性能识别算法具有重要意义。

目前，大多数的文献针对的是不归零Turbo码的盲识别，提出来的一系列算法对于不归零Turbo的识别性能较好，但这些方法并不适用于归零Turbo码[2-3]。对于归零Turbo码参数识别而言，国外大多数文献关注于Turbo码交织器与分量编码器参数的识别，只有少部分文献提到Turbo码码组起点、码率、交织长度、交织起点，如：文献[4]给出了基于矩阵分析无噪条件下Turbo码码率以及交织长度的识别方法，但该方法仅适用于不归零Turbo码相关参数的识别，对于归零Turbo码并不适用；文献[5]给出了基于高斯消元思想的Turbo码分量器以及交织关系识别方法，但是对于首先应该识别的码率、码组起点、交织长度与交织起点参数却作为先验信息为已知，导致其算法的实际应用受限；文献[6]探讨了归零Turbo码的识别模型，给出了识别的具体方法，但是从实现上来看，运算量大，容错性能不好；文献[7]提出了一种识别交织长度的新算法和一种基于矩阵“秩准则”的方法，具有一定的容错性能；文献[8]根据归零Turbo码特殊的结构，利用遍历矩阵列数的方式识别归零Turbo码码长和起始点，该方法容错性能较高，但是实际运算量和存储量大。上述方法解决了归零Turbo码部分参数识别问题，但是离高效、可靠的识别差距还比较大。 本文针对归零Turbo交织长度、交织起点、码率、码组起点的识别问题，提出了一套完整的算法步骤。首先，基于矩阵分析的方法，引入矩阵秩量比的概念，提出了基于判决门限下的归零Turbo码长识别算法；通过改变截获序列起点，找出矩阵秩量比最小的位置，识别出归零Turbo码的交织起点，交织起点同时也是码组的起点；然后，通过分析矩阵对每个交织块进行分析并进行统计平均，得到码率与分量编码器中寄存器个数的识别；最后，由以上识别的参数计算出交织长度。仿真结果表明各参数识别算法的性能良好。

2 归零Turbo码模型

2.1 归零Turbo码编码结构与归零方式

目前Turbo码的编码器，绝大多数采用的是归零结构。归零Turbo码就是在交织帧结束时，添加额外的信息码元，迫使分量编码器中寄存器的状态回到零状态的一种Turbo码。它与不归零Turbo码相比，最大的好处就是使接收端的译码性能得到提高。大多数的通信系统采用的是并行级联型的编码结构[9]。 由于Turbo码的分量编码器是递归系统卷积码(Recursive System Convolutional,RSC)，不同于一般的卷积码，它相当于一个无限长冲激响应滤波器，靠单纯的在交织块末尾加零是不能使分量编码器的寄存器状态归零，所以必须根据寄存器的状态来确定输入的信息比特来迫使寄存器状态归零。 2.2 递归系统卷积码的生成多项式矩阵和校验矩阵

递归系统卷积码是一种特殊的卷积码，它具有一般卷积码的性质。由于编码过程中存在反馈，它的记忆长度要比一般卷积码的长度长，故其性能优于一般的卷积码。对于(n,1,m)递归系统卷积码，其生成多项式矩阵[10]可表示为 G(D)=[1,g2(D)/g1(D),…,gn(D)/g1(D)]。

(1)式中:g1(D)表示反馈生成多项式，g2(D),g3(D),…,gn(D)表示码字前馈生成多项式。已知信息序列的多项式M(D)时，则编码的生成多项式可表示为 C(D)=M(D)·G(D)。 (2)

如果已知校验矩阵为H(D)，由校验矩阵与生成矩阵之间的关系式，可得到 C(D)·HT(D)=M(D)·G(D)·HT(D)=0。 (3)