基于分塊矩陣變換的線性分組碼盲識(shí)別*

(重慶郵電大學(xué) 信號(hào)與信息處理重慶市重點(diǎn)實(shí)驗(yàn)室，重慶 400065)

基于分塊矩陣變換的線性分組碼盲識(shí)別*

趙 亮**，張?zhí)祢U，楊 強(qiáng)

(重慶郵電大學(xué) 信號(hào)與信息處理重慶市重點(diǎn)實(shí)驗(yàn)室，重慶 400065)

為了解決傳統(tǒng)矩陣分析方法存在的誤碼擴(kuò)散問題，提出了一種基于分塊矩陣變換的線性分組碼盲識(shí)別方法。首先，將截獲序列按照估計(jì)碼長(zhǎng)構(gòu)造出分析矩陣，將分析矩陣分塊后分別進(jìn)行矩陣下三角變換；然后，以各列列重為度量，根據(jù)相關(guān)列重量的統(tǒng)計(jì)分布特性設(shè)置相關(guān)列閾值，并統(tǒng)計(jì)出符合閾值的相關(guān)列的個(gè)數(shù)，當(dāng)相關(guān)列的個(gè)數(shù)最大時(shí)即為真實(shí)碼長(zhǎng)的情況。該方法還可以識(shí)別碼字同步點(diǎn)，識(shí)別方法簡(jiǎn)單。理論分析及仿真結(jié)果表明，該識(shí)別方法的容錯(cuò)性能較好，在誤碼為5%的條件下，對(duì)(15,7)線性分組碼的正確識(shí)別率依然能達(dá)到80%。

線性分組碼；盲識(shí)別；分塊矩陣變換；相關(guān)列

1 引 言

分組碼包括線性分組碼和非線性分組碼，線性分組碼是重要的一種，它具有良好的檢錯(cuò)和糾錯(cuò)能力。在實(shí)際工程領(lǐng)域，信息傳輸過(guò)程中不可避免地要受到信道中噪聲的影響，使傳輸?shù)男畔l(fā)生誤碼。為了提高通信系統(tǒng)的可靠性，可引入糾錯(cuò)編碼的方法，對(duì)需要傳輸?shù)男畔⑦M(jìn)行編碼，為其加入一些冗余校驗(yàn)比特，使其具有一定的抗誤碼能力。在信息對(duì)抗和電子偵察領(lǐng)域，如何通過(guò)截獲的數(shù)據(jù)，快速準(zhǔn)確地識(shí)別出傳輸數(shù)據(jù)的編碼參數(shù)，進(jìn)而獲取信息，是一個(gè)具有重要現(xiàn)實(shí)意義的問題[1-3]。

文獻(xiàn)[4]對(duì)分析矩陣求秩獲取碼長(zhǎng)和碼率，但只考慮理想信道而沒有考慮誤碼的影響。文獻(xiàn)[5]利用漢明距離出現(xiàn)的概率分布和隨機(jī)序列的漢明距離出現(xiàn)的概率分布相比較，偏移量越大，說(shuō)明線性約束的關(guān)系越強(qiáng)，可以識(shí)別碼長(zhǎng)和碼字起點(diǎn)，進(jìn)而識(shí)別生成矩陣；且與碼重分析法相比，識(shí)別結(jié)果清晰，在真實(shí)碼長(zhǎng)位置才出現(xiàn)峰值，其他位置不會(huì)出現(xiàn)峰值。但上述兩種方法都未考慮誤碼的影響。文獻(xiàn)[6]提出基于歐幾里得算法的最大公因式識(shí)別算法，該方法在有誤碼時(shí)需要大量的分析數(shù)據(jù)。文獻(xiàn)[7]首次提出碼根信息熵的概念，利用碼根統(tǒng)計(jì)的方法解決了誤碼條件下的二進(jìn)制本原BCH碼盲識(shí)別問題，但識(shí)別的計(jì)算量較大。文獻(xiàn)[8]利用碼根信息熵的思想獲得碼長(zhǎng)以后，根據(jù)有限域同構(gòu)的原理，利用統(tǒng)計(jì)得到的碼根經(jīng)過(guò)有限域乘法并化簡(jiǎn)直接求出BCH碼的生成多項(xiàng)式，但計(jì)算復(fù)雜度較高。文獻(xiàn)[6-8]中的識(shí)別方法只限于對(duì)線性分組碼的子類BCH碼的識(shí)別，適用范圍比較局限。文獻(xiàn)[13]首次引入數(shù)據(jù)挖掘中的關(guān)聯(lián)規(guī)則挖掘算法，但容錯(cuò)性能較差，不能很好地適用于在高誤碼率下對(duì)線性分組碼的盲識(shí)別。

針對(duì)上述問題，本文提出了一種基于分塊矩陣變換的識(shí)別方法。首先根據(jù)估計(jì)碼長(zhǎng)，對(duì)截獲序列構(gòu)造分析矩陣，再將分析矩陣進(jìn)行分塊，在每個(gè)矩陣塊中做矩陣變換，以達(dá)到抑制誤碼擴(kuò)散的目的。在無(wú)誤碼的情況下，校驗(yàn)位所在的列可以被化為全零列，稱其為相關(guān)列，信息位所在列為獨(dú)立列。然后以各列的重量為度量，根據(jù)相關(guān)列和獨(dú)立列的列重的統(tǒng)計(jì)分布特性，設(shè)置閾值判斷各列是否為相關(guān)列，統(tǒng)計(jì)相關(guān)列的個(gè)數(shù)，當(dāng)相關(guān)列個(gè)數(shù)最大時(shí)，即為真實(shí)碼長(zhǎng)的情況。碼長(zhǎng)識(shí)別出來(lái)以后，通過(guò)循環(huán)移位，按照碼長(zhǎng)識(shí)別的方法，當(dāng)相關(guān)列個(gè)數(shù)最大時(shí)即為正確碼字起點(diǎn)。本方法適用于多種碼率的線性分組碼參數(shù)識(shí)別，運(yùn)算復(fù)雜度相對(duì)較低，且容錯(cuò)性能較好。

2 線性分組碼盲識(shí)別原理

定義1[2]在GF(2)上的2k個(gè)k維信息向量可以生成2k個(gè)二進(jìn)制的n維向量，它們的集合構(gòu)成(n,k)線性分組碼。k維信息向量也叫做信息位，生成的n維向量叫做其對(duì)應(yīng)的碼字。線性分組碼構(gòu)成了GF(2)上n維線性空間的k維子空間。

由于常用的線性分組碼碼字都是系統(tǒng)碼，所以c=(c1,c2,…,ck,…,cn)的前k位就是信息位u=(u1,u2,…,uk),碼字的后k位(c1+k,c2+k,…,cn)就是校驗(yàn)位。對(duì)線性分組碼有

c=uG。

(1)

式中：G表示(n,k)線性分組碼的生成矩陣。

生成矩陣確定了信息位和校驗(yàn)位的線性映射關(guān)系，不同的編碼方式使用的生成矩陣不同，也就有不同的映射關(guān)系,但是(n,k)線性分組碼的2k個(gè)碼字必定由對(duì)應(yīng)的k個(gè)信息比特位構(gòu)成的獨(dú)立向量線性表示。由此可知，碼字c中的(n-k)位校驗(yàn)位是k位信息位的線性組合。因此,將碼字按真實(shí)碼長(zhǎng)排列成矩陣形式，進(jìn)行矩陣變換以后，校驗(yàn)位對(duì)應(yīng)的列將被化為全零列，稱校驗(yàn)位所在的列為相關(guān)列，信息位所在列為獨(dú)立列。在真實(shí)碼長(zhǎng)和碼字正確起點(diǎn)時(shí)，碼字之間的信息位和校驗(yàn)位對(duì)齊，可以被化為全零列的列數(shù)最多，即此時(shí)相關(guān)列最多。而在非真實(shí)碼長(zhǎng)時(shí)信息位和校驗(yàn)位未對(duì)齊，不存在相關(guān)列，在無(wú)誤碼時(shí)就沒有能夠化為全零的列存在；有誤碼時(shí)，不存在0的比例比1的比例大的列。本文就是基于這個(gè)思想提出了碼長(zhǎng)和同步點(diǎn)的識(shí)別算法。本文中考慮的信息傳輸信道是二進(jìn)制對(duì)稱信道(Binary Symmetric Channel,BSC)，這是一種無(wú)記憶信道，即二進(jìn)制符號(hào)數(shù)據(jù)序列在傳輸過(guò)程中前后出現(xiàn)的錯(cuò)誤是相互無(wú)關(guān)的。對(duì)于線性分組碼，其碼字之間的約束關(guān)系僅限于碼長(zhǎng)范圍以內(nèi)，不受信道中的誤碼影響。

傳統(tǒng)的矩陣分析方法，將矩陣變?yōu)橄氯蔷仃嚨牟僮?，?duì)矩陣整體進(jìn)行行變換和列變換，雖然互換行、列只是交換碼字或者碼元的位置，均不會(huì)改變信息位和校驗(yàn)位的線性約束關(guān)系，也不會(huì)造成誤碼擴(kuò)散，但是行之間的模2加會(huì)造成誤碼在碼字之間傳播，列之間的模2加會(huì)造成誤碼在碼字內(nèi)的擴(kuò)散。基于傳統(tǒng)方法改進(jìn)后提出的高斯列消元方法，在矩陣變換時(shí)只使用列操作，避免了錯(cuò)誤碼元在碼字之間的傳播，但依然存在較為嚴(yán)重的誤碼擴(kuò)散現(xiàn)象。為了抑制這種現(xiàn)象，可以利用分塊處理的思想，為分析矩陣按行分塊，分別在每個(gè)矩陣塊內(nèi)進(jìn)行矩陣變換，誤碼影響只在窗內(nèi)傳播并不影響其他窗內(nèi)的碼字，而且矩陣塊的規(guī)模越小，誤碼傳播范圍就越小。

算法步驟如下：

Step3 記X1為對(duì)A1處理后的下三角矩陣。依次對(duì)At(t=2,3,…,c)，進(jìn)行上述處理，直到處理完Ac。

Step4 記錄經(jīng)過(guò)矩陣變換后的矩陣X=(X1,X2,…,Xc)T，并統(tǒng)計(jì)其各列的重量W=(w1,w2,…wc)。

3 統(tǒng)計(jì)特性分析及閾值的設(shè)置

當(dāng)xj是相關(guān)列時(shí)，

(2)

(3)

則xj的重量wj服從伯努利分布B(m,(1-(1-2pe)wb)/2),wb是其對(duì)偶向量的重量;

當(dāng)xj是獨(dú)立列時(shí),

(4)

(5)

則xj的重量wj服從伯努利分布B(m,1/2),其中，

(6)

取碼字個(gè)數(shù)m=400，pe=0.12，wb=4，相關(guān)列和獨(dú)立列的列重wj的概率分布圖如圖1所示。

圖1 相關(guān)列和獨(dú)立列的重量wj對(duì)應(yīng)的概率分布圖Fig.1 The corresponding wj′s probability distribution of dependent column and independent column

在每個(gè)估計(jì)碼長(zhǎng)下，對(duì)矩陣X進(jìn)行循環(huán)移位，記每次移位的矩陣A(n0,d)，d為移位數(shù)，且0≤d≤n-1。

定義識(shí)別的數(shù)學(xué)模型：

φ(j)=wj/(m/2)=2wj/m。

(7)

經(jīng)過(guò)分析可以知道，φ(j)越小，xj的重量越小，1的比例越低，也越符合相關(guān)列的情況;反之，則符合獨(dú)立列。因此,設(shè)置閾值T，當(dāng)φ(j)≤T時(shí)，判定為相關(guān)列;反之則判定為獨(dú)立列。對(duì)每個(gè)移位矩陣A(n0,d)都有相關(guān)列的集合：

{j1,j2,…,jΘn0,d|φ(j)≤T} 。

(8)

式中：ji表示滿足閾值T的列所在位置。當(dāng)真實(shí)碼長(zhǎng)和正確同步點(diǎn)時(shí)，集合的基數(shù)Θn,d達(dá)到最大，即相關(guān)列的數(shù)目最多。

對(duì)每一個(gè)估計(jì)碼長(zhǎng)下相關(guān)列個(gè)數(shù)集合的Θn,d歸一化處理，有

(9)

可知，當(dāng)n0=αn(α∈+)時(shí)，n0為極大值。取α=1時(shí)的n0為碼長(zhǎng)，即第一個(gè)極大值出現(xiàn)的位置就是真實(shí)碼長(zhǎng)的位置。

對(duì)最優(yōu)閾值的求解如下：

令虛警概率為Pfa,漏警概率為Pnd，則

(10)

(11)

令

P=Pfa+Pnd,

(12)

定義閾值T使得概率P達(dá)到極小值,得

(13)

其中:

(14)

(15)

c=m[1-(1-2pe)wb](1-2pe)wb-

(16)

(17)

對(duì)于服從標(biāo)準(zhǔn)正態(tài)分布的變量x～N(0,1)，數(shù)學(xué)上認(rèn)為|x|≥0.39是不可能事件，所以需要有

(18)

則取閾值為

T=min(T1,T2) 。

(19)

綜合以上分析，本文算法的流程圖如圖2所示。

圖2 算法流程圖Fig.2 Flow chart of the proposed algorithm

4 仿真分析

對(duì)(7,4)循環(huán)碼進(jìn)行碼長(zhǎng)和同步點(diǎn)的識(shí)別，仿真參數(shù)為：數(shù)據(jù)截獲長(zhǎng)度300 bit,同步點(diǎn)5，誤碼率0.02。識(shí)別結(jié)果分別如圖3和圖4所示。

圖3 (7,4)循環(huán)碼的碼長(zhǎng)識(shí)別結(jié)果Fig.3 Recognition result of (7,4) cyclic code

圖4 (7,4)循環(huán)碼碼字起點(diǎn)識(shí)別結(jié)果Fig.4 Recognition result of the code start bit for (7,4) cyclic code

識(shí)別出正確碼長(zhǎng)后，按正確碼長(zhǎng)構(gòu)造分析矩陣，經(jīng)過(guò)矩陣變換后，統(tǒng)計(jì)各種移位情況下的Θ值。從圖4可以看出，Θ的值在移位值為5時(shí)取得最大值，識(shí)別碼字起點(diǎn)為5，識(shí)別結(jié)果正確。

對(duì)(15,7)循環(huán)碼進(jìn)行識(shí)別，仿真參數(shù)為：截獲數(shù)據(jù)長(zhǎng)度300 bit，同步點(diǎn)13，誤碼率0.02。碼長(zhǎng)和同步點(diǎn)的識(shí)別結(jié)果分別如圖5和圖6所示。

圖5 (15,7)循環(huán)碼的碼長(zhǎng)識(shí)別結(jié)果Fig.5 Recognition result of(15,7) cyclic code

圖6 (15,7)循環(huán)碼碼字起點(diǎn)識(shí)別結(jié)果Fig.6 Recognition result of the code start bit for (15,7) cyclic code

識(shí)別出碼字長(zhǎng)度為15以后，繼續(xù)估計(jì)碼字起始點(diǎn)，如圖6所示，在移位數(shù)為13時(shí)，Θ取得最大值，識(shí)別碼字起點(diǎn)為13，識(shí)別結(jié)果正確。

從以上(7,4)循環(huán)碼和(15,7)循環(huán)碼的識(shí)別情況可以看出，當(dāng)識(shí)別碼字起點(diǎn)時(shí)，Θ取得最大值所在的移位數(shù)即為正確碼字起點(diǎn)。但是,有時(shí)識(shí)別碼字起始點(diǎn)時(shí)，Θ的最大值不唯一，此時(shí)就需對(duì)其進(jìn)行多次識(shí)別然后取均值，找到最大值唯一的情況。

在pe=0.02下對(duì)序列進(jìn)行(15,11)循環(huán)碼編碼，識(shí)別出碼長(zhǎng)后，識(shí)別碼字起點(diǎn)的結(jié)果如圖7所示。

圖7 (15,11)循環(huán)碼碼字起點(diǎn)識(shí)別結(jié)果Fig.7 Recognition result of the code start bit for (15,11) cyclic code

此時(shí)，最大值不止一個(gè)，在11、12、13處均有最大值。選取這三處的移位情況做多次求解Θ的值后做均值，次數(shù)為15次時(shí)識(shí)別結(jié)果如圖8所示。

圖8 (15,11)循環(huán)碼碼字起點(diǎn)最后的識(shí)別結(jié)果Fig.8 Final recognition result of the code start bit for (15,11) cyclic code

下面針對(duì)不同碼長(zhǎng)的碼字進(jìn)行仿真分析，分別選取(7,3)循環(huán)碼、(7,4)循環(huán)碼、(15,7)循環(huán)碼、(15,11)循環(huán)碼進(jìn)行分析，在不同誤碼率下做100次蒙特卡洛仿真，仿真參數(shù)設(shè)置如表1所示，識(shí)別概率見圖9。

表1 對(duì)不同碼型識(shí)別性能實(shí)驗(yàn)的仿真參數(shù)Tab.1 Simulation parameter

圖9 算法在不同誤碼率下的正確識(shí)別率Fig.9 The correct recognition rate of the algorithm under different bit error rate

從圖9可以看出，(7,4)循環(huán)碼、(7,3)循環(huán)碼比(15,7)循環(huán)碼、(15,11)循環(huán)碼的識(shí)別效果好,說(shuō)明對(duì)于本算法來(lái)說(shuō)，碼長(zhǎng)越長(zhǎng)，識(shí)別效果越差。(7,3)循環(huán)碼、(15,7)循環(huán)碼分別比(7,4)循環(huán)碼、(15,11)循環(huán)碼的識(shí)別效果好，說(shuō)明碼率越高識(shí)別效果越差。對(duì)于(7,3)循環(huán)碼，在誤碼率為0.09時(shí)識(shí)別概率依然可以達(dá)到80%以上。

圖10給出了3種算法對(duì)(15,7)循環(huán)碼在不同誤碼率情況下的識(shí)別概率對(duì)比結(jié)果。仿真參數(shù)設(shè)置同前。與文獻(xiàn)[11]的性能相比，在誤碼率低于0.06時(shí)，文獻(xiàn)[11]的識(shí)別效果略優(yōu)于本文算法，但隨著誤碼率的提高，識(shí)別效果明顯比本文算法要差，且考慮文獻(xiàn)[11]的計(jì)算量較本文算法要大得多，因此本文算法依然具有優(yōu)勢(shì)。與文獻(xiàn)[12]中所提的傳統(tǒng)矩陣分析算法相比，本文識(shí)別效果具有明顯的正確識(shí)別優(yōu)勢(shì),而且與文獻(xiàn)[13]中所用的關(guān)聯(lián)規(guī)則算法識(shí)別性能優(yōu)勢(shì)更加明顯。在誤碼率為0.05時(shí)，本文算法的正確識(shí)別率可以達(dá)到80%，而文獻(xiàn)[12]僅能達(dá)到50%左右，文獻(xiàn)[13]則僅能達(dá)到20%。本文算法對(duì)p×q階矩陣進(jìn)行處理時(shí)，因?yàn)橹恍枰M(jìn)行O(N3)模2加法運(yùn)算，其中N為分析矩陣的最大列數(shù)。因此,本文算法在性能和復(fù)雜度上與已有算法相比具有較為明顯的優(yōu)勢(shì)。

圖10 不同算法性能對(duì)比Fig.10 Performance comparision among different algorithms

5 結(jié) 論

為抑制誤碼的擴(kuò)散提出的基于分塊矩陣變換的線性分組碼盲識(shí)別方法，本文利用線性分組碼相關(guān)列可以被化為0的特性，使用各列的列重來(lái)判斷是否為相關(guān)列，再根據(jù)真實(shí)碼長(zhǎng)時(shí)相關(guān)列個(gè)數(shù)最大，成功識(shí)別碼長(zhǎng)和碼字起始點(diǎn)。仿真實(shí)驗(yàn)證明，在和傳統(tǒng)方法計(jì)算復(fù)雜度相當(dāng)?shù)那闆r下，有效抑制了誤碼的擴(kuò)散，在高誤碼條件下依然可以有效識(shí)別碼長(zhǎng)和碼字起點(diǎn)，而且與傳統(tǒng)方法相比，本文方法提高了在高誤碼條件下的正確識(shí)別概率，顯然有效抑制了誤碼的擴(kuò)散。然而,如何進(jìn)一步提升算法的容錯(cuò)性能是需要后續(xù)研究的難點(diǎn)。

[1] 王俊霞,張?zhí)祢U,強(qiáng)幸子. 基于迭代列消元法的線性分組碼參數(shù)盲識(shí)別[J].電訊技術(shù),2017,57(2):197-202.

WANG Junxia,ZHANG Tianqi,QIANG Xingxi. Blind recognition of linear block codes parameters based on iterative column elimination algorithm[J].Telecommunication Engineering,2017,57(2):197-202.(in Chinese)

[2] MARAZIN M,GAUTIER R,BUREL G. Dual code method for blind identification of convolutional encoder for cognitive radio receiver design[C]//Proceedings of 2009 Global Telecommunications Conference.Hawaii,USA:IEEE,2009:1-6.

[3] MARAZIN M,GAUTIER R,BUREL G. Algebraic method for blind recovery of punctured convolutional encoders from an erroneous bitstream[J].IET Signal Processing,2012,6(2):122-131.

[4] BUREL G,GAUTIER R. Blind estimation of encoder and interleaver characteristics in a non cooperative context[C]//Proceedings of the Second IASTED International Coference on Communications,Internet and Information Technology.Scottsdale,AZ,USA:IEEE,2003:75-280.

[5] 閆郁翰,湯建龍. 基于漢明距離的二進(jìn)制線性分組碼盲識(shí)別方法[J].通信對(duì)抗,2011(4):20-23.

YAN Yuhan,TANG Jianlong. Blind recognition method of binary linear block codes based on hamming distance[J].Communication Countermeasures,2011(4):20-23.(in Chinese)

[6] 王蘭勛,李丹芳,汪洋. 二進(jìn)制本原BCH碼的參數(shù)盲識(shí)別[J].河北大學(xué)學(xué)報(bào)(自然科學(xué)版),2012,32(4):416-420.

WANG Lanxun,LI Danfang,WANG Yang. Blind recognition of binary primitive BCH codes parameters[J].Journal of Hebei University(Natural Science Edition),2012,32(4):416-420.(in Chinese)

[7] 楊曉靜,聞年成. 基于碼根信息差熵和碼根統(tǒng)計(jì)的BCH碼識(shí)別方法[J].探測(cè)與控制學(xué)報(bào),2010,32(3):69-73.

YANG Xiaojing,WEN Niancheng. Recognition method of BCH codes based on roots information dispersion entropy and roots statistic[J].Journal of Detection and Control,2010,32(3):69-73.(in Chinese)

[8] 呂喜在,黃芝平,蘇紹璟. BCH碼生成多項(xiàng)式快速識(shí)別方法[J].西安電子科技大學(xué)學(xué)報(bào)(自然科學(xué)版),2011,38(6):159-162.

LYU Xizai,HUANG Zhiping,SU Shaojing. Fast recognition method for generator polynomial of BCH codes[J].Journal of Xidian University(Natural Science Edition),2011,38(6):159-162.(in Chinese)

[9] LIN S,COSTELLO D J.Error control coding[M].2nd ed. New Jersey,USA:Prentice Hall,2005:44-45.

[10] CHABOT C. Recognition of a code in a noisy environment[C]//Proceedings of 2007 International Symposium on Information Theory.Nice,France:IEEE,2007:2211-2215.

[11] 張?zhí)祢U,易琛,張剛. 基于高斯列消元法的線性分組碼參數(shù)盲識(shí)別[J].系統(tǒng)工程與電子技術(shù),2013,35(7):1514-1519.

ZHANG Tianqi,YI Chen,ZHANG Gang. Blind identification of parameters of linear block codes based on columns Gaussian elimation[J].Systems Engineering and Electronics,2013,35(7):1514-1519.(in Chinese)

[12] 張永光,樓才義,王挺.一種線性分組碼編碼參數(shù)的盲識(shí)別方法:201010131103.3[P].2010-10-13.

[13] 張旻,李歆昊. 基于關(guān)聯(lián)規(guī)則的二進(jìn)制線性分組碼盲識(shí)別[J].系統(tǒng)工程與電子技術(shù),2014,36(5):979-984.

ZHANG Min,LI Xinhao. Binary linear block code blind recognition based on association rules[J].Systems Engineering and Electronics,2014,36(5):979-984.(in Chinese)

BlindRecognitionofLinearBlockCodesBasedonBlockMatrixTransformation

ZHAO Liang,ZHANG Tianqi,YANG Qiang
(Chongqing Key Laboratory of Signal and Information Processing,Chongqing University of Posts and Telecommunications,Chongqing 400065,China)

To solove the problem of error diffusion in traditional matrix analysis methods,a linear block code blind recognition method is proposed based on block matrix transformation. Firstly,the analysis matrix is constructed according to the estimated code length,and the matrix is transformed into the low triangular matrix after the analysis matrix is divided. Then,the thresholds of the relevant columns are set according to the statistical distribution characteristics of the relevant column weights,and the number of correlation columns corresponding to the thresholds is counted when the number of related columns is the largest. The method is simple and can also identify codeword synchronization points. Theoretical analysis and simulation results show that the fault recognition performance of the method is good,and the correct recognition rate of(15,7) linear block codes can reach 80% under the condition of bit error rate of 5%.

linear block codes;blind recognition;block matrix transformation;related columns

date:2017-01-04；Revised date：2017-04-10

國(guó)家自然科學(xué)基金資助項(xiàng)目(61671095，61371164)；信號(hào)與信息處理重慶市市重點(diǎn)實(shí)驗(yàn)室建設(shè)項(xiàng)目(CSTC2009CA2003)；重慶市教育委員會(huì)科研項(xiàng)目(KJ130524，KJ1600427，KJ1600429)

**通信作者：535836848@qq.com Corresponding author：535836848@qq.com

TN911.22

A

1001-893X(2017)10-1107-07

趙亮(1991—)，男，河南洛陽(yáng)人，碩士研究生，主要研究方向?yàn)樾诺谰幋a參數(shù)的盲識(shí)別；

Email:535836848@qq.com

張?zhí)祢U(1971—)，男，四川眉山人，博士(后)，教授，主要研究方向?yàn)檎Z(yǔ)音信號(hào)處理、通信信號(hào)的調(diào)制解調(diào)、盲處理、神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)以及FPGA、VLSI實(shí)現(xiàn)；

楊強(qiáng)(1991—)，男，四川岳池人，碩士研究生，主要研究方向?yàn)橥ㄐ判盘?hào)處理。

10.3969/j.issn.1001-893x.2017.10.002

趙亮，張?zhí)祢U，楊強(qiáng).基于分塊矩陣變換的線性分組碼盲識(shí)別[J].電訊技術(shù)，2017,57(10):1107-1113.[ZHAO Liang,ZHANG Tianqi,YANG Qiang.Blind recognition of linear block codes based on block matrix transformation[J].Telecommunication Engineering,2017,57(10):1107-1113.]

2017-01-04；

2017-04-10