(贵州师范学院物理与电子科学学院 贵州贵阳 550018 )
摘要:RS码盲识别是基于伽罗华域的高斯约当消元法,遍历估计码长和码长对应的本原多项式,并引入方差来识别真实码长和本原多项式,最后利用伽罗华域的离散傅里叶变换(GFFT)实现RS码生成多项式的识别。仿真结果表明,提出的方法可以有效识别RS码码长、生成多项式、本原多项式,并且有一定的容错性。
关键词:盲识别;RS码;伽罗华域;本原多项式
引言
RS(reed-solomon)码是差错控制领域中一种性能优异的多进制分组循环码,它具有纠正多个随机错误的能力,在卫星通信、深空通信等领域中得到广泛应用,因此,研究RS码的盲识别方法有重要意义。RS码是线性分组码的一种重要子类,所以对它的识别方法可以建立在对线性分组码的盲识别的基础上。因此,为识别RS码和缩短RS码,提出一种基于高斯约当列消元的盲识别方法,并根据高斯消元后的矩阵中各列‘0’元素的比率进行RS码和缩短RS码码长和本原多项式的识别。
RS码盲识别原理
当截获到RS的序列后,根据RS码的线性特性,对接收序列构造矩阵,通过高斯约当消元法,从而识别码长和本原多项式,最后通过伽罗华域的离散傅里叶变换求出RS码的生成多项式。
码长和本原多项式识别
通常在实践中,RS码是以二进制码流传输的,所以将截获的二进制序列变换成2m进制的RS码。假设接收的是多组二进制的(21,9)码字,则其对应的RS码为(7,3)RS码,此时的符号数m=3。以不同的估计码长和本原多项式将截获序列依次放入矩阵Z中,则得到形如图1的模型。
(a)真实码长(b)错误码长
图1 矩阵模型
生成多项式识别
在码长和本原多项式识别出来后,将接收序列按正确码长分为多个码组,对各个码组进行GFFT,找到连零码谱出现的位置对应的码根,根据式(1)计算出生成多项式。
g(x)=(x- )(x- )…(x- )(1)
综上所述,可以得到整个RS码识别过程如图2所示。
开始
序列变为m进制序列
在有限域内将矩阵化为下三角矩
利用下三角矩阵中‘0’元素概率方差识别码长和本原多项式
估计码长结束
选取d出现最大的为真实码长和本原多项式
利用GFFT求生成多项式
结束完成识别
图2 RS码识别流程
仿真实验与分析
4种待识别RS码在误码率为0.003时的识别结果,为便于观察,在估计缩短RS码的时候,找到其对应的符号数m后,还要查看在识别过程中程序中所设的估计。识别出码长的同时可以识别出本原多项式,对已识别出码长的(8,6)(15,11)(31,11)(63,16)RS码,取其正确码长对应的集合D1,则D1中的最大值Dmax对应的本原多项式即为真实的本原多项式,表1列出4种码在不同本原多项式时对应的方差值。
表1 不同本原多项式的方差
(8,6) RS 码 | ||
本原多项式十进制表示 方差 D | 19 0.158 | 25 0.001 |
( 15,11) RS 码 | ||
本原多项式十进制表示 方差 D | 19 0.181 | 25 0.082 |
(31,11) RS 码 | ||
本原多项式十进制表示 方差D( × 10-4) | 37 41 47 55 1 000 1.5 1.5 1.5 | 59 61 2 2 |
(63,16)RS码 | ||
本原多项式十进制表示 方差D( × 10-4) | 67 91 97 103 700 0.7 0.7 0.9 | 109115 0.70.9 |
从表1中可以看出对于4种仿真测试的RS码,在方差D最大时可以识别出其本原多项式,其中(8,6)、(15,11)RS码在本原多项式十进制值为19时方差D取得最大值,所以识别出(8,6)、(
15,11)RS码的本原多项式为x4+x+1。同理(31,11)、(63,16)在本原多项式十进制值分别为37、67时方差D取得最大值,本原多项式分别表示为:x5+x2+1、x6+x+1。
根据RS码有的线性特性和不同本原多项式下产生的域不同,结合有限域的特征识别RS码长和本原多项式,最后利用有限域的离散傅里叶变换识别出RS码的生成多项式。仿真表明该方法不仅可以识别本原RS码,还能识别缩短RS码,且有一定的容错性,该方法有一定应用前景。如何通过较少数据量快速识别RS码仍是一个难题,也是后续研究的难点。
参考文献
[1]尹瑾,王建新.RS码的同步扰码盲识别方法[J].计算机工程与应用,2017,22(1)
[2]张立民,刘杰,孙永威.RS码编码参数的盲识别[J].电讯技术,2017,06(8)
[3]杨烁.CPM信号非相干解调与RS码盲识别技术研究[J].哈尔滨工程大学,2018(1).
[4]龙浪,杨俊安,刘辉.基于非零均值比的RS码盲识别方法[J].数据采集与处理,2019(06)
[5]龙浪,杨俊安,刘辉.基于信息位与校验位分离的RS码盲识别[J].探测与控制学报,2018(06)
基金项目:贵州省大学生创新创业项目“S202114223023”、贵州师范学院大学生校级科研项目“2020DXS087”、贵州省教育厅自然科学研究青年人才项目“黔教合KY字[2021]236”