一种混沌正交导频多层校验串行抵消列表译码方法

技术领域

本发明涉及计算机通讯技术领域，特别是一种混沌正交导频多层校验串行抵消列表译码方法。

背景技术

针对无线信道复杂，主要包括较强多径效应引起的频域选择性衰弱、多普勒频移导致载频跟踪错误。相比较于普通的高斯白噪声信道，无线多径通信如果要达到相同的通信性能，则需要较高的信噪比。而通信系统采用适当的信道编码方法可以有效提升系统的性能，提高通信的可靠性。目前常用的信道编码方案有Turbo码、低密度奇偶校验码(LowDensity Parity Check Code，LDPC)、卷积码以及RS码等，其中LDPC码在码字长度接近于无穷时，采用软判决译码方法时，性能较好。但是与香农理论值相比较，其仍然有约0.0045dB的差距。利用信道极化理论，极化码(Polar Codes)在2009年被Arikan提出，并且由于其1)属于线性分组码，编解码方法的复杂度更低；2)在二进制输入离散无记忆信道(BinaryDiscrete Memory less Channel,BDMC)时，性能可以达到香农限，因此受到了大量的学者关注。

随着极化码的流行，其译码方法引起了众多学者的关注。Arikan提出了串行抵消(Successive Cancellation,SC)译码方法，该方法是经典的译码方法。尽管SC译码算法可以实现O(NlogN)的低计算复杂度，但是由于其每次译码都要依赖于上次的解码信息，所以容易受到差错传播的影响，导致译码性能下降，尤其在码长较小的情况下，解码性能并不理想。而单循环冗余校验辅助串行抵消列表译码(Cyclic Redundancy Check AidedSuccessive Cancellation List,CA-SCL)能够实现与Turbo码和LDPC码几乎相同的性能，甚至能更好，但是其解码所需存储空间以及解码延时随着列表L的增大而增加。CA-SCL信源矢量结构如图1所示,根据所给的信息模块进行校验，并将所得的CRC校验码放置在信息模块后面。

发明内容

为了解决上述技术问题，本发明提供一种混沌正交导频多层校验串行抵消列表译码方法，能够降低CA-SCL所需要的大量的存储单元，降低平均译码时延，同时提高通信的频带利用率。

本发明采用以下技术方案实现：一种混沌正交导频多层校验串行抵消列表译码方法，包括编码过程以及译码过程；

所述编码过程包括以下步骤：

步骤S11、将待发送的长度为K的消息序列平均分为M组消息子模块；

步骤S12、每组消息子模块产生相应的CRC校验码并依次拼接成总的CRC校验码；

步骤S13、对总的CRC校验码进行归一化并获得混沌初值g(0)，通过混沌初值g(0)生成相应的混沌扩频序列；

步骤S14、将待发送的长度为K的消息序列转化为长度为N的信源序列；

步骤S15、对长度为N的信源序列进行极化码编码；

步骤S16、将步骤S13生成的混沌扩频序列放置到OFDM的导频上，并将极化码放置在OFDM的数据位置上，进行OFDM调制处理，最后生成待发送信号；

所述译码过程包括以下步骤：

步骤S21、将步骤S16得到的信号进行OFDM解调处理，获得频域信息，对频域信息进行均衡得到均衡后的频域信息；

步骤S22、对均衡后的频域信息进行混沌扩频的解扩，即可获得每组消息子模块相应的CRC校验码；

步骤S23、对均衡后的频域信息进行CA-SCL译码，得到消息子模块的L个候选序列以及路径度量PM的值；

步骤S24、通过步骤S22得到的每组消息子模块相应的CRC校验码对步骤S23得到的消息子模块的L个候选序列进行CRC校验；

步骤S25、对满足CRC校验的消息子模块筛选出路径度量PM最小的消息子模块，成为幸存消息子模块；

步骤S26、幸存消息子模块参与到下一轮的CA-SCL译码中，待所有的CRC校验码校验成功后，会得到最终的幸存消息子模块，即最终的译码结果。

优选的，所述步骤S12进一步具体为：每组消息子模块产生相应的二进制CRC校验码，然后将每个二进制CRC校验码依次拼接成总的二进制CRC校验码；

所述步骤S13进一步具体为：将总的二进制CRC校验码转化为总的十进制CRC校验码，对总的十进制CRC校验码进行归一化并获得混沌初值g(0)，通过混沌初值g(0)生成相应的混沌扩频序列。

优选的，所述步骤S13进一步具体为：通过以下公式将混沌初值g(0)生成相应的混沌扩频序列：

g(m+1)，P-Qg

其中，P,Q为混沌扩频序列生成参数，g(m)为混沌扩频序列的元素，

m取值为0,1，2,3,4,…A，其中A是混沌扩频序列的长度。P,Q是设定的参数，将混沌初值g(0)代入公式中，递推可得：

g(1)＝P-Qg

g(2)＝P-Qg

g(3)＝P-Qg

…

g(A)＝P-Qg

递推可得长度为A的混沌扩频序列。

优选的，所述步骤S14进一步具体为：通过高斯构造法进行信道可靠性估计，将消息序列放置在可靠信道上，在不可靠信道上放置二进制数0，从而转化为长度为N的信源序列。

优选的，所述步骤S21进一步具体为：利用接收端本地的LFM信号和接收到的LFM信号做相关，即可获得时域信道估计，通过傅里叶变换即可获得频域信道，将步骤S16得到的信号进行OFDM解调处理，获得频域信息，利用频域信道与频域信息做均衡得到均衡后的频域信息。

优选的，所述步骤S22进一步具体为：对均衡后的频域信息进行混沌扩频的解扩，即可获得混沌扩频序列，利用编码过程的逆过程，即可获得每组消息子模块相应的CRC校验码。

本发明的有益效果：

本发明能够降低CA-SCL所需要的大量的存储单元，降低平均译码时延，同时提高通信的频带利用率。

附图说明

图1是CA-SCL信源矢量结构图。

图2是CPM扩频序列在长度N取32的相关系数。

图3是CPM扩频序列在长度N取64的相关系数。

图4是CPM扩频序列在长度N取128的相关系数。

图5是CPM扩频序列在长度N取256的相关系数。

图6是编码过程的方法流程图。

图7是译码过程的方法流程图。

图8是幸存消息子模块的实施例流程图。

具体实施方式

下面结合附图对本发明做进一步说明。

请参阅图6至图7，本发明提供了一实施例：一种混沌正交导频多层校验串行抵消列表译码方法，包括编码过程以及译码过程；

所述编码过程包括以下步骤：

步骤S11、将待发送的长度为K的消息序列平均分为M组消息子模块；

步骤S12、每组消息子模块产生相应的CRC校验码并依次拼接成总的CRC校验码；

步骤S13、对总的CRC校验码进行归一化并获得混沌初值g(0)，通过混沌初值g(0)生成相应的混沌扩频序列；

步骤S14、将待发送的长度为K的消息序列转化为长度为N的信源序列；

步骤S15、对长度为N的信源序列进行极化码编码；

步骤S16、将步骤S13生成的混沌扩频序列放置到OFDM的导频上，并将极化码放置在OFDM的数据位置上，进行OFDM调制处理，最后生成待发送信号；

所述译码过程包括以下步骤：

步骤S21、将步骤S16得到的信号进行OFDM解调处理，获得频域信息，对频域信息进行均衡得到均衡后的频域信息；

步骤S22、对均衡后的频域信息进行混沌扩频的解扩，即可获得每组消息子模块相应的CRC校验码；

步骤S23、对均衡后的频域信息进行CA-SCL译码，得到消息子模块的L个候选序列以及路径度量PM的值；

步骤S24、通过步骤S22得到的每组消息子模块相应的CRC校验码对步骤S23得到的消息子模块的L个候选序列进行CRC校验；

步骤S25、对满足CRC校验的消息子模块筛选出路径度量PM最小的消息子模块，成为幸存消息子模块；

步骤S26、幸存消息子模块参与到下一轮的CA-SCL译码中，待所有的CRC校验码校验成功后，会得到最终的幸存消息子模块，即最终的译码结果。

所述步骤S12进一步具体为：每组消息子模块产生相应的二进制CRC校验码，然后将每个二进制CRC校验码依次拼接成总的二进制CRC校验码；

所述步骤S13进一步具体为：将总的二进制CRC校验码转化为总的十进制CRC校验码，对总的十进制CRC校验码进行归一化并获得混沌初值g(0)，通过混沌初值g(0)生成相应的混沌扩频序列。

所述步骤S13进一步具体为：通过以下公式将混沌初值g(0)生成相应的混沌扩频序列：

g(m+1)，P-Qg

其中，P,Q为混沌扩频序列生成参数，g(m)为混沌扩频序列的元素，

m取值为0,1,3,4,…A，其中A是混沌扩频序列的长度。P,Q是设定的参数，将混沌初值g(0)代入公式中，递推可得：

g(1)＝P-Qg

g(2)＝P-Qg

g(3)＝P-Qg

…

g(A)＝P-Qg

递推可得长度为A的混沌扩频序列。

所述步骤S14进一步具体为：通过高斯构造法进行信道可靠性估计，将消息序列放置在可靠信道上，在不可靠信道上放置二进制数0，从而转化为长度为N的信源序列。

所述步骤S21进一步具体为：利用接收端本地的LFM信号和接收到的LFM信号做相关，即可获得时域信道估计，通过傅里叶变换即可获得频域信道，将步骤S16得到的信号进行OFDM解调处理，获得频域信息，利用频域信道与频域信息做均衡得到均衡后的频域信息。

所述步骤S22进一步具体为：对均衡后的频域信息进行混沌扩频的解扩，即可获得混沌扩频序列，利用编码过程的逆过程，即可获得每组消息子模块相应的CRC校验码。

下面结合一具体实施例对本发明作进一步说明：

一种混沌正交导频多层校验串行抵消列表译码方法，包括编码过程以及译码过程；

所述编码过程包括以下步骤：

步骤11、将待发送的长度为K的消息序列平均分为M组消息子模块；

假设消息序列的总长度为100bit，平均分为5(M的值)份，那么每个消息子模块的长度为20bit。

步骤12、每组消息子模块产生相应的CRC校验码并依次拼接成总的CRC校验码；

每组消息子模块产生相应的二进制CRC校验码，然后将每个二进制CRC校验码依次拼接成总的二进制CRC校验码；

对每个消息子模块生成子CRC校验码。校验码生成式在此处不做特殊定义。假设生成子CRC校验码为2个二进制比特位，例如11。那么将5个子CRC校验码依次拼接为总的校验码1110001101(此处数值为举例)。

步骤13、对总的CRC校验码进行归一化并获得混沌初值g(0)，通过混沌初值g(0)生成相应的混沌扩频序列；

将总的二进制CRC校验码转化为总的十进制CRC校验码，对总的十进制CRC校验码进行归一化并获得混沌初值g(0)，通过混沌初值g(0)生成相应的混沌扩频序列；

通过以下公式将混沌初值g(0)生成相应的混沌扩频序列：

g(m+1)，P-Qg

其中，P,Q为混沌扩频序列生成参数，g(m)为混沌扩频序列的元素，

m取值为0,1,2，3,4,…A，其中A是混沌扩频序列的长度。P,Q是设定的参数，将混沌初值g(0)代入公式中，递推可得：

g(1)＝P-Qg

g(2)＝P-Qg

g(3)＝P-Qg

…

g(A)＝P-Qg

递推可得长度为A的混沌扩频序列。

将二进制总CRC校验码1110001101转为十进制为909，然后十进制的总检验码进行归一化获得混沌初值g(0)＝909/1023*(1/2)＝0.444。带入式，获得混沌序列。

取混沌扩频生成参数P,Q分别为1/4,4。则生成实例如下：

g(1)＝1/4-4*(0.444)

g(2)＝1/4-4*g

…

g(A)＝P-Qg

步骤14、将待发送的长度为K的消息序列转化为长度为N的信源序列；

通过高斯构造法进行信道可靠性估计，将消息序列放置在可靠信道上，在不可靠信道上放置二进制数0，从而转化为长度为N的信源序列。

步骤15、对长度为N的信源序列进行极化码编码；

步骤16、将步骤13生成的混沌扩频序列放置到OFDM的导频上，并将极化码放置在OFDM的数据位置上，进行OFDM调制处理，最后生成待发送信号；

将生成的混沌扩频序列放置到OFDM的导频上。将极化码放置在数据位置上。最后进行OFDM调制。

所述译码过程包括以下步骤：

步骤21、将步骤16得到的信号进行OFDM解调处理，获得频域信息，对频域信息进行均衡得到均衡后的频域信息；

利用接收端本地的LFM信号和接收到的LFM信号做相关，即可获得时域信道估计，通过傅里叶变换即可获得频域信道，将步骤16得到的信号进行OFDM解调处理，获得频域信息，利用频域信道与频域信息做均衡得到均衡后的频域信息。

为了减少多途信道对混沌扩频解扩的影响，频域信息需要先采用LFM同步得到的信道先进行预均衡；

通过在信号的前面加一段LFM信号，在接收端做信号同步(即检测信号在什么时候到来)。利用接收端本地的LFM信号和接收到的LFM做相关，即可获得时域信道估计，通过傅里叶变换即可获得频域信道。

对OFDM信号解调的，获得频域信息。利用频域信道与频域信息做均衡(均衡的方法有很多LS信道均衡，MMSE信道均衡)。

步骤22、对均衡后的频域信息进行混沌扩频的解扩，即可获得每组消息子模块相应的CRC校验码；

对均衡后的频域信息进行混沌扩频的解扩，即可获得混沌扩频序列，利用编码过程的逆过程，即可获得每组消息子模块相应的CRC校验码。

对于预均衡后的频域信息，在相应的位置上提取出导频，即发送端发送的混沌扩频序列。

子校验码获取方式：发送端进行混沌扩频解扩频，即可获得混沌扩频序列，利用编码过程的逆过程，即可获得二进制的CRC校验码，进而获得子校验码。

步骤23、对均衡后的频域信息进行CA-SCL译码，得到消息子模块的L个候选序列以及路径度量PM的值；

对均衡后的频域信息进行CA-SCL译码。在发送端对原始的信源划分为M组。当接收端译码第1组消息子模块的时候，可能会译码出L个可能的序列。

步骤24、通过步骤22得到的每组消息子模块相应的CRC校验码对步骤23得到的消息子模块的L个候选序列进行CRC校验；

那么如何筛选出正确的序列呢？所选择的序列应满足如下条件：1.满足相应的CRC校验；2.在所有列表消息序列中，路径度量PM最小；此处，在最开始获得的子CRC校验码就派上用场了，而路径度量PM是CA-SCL会给出的值，为本领域公知技术。

步骤25、对满足CRC校验的消息子模块筛选出路径度量PM最小的消息子模块，成为幸存消息子模块；

通过上述筛选，即可从L个候选模块中，筛选出正确的子模块序列，成为幸存消息子块。

步骤26、幸存消息子模块参与到下一轮的CA-SCL译码中，待所有的CRC校验码校验成功后，会得到最终的幸存消息子模块，即最终的译码结果。

幸存消息子块还会参与到下一个子模块的译码。

如图8，以幸存消息子模块3译码为例，实施例如下：

步骤一：CA-SCL译码首先译码出幸存消息子模块1。

步骤二：幸存消息子模块1译码完成后作为CA-SCL译码的输入。

步骤三：CA-SCL译码出幸存消息子模块2。

步骤四：幸存消息子模块1和2，同时作为CA-SCL译码的输入。

步骤五：CA-SCL根据输入，译码出幸存消息子模块3。

…

步骤N-1:将幸存消息子模块1,2,3，…,M-1,同时作为CA-SCL译码输入。

步骤N:CA-SCL根据输入，译码出幸存消息子模块M。

步骤N+1:幸存消息子模块1,2,3，…,M，拼接起来即为最终译码序列。

存储空间与译码延迟分析：

下面对COPM-SCL译码所需的存储单元进行分析。传统的CA-SCL译码方法只有单个CRC校验，在K个消息比特完成译码前，L条路径则需要存储K×L个消息比特。而本文所给的COPM-SCL在完成对每个消息子块的译码、CRC检查和存储选定的序列后，这些存储单元可以被清除，并且可以在下一个解码过程中将新值写入这些存储单元。下面对内存空间的减少进行估计。假设消息序列被划分为M个子消息模块，即每个消息模块的长度为K/M，因此在进行SCL译码时，L条路径则需要存储K/M×L个消息比特，同时需要K个存储单元存储解码后消息序列，因此COPM-SCL方法解码所需要存储单元为K/M×L+K。可以得到COPM-SCL与CA-SCL译码器的所需存储单元比Rmem:

其次，COPM-SCL将CRC校验码利用混沌扩频序列调制到了OFDM导频信息上，因此可以提高频带利用率。

最后，讨论两种不同方案的输出解码比特的平均延迟。COPM-SCL译码器一旦完成该消息子块的解码，就可以输出该消息子块的序列。我们将平均解码延迟Td定义如下：

其中tdi是第i个子块的解码延迟。很明显，解码延迟与解码计算复杂度成正比，因此我们只分析两种不同解码方案的计算复杂度。对码长为N、列表大小L的CA-SCL译码，计算复杂度为O(LN logN)，解码时延可表示为:

T

其中c是常数因子。将信息块分成长度相等的M段，不考虑CRC检查的成本，那么第i个子块的输出延迟为:

COPM-SCL的平均解码时延可以表示如下：

则两种解码方法的平均解码时延比RT:

表2.1给出了在不同参数下，所需存储单元比Rmem以及平均解码时延比RT的具体值。可以看出，相比较于CA-SCL译码器，所提出的COPM-SCL译码方法在所需存储单元以及译码时延上均有降低。

表2.1不同参数条件下，Rmem和RT的具体值

Table 2.1 The specific values of Rmem and RT under differentparameters

混沌调相扩频技术：

传统的伪随机序列，例如m序列，Gold序列，其码本数量有限，难以覆盖到所有子校验码，而采用混沌序列作为扩频码，其码本数量不受扩频码的阶数影响，利用不同的初值便可以产生大量相关性好的混沌扩频序列。

不同的映射方式可以得到不同类型的混沌序列，其相关特性也大不相同。常用的混沌序列映射有Quadratic映射、Logistic映射、Bernoulli映射和Chebyshev映射等。结合Quadratic映射方程，下面介绍混沌扩频序列的生成过程：

g(m+1)＝P-Qg

其中，P,Q混沌扩频序列生成参数，g(m)为混沌扩频序列的元素。

当3/4

通过混沌序列的映射方程可以看出，所生成的序列是实数。为了得到复数序列，我们将生成的序列再次映射到载波相位上，由此生成混沌调相(Chaotic Phase Modulation,CPM)扩频码：

p

其中exp表示指数运算，j为复数，

尽管混沌调相扩频序列的长度N取值可以是任意的，但是不同的长度会影响序列的正交性。一般来说序列长度越长，则其正交性越好。下面通过相关系数来评估序列的正交性。

图2至图5给出CPM扩频序列在长度N取32，64，128，256的相关系数，码本数量K统一取1024。图中在x＝0处为CPM序列的自相关值，而x≠0的地方则为CPM序列的互相关值。可以看出随着码长的增加，不同CPM序列间的互相关特性逐渐减低。而另一方面即便在码本数量较多，达到1024的条件下，在码长为128/256时，不同序列间仍然具有较好的自相关性并且较低的互相关性。

总之，本发明能够降低CA-SCL所需要的大量的存储单元，降低平均译码时延，同时提高通信的频带利用率。

以上所述仅为本发明的较佳实施例，不能理解为对本申请的限制，凡依本发明申请专利范围所做的均等变化与修饰，皆应属本发明的涵盖范围。