一种基于校验矩阵的规则F-LDPC码参数盲识别方法

技术特征：
1.一种基于校验矩阵的规则f-ldpc码参数盲识别方法，该方法基于已知f-ldpc码的完整校验矩阵，实现f-ldpc码编码参数的识别；其特征在于，包括以下步骤：s1、根据f-ldpc校验矩阵的维数生成双对角矩阵和；s2、利用s1得到的双对角矩阵和对f-ldpc校验矩阵进行预处理，得到预处理后的校验矩阵；s3、统计预处理后校验矩阵的非对角线部分矩阵的行列向量汉明重量；行向量汉明重量记为数组，列向量汉明重量记为数组；s4、根据编码原理，利用行向量的汉明重量识别删除参数，利用列向量的汉明重量识别重复参数；s5、根据s3得到的行列向量汉明重量、s4识别的删除参数和重复参数、以及识别随机交织。2.根据权利要求1所述的一种基于校验矩阵的规则f-ldpc码参数盲识别方法，其特征在于，所述s2的详细操作步骤如下：根据校验矩阵维数对校验矩阵进行分区，有，其中是校验矩阵的非双对角线部分，是校验矩阵双对角线部分；令 ，其中，即为预处理后的校验矩阵。3.据权利要求1所述的一种基于校验矩阵的规则f-ldpc码参数盲识别方法，其特征在于，所述s4按如下方法识别删除参数和重复参数：识别删除参数：统计中出现频次最高的元素记为rw，删除参数识别结果有；识别重复参数：统计中出现频次最高的元素记为cw，重复参数识别结果有。4.根据权利要求1所述的一种基于校验矩阵的规则f-ldpc码参数盲识别方法，其特征在于，所述s5采用随机交织盲识别算法识别随机交织，包括步骤如下：s5.1、记标准行向量重量，标准列向量重量；s5.2、对比s3中的统计结果与, 对比向量与向量，根据重量异常的行列位置确定中存在合并“1”的位置，以及该位置缺少的重量，并将中该位置的元素写为 ；s5.3、令，根据进行矩阵扩展，将维数为k行n-k列的扩展为行列的矩阵p；的第i行第j列的元素扩展为大小的矩阵块，块内填入个“1”，每次填入“1”后需判断扩展后的矩阵p每行、每列是否有且仅有一个“1”，是则继续扩展下一个块，否则重新扩展当前块；s5.4、全部元素扩展后得到随机交织矩阵p，恢复出的随机交织矩阵满足；根据随机交织矩阵与随机交织向量的映射关系将p保存为交织向量。

技术总结
本发明属于智能通信技术领域，涉及为一种基于校验矩阵的规则F-LDPC码参数盲识别方法，包括：根据F-LDPC校验矩阵的维数生成双对角矩阵，利用双对角矩阵对校验矩阵进行预处理，统计预处理后校验矩阵的非对角线部分矩阵的行列向量的汉明重量，根据编码原理和统计的汉明重量识别规则F-LDPC码编码参数，具体识别参数包括重复参数、删除参数、等效随机交织，识别所得参数可用于F-LDPC编码器复现也可应用于F-LDPC码译码流程中对校验矩阵的结构化存储，以降低译码器开销。降低译码器开销。降低译码器开销。


技术研发人员：鲁晓倩 尹淳 李国新 杨浩 甘露
受保护的技术使用者：电子科技大学
技术研发日：2023.06.09
技术公布日：2023/7/18