基于PWHT的删除卷积码识别方法

计算机工程与应用 ›› 2012, Vol. 48 ›› Issue (16): 140-144.

• 数据库、信号与信息处理 • 上一篇下一篇

基于PWHT的删除卷积码识别方法

王磊1，2，3，胡以华1，2，3，王勇1，2，3，戚林1，2，3

1.脉冲功率激光技术国家重点实验室（电子工程学院），合肥 230037
2.解放军电子工程学院 506室，合肥 230037
3.安徽省电子制约技术重点实验室，合肥 230037

出版日期:2012-06-01 发布日期:2012-06-01

Method for recognizing punctured convolutional codes based on PWHT

WANG Lei1，2，3, HU Yihua1，2，3, WANG Yong1，2，3, QI Lin1，2，3

1.State Key Laboratory of Pulsed Power Laser Technology（Electronic Engineering Institute）, Hefei 230037, China
2.Electronic Engineering Institute of PLA, Hefei 230037, China
3.Key Laboratory of Electronic Restriction, Anhui Province, Hefei 230037, China

Online:2012-06-01 Published:2012-06-01

摘要/Abstract

摘要： 介绍了删除卷积码的定义，根据删除卷积码与源卷积码之间的关系，构建了删除卷积码识别的数学模型，针对Walsh-Hadamard变换在删除卷积码校验矩阵识别中存在运算量和数据量过大的问题，对校验矩阵方程组进行了变形，提出部分Walsh-Hadamard变换（PWHT），有效地识别出校验矩阵，并在此基础上识别源码的生成矩阵和删除模式，进行仿真实验。结果表明在误码率为0.03的情况下，识别概率达到99.8%以上。

关键词: 删除卷积码, 校验矩阵, 生成矩阵, 部分Walsh-Hadamard变换, 识别

Abstract: The definition of punctured convolutional codes is introduced. And the math model of recognizing is built. Walsh-Hadamard transform is used in recognizing parity-check matrix of convolutional codes with error code-element. Aim at the problem of large operation and data quantity, the equation is transmuted and Part Walsh-Hadamard Transform（PWHT） is established. The parity-check matrix can be recognized by this method effectively. The generator matrix and puncture map of the source convolutional codes are also solved based on the parity-check matrix. The simulation experiment is done and the results show that recognizing correctly rate is more than 99.8% when BER is 0.03.

Key words: punctured convolutional codes, parity-check matrix, generator matrix, Part Walsh-Hadamard Transform（PWHT）, recognization

王磊1，2，3，胡以华1，2，3，王勇1，2，3，戚林1，2，3. 基于PWHT的删除卷积码识别方法[J]. 计算机工程与应用, 2012, 48(16): 140-144.

WANG Lei1，2，3, HU Yihua1，2，3, WANG Yong1，2，3, QI Lin1，2，3. Method for recognizing punctured convolutional codes based on PWHT[J]. Computer Engineering and Applications, 2012, 48(16): 140-144.

[1]	赵志焱，杨华，胡志伟，宇海萍. 基于TACNN的玉露香梨叶虫害识别[J]. 计算机工程与应用, 2021, 57(9): 176-181.
[2]	周伦钢，孙怡峰，王坤，吴疆，黄维贵，李炳龙. 目标多种多值属性的端端快速识别网络[J]. 计算机工程与应用, 2021, 57(9): 182-190.
[3]	张成，戴俊峰，熊闻心. 融合LeNet-5改进的扫描文档手写日期识别[J]. 计算机工程与应用, 2021, 57(9): 207-211.
[4]	张朕通，单玉刚，袁杰. 联合多尺度和注意力机制的遥感影像检测[J]. 计算机工程与应用, 2021, 57(9): 212-216.
[5]	蒋斌，钟瑞，张秋闻，张焕龙. 采用深度学习方法的非正面表情识别综述[J]. 计算机工程与应用, 2021, 57(8): 48-61.
[6]	杜垚. 结合局部优化匹配的Android恶意家族检测算法[J]. 计算机工程与应用, 2021, 57(8): 84-90.
[7]	乔慧，周水生. 非线性角度2DPCA及其在人脸识别中的应用[J]. 计算机工程与应用, 2021, 57(8): 112-118.
[8]	高一锴，彭力，徐龙壮. 改进AFSA算法优化TWSVM的火焰识别方法[J]. 计算机工程与应用, 2021, 57(8): 204-213.
[9]	胡文涛，陈秀宏. 基于邻域图的低秩投影学习[J]. 计算机工程与应用, 2021, 57(7): 209-214.
[10]	侯旋，薛飞，陈涛. 无人机目标检测量子多模式识别优化算法[J]. 计算机工程与应用, 2021, 57(7): 228-236.
[11]	韦佶宏，郑荣锋，刘嘉勇. 基于混合神经网络的恶意TLS流量识别研究[J]. 计算机工程与应用, 2021, 57(7): 107-114.
[12]	杨倩，顾磊. 基于去噪字词联合模型的中文命名实体识别[J]. 计算机工程与应用, 2021, 57(7): 151-157.
[13]	万梦翔，姚寒冰. 面向恶意网页训练数据生成的GAN模型[J]. 计算机工程与应用, 2021, 57(6): 124-130.
[14]	赵凡，张琳，闻治泉，杨林林，蔺广逢. 一种直接高效的自然场景汉字逼近定位方法[J]. 计算机工程与应用, 2021, 57(6): 159-167.
[15]	刘畅，邱卫根，张立臣. 基于可变形掩膜对齐卷积模型的行人再识别[J]. 计算机工程与应用, 2021, 57(5): 146-152.

基于PWHT的删除卷积码识别方法

Method for recognizing punctured convolutional codes based on PWHT

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics