專利名稱：：基于Tanner圖構(gòu)造技術(shù)的偽隨機(jī)序列迭代捕獲方法
技術(shù)領(lǐng)域：
：本發(fā)明涉及一種基于Tarmer圖(TannerGraph)構(gòu)造技術(shù)的偽隨機(jī)m序列迭代捕獲的實(shí)現(xiàn)方法，屬于數(shù)字通信中偽隨機(jī)序列捕獲
技術(shù)領(lǐng)域：
。
背景技術(shù)：
：在介紹傳統(tǒng)偽隨機(jī)序列的捕獲技術(shù)之前，先說(shuō)明什么是偽隨機(jī)序列。偽隨機(jī)序列(又稱為偽碼)是具有類似于隨機(jī)序列基本特性的確定序列，通常廣泛用于二進(jìn)制序列。二進(jìn)制獨(dú)立隨機(jī)序列在概率論中稱為貝努利(Bernoulli)序列，由兩個(gè)符號(hào)0和1組成，序列中不同位置的元素取值相互獨(dú)立，且取0取1的概率相等，即都等于1/2。人們簡(jiǎn)稱這種序列為隨機(jī)序列，隨機(jī)序列具有以下三個(gè)基本特征(1)在序列中，“1”和“0”出現(xiàn)的相對(duì)頻率各為1/2。(2)序列中連續(xù)的0或連續(xù)的1成為游程，連續(xù)的0或連續(xù)的1的個(gè)數(shù)是游程的長(zhǎng)度。序列中長(zhǎng)度為1的游程數(shù)占游程總數(shù)的1/2；長(zhǎng)度為2的游程數(shù)占游程總數(shù)的1/4，長(zhǎng)度為η的游程數(shù)占游程總數(shù)的l/2n(對(duì)于所有的有限η)，該性質(zhì)稱為隨機(jī)序列的游程特性。(3)如果將給定的隨機(jī)序列移位任何個(gè)元素，則所得到的序列和原序列對(duì)應(yīng)的元素有一半相同，一般不同。如果一個(gè)確定序列近似滿足以上三個(gè)特性，則稱該確定序列為偽隨機(jī)序列。m序列是一種最常見(jiàn)和最常用的偽隨機(jī)序列，在數(shù)字移動(dòng)通信系統(tǒng)中有著廣泛的應(yīng)用。下面對(duì)其作簡(jiǎn)要介紹作為一種最常見(jiàn)和最常用的偽隨機(jī)序列，m序列是由具有線性反饋的移位寄存器產(chǎn)生的周期最長(zhǎng)的序列。參見(jiàn)圖1所示的由r級(jí)線性反饋邏輯移存器所組成的碼發(fā)生器的框圖。圖中，ake{0，1}表示碼發(fā)生器在時(shí)刻k的反饋輸出，對(duì)應(yīng)著一個(gè)碼片。ak+i(ak+ie{0，1}，0彡i彡r-1)則表示時(shí)刻k的第i個(gè)寄存器的狀態(tài)。k時(shí)刻的反饋輸出與移存器的狀態(tài)關(guān)系被稱為反饋約束，記為0=&+,私+^……&_ι4+1Α，其中Θ表示模2力卩，gie{0，l}，0<i<r為反饋系數(shù)。相應(yīng)的偽隨機(jī)序列的生成多項(xiàng)式可以表示為=g(D)=g。+glD+···+^1Drt+grD\其中D為單位延時(shí)操作。一個(gè)r階的線性移位寄存器序列成為m序列的充分必要條件是其生產(chǎn)多項(xiàng)式為本原多項(xiàng)式，并且初始狀態(tài)為非全0狀態(tài)。此時(shí)移存器序列具有最大周期為T=-1。一般情況下，周期為T=2r-l的m序列徹，，...ak，...與其對(duì)應(yīng)的m序列波T-X,、,0<<Γ形⑴之間的關(guān)系為碎=其中，沙)=π,τ為碼片波形，簡(jiǎn)k=o[υ,>Ic稱碼片；ai(t)的持續(xù)時(shí)間為(2[1)Τ。，一個(gè)碼片的持續(xù)時(shí)間為T。。當(dāng)生成多項(xiàng)式是確定的情況下，線性移位寄存器初始狀態(tài)(又稱為初始相位，包括連續(xù)的r個(gè)碼片)可以確定整個(gè)m序列。在傳統(tǒng)的偽隨機(jī)序列捕獲算法中，所謂兩個(gè)偽隨機(jī)序列的同步，就是保持其時(shí)差(相位差)為0狀態(tài)。*α-τ2)為兩個(gè)偽碼序列，保持同步就是保持T1=τ2，即Δτ=T2-T1=O0偽碼的同步可分為粗同步和細(xì)同步。粗同步又稱為捕獲，是使ΔτI<Tc；細(xì)同步又稱為跟蹤，是使IΔτ|—0，并保持此狀態(tài)。傳統(tǒng)偽隨機(jī)序列捕獲(粗同步)算法有三種并行捕獲、串行捕獲和混合捕獲，這些算法都是基于偽隨機(jī)序列的相關(guān)特性，是在接收端將本地生成的參考序列和接收到的觀測(cè)序列進(jìn)行相關(guān)操作，實(shí)現(xiàn)對(duì)偽隨機(jī)序列相位的正確估計(jì)。并行捕獲算法是在接收端生成所有可能的參考序列(共T個(gè))，并同時(shí)將該T個(gè)序列和觀測(cè)序列進(jìn)行相關(guān)操作，通過(guò)比較選擇具有最大相關(guān)值的參考序列而完成捕獲。在無(wú)干擾和理想的相關(guān)特性下，理論上并行捕獲算法在觀測(cè)序列的持續(xù)時(shí)間NT。(其中，N為觀測(cè)序列的碼片長(zhǎng)度，T。為碼片持續(xù)時(shí)間)內(nèi)就可完成捕獲。但是，并行捕獲需要T個(gè)相關(guān)電路，當(dāng)T遠(yuǎn)大于1時(shí)，將導(dǎo)致設(shè)備龐大，計(jì)算復(fù)雜度也最高。串行捕獲中，接收端只需同時(shí)對(duì)一個(gè)參考序列進(jìn)行相關(guān)操作；若其相關(guān)值低于預(yù)先設(shè)定的門限值，則生成新的參考序列后，繼續(xù)進(jìn)行捕獲。串行捕獲只利用1個(gè)相關(guān)器，設(shè)備復(fù)雜度最低，但捕獲時(shí)間較長(zhǎng)；因?yàn)橥ǔＲ獓L試一半以上的參考序列才可能成功捕獲。工程實(shí)際中使用的混合捕獲是上述兩者的折中，接收端同時(shí)進(jìn)行若干個(gè)參考序列的相關(guān)計(jì)算，捕獲速度和設(shè)備復(fù)雜度都是串行捕獲的若干倍。由此可以看到傳統(tǒng)捕獲方法不能同時(shí)兼顧捕獲速度和設(shè)備復(fù)雜度的兩方面的要求，也不能滿足未來(lái)移動(dòng)通信中終端設(shè)備復(fù)雜度和高速數(shù)據(jù)處理的兩方面的需求。因而，需要設(shè)計(jì)新的偽隨機(jī)序列捕獲方法，在不損失捕獲性能的前提下，降低設(shè)備的復(fù)雜度，提高捕獲速度。下面介紹Tanner圖與消息傳遞算法(MPA:messagepassingalgorithm)Tanner圖是對(duì)變量間約束關(guān)系的圖形描述，消息傳遞算法是基于Tarmer圖的迭代譯碼算法，二者在信道編碼
技術(shù)領(lǐng)域：
有著極為成功的應(yīng)用，并被廣泛應(yīng)用于信道估計(jì)和信號(hào)檢測(cè)等領(lǐng)域。其中偽隨機(jī)序列的迭代捕獲技術(shù)為研究的重點(diǎn)之一。下面以低密度奇偶校驗(yàn)LDPC碼(LowDensityParityCheck)為例，對(duì)Tanner圖和消息傳遞算法進(jìn)行介紹。LDPC碼是一種逼近數(shù)字通信中無(wú)差錯(cuò)傳輸?shù)淖畲笏俾实睦碚摌O限-香農(nóng)限(ShannonLimit)的信道編碼，由Gallager于19世紀(jì)60年代首次提出。LDPC碼的如此優(yōu)異性能，主要得益于兩點(diǎn)一是碼字比特之間的約束結(jié)構(gòu)可以用Tanner圖來(lái)描述，便于碼字的性能分析與優(yōu)化設(shè)計(jì)；二是采用了先進(jìn)的迭代譯碼算法_消息傳遞算法，可以逼近理論上最優(yōu)的譯碼性能。LDPC碼是一類線性分組碼，由它的校驗(yàn)矩陣H來(lái)定義，設(shè)碼長(zhǎng)為N，信息位長(zhǎng)度為K，校驗(yàn)位長(zhǎng)度為N-K。下面主要討論二元LDPC碼LDPC碼定義為具有如下四個(gè)結(jié)構(gòu)特性的奇偶校驗(yàn)矩陣Hmw的零空間(即所有碼字滿足XHt=0)每一行有P個(gè)1，每一列有λ個(gè)1，任何兩列之間位置相同的1的個(gè)數(shù)不大于1；以及與碼長(zhǎng)和H矩陣的行數(shù)相比較，P和λ都很小，也就是說(shuō)矩陣中很少一部分元素非零，H的低密度意味著H是稀疏矩陣。滿足以上四個(gè)條件的校驗(yàn)矩陣H對(duì)應(yīng)的LDPC碼被稱為(N，λ，ρ)規(guī)則LDPC碼。N-MN-M'如果校驗(yàn)矩陣H的每一行是線性獨(dú)立的，則其碼率為^^，否則，碼率是，其中，MNN是校驗(yàn)矩陣中的行線性獨(dú)立的數(shù)目。圖2給出了(10，3，6)規(guī)則LDPC碼的校驗(yàn)矩陣。如果奇偶校驗(yàn)矩陣H的各行或各列中1的個(gè)數(shù)不同，則LDPC碼被稱為非規(guī)則的。LDPC碼的另一種更形象的描述方法是Tanner圖。Tanner圖與LDPC碼的校驗(yàn)矩陣H是一一對(duì)應(yīng)的，它描述了碼字比特之間的奇偶校驗(yàn)約束關(guān)系。Tanner圖可記為(V，E)。V是節(jié)點(diǎn)的集合，并且V=V。UVs，其中，Vs=IvjI0≤j≤Π-1}表示η個(gè)碼字比特，稱為變量節(jié)點(diǎn)，與校驗(yàn)矩陣H的每一列相對(duì)應(yīng)；V。={Ci|0≤i≤m-1}表示m個(gè)校驗(yàn)方程，它與校驗(yàn)矩陣H的每一行相對(duì)應(yīng)；E=V。XVs是邊的集合，其中，邊(Cpsj)eE，當(dāng)且僅當(dāng)Iiij^O^ijeH，0≤i≤m-l，0≤j≤n-I0校驗(yàn)節(jié)點(diǎn)的度序列記為d。={dci|0≤i(m-1}，其中，Clcd為第i個(gè)校驗(yàn)節(jié)點(diǎn)Ci的度，對(duì)應(yīng)著校驗(yàn)矩陣H中第i行中1的個(gè)數(shù)；變量節(jié)點(diǎn)的度序列記為ds={dVJ|0≤j≤η-l}，其中，dVJ為第j個(gè)變量節(jié)點(diǎn)\的度，與校驗(yàn)矩陣H中第j列中1的個(gè)數(shù)相對(duì)應(yīng)。圖3給出了(10，3，6)規(guī)則LDPC碼對(duì)應(yīng)的Tanner圖。每個(gè)具體的LDPC碼都是由校驗(yàn)矩陣H或相應(yīng)的Tarmer圖唯一確定的。在變量節(jié)點(diǎn)個(gè)數(shù)與度序列、校驗(yàn)節(jié)點(diǎn)個(gè)數(shù)與度序列都相同的情況下，Tarmer圖的結(jié)構(gòu)決定了LDPC碼的譯碼性能，其中，Tanner圖的環(huán)長(zhǎng)特性對(duì)LDPC碼在消息傳遞算法下的誤比特性能有著重要的影響。Tanner圖的環(huán)長(zhǎng)g被定義為圖中最短環(huán)的長(zhǎng)度。對(duì)于圖中任意一個(gè)節(jié)點(diǎn)i，都可以定義一個(gè)局部環(huán)長(zhǎng)^經(jīng)過(guò)該節(jié)點(diǎn)的最短環(huán)的長(zhǎng)度。局部環(huán)長(zhǎng){gj可以表示Tanner圖的環(huán)長(zhǎng)譜(節(jié)點(diǎn)既可以是全部的變量節(jié)點(diǎn)，又可以是全部的校驗(yàn)節(jié)點(diǎn))。環(huán)長(zhǎng)g滿足g=ri^n{&}。理論研究表明=Tarmer圖的環(huán)長(zhǎng)小于6的話，相應(yīng)的LDPC碼采用消息傳遞算法進(jìn)行迭代譯碼時(shí)，會(huì)使得傳遞的消息相關(guān)程度太高，譯碼性能極差。消息傳遞算法是一種可實(shí)現(xiàn)的，能逼近理論最優(yōu)的最大后驗(yàn)概率譯碼的迭代譯碼算法。該算法所以被稱為消息傳遞算法的原因，是消息傳遞算法是通過(guò)在Tarmer圖的節(jié)點(diǎn)之間傳遞消息，提高變量節(jié)點(diǎn)的可靠度，實(shí)現(xiàn)高可靠譯碼。消息傳遞算法是一種迭代譯碼算法，該算法在每一輪迭代過(guò)程中，關(guān)于各個(gè)變量節(jié)點(diǎn)的置信消息需要在變量節(jié)點(diǎn)和校驗(yàn)節(jié)點(diǎn)之間傳遞。例如，由變量節(jié)點(diǎn)向校驗(yàn)節(jié)點(diǎn)傳遞的消息，是基于變量節(jié)點(diǎn)對(duì)應(yīng)的碼元變量經(jīng)過(guò)信道后的觀察值和鄰接的校驗(yàn)節(jié)點(diǎn)在上一次迭代過(guò)程中傳遞過(guò)來(lái)的消息聯(lián)合計(jì)算的，其中要特別注意的是由某個(gè)變量節(jié)點(diǎn)ν向校驗(yàn)節(jié)點(diǎn)C所傳遞消息不包含上一次迭代中由校驗(yàn)節(jié)點(diǎn)C傳遞給變量節(jié)點(diǎn)V的消息，由校驗(yàn)節(jié)點(diǎn)向變量節(jié)點(diǎn)傳遞的消息也有同樣情況。消息傳遞算法的譯碼器所獲得的全部信息有奇偶校驗(yàn)矩陣H(或?qū)?yīng)的Tarmer圖)，以及η維信道輸出向量r。令M(j)表示與第j個(gè)校驗(yàn)節(jié)點(diǎn)\相連的所有校驗(yàn)節(jié)點(diǎn)的集合，令N(m)表示所有與第i個(gè)校驗(yàn)節(jié)點(diǎn)Ci相連的變量節(jié)點(diǎn)的集合。令L表示消息傳遞算法總的迭代次數(shù)。則消息傳遞算法的步驟如下步驟1、初始化將變量節(jié)點(diǎn)Vj傳遞給校驗(yàn)節(jié)點(diǎn)Ci的消息初始化為(2r/ο2)，式中，0≤j≤n-l，ieM(j),M(j)是與變量節(jié)點(diǎn)Vj相連的所有校驗(yàn)節(jié)點(diǎn)組成的集合。r」是變量節(jié)點(diǎn)\對(duì)應(yīng)的信道輸出，ο2是高斯白噪聲信道對(duì)應(yīng)的噪聲方差。步驟2、校驗(yàn)節(jié)點(diǎn)更新消息第1次迭代中，校驗(yàn)節(jié)點(diǎn)Ci更新其傳遞給變量節(jié)點(diǎn)Vj的消息tanh(mci-vj)=Πtanh(mvj-cj)參見(jiàn)圖4所示的消息傳遞算法中校驗(yàn)節(jié)點(diǎn)更新消息的示意圖；其中，<formula>formulaseeoriginaldocumentpage8</formula>是與校驗(yàn)節(jié)點(diǎn)Ci相連的所有變量節(jié)點(diǎn)組成的集合。m。b。/是第1次迭代中校驗(yàn)節(jié)點(diǎn)Ci傳遞給變量節(jié)點(diǎn)Vj的消息。mvj,—。廣1是第1-1次迭代中變量節(jié)點(diǎn)Yy傳遞給校驗(yàn)節(jié)點(diǎn)Ci的消息。函數(shù)<formula>formulaseeoriginaldocumentpage8</formula>N(i)/j是與校驗(yàn)節(jié)點(diǎn)Ci相連的、除了變量節(jié)點(diǎn)Vj以外的所有變量節(jié)點(diǎn)組成的集合。步驟3、變量節(jié)點(diǎn)更新消息第1次迭代中，變量節(jié)點(diǎn)\更新其傳遞給校驗(yàn)節(jié)點(diǎn)Ci的消息υΣC;變量節(jié)點(diǎn)Vj再更新其置信消息<formula>formulaseeoriginaldocumentpage8</formula>參見(jiàn)圖5所示的消息傳遞算法中變量節(jié)點(diǎn)更新消息示意圖。其中，j<n-l，ieM(j)，Hivj^ci1是第1次迭代中變量節(jié)點(diǎn)Vj傳遞給校驗(yàn)節(jié)點(diǎn)Ci的消息。m。h=(2γ/σ2)是變量節(jié)點(diǎn)\由信道獲得的消息。M(j)/i是與變量節(jié)點(diǎn)\相連的、除了校驗(yàn)節(jié)點(diǎn)Ci以外的所有校驗(yàn)節(jié)點(diǎn)組成的集合。nw^v/-1是第1-1次迭代中校驗(yàn)節(jié)點(diǎn)(V傳遞給變量節(jié)點(diǎn)、的消息。步驟4、驗(yàn)證奇偶校驗(yàn)對(duì)于0彡j彡n-1，若mv/>0，則判定Vj=0；否則，判定Vj=1。根據(jù)得到的η個(gè)變量節(jié)點(diǎn)的判決值，計(jì)算奇偶校驗(yàn)VHT，若VHt=0，譯碼結(jié)束；否則返回步驟2。若1=L，即達(dá)到預(yù)先設(shè)定的迭代次數(shù)，結(jié)束譯碼。由于Tarmer圖中的邊的個(gè)數(shù)(即奇偶校驗(yàn)矩陣中1的個(gè)數(shù))與碼字長(zhǎng)度η呈線性關(guān)系，可以看到在消息傳遞算法中，LDPC碼采用消息傳遞算法進(jìn)行譯碼的復(fù)雜度正比于LXn(其中L為消息傳遞算法的迭代次數(shù))。因此，LDPC碼的稀疏特性保證了譯碼復(fù)雜度為Ο(η)量級(jí)。參見(jiàn)圖6，介紹目前使用的偽隨機(jī)序列迭代捕獲方法基于消息傳遞算法的快速偽隨機(jī)序列迭代捕獲方法iMPAs(參見(jiàn)《ANewApproachtoRapidPNcodeAcquisitionUsingIterativeMessagePassingTechniques》，干Ij于IEEEJOURNALONSELECTEDAREASINCOMMUNICATIONS,VOL.23,NO.5，MAY2005)，它是一種用于解決m序列捕獲問(wèn)題的快速迭代算法。具體步驟為步驟1、利用m序列反饋約束建立規(guī)則Tarmer圖模型以生成多項(xiàng)式為g⑶=1+D+D15的15階m序列為例，其反饋約束為十=化+15，其碼發(fā)生器的框圖如圖7所示。其規(guī)則Tanner圖如圖8所示。圖中符號(hào)“〇”表示觀測(cè)到的偽隨機(jī)序列的碼片，符號(hào)“□”表示局部反饋約束關(guān)系。步驟2、碼片估計(jì)在Tarmer圖上應(yīng)用消息傳遞算法對(duì)m序列碼片進(jìn)行估計(jì)。消息傳遞算法的具體步驟如前所述。步驟3、相位估計(jì)利用最后一次迭代的結(jié)果對(duì)觀測(cè)序列的碼片進(jìn)行硬判決，將硬判決的結(jié)果分為長(zhǎng)度為H即m序列的階數(shù))不相交的分組，分別估計(jì)出起始相位，將出現(xiàn)次數(shù)最多的起始相位作為最終的估計(jì)。ΜΡΑ方法將m序列的捕獲問(wèn)題轉(zhuǎn)化為信號(hào)的迭代檢測(cè)問(wèn)題，因此可以同時(shí)搜索m序列的所有可能狀態(tài)，其復(fù)雜度遠(yuǎn)遠(yuǎn)低于并行捕獲算法。圖8給出了iMPA方法的流程圖。但是，由于iMPAs方法是采用規(guī)則反饋約束構(gòu)造Tarmer圖的結(jié)構(gòu)，只適用于抽頭系數(shù)比較稀少的個(gè)別m序列。前面描述中舉例的15階m序列移存器中只有3個(gè)抽頭(如圖7所示)，相應(yīng)的Tanner圖的環(huán)長(zhǎng)為6(如圖8所示)，采用iMPA算法還能夠取得不錯(cuò)的性能。當(dāng)m序列的抽頭比較多時(shí)，采用規(guī)則反饋約束所構(gòu)造的Tanner圖，環(huán)長(zhǎng)很可能等于4，采用iMPAs方法進(jìn)行捕獲的性能極差。綜上所述，由于iMPA方法并未針對(duì)所有m序列給出通用的Tarmer圖構(gòu)造方法，其應(yīng)用場(chǎng)合極其有限。因此，如何對(duì)其進(jìn)行改進(jìn)，就成為業(yè)內(nèi)科技人員關(guān)注的焦點(diǎn)。
發(fā)明內(nèi)容有鑒于此，本發(fā)明的目的是提供一種基于Tarmer圖構(gòu)造技術(shù)的偽隨機(jī)m序列迭代捕獲的實(shí)現(xiàn)方法，本發(fā)明迭代捕獲方法的最大優(yōu)點(diǎn)是能夠適用于所有的m序列，并且具有較好的列迭代捕獲的性能和較低的處理復(fù)雜度。為了達(dá)到上述目的，本發(fā)明提供了一種基于Tarmer圖構(gòu)造技術(shù)的偽隨機(jī)m序列迭代捕獲的實(shí)現(xiàn)方法，其特征在于，所述方法包括下列操作步驟(1)利用約束條件下的邊增長(zhǎng)CPEG(ConstrainedProgressiveedge-growth)算法，對(duì)設(shè)定的m序列構(gòu)造1個(gè)或多個(gè)描述m序列的碼片之間的奇偶校驗(yàn)關(guān)系的Tanner圖；(2)在所述構(gòu)造的1個(gè)或多個(gè)不同結(jié)構(gòu)的Tarmer圖上，應(yīng)用消息傳遞算法對(duì)m序列的碼片進(jìn)行估計(jì)；(3)利用得到的m序列的碼片的估計(jì)結(jié)果，對(duì)m序列的初始相位進(jìn)行估計(jì)，從而完成m序列的捕獲將每次消息傳遞算法得到的碼片估計(jì)結(jié)果進(jìn)行分組，每組中的碼片個(gè)數(shù)為m序列的階數(shù)r，利用每組碼片都能得到一個(gè)m序列的初始狀態(tài)的估計(jì)結(jié)果；再選擇出現(xiàn)次數(shù)最多的初始狀態(tài)作為最終判決結(jié)果。本發(fā)明基于Tarmer圖構(gòu)造技術(shù)的偽隨機(jī)m序列迭代捕獲方法的優(yōu)點(diǎn)是(1)使用范圍廣本發(fā)明采用的CPEG算法可以針對(duì)任何m序列或偽隨機(jī)序列構(gòu)造性能優(yōu)良的Tarmer圖，而傳統(tǒng)的iMPA算法只適用于反饋系數(shù)小于3的極個(gè)別m序列；本發(fā)明方法能夠用于包括全球定位系統(tǒng)GPS、碼分多址IS-95、碼分多址2000CDMA2000、寬帶碼分多址WCDMA、短距離超寬帶UWB的通信系統(tǒng)的同步信號(hào)捕獲。(2)復(fù)雜度低對(duì)于某個(gè)偽隨機(jī)序列來(lái)說(shuō)，本發(fā)明方法只需進(jìn)行一次構(gòu)造過(guò)程就能夠得到性能優(yōu)良的、稀疏(即相應(yīng)的校驗(yàn)矩陣中1的個(gè)數(shù)與觀測(cè)序列長(zhǎng)度呈線性關(guān)系)的Tanner圖結(jié)構(gòu)。其捕獲過(guò)程的復(fù)雜度僅取決于消息傳遞算法的復(fù)雜度，而基于稀疏Tanner圖結(jié)構(gòu)的消息傳遞算法的復(fù)雜度是較低的，與觀測(cè)序列的長(zhǎng)度呈線性關(guān)系。(3)捕獲性能好本發(fā)明采用的CPEG算法構(gòu)造的Tanner圖的環(huán)長(zhǎng)性能好，因此采用消息傳遞算法進(jìn)行的碼片估計(jì)的正確率高，從而使得m序列的相位估計(jì)的正確率高，即捕獲性能好。其中，基于多圖級(jí)聯(lián)的m序列迭代捕獲方案是在具有不同結(jié)構(gòu)的Tanner圖上分別進(jìn)行消息傳遞算法，以降低算法迭代過(guò)程中傳遞消息的相關(guān)性，提高了碼片估計(jì)的正確性，進(jìn)而提高了m序列相位捕獲的正確性。總之，本發(fā)明方法能夠針對(duì)不同的m序列構(gòu)造Tarmer圖結(jié)構(gòu)，適用范圍廣。所采用的靈活的迭代捕獲方案能夠以較低的復(fù)雜度和較短的捕獲時(shí)間獲得較為理想的捕獲性能。而且，本發(fā)明方法的應(yīng)用場(chǎng)合廣泛，能夠應(yīng)用于UWB和CDMA系統(tǒng)，提高處理的性能和速度。而且，該方法的操作步驟比較簡(jiǎn)單，算法復(fù)雜度低，捕獲性能好，具有極高的通用性；因此，具有很好的推廣應(yīng)用前景。圖1是r級(jí)線性反饋邏輯移存器所組成的m序列發(fā)生器的方框圖。圖2是(10，3，6)規(guī)則LDPC碼的校驗(yàn)矩陣。圖3是圖2中的(10，3，6)規(guī)則LDPC碼的Tanner圖。圖4是消息傳遞算法校驗(yàn)節(jié)點(diǎn)更新消息的示意圖。圖5是消息傳遞算法變量節(jié)點(diǎn)更新消息的示意圖。圖6是傳統(tǒng)的iMPA方法進(jìn)行m序列迭代捕獲的流程圖。圖7是生成多項(xiàng)式g(D)=1+D+D15的15階m序列的發(fā)生器方框圖。圖8是以反饋約束A+o十=+15為校驗(yàn)關(guān)系構(gòu)造的規(guī)則Tarmer圖。圖9是本發(fā)明基于Tanner圖構(gòu)造技術(shù)的m序列迭代捕獲方法操作流程圖。圖10是以校驗(yàn)節(jié)點(diǎn)為根，將Tarmer圖展成樹(shù)結(jié)構(gòu)的示意圖。圖11是基于多圖級(jí)聯(lián)方案中在圖Ga和圖Gb利用消息傳遞算法對(duì)m序列碼片進(jìn)行估計(jì)的示意圖。圖12(A)、⑶分別是iMPA以反饋約束構(gòu)造的規(guī)則Tarmer圖Gl的環(huán)長(zhǎng)譜圖與采用本發(fā)明方法構(gòu)造的Tarmer圖G2的環(huán)長(zhǎng)譜圖。圖13是分別基于iMPA算法以反饋約束構(gòu)造的規(guī)則Tarmer圖Gl與CPEG算法構(gòu)造的Tanner圖。圖14是基于本發(fā)明多個(gè)圖級(jí)聯(lián)的序列捕獲結(jié)果與分別采用單個(gè)圖進(jìn)行序列捕獲結(jié)果的比較圖。具體實(shí)施例方式為使本發(fā)明的目的、技術(shù)方案和優(yōu)點(diǎn)更加清楚，下面結(jié)合附圖和實(shí)施例對(duì)本發(fā)明作進(jìn)一步的詳細(xì)描述。CPEG(ConstrainedProgressiveedge-growth)算法是一種通常使用的構(gòu)造Tanner圖的方法，該方法能夠針對(duì)任何m序列構(gòu)造出描述碼片之間約束關(guān)系的、具有較好的環(huán)長(zhǎng)性能和較少條邊的Tanner圖結(jié)構(gòu)。本發(fā)明方法的基礎(chǔ)是CPEG算法，從而使本發(fā)明的迭代捕獲方法能夠適用所有的m序列。Tanner圖的較好的環(huán)長(zhǎng)性能可以提高消息傳遞算法對(duì)碼片估計(jì)的正確性，提高m序列相位捕獲的正確性。而且，Tarmer圖中較少的邊數(shù)可以降低消息傳遞算法的復(fù)雜度，降低整個(gè)迭代捕獲方案的復(fù)雜度。參見(jiàn)圖9，介紹本發(fā)明基于Tanner圖構(gòu)造技術(shù)的偽隨機(jī)m序列迭代捕獲的實(shí)現(xiàn)方法的具體操作步驟步驟1、利用約束條件下的邊增長(zhǎng)CPEG算法，對(duì)設(shè)定的m序列構(gòu)造1個(gè)或多個(gè)描述m序列的碼片之間的奇偶校驗(yàn)關(guān)系的Tanner圖。該步驟1包括下列操作內(nèi)容(11)初始化設(shè)置Tarmer圖的下述參數(shù)變量節(jié)點(diǎn)個(gè)數(shù)η、校驗(yàn)節(jié)點(diǎn)個(gè)數(shù)m和所有校驗(yàn)節(jié)點(diǎn)的度Clcd；其中，自然數(shù)η的數(shù)值為觀測(cè)序列的長(zhǎng)度，自然數(shù)m的取值范圍是[r，n-1]，這里令m=n-r;Ci中的i是校驗(yàn)節(jié)點(diǎn)的序號(hào)，所述第i個(gè)校驗(yàn)節(jié)點(diǎn)的度(Icd是與該第i個(gè)校驗(yàn)節(jié)點(diǎn)相連的邊的個(gè)數(shù)，dci的取值范圍是大于等于3的自然數(shù)，這里令所有校驗(yàn)節(jié)點(diǎn)的度為3。(12)對(duì)設(shè)定的m序列構(gòu)造描述m序列的碼片之間的奇偶校驗(yàn)關(guān)系的每個(gè)Tarmer圖中m個(gè)校驗(yàn)節(jié)點(diǎn)中的每個(gè)校驗(yàn)節(jié)點(diǎn)Ci，分別確定與其相連的各個(gè)變量節(jié)點(diǎn)，再分別添加各個(gè)邊來(lái)連接每個(gè)校驗(yàn)節(jié)點(diǎn)Ci和與其相連的Clcd個(gè)變量節(jié)點(diǎn)。該步驟(12)包括下列操作內(nèi)容(121)對(duì)校驗(yàn)節(jié)點(diǎn)Ci添加第1條邊因開(kāi)始時(shí)的校驗(yàn)節(jié)點(diǎn)Ci和該Tarmer圖中的任何一個(gè)變量節(jié)點(diǎn)都不相連，故從該當(dāng)前的Tarmer圖中選擇度最小、即邊最少的變量節(jié)點(diǎn)，用邊將其與校驗(yàn)節(jié)點(diǎn)Ci相連接；若同時(shí)有多個(gè)變量節(jié)點(diǎn)的度都為最小時(shí)，則從中隨機(jī)選擇一個(gè)，用邊將其與校驗(yàn)節(jié)點(diǎn)Ci相連接。(122)按照所述的展樹(shù)方法逐條地添加校驗(yàn)節(jié)點(diǎn)Ci的第2條邊，直至添加其第(dci-2)條邊；該步驟(122)進(jìn)一步包括下列操作內(nèi)容(122A)將當(dāng)前的該Tanner圖視為由校驗(yàn)節(jié)點(diǎn)Ci作為根節(jié)點(diǎn)逐層展開(kāi)的1層的樹(shù)在當(dāng)前Tarmer圖中，設(shè)置與根節(jié)點(diǎn)Ci相連的變量節(jié)點(diǎn)為Ci的子節(jié)點(diǎn)，并將Ci與其子節(jié)點(diǎn)記為深度0層；接著，將該圖中與深度0層中變量節(jié)點(diǎn)相鄰的、又不是其父節(jié)點(diǎn)的校驗(yàn)節(jié)點(diǎn)作為其子節(jié)點(diǎn)，得到深度1層中的校驗(yàn)節(jié)點(diǎn)；再將該圖中與深度1層中校驗(yàn)節(jié)點(diǎn)相鄰的、又不是其父節(jié)點(diǎn)的變量節(jié)點(diǎn)作為其子節(jié)點(diǎn)，得到深度1層中的變量節(jié)點(diǎn)；按此方式操作，就將該圖中與深度k層中變量節(jié)點(diǎn)相鄰的、又不是其父節(jié)點(diǎn)的校驗(yàn)節(jié)點(diǎn)作為其子節(jié)點(diǎn)，得到深度k+Ι層中的校驗(yàn)節(jié)點(diǎn)；再將該圖中與深度k+Ι層中校驗(yàn)節(jié)點(diǎn)相鄰的、又不是其父節(jié)點(diǎn)的變量節(jié)點(diǎn)作為其子節(jié)點(diǎn)，得到深度k+Ι層中的變量節(jié)點(diǎn)；此時(shí)，若Tarmer圖為連通時(shí)，1應(yīng)滿足公式,即深度為1的樹(shù)中不包含所有的η個(gè)變量節(jié)點(diǎn)，但同時(shí)深度為1+1的樹(shù)中包含所有的η個(gè)變量節(jié)點(diǎn)；若Tanner圖為不連通時(shí)，1應(yīng)滿足公式=η,即Nci1的元素個(gè)數(shù)停止增長(zhǎng)，但小于η；式中，Ncd1和Ncd1+1分別是該步驟中展開(kāi)的深度為1層和1+1層的樹(shù)中的所有變量節(jié)點(diǎn)的集合，INci1和|Nci1+1分別是該兩個(gè)集合HPNcd1+1中的元素個(gè)數(shù)；祝是Nci1的補(bǔ)集，即^^=Vs-N1ci；Vs是Tanner圖中所有變量節(jié)點(diǎn)的集合；(122B)執(zhí)行上述步驟操作，得到深度為1的樹(shù)中所有變量節(jié)點(diǎn)組成的集合Ν。Λ從而得到其補(bǔ)集々i=再?gòu)募现羞x擇具有最小度、即邊最少的變量節(jié)點(diǎn)與該校驗(yàn)節(jié)點(diǎn)Ci相連，若集合中有多個(gè)變量節(jié)點(diǎn)都具有最小度，則從該多個(gè)具有最小度的變量節(jié)點(diǎn)中隨機(jī)選擇一個(gè)變量節(jié)點(diǎn)與校驗(yàn)節(jié)點(diǎn)Ci相連接；而且，當(dāng)集合Mi.中有多個(gè)變量節(jié)點(diǎn)都具有最小度時(shí)，按照隨機(jī)方法選取變量節(jié)點(diǎn)所得到的Tanner圖的結(jié)構(gòu)也是隨機(jī)而不相同的，沒(méi)有固定結(jié)構(gòu)。(123)同時(shí)添加校驗(yàn)節(jié)點(diǎn)Ci的最后兩條邊，以保證最后得到的校驗(yàn)節(jié)點(diǎn)Ci所代表的奇偶校驗(yàn)關(guān)系能夠反映設(shè)定m序列的碼片間的關(guān)系，且該關(guān)系是受m序列的生成多項(xiàng)式所確定的。該步驟(123)進(jìn)一步包括下列操作內(nèi)容(123A)將當(dāng)前的Tanner圖視為以校驗(yàn)節(jié)點(diǎn)Ci作為根節(jié)點(diǎn)、逐層展開(kāi)的1層的樹(shù)，此時(shí)，若Tarme圖為連通時(shí)，1應(yīng)滿足公式見(jiàn)*0ηN1J1=0；若Tarmer圖為不連通，或者Nci1的元素個(gè)數(shù)停止增長(zhǎng)，但小于η時(shí)，1應(yīng)滿足公式=K+'I<“(如圖10所示)；(123Β)將所有滿足下述兩條件的兩個(gè)變量節(jié)點(diǎn)所組成的集合記為Bsetei兩個(gè)變量節(jié)點(diǎn)都屬于集合々和該兩個(gè)變量節(jié)點(diǎn)都能與校驗(yàn)節(jié)點(diǎn)Ci的(cU-2)個(gè)鄰接的變量節(jié)點(diǎn)組成合法前饋約束；校驗(yàn)節(jié)點(diǎn)Ci的所有鄰接的變量節(jié)點(diǎn)組成的鄰接集合為Adcd，在添加完校驗(yàn)節(jié)點(diǎn)Ci的前(dei-2)條邊后，集合Adei中有(dei-2)個(gè)元素；則集合Bsetei的表達(dá)式為‘舊-ι“(，)丨十X=0,；為了使所構(gòu)造的<formula>formulaseeoriginaldocumentpage12</formula>Tanner圖能夠描述設(shè)定m序列的碼片之間的約束關(guān)系，先設(shè)置Tanner圖中的校驗(yàn)節(jié)點(diǎn)所代表的約束關(guān)系為m序列的前饋關(guān)系，m序列的碼片之間的特殊前饋關(guān)系取決于m序列的生成多項(xiàng)式；對(duì)于生成多項(xiàng)式g(D)，如果公式；^^^⑷m。u=0，式中，T為m序列的周期，對(duì)<formula>formulaseeoriginaldocumentpage12</formula>于任何整數(shù)k都成立；則該m序列的前饋關(guān)系為公式=0；因m序列的前饋約束極其豐<formula>formulaseeoriginaldocumentpage12</formula>富，故為構(gòu)造有較大環(huán)長(zhǎng)的Tanner圖提供了便利；(123C)對(duì)集合Bsetei中的所有元素進(jìn)行環(huán)長(zhǎng)預(yù)測(cè)試，選擇其中具有最大預(yù)測(cè)試環(huán)長(zhǎng)的兩個(gè)變量節(jié)點(diǎn)，作為與校驗(yàn)節(jié)點(diǎn)Ci相連接的最后兩個(gè)節(jié)點(diǎn)，并分別用邊將該兩個(gè)變量節(jié)點(diǎn)與校驗(yàn)節(jié)點(diǎn)Ci相連對(duì)于份，邊(Ci,Vjl)和(Ci，vJ2)被添加到當(dāng)前的Tanner圖后，得到一個(gè)新的Tanner圖；再執(zhí)行環(huán)長(zhǎng)預(yù)測(cè)試，即求出經(jīng)過(guò)校驗(yàn)節(jié)點(diǎn)Ci的最小環(huán)長(zhǎng)；對(duì)于Bsetcd中的不同元素，分別執(zhí)行上述操作就得到不同的環(huán)長(zhǎng)值，選擇其中具有最大預(yù)測(cè)試環(huán)長(zhǎng)的兩個(gè)變量節(jié)點(diǎn)，即(,)=max{g,vJ，作為與校驗(yàn)節(jié)點(diǎn)Ci相連<formula>formulaseeoriginaldocumentpage12</formula>的最后兩個(gè)節(jié)點(diǎn)。(13)由前述步驟構(gòu)造完成的每個(gè)Tarmer圖得到對(duì)應(yīng)的mXn維的奇偶校驗(yàn)矩陣H若Tanner圖中第i個(gè)校驗(yàn)節(jié)點(diǎn)同第j個(gè)變量節(jié)點(diǎn)相連接，則設(shè)置該矩陣H的第i行、第j列的元素、為1，否則，h.j為0；其中，i和i分別是矩陣H的行序號(hào)和列序號(hào)，i和i的取值范圍分別是和。步驟2、在所述構(gòu)造的1個(gè)或多個(gè)不同結(jié)構(gòu)的Tarmer圖上，應(yīng)用消息傳遞算法對(duì)m序列的碼片進(jìn)行估計(jì)；該步驟2應(yīng)用消息傳遞算法對(duì)m序列的碼片進(jìn)行估計(jì)的操作，包括下列兩種情況(21)在構(gòu)造出單個(gè)Tarmer圖和對(duì)應(yīng)的奇偶校驗(yàn)矩陣后，利用傳統(tǒng)的消息傳遞算法對(duì)觀測(cè)到的m序列的碼片進(jìn)行估計(jì)；由觀測(cè)序列信號(hào)的長(zhǎng)度η和觀測(cè)序列的信號(hào)強(qiáng)度可確定消息傳遞算法的迭代次數(shù)L，例如可以取L=100?；蛘?22)在構(gòu)造出的多個(gè)不同結(jié)構(gòu)的Tarmer圖后，依序采用該多個(gè)不同結(jié)構(gòu)的Tanner圖(例如兩個(gè))的基礎(chǔ)上，分別利用傳統(tǒng)的消息傳遞算法對(duì)觀測(cè)到得m序列的碼片進(jìn)行估計(jì)，即先由前述步驟構(gòu)造出兩個(gè)Tanner圖Ga和Gb，在消息傳遞算法的不同階段分別采用該兩個(gè)不同結(jié)構(gòu)的Tanner圖Ga和Gb上應(yīng)用消息傳遞算法對(duì)觀測(cè)到得m序列的碼片進(jìn)行估計(jì)，以降低算法迭代過(guò)程中傳遞消息的相關(guān)性，提高碼片估計(jì)的正確性和提高m序列相位捕獲的正確性。具體操作步驟是(參見(jiàn)圖11所示的流程圖)在消息傳遞算法的前部部分和后半部分采用不同的Tanner結(jié)構(gòu)，即先利用觀測(cè)到的m序列作為信道信息，在第一個(gè)Tanner圖Ga進(jìn)行*=！=50次消息傳遞算法對(duì)m序列的碼片進(jìn)行估計(jì)，其中，L是迭代次數(shù)，W是多個(gè)Tanner圖的數(shù)量；并將第50次迭代得到的m序列的碼片的可靠度信息作為信道消息，在第二個(gè)Tarmer圖Gb繼續(xù)進(jìn)行‘=^次消息傳遞算法對(duì)m序列的W2=50碼片進(jìn)行估計(jì)；直至完成全部迭代操作。步驟3、利用得到的m序列的碼片的估計(jì)結(jié)果，對(duì)m序列的初始相位進(jìn)行估計(jì)，從而完成m序列的捕獲將每次消息傳遞算法得到的碼片估計(jì)結(jié)果進(jìn)行分組，每組中的碼片個(gè)數(shù)為m序列的階數(shù)r，利用每組碼片都能得到一個(gè)m序列的初始狀態(tài)的估計(jì)結(jié)果；再選擇出現(xiàn)次數(shù)最多的初始狀態(tài)作為最終判決結(jié)果。在該步驟3中，為使本發(fā)明方法能夠適用于各種m序列，并有較好的列迭代捕獲性能和較低的處理復(fù)雜度，在進(jìn)行碼片分組時(shí)，每組之間的交疊碼片個(gè)數(shù)是靈活設(shè)置的，其取值范圍是W，r-1]，式中，r是每組中的碼片個(gè)數(shù)。申請(qǐng)人:已經(jīng)對(duì)本發(fā)明進(jìn)行了多次實(shí)施試驗(yàn)，下面分別結(jié)合其中兩個(gè)實(shí)施例具體介紹本發(fā)明方法第一個(gè)實(shí)施例是以生成多項(xiàng)式為g(D)=1+D2+D6+D7+D8+D10+D15([121641]8)的15階m序列為例。假設(shè)觀測(cè)序列的長(zhǎng)度為1024，這意味者Tanner圖中有1024個(gè)變量節(jié)點(diǎn)。為了獲得良好的捕獲性能，該實(shí)施例設(shè)置Tanner圖中校驗(yàn)節(jié)點(diǎn)的數(shù)量為1024-15=1009。根據(jù)信道編碼理論，該Tanner圖對(duì)應(yīng)的碼率為15/1024，如此極低的碼率意味著碼字中有著較多的校驗(yàn)信息，比高碼率碼字的傳輸性能要好得多。再設(shè)圖Gl表示iMPA算法中以生成多項(xiàng)式為校驗(yàn)關(guān)系構(gòu)造的Tarmer圖，圖中校驗(yàn)節(jié)點(diǎn)Ci的約束關(guān)系為ai+aM+am+am+aM+am+ai+u=0，其對(duì)應(yīng)的校驗(yàn)矩陣Hl為<table>tableseeoriginaldocumentpage13</column></row><table>該校驗(yàn)矩陣Hl中校驗(yàn)節(jié)點(diǎn)的度為7，圖Gl的環(huán)長(zhǎng)為4。并且，對(duì)于每個(gè)校驗(yàn)節(jié)點(diǎn)都有多個(gè)環(huán)長(zhǎng)為4的環(huán)。設(shè)校驗(yàn)節(jié)點(diǎn)的度都為3，利用CPEG算法為該m序列構(gòu)造的Tanner圖為圖G2，圖G2的環(huán)長(zhǎng)為8。該兩個(gè)圖Gl與G2的環(huán)長(zhǎng)譜的比較，參見(jiàn)圖12㈧和⑶所7J\ο參見(jiàn)圖13，介紹分別利用兩個(gè)圖Gl和G2進(jìn)行m序列迭代捕獲的性能比較。圖G2所示的迭代捕獲性能遠(yuǎn)遠(yuǎn)地超過(guò)了圖Gl所示的迭代捕獲性能。利用圖G2在-8.5dB就能獲得100%的正確捕獲概率，而利用圖Gl在-6.5dB時(shí)才能獲得100%的正確捕獲概率。也就是說(shuō)，利用圖G2能獲得2.5dB的增益。此外，基于圖Gl的捕獲復(fù)雜度遠(yuǎn)遠(yuǎn)大于圖G2。圖Gl中邊的個(gè)數(shù)是圖G2的7/3倍，也就是說(shuō)，基于圖Gl的迭代捕獲的復(fù)雜度是本發(fā)明方法的7/3倍。該實(shí)施例仿真試驗(yàn)結(jié)果說(shuō)明本發(fā)明基于CPEG算法構(gòu)造的Tarmer圖m序列迭代捕獲方案是成功的，能夠極大地降低處理復(fù)雜度，明顯地提高捕獲性能，并具有適用性廣泛的顯著優(yōu)勢(shì)。第二個(gè)實(shí)施例的仿真結(jié)果是下面給出矩陣級(jí)聯(lián)方案以生成多項(xiàng)式為g(D)=1+D+D15的15階m序列為例，觀測(cè)長(zhǎng)度為256，通過(guò)本發(fā)明采用的CPEG算法為其構(gòu)造了兩個(gè)校驗(yàn)矩陣H1和H2，其維數(shù)均為241X256，度序列相同。分別利用Hl和H2采用本發(fā)明的m序列迭代捕獲方案進(jìn)行序列捕獲，同時(shí)利用兩個(gè)校驗(yàn)矩陣Hl和H2根據(jù)本發(fā)明的多個(gè)Tanner圖級(jí)聯(lián)方案進(jìn)行迭代捕獲，其仿真試驗(yàn)的結(jié)果如圖14示。由圖14可以得出下述結(jié)論單獨(dú)利用校驗(yàn)矩陣Hl的捕獲的性能要優(yōu)于單獨(dú)利用校驗(yàn)矩陣H2的結(jié)果。但是，同時(shí)利用校驗(yàn)矩陣Hl和H2的矩陣級(jí)聯(lián)方案的性能又要比單獨(dú)利用校驗(yàn)矩陣Hl的性能要好，并且，在低信噪比的區(qū)域尤為明顯。如果要達(dá)到0.9的捕獲概率，同時(shí)利用校驗(yàn)矩陣Hl和H2的矩陣級(jí)聯(lián)方案比單獨(dú)利用校驗(yàn)矩陣Hl要有0.4dB的增益。即使在0.95的捕獲概率時(shí)，矩陣級(jí)聯(lián)方案也有0.2dB的增益。但是，在較高信噪比的時(shí)候，增益不是太明顯，究其原因是因?yàn)樾ｒ?yàn)矩陣Hl在高信噪比下的消息置信度較高，迭代趨于收斂，這時(shí)再采用矩陣級(jí)聯(lián)方案來(lái)增大消息間的相關(guān)性的用處就不太大了?？傊?，采用本發(fā)明的矩陣級(jí)聯(lián)方案，可以在保持復(fù)雜度不改變的情況下，提高捕獲性能的優(yōu)點(diǎn)，且在低信噪比的時(shí)候，上述特點(diǎn)尤為明顯。權(quán)利要求一種基于Tanner圖構(gòu)造技術(shù)的偽隨機(jī)m序列迭代捕獲的實(shí)現(xiàn)方法，其特征在于所述方法包括下列操作步驟(1)利用約束條件下的邊增長(zhǎng)CPEG算法，對(duì)設(shè)定的m序列構(gòu)造1個(gè)或多個(gè)描述m序列的碼片之間的奇偶校驗(yàn)關(guān)系的Tanner圖；(2)在所述構(gòu)造的1個(gè)或多個(gè)不同結(jié)構(gòu)的Tanner圖上，應(yīng)用消息傳遞算法對(duì)m序列的碼片進(jìn)行估計(jì)；(3)利用得到的m序列的碼片的估計(jì)結(jié)果，對(duì)m序列的初始相位進(jìn)行估計(jì)，從而完成m序列的捕獲將每次消息傳遞算法得到的碼片估計(jì)結(jié)果進(jìn)行分組，每組中的碼片個(gè)數(shù)為m序列的階數(shù)r，利用每組碼片都能得到一個(gè)m序列的初始狀態(tài)的估計(jì)結(jié)果；再選擇出現(xiàn)次數(shù)最多的初始狀態(tài)作為最終判決結(jié)果。2.根據(jù)權(quán)利要求1所述的方法，其特征在于所述步驟(1)進(jìn)一步包括下列操作內(nèi)容(11)初始化設(shè)置Tanner圖的下述參數(shù)變量節(jié)點(diǎn)個(gè)數(shù)η、校驗(yàn)節(jié)點(diǎn)個(gè)數(shù)m和所有校驗(yàn)節(jié)點(diǎn)的度Clcd；其中，自然數(shù)η的數(shù)值為觀測(cè)序列的長(zhǎng)度，自然數(shù)m的取值范圍是[r，n_l]，這里令m=n-r;Ci中的i是校驗(yàn)節(jié)點(diǎn)的序號(hào)，所述第i個(gè)校驗(yàn)節(jié)點(diǎn)的度(Icd是與該第i個(gè)校驗(yàn)節(jié)點(diǎn)相連的邊的個(gè)數(shù)，dci的取值范圍是大于等于3的自然數(shù)，這里令所有校驗(yàn)節(jié)點(diǎn)的度為3;(12)對(duì)設(shè)定的m序列構(gòu)造描述m序列的碼片之間的奇偶校驗(yàn)關(guān)系的每個(gè)Tanner圖中m個(gè)校驗(yàn)節(jié)點(diǎn)中的每個(gè)校驗(yàn)節(jié)點(diǎn)Ci，分別確定與其相連的各個(gè)變量節(jié)點(diǎn)，再分別添加各個(gè)邊來(lái)連接每個(gè)校驗(yàn)節(jié)點(diǎn)Ci和與其相連的Clcd個(gè)變量節(jié)點(diǎn)；(13)由前述步驟構(gòu)造完成的每個(gè)Tanner圖得到對(duì)應(yīng)的mXn維的奇偶校驗(yàn)矩陣H若Tanner圖中第i個(gè)校驗(yàn)節(jié)點(diǎn)同第j個(gè)變量節(jié)點(diǎn)相連接，則設(shè)置該矩陣H的第i行、第j列的元素、為1，否則，h.j為O；其中，i和i分別是矩陣H的行序號(hào)和列序號(hào)，i和i的取值范圍分別是和W，n-1]。3.根據(jù)權(quán)利要求2所述的方法，其特征在于所述步驟(12)進(jìn)一步包括下列操作內(nèi)容(121)對(duì)校驗(yàn)節(jié)點(diǎn)Ci添加第1條邊因開(kāi)始時(shí)的校驗(yàn)節(jié)點(diǎn)Ci和該Tanner圖中的任何一個(gè)變量節(jié)點(diǎn)都不相連，故從該當(dāng)前的Tanner圖中選擇度最小、即邊最少的變量節(jié)點(diǎn)，用邊將其與校驗(yàn)節(jié)點(diǎn)Ci相連接；若同時(shí)有多個(gè)變量節(jié)點(diǎn)的度都為最小時(shí)，則從中隨機(jī)選擇一個(gè)，用邊將其與校驗(yàn)節(jié)點(diǎn)Ci相連接；(122)按照所述的展樹(shù)方法逐條地添加校驗(yàn)節(jié)點(diǎn)Ci的第2條邊，直至添加其第(cU-2)條邊；(123)同時(shí)添加校驗(yàn)節(jié)點(diǎn)Ci的最后兩條邊，以保證最后得到的校驗(yàn)節(jié)點(diǎn)Ci所代表的奇偶校驗(yàn)關(guān)系能夠反映設(shè)定m序列的碼片間的關(guān)系，且該關(guān)系是受m序列的生成多項(xiàng)式所確定的。4.根據(jù)權(quán)利要求3所述的方法，其特征在于所述步驟(122)進(jìn)一步包括下列操作內(nèi)容(122A)將當(dāng)前的該Tanner圖視為由校驗(yàn)節(jié)點(diǎn)Ci作為根節(jié)點(diǎn)逐層展開(kāi)的1層的樹(shù)在當(dāng)前Tarmer圖中，設(shè)置與根節(jié)點(diǎn)Ci相連的變量節(jié)點(diǎn)為Ci的子節(jié)點(diǎn)，并將Ci與其子節(jié)點(diǎn)記為深度O層；接著，將該圖中與深度O層中變量節(jié)點(diǎn)相鄰的、又不是其父節(jié)點(diǎn)的校驗(yàn)節(jié)點(diǎn)作為其子節(jié)點(diǎn)，得到深度1層中的校驗(yàn)節(jié)點(diǎn)；再將該圖中與深度1層中校驗(yàn)節(jié)點(diǎn)相鄰的、又不是其父節(jié)點(diǎn)的變量節(jié)點(diǎn)作為其子節(jié)點(diǎn)，得到深度1層中的變量節(jié)點(diǎn)；按此方式操作，就將該圖中與深度k層中變量節(jié)點(diǎn)相鄰的、又不是其父節(jié)點(diǎn)的校驗(yàn)節(jié)點(diǎn)作為其子節(jié)點(diǎn)，得到深度k+1層中的校驗(yàn)節(jié)點(diǎn)；再將該圖中與深度k+1層中校驗(yàn)節(jié)點(diǎn)相鄰的、又不是其父節(jié)點(diǎn)的變量節(jié)點(diǎn)作為其子節(jié)點(diǎn)，得到深度k+Ι層中的變量節(jié)點(diǎn)；此時(shí)，若Tarmer圖為連通時(shí)，1應(yīng)滿足公式<formula>formulaseeoriginaldocumentpage3</formula>，即深度為1的樹(shù)中不包含所有的η個(gè)變量節(jié)點(diǎn)，但同時(shí)深度為1+1的樹(shù)中包含所有的η個(gè)變量節(jié)點(diǎn)；若Tanner圖為不連通時(shí)，1應(yīng)滿足公式<formula>formulaseeoriginaldocumentpage3</formula>,即<formula>formulaseeoriginaldocumentpage3</formula>的元素個(gè)數(shù)停止增長(zhǎng)，但小于η；式中，Ncd1和Ncd1+1分別是該步驟中展開(kāi)的深度為1層和1+1層的樹(shù)中的所有變量節(jié)點(diǎn)的集合，INci1和|Nci1+1分別是該兩個(gè)集合Ncd1和Ncd1+1中的元素個(gè)數(shù)；是Ncd1的補(bǔ)集，即N1ci=Vs-N1ci；Vs是Tanner圖中所有變量節(jié)點(diǎn)的集合；(122B)執(zhí)行上述步驟操作，得到深度為1的樹(shù)中所有變量節(jié)點(diǎn)組成的集合Ν。Λ從而得到其補(bǔ)集^=G-A^;再?gòu)募现羞x擇具有最小度、即邊最少的變量節(jié)點(diǎn)與該校驗(yàn)節(jié)點(diǎn)Ci相連，若集合中有多個(gè)變量節(jié)點(diǎn)都具有最小度，則從該多個(gè)具有最小度的變量節(jié)點(diǎn)中隨機(jī)選擇一個(gè)變量節(jié)點(diǎn)與校驗(yàn)節(jié)點(diǎn)Ci相連接；而且，當(dāng)集合Mi.中有多個(gè)變量節(jié)點(diǎn)都具有最小度時(shí)，按照隨機(jī)方法選取變量節(jié)點(diǎn)所得到的Tanner圖的結(jié)構(gòu)也是隨機(jī)而不相同的，沒(méi)有固定結(jié)構(gòu)。5.根據(jù)權(quán)利要求3所述的方法，其特征在于所述步驟(123)進(jìn)一步包括下列操作內(nèi)容(123A)將當(dāng)前的Tanner圖視為以校驗(yàn)節(jié)點(diǎn)Ci作為根節(jié)點(diǎn)、逐層展開(kāi)的1層的樹(shù)，此時(shí)，若Tarme圖為連通時(shí)，1應(yīng)滿足公式禮關(guān)0ηN^=0；若Tanner圖為不連通，或者Nei1的元素個(gè)數(shù)停止增長(zhǎng)，但小于η時(shí)，1應(yīng)滿足公式<formula>formulaseeoriginaldocumentpage3</formula>；(123Β)將所有滿足下述兩條件的兩個(gè)變量節(jié)點(diǎn)所組成的集合記為Bsetei兩個(gè)變量節(jié)點(diǎn)都屬于集合Mi和該兩個(gè)變量節(jié)點(diǎn)都能與校驗(yàn)節(jié)點(diǎn)Ci的(知-2)個(gè)鄰接的變量節(jié)點(diǎn)組成合法前饋約束；校驗(yàn)節(jié)點(diǎn)Ci的所有鄰接的變量節(jié)點(diǎn)組成的鄰接集合為Adcd,在添加完校驗(yàn)節(jié)點(diǎn)Ci的前(dei-2)條邊后，集合Adei中有(dei-2)個(gè)元素；則集合Bsetei的表達(dá)式為<formula>formulaseeoriginaldocumentpage3</formula>,，;為了使所構(gòu)造的Tanner圖能夠描述設(shè)定m序列的碼片之間的約束關(guān)系，先設(shè)置Tanner圖中的校驗(yàn)節(jié)點(diǎn)所代表的約束關(guān)系為m序列的前饋關(guān)系，m序列的碼片之間的特殊前饋關(guān)系取決于m序列的生成多項(xiàng)式；對(duì)于生成多項(xiàng)式g(D)，如果公式<formula>formulaseeoriginaldocumentpage3</formula>,式中，T為m序列的周期，對(duì)于任何整數(shù)k都成立；則該m序列的前饋關(guān)系為公式<formula>formulaseeoriginaldocumentpage3</formula>；因m序列的前饋約束極其豐富，故為構(gòu)造有較大環(huán)長(zhǎng)的Tanner圖提供了便利；(123C)對(duì)集合Bsetei中的所有元素進(jìn)行環(huán)長(zhǎng)預(yù)測(cè)試，選擇其中具有最大預(yù)測(cè)試環(huán)長(zhǎng)的兩個(gè)變量節(jié)點(diǎn)，作為與校驗(yàn)節(jié)點(diǎn)Ci相連接的最后兩個(gè)節(jié)點(diǎn)，并分別用邊將該兩個(gè)變量節(jié)點(diǎn)與校驗(yàn)節(jié)點(diǎn)Ci相連對(duì)于V(，v,2)GjRseie,.,邊(Ci,Vjl)和(C”Vj2)被添加到當(dāng)前的Tanner圖后，得到一個(gè)新的Tanner圖；再執(zhí)行環(huán)長(zhǎng)預(yù)測(cè)試，即求出經(jīng)過(guò)校驗(yàn)節(jié)點(diǎn)Ci的最小環(huán)長(zhǎng)；對(duì)于Bsetcd中的不同元素，分別執(zhí)行上述操作就得到不同的環(huán)長(zhǎng)值，選擇其中具有最大預(yù)測(cè)試環(huán)長(zhǎng)的兩個(gè)變量節(jié)點(diǎn)，S卩(v;”v;2)=，作為與校驗(yàn)節(jié)點(diǎn)Ci相連的最后兩個(gè)節(jié)點(diǎn)。6.根據(jù)權(quán)利要求3所述的方法，其特征在于所述步驟(2)應(yīng)用消息傳遞算法對(duì)m序列的碼片進(jìn)行估計(jì)的操作，包括下列兩種情況(21)在構(gòu)造出單個(gè)Tanner圖和對(duì)應(yīng)的奇偶校驗(yàn)矩陣后，利用傳統(tǒng)的消息傳遞算法對(duì)觀測(cè)到的m序列的碼片進(jìn)行估計(jì)；或者(22)在構(gòu)造出的多個(gè)Tarmer圖后，依序采用該多個(gè)不同結(jié)構(gòu)的Tarmer圖的基礎(chǔ)上，分別利用傳統(tǒng)的消息傳遞算法對(duì)觀測(cè)到得m序列的碼片進(jìn)行估計(jì)，即在消息傳遞算法的各個(gè)階段分別采用該多個(gè)不同結(jié)構(gòu)的Tanner圖，以降低算法迭代過(guò)程中傳遞消息的相關(guān)性，提高碼片估計(jì)的正確性和提高m序列相位捕獲的正確性；具體操作是先利用觀測(cè)到的m序列作為信道信息，在第一個(gè)Tarmer圖進(jìn)行‘次消息傳遞算法對(duì)m序列的碼片進(jìn)行估計(jì)，其W中，L是迭代次數(shù)，W是多個(gè)Tanner圖的數(shù)量；并將上述最后一次迭代得到的m序列的碼片的可靠度信息作為信道消息，在第二個(gè)Tanner圖繼續(xù)進(jìn)行‘次消息傳遞算法對(duì)m序列的碼W片進(jìn)行估計(jì)；直至完成全部迭代操作。7.根據(jù)權(quán)利要求6所述的方法，其特征在于所述消息傳遞算法的迭代次數(shù)L取決于觀測(cè)序列信號(hào)的長(zhǎng)度η和觀測(cè)序列的信號(hào)強(qiáng)度。8.根據(jù)權(quán)利要求1所述的方法，其特征在于所述步驟(3)中，為使所述方法能夠適用于各種m序列，并有較好的列迭代捕獲性能和較低的處理復(fù)雜度，在進(jìn)行碼片分組時(shí)，每組之間的交疊碼片個(gè)數(shù)是靈活設(shè)置的，其取值范圍是W，r-Ι]，式中，r是每組中的碼片個(gè)數(shù)。9.根據(jù)權(quán)利要求1所述的方法，其特征在于所述方法能夠用于包括全球定位系統(tǒng)GPS、碼分多址IS-95、碼分多址2000CDMA2000、寬帶碼分多址WCDMA、短距離超寬帶UWB的通信系統(tǒng)的同步信號(hào)捕獲。全文摘要一種基于Tanner圖構(gòu)造技術(shù)的偽隨機(jī)m序列迭代捕獲的實(shí)現(xiàn)方法，操作步驟如下(1)利用CPEG算法，對(duì)設(shè)定的m序列構(gòu)造1個(gè)或多個(gè)描述m序列的碼片之間的奇偶校驗(yàn)關(guān)系的Tanner圖；(2)在構(gòu)造的1個(gè)或多個(gè)不同結(jié)構(gòu)的Tanner圖上，應(yīng)用消息傳遞算法對(duì)m序列的碼片進(jìn)行估計(jì)；(3)利用得到的m序列的碼片的估計(jì)結(jié)果，對(duì)m序列的初始相位進(jìn)行估計(jì)，從而完成m序列的捕獲將每次消息傳遞算法得到的碼片估計(jì)結(jié)果進(jìn)行分組，每組中的碼片個(gè)數(shù)為m序列的階數(shù)r，利用每組碼片都能得到一個(gè)m序列的初始狀態(tài)的估計(jì)結(jié)果；再選擇出現(xiàn)次數(shù)最多的初始狀態(tài)作為最終判決結(jié)果。本發(fā)明方法的最大優(yōu)點(diǎn)是能適用于所有的m序列，并有較好的列迭代捕獲的性能和較低的處理復(fù)雜度。文檔編號(hào)G06F7/58GK101814015SQ201010119590公開(kāi)日2010年8月25日申請(qǐng)日期2010年3月8日優(yōu)先權(quán)日2010年3月8日發(fā)明者康艷超,牛凱申請(qǐng)人:北京郵電大學(xué)