卫星数字广播电视信号物理层扰码参数识别方法与流程

本发明属于通信，尤其是数字卫星电视广播，具体涉及一种卫星数字广播电视信号物理层扰码参数识别方法，识别目标卫星信号源的扰码初始值。

背景技术：

1、在数字卫星电视广播应用中，通常由多个卫星组成蜂窝状区域分布图，不可避免地会出现两个或两个以上卫星同时使用同一频段发送不同信号，恰好覆盖到同一个区域，在该区域内一定会有同频干扰(co-channel interference,cci)的存在；同频干扰问题广泛出现在现有的数字通信系统中。欧洲的第二代卫星数字电视传输标准dvb-s2/s2x采用帧内扰码来减轻同频干扰的突发影响，扰码技术通常能够解决突发同频干扰以及连续窄带同频干扰，其原理为匹配目标信号的同时将同频干扰信号白化掉。这是一种提升系统鲁棒性的常见措施。另一方面，对于卫星覆盖区域内的目标用户，希望同时接收到来自两个卫星转发过来的同频段信号，这只能通过识别物理层扰码的初值来区分不同卫星转发的信号用于多址通信。因此识别出物理层扰码是能够正确解调数字卫星广播电视信号的基础。

2、对于dvb-s2/s2x的加扰方法，它使用一个固定结构的扰码发生器以及一个给定的扰码初始值n，n有固定的数值范围0≤n≤262141。使用不同的扰码初始值可以得到不同的随机数序列，一个确定的n对应一个确定的已知随机序列。使用扰码随机数序列对目标数据加扰后发送到空口。在接收机端对接收信号使用相同的扰码序列对接收信号解扰，即可实现恢复目标信号的效果。但是，在目标信号的扰码初值未知的情况下，就无法准确获得扰码随机序列，从而进一步无法正确地对目标数据解扰，也就无法恢复出发送端的目标数据。

3、在未知扰码初值的情况下，根据接收到的受干扰信号恢复出扰码随机序列的初值称为扰码初值识别方法。在扰码初始识别方法中，由于已知生成多项式，那么最简单的方法就是暴力遍历相关，做峰值判断即可，但是这样的方法在dvb-s2/s2x中需要计算218-1次计算，这显然难以实现。专利cn106330800b提出了一种基于导频符号的快速物理层扰码参数搜索方法，但是这种方法仅仅适用于有导频符号的情况，在没有导频的情况下无法使用。专利cn106330396b提出了一种基于填充帧的快速物理层扰码参数搜索方法，其缺陷与专利cn106330800b一样存在应用缺陷：即没有填充帧的情况下，同样失效。专利cn103560863b提出了一种伪随机扰码的识别方法，这种方法基于卷积相关识别出扰码初态，虽然解决了没有已知数据的情况下识别扰码初值的问题，但是由于转成了卷积码，算法的存储复杂度大幅度增加，因此存在芯片实现复杂度高、芯片化成本高等问题，最终难以广泛应用于民用广播电视接收机中。

技术实现思路

1、本发明的目的是提供一种卫星数字广播电视信号物理层扰码参数识别方法，解决在没有导频、空帧辅助的情况下，识别目标卫星信号源的扰码初始值。

2、本发明具体是：

3、步骤(1)构建tanner图对应方程其中fx是扰码方程为1+x7+x18对应的扰码状态转移矩阵，大小为18×18；单位阵为数学符号，表示将a定义为b；vi表示第i个变量节点的序号，1≤i≤4626；cj表示第j个校验节点的序号，1≤j≤4608；矩阵h中有1的节点，就将对应的vi，cj连接在一起，根据矩阵h得到一张tanner图；

4、步骤(2)构建神经网络输入层，输入层的神经网络的神经元个数为n，n＝4626，神经元的输入是当前扰码比特的软信息，神经元的输出即为输入层的输出，l0表示输入的当前扰码比特的软信息，l1表示输入层的神经元，x∈ω(l0)\l1表示输入层神经元与输入软信息有连接的神经元，wx表示输入层神经元与输入软信息的连接系数，激活函数f(x)＝tanh(x)；

5、步骤(3)构建神经网络的隐藏层，神经网络的隐藏层一共有8个大层，每个大层包括两个子层，所有小层的第一层构成奇数层，所有小层的第二层构成偶数层；

6、每一个子层都由e个神经元构成，对应tanner图的e条边，奇数层对应变量节点，偶数层对应校验节点；各层的连接关系由矩阵h一一确定；每个奇数层神经元的输出lod→ev是变量节点vi与校验节点cj连线的边e＝(vi,cj)上的数据与边对应系数乘积的和值，其中，od→ev表示奇数层传递到偶数层的数据，ev'∈ω(od)\ev表示除了自身以外的所有连接奇数层的偶数层神经元，lod'←ev'表示奇数层神经网络的输出，wod'←ev'表示连接神经网络的系数值；每一个偶数层神经元的输出od←ev表示偶数层传递到奇数层的数据；

7、步骤(4)构建输出层，输出层有n个神经元构成，每个神经元的输出w8,od'←ev'和l8,od'←ev'分别表示隐含层的第8层的网络系数和输出；激活函数σ(x)＝(1+e-x)-1；

8、步骤(5)计算交叉熵损失函数其中，uv是原始已知的训练集标签数据，由已知设定的扰码序列生成；

9、步骤(6)使用梯度下降法迭代更新网络中的所有系数w；

10、步骤(7)构建一组任意的扰码初值b＝[b0,b1,…,b17]，根据扰码方程fx生成扰码序列s＝[s0,s1,…,s4607]，给扰码序列添加0db噪声后送入步骤(1)～(6)的神经网络以调整系数w，并循环调整k次，k＝50～500；

11、步骤(8)重新构建一组任意的扰码初值b′＝[b′0,b′1,…,b′17]，重复操作步骤(7)，直至遍历完成218种可能；

12、步骤(9)将神经网络系数w固定保存至芯片中；

13、步骤(10)芯片上电，完成信号接收、调谐、模数转换、解调操作，将得到的信号帧保存到帧缓存中；cpu从帧缓存中获取前4608个iq数据；

14、步骤(11)对4608个iq数据安装单边bpsk信号解软信息；软信息的计算公式为其中p(un＝0|yn)和p(un＝1|yn)分别表示接收到iq信号为yn的情况下，当前时刻扰码序列值为0和1的概率；

15、步骤(12)按照离线训练所得的输入层网络系数wx，计算输入层的输出

16、

17、步骤(13)按照离线训练所得的隐含层网络系数计算隐含层的结果；

18、奇数层的计算公式为

19、偶数层的计算公式为

20、步骤(14)按照离线训练所得的输出层网络系数计算输出层的结果，计算公式为：

21、

22、步骤(15)将输出层的前18个神经元的输出做非0即1的硬判决，如lout≥0.5则判定为1，否则判定为0，由此得到扰码序列的初值a＝[a0,a1,…,a17]；

23、步骤(16)将计算所得的a＝[a0,a1,…,a17]写入芯片预置的解扰寄存器中，即可完成正确的ts流解码，并能完成视频播放。

24、本发明不同于以往的专利，利用了空帧、导频等已知有利信息做扰码初值解码，也没有使用复杂的卷积码、低密度奇偶校验码的译码算法来解出扰码初值，而是巧妙地根据编码方程构建了一组神经网络，通过离线预训练一组网络系数预置于c语言程序中。在在线运行阶段，根据网络系数以及实时获得的iq帧数据，计算出扰码序列的初值。大大减少了离线计算的运算量，且无需复杂的迭代过程。