基于最小错误判决准则的LDPC码码长及码字起点识别

现有LDPC码开集识别算法以码长及码字起点为已知条件进行识别,这导致算法的实际应用受限,为了克服这一缺点,提出了一种基于最小错误判决准则的码长及码字起点识别算法.首先,根据码长及码字起点估计值对接收序列进行截取构造码字分析矩阵;然后,对分析矩阵进行高斯列消元并获取疑似校验向量,进一步基于最小错误判决准则筛选出LDPC码校验向量;最后,寻找在不同码长及码字起点遍历值处校验向量个数的最大值,实现码长及码字起点的识别.仿真实验结果表明,在误码率为10-3量级时,针对IEEE802.16 E协议下的LDPC码,算法的识别率达到100％.     

高误码率下Turbo码分量编码器快速识别算法

针对目前Turbo码中,分量编码器递归系统卷积码识别算法计算量大,容错性不好两大缺点,该文提出了一种容错性能较好的快速识别算法。首先,在分析递归系统卷积码特殊结构的基础上,定义了更具普遍意义的广义码重概念;其次,建立出递归系统卷积码生成多项式数据库,按照数据库中多项式是否为实际编码多项式的情况,分析出多项式所对应的结果向量广义码重概率分布;然后,按照分析出的广义码重概率分布,基于极大极小准则,导出快速识别算法判决门限的计算公式;最后通过遍历多项式数据库,将遍历的多项式所对应的校验方程广义码重值与判决门限比较,从而实现参数的快速识别。仿真结果表明:理论分析出的广义码重概率分布与仿真结果相一致,同时算法容错性能较好,在误码率高达0.09的条件下,各种编码约束长度下的递归系统卷积码识别率在90%以上,并且计算复杂度较小。     

高误码率下LDPC稀疏校验矩阵重建

针对LDPC重建问题,提出了一种可直接重建LDPC稀疏校验矩阵的算法。首先,根据传统重建算法原理,详细分析了传统重建算法存在的缺陷以及缺陷存在的原因;其次,基于LDPC稀疏矩阵的特性,通过多次随机抽取码字中部分比特序列进行高斯消元,同时为了可靠实现抽取的比特序列能包含校验节点,基于一次抽取包含校验节点的概率,确定多次随机抽取的次数;最后,在误码条件下,基于疑似校验向量关系成立的统计特性和最小错误判决准则,实现稀疏校验向量的判定。仿真结果表明,所提算法在误码率为0.001的条件下,针对目前IEEE 802.11协议中大部分LDPC的重建率能达到95%以上,且噪声稳健性优于传统的重建算法,同时所提重建算法不仅不再需要对校验矩阵稀疏化处理,而且对于双对角线与非双对角线形式的校验矩阵都具有较好的通用性。     

误码及随机交织条件下信道编码类型识别

信道编码分析是对编码参数逆向分析,在智能通信和信息截获领域具有重要作用。针对误码条件下采用随机交织的码字难以识别分析的问题,本文提出了一种基于搜索小重量向量的交织及编码类型识别算法。首先,随机选取部分码字并变换至对偶矩阵,再利用小重量向量搜索算法进行搜索,筛选剔除后得到部分有效校验向量;然后,根据LDPC译码原理,对码字进行类似译码并与前面步骤进行迭代,得到绝大部分校验向量;最后,统计校验向量的平均跨度以及离散度,判断交织存在性以及编码类型。本文算法克服了现有方法无法适用于随机交织码字的局限性。仿真实验以1/2码率卷积码和(15,11)汉明码为主,在误比特率为0.006时,本文算法对随机交织码字仍能够有效识别。      

低信噪比下循环码识别

针对硬判决分析方法存在计算复杂度高且容错性差的缺点,本文提出了一种直接利用软判决序列完成循环码识别的新算法.首先从编码代数结构出发,推导出循环码生成多项式因子对应的对偶空间与码字能构成校验关系这一结论;其次基于该结论,遍历码长可能值,在GF（2）上,将多项式xⁿ+1分解为不可约因子及其对应幂次的乘积,当所遍历因子的对偶空间正好与码字序列构成校验关系时,即可识别出循环码码长;最后遍历构成校验关系因子的幂次,最终完成生成多项式的识别.为利用软判决序列完成校验关系检测,引入了平均校验符合度概念,基于其统计特性和最小错误判决准则,实现了生成多项式不可约因子以及幂次的快速识别.仿真结果表明,推导的符合度统计特性与实际情况相吻合,同时算法具有较好的低信噪比容错性能,在3dB的噪声环境下,码长以及生成多项式识别率能够达到95%以上,与硬判决方法相比,在增加较小的计算复杂度下,识别性能提升将近1dB.在智能通信或是认知无线电领域具有较好的应用前景.     

误码条件下LDPC码参数的盲估计

针对非合作信号处理中LDPC码（Low-Density Parity-Check）的盲识别问题,提出了一种容错能力较强的开集识别算法.该算法通过对码字矩阵进行高斯约旦消元找到汉明重量较小的"相关列",并根据"相关列"中所包含的约束关系求得LDPC码的校验向量,然后剔除"相关列"中为"1"位置对应的错误码字.若根据高斯约旦消元求校验向量和剔除错误码字进行迭代无法得到更多校验向量,则对得到的这些校验向量进行稀疏化,再进行译码纠错.最后,综合利用校验向量的求解,错误码字的剔除,校验向量稀疏化,LDPC码译码进行迭代,实现LDPC码校验矩阵的有效重建.仿真结果表明,对于IEEE 802.16e标准中的（576,288）LDPC码,在误比特率为0.0022时,本文算法仍可以达到较好的识别效果.     

基于迭代列消元法的线性分组码参数盲识别

针对线性分组码参数盲识别容错性能差的问题,提出基于迭代列消元法的线性分组码参数盲识别方法.首先对截获矩阵应用迭代列消元法,将其相关列对应各个窗内的转移矩阵中的列向量作为候选校验向量,再根据截获矩阵对偶码空间归一化维数来识别码字长度和同步时刻,最后将对偶码字进行初等行变换识别校验矩阵.仿真结果证明,与以往盲识别方法相比,所提方法容错性能好,适用于各种码率的线性分组码的码字长度、同步时刻和生成多项式识别.     

一种线性分组码参数的全盲识别算法

提出了一种基于迭代列消元法的线性分组码参数全盲识别算法.该方法首先对截获二进制码流构造截获矩阵,然后对截获矩阵进行迭代列消元法,利用相关列的归一化数目最大值来识别码字长度和同步时刻.同时,对截获矩阵进行迭代列消元法后的矩阵,选取其中一个小矩阵窗内相关列都是全零列,将其对应的转移矩阵中的列向量横向放入校验矩阵,完成校验矩阵的识别.此外,根据相关列和独立列中的码元0的比例减去1的比例的统计特性差异,提出了判别相关列和独立列的门限.仿真结果证明,在误码率为0.01时,该文算法仍能取得很好的效果.     

基于最大余弦比的LDPC码闭集识别

为改善低信噪比条件下LDPC码闭集识别的性能,本文提出了一种基于最大余弦比的软判决识别算法。该算法在分析了最大均值似然比算法存在的问题的基础上,利用LDPC码的编码结构特点,将识别过程归结为二元域中线性关系的检测问题;同时引入能够有效表征线性编码约束关系成立可能性大小的余弦检验函数,基于正确校验矩阵与错误校验矩阵下的余弦检验函数统计特性不同的事实,将两种情况下的余弦比作为编码器判定依据,从而实现低信噪比下LDPC码闭集的有效识别。仿真结果表明,在信噪比为0dB条件下,算法能够可靠识别出常用的IEEE802.16e协议中LDPC码,同时与现有算法相比,算法性能提升近1dB。      

基于软信息的分组交织和卷积码联合识别

针对非合作数字通信系统中分组交织和卷积码的盲识别问题,提出了一种基于软信息的信道编码识别方法.该方法利用软信息建立了符合度的概念,首先利用采样序列的总符合度实现交织行数和卷积码校验向量的识别;然后通过每路采样序列平均符合度的变化规律实现交织起点行坐标的识别;最后根据解交织后数据的符合度实现交织列数和交织起点列坐标的识别.仿真结果表明,本文算法能在较高误码率下实现分组交织和卷积码的盲识别,与硬判决算法相比,达到较高正确率时,本文算法具有约5dB的信噪比增益.