一种线性分组码参数的盲识别方法

针对线性分组码参数的盲识别问题,根据实际序列与随机序列码重分布相似度差异最大的特性,提出一种基于码重相似度识别码字长度和码字同步点的方法,在此基础上,利用一种新的特征——深度分布,识别生成矩阵,利用高斯消去法产生典型生成矩阵,实现了线性分组码的盲识别。码重相似度识别方法简单易行,理论分析及仿真实验表明该方法的容错性较强,误码率为0.01条件下识别效果较好。     

线性分组码的盲识别技术研究

主要针对二进制线性分组码的盲识别问题进行研究,通过对现有算法的优缺点总结,以码重分析识别法为基础,提出一种联合码重分布、汉明距离分布以及深度分布特性的线性分组码识别算法。该算法先利用在识别过程中,当遍历到的码长和起始点是正确值时,编码序列和随机序列的码重相似度最低这一特性完成码长的识别和起始点的粗识别,再利用分组码的最小汉明距离不小于3这一特性对粗识别的起始点进行确定,在此基础上,利用(n,k)线性分组码的非零深度值恰好等于分组码信息位k这一特性求出信息位和码率,最后将深度值不为零的位置对应的码字相组合得到生成矩阵。大量实验表明,该算法能完成分组码的盲识别,与现有的部分算法相比,它的起始点识别环节的识别正确率和适应误码能力都有良好的提升,具有较好的工程实用性。     

低码率二进制线性分组码的盲识别

针对信息截获领域中的低码率二进制分组码的盲识别问题,提出了根据码重分布距离估计码长的方法,进而通过改进传统的矩阵化简方法获得生成矩阵,实现了对低码率二进制线性分组码的盲识别。理论推算和数据仿真都表明,本算法在较高误码率的情况下,也可以得到很好的识别效果。     

基于码重信息熵低码率线性分组码的盲识别

为解决较高误码条件下的低码率二进制线性分组码的盲识别问题,论文提出了基于码重分布信息熵的码长识别方法,而且,它还通过优化传统的矩阵化简方法求解生成矩阵,从而实现对低码率二进制线性分组码的盲识别。理论分析及仿真验证均表明:该方法能实现低码率线性分组码较正确的识别。论文最后进一步对不同码长线性分组码在不同误码率条件下进行了多次仿真,仿真结果验证了该识别方法具有较好的容错性能。     

最大公约式阶数分布的BCH码参数识别

针对BCH码的编码盲识别,在码字同步点已知的条件下,根据实际序列与随机序列最大公约式阶数分布(简记为GOD)之间的差异性特征,提出了一种运用两种量化指标(方差差值、平均欧氏距离)分别对码长进行识别的方法,通过比较这两种量化指标识别码长的容错性,进而提出一种新的融合指标的GOD识别码长方法。在此基础上,通过BCH码的特性,计算阶数分布差值,识别生成多项式,实现了BCH码的盲识别。GOD识别方法简单易行,理论分析及仿真实验表明该方法的容错性较强,融合指标的GOD识别码长方法在误码率为0.02条件下,对中短码识别效果达90%以上;误码率为0.005条件下,对中偏长码识别效果达90%以上。     

基于相似度对系统循环码参数的盲识别

针对系统循环码参数的盲识别问题,提出了一种基于数据挖掘中相似性度量函数的方法.首先,在不同的先验知识下,利用实际序列与随机序列的码重分布相似度差异最大的特性识别码长和起始点,在此基础上,通过优化传统的矩阵化简,由码字多项式与生成多项式的关系设定判定门限T的方式求解生成矩阵,实现了对系统循环码的盲识别.仿真结果表明,该算法在误码率为0.01的条件下识别效果较好.     

基于码重分布概率方差的循环码识别方法

提出循环码的一种盲识别方法。在码字起点已知的条件下,分析循环码码重分布特点,基于码重分布概率方差识别码长;根据码重分布统计结果选择最佳的码字,求其循环移位后码多项式的公因式,最后通过判决关系识别生成多项式完成循环码的盲识别。仿真实验表明该方法对误码率在10-2时的循环码具有较好的识别效果。     

本原BCH码参数的盲识别方法

针对本原BCH码编码参数的盲识别,首先,根据循环移位前后码字的最大公约式的阶数,利用实际序列与随机序列阶数的概率分布差异最大的特性,提出了一种基于变异系数识别码长的方法,在此基础上,根据码字之间的线性约束关系,以阶数概率最大值为下限,通过计算概率总和来识别起始点,进而,计算邻域半径快速去除含错码字,根据阶数分布最大值识别生成多项式,实现了BCH码的盲识别。理论分析及仿真实验表明,该识别算法简单易行,在误码率为0.01的条件下识别效果较好,容错性较强。     

基于Walsh-Hadamard变换的线性分组码参数盲估计算法

该文提出了一种容误码的线性分组码的参数盲估计算法。该方法首先基于线性分组码对偶码字的统计特性和Walsh-Hadamard变换解线性方程组的容错特性来实现对偶码字的判决,同时采用3倍标准差准则并根据理论分析给出了一个有效的判决门限。接着通过判断对偶空间归一化维数的最大值来实现码长和码组同步时刻的估计。最后利用对偶码字构造出相应的校验矩阵,实现了在较高误码率情况下对线性分组码参数的盲估计。计算机仿真结果表明,在比特误码率为0.03的情况下,该文所提算法仍能得到很好的估计效果。     

基于高阶累积量的正交空时分组码盲识别

针对多输入多输出(Multiple-Input-Multiple-Output,MIMO)系统中的空时码盲识别问题,提出一种基于高阶累积量的正交空时分组码(Orthogonal Space-Time Block Code,OSTBC)盲识别方法.推导给出了接收信号的两种高阶累积量公式,该高阶累积量包含发射信号信息,由此提出识别OSTBC信号的两个特征参数;利用MIMO信道估计得到空间信道矩阵,并提出了两种特征参数的估计方法;最后,利用最小距离准则实现对OSTBC信号的分类识别.仿真结果表明:所提出方法的正确识别率高于已有的识别方法,具有良好的识别性能.     

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.     

二进制线性分组码盲识别问题研究

(n,k)线性分组码作为信道编码技术的重要组成部分在深空通信、卫星通信、无线通信等实际数字通信领域得到广泛应用,与此同时,对于(n,k)线性分组码的盲识别问题也正在日益凸显。通过(n,k)对线性分组码的主要原理、关键性质的分析,建立盲识别数学模型,估值判断分组码长、生成矩阵、校验矩阵等具体参数,总结分析线性分组码盲识别的研究现状,归纳提炼出现行各种盲识别算法的优点和局限性,并提出进一步解决线性分组码盲识别问题的主要研究方向。     

一种基于矩阵分析的Turbo码长识别算法

针对信息截获领域中Turbo码识别问题,提出了一种基于矩阵分析的Turbo码长识别算法。简述了Turbo码编码和归零的基本原理,深入分析了Turbo码第1路、第2路、第3路和整体的生成矩阵,得出其本质上是一种线性分组码。将线性分组码的码长识别方法引入到Turbo码识别当中,并对算法进行了改进。仿真实验表明,此方法在较高的误码率基础上有着良好的识别效果。     

基于分块矩阵变换的线性分组码盲识别

为了解决传统矩阵分析方法存在的误码扩散问题,提出了一种基于分块矩阵变换的线性分组码盲识别方法.首先,将截获序列按照估计码长构造出分析矩阵,将分析矩阵分块后分别进行矩阵下三角变换;然后,以各列列重为度量,根据相关列重量的统计分布特性设置相关列阈值,并统计出符合阈值的相关列的个数,当相关列的个数最大时即为真实码长的情况.该方法还可以识别码字同步点,识别方法简单.理论分析及仿真结果表明,该识别方法的容错性能较好,在误码为5%的条件下,对(15,7)线性分组码的正确识别率依然能达到80%.