一种软判决下的RS码识别算法

针对现有RS码识别算法需要对码字符号在不同域之间进行转化,且容错性能较差的问题,该文提出一种直接利用软判决序列完成RS码识别算法。算法首先从RS码定义出发,给出了RS码校验关系从GF(2^m)到GF(2)上的等价转换方式,从而避免了不同域下复杂的符号转化;其次引入了能够衡量校验关系成立大小的平均校验符合度概念,然后基于其统计特性以及极大极小判决准则,遍历可能的码长以及对应的m级本原多项式,进行初始码根校验匹配,从而完成码长以及本原多项式识别;最后利用识别出的码长以及本原多项式,构建本原多项式下GF(2^m),进行连续码根匹配判决,最终完成码生成多项式识别。仿真结果表明：推导的平均校验符合度统计特性与实际情况一致,算法能在低信噪比下有效完成参数识别;同时该算法具有较好的低信噪比适应能力,在信噪比为6 dB条件下,工程中常见的RS码识别率均能达到90%以上。与现有算法相比,该文算法性能明显好于硬判决算法,且比传统算法提升1 dB以上性能。     

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...     

基于余弦符合度的自同步扰码盲识别

为克服现有非合作自同步扰码识别算法在低信噪比下识别率低、适应性差的缺点,该文提出一种基于余弦符合度的自同步扰码盲识别方法。首先基于信源不平衡性和自同步扰码解扰原理建立自同步扰码的含错校验方程,然后将接收到的软判决序列转化为信息码元的后验概率序列,遍历可能的生成多项式,在遍历的过程中引入余弦符合度作为统计量,通过分析符合度的统计特性求解出最优的判别门限,根据统计量和判别门限的关系完成自同步扰码生成多项式的识别。仿真结果表明：该算法能有效识别出生成多项式,且在低信噪比下识别率优于现有算法,具有较好的低信噪比适应能力,在信源不平衡度ε为0.1,截获扰码序列长度为800 bit和ε为0.05,截获扰码序列长度为3000 bit时,能够有效完成生成多项式的识别,与目前算法相比,该文算法识别性能优于现有的硬判决算法,且比硬判决算法性能提升1～2 dB。     

文章编号:1007-0249(2012)05-0120-04

信道编码码序列的信息侦获是当前研究的热点、难点领域.针对信道编码中循环码的参数识别问题,本文利用秩函数确定了循环码的码长,并通过Euclide算法确定了码字起始位置和生成多项式,解决了循环码的识别问题.仿真结果表明,该方法能够对循环码进行有效的盲识别,且具有较好的容错性能.     

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。     

基于秩函数和Euclide算法的循环码盲识别

信道编码码序列的信息侦获是当前研究的热点、难点领域。针对信道编码中循环码的参数识别问题,本文利用秩函数确定了循环码的码长,并通过Euclide算法确定了码字起始位置和生成多项式,解决了循环码的识别问题。仿真结果表明,该方法能够对循环码进行有效的盲识别,且具有较好的容错性能。     

基于校验矩阵匹配的循环码参数盲识别算法

针对目前循环码参数盲识别存在容错率低、所需截获数据多的问题,该文提出一种基于校验矩阵匹配的循环码参数盲识别算法。首先求出所有码字长度n和生成多项式为xn-1的因式对应的校验矩阵作为候选校验矩阵。然后利用截获的二进制码流构造截获矩阵,使其与候选校验矩阵相乘,判断在不同的码字长度和同步时刻是否存在校验矩阵,再结合存在校验矩阵对应的多项式来识别码字长度、同步时刻和生成多项式。仿真结果表明,所提算法对高码率(63,51)循环码识别,关于码字长度、同步时刻、生成多项式的正确识别率要求在80%时,系统允许的最大误码率分别可达4.610-2,4.610-2,1.610-2。     

RS码编码参数的盲识别

针对现有的RS(Reed-Solomon)码盲识别计算复杂度较大的问题,提出了一种新的识别方法.首先统计不同码长分组时的码重分布,并定义与理论码重分布之间的相似度系数,通过计算找出最相似的一组即对应正确的码长;然后建立二元假设,并确定判决门限对码根进行判定;通过遍历域内所有的本原多项式,找出完整的连续码根分布,进而完成生成多项式的识别.仿真结果表明,所提方法的计算量较其他方法明显减少,并能有效完成码长和生成多项式的识别,在误码率小于10-3时,对常用RS码的识别率能达到90％以上.     

非理想同步下BCH码盲识别的改进算法

为实现信道差错概率未知和非理想同步条件下BCH码的盲识别,本文提出了一种改进的盲识别算法。首先,结合调制方式和信噪比估计算法估计出信道差错概率;然后,根据该信道差错概率推导出一个最佳判决界,以判断测试域指数下某个最小多项式是否为生成多项式的因式,完成码长的识别;最后,比较各测试同步偏差下全部行多项式中被最小多项式整除的个数识别出实际同步偏差,并找到满足判决界的全部最小多项式完成生成多项式的识别。仿真结果表明,在信道差错概率未知和非理想同步条件下,本文算法能够有效的完成对BCH码的识别,且识别性能优于已有算法。      

基于校验方程符合度下的Turbo码编码器盲识别

针对目前Turbo码分量编码器参数识别算法容错性不好、计算量大的缺点,该文提出一种基于校验方程符合度的新算法。首先,根据码元约束长度较小的特点,构建出编码器生成多项式数据库,然后通过遍历多项式数据库,计算出每种多项式所对应的平均校验方程符合度值,其最大值所对应的索引号即为多项式库中的正确多项式索引号,从而完成编码多项式的识别。该算法仅仅遍历有限的多项式数据库,其计算量较小,只与截获的数据量有关;算法采用的数据为软判决信息,故其容错性能较好。仿真结果表明：在信噪比为0 dB条件下,仅需要截获10码块,交织长度为100的码元数据量,参数的识别率就能达到90%以上。     

Blind recognition of primitive BCH code based on average cosine conformity

In order to overcome the poor performance of existing algorithms for recognition of BCH code in low signal-to-noise ratio (SNR),a recognition algorithm based on average cosine conformity was proposed.Firstly,by traversing the possible values of code length and m-level primitive polynomial fields,the code length was identified by matching the initial code roots.Secondly,on the premise of recognizing the code length,the GF(2^m) domain was traversed under the m-level primitive polynomial and the primitive polynomial with the strongest error-correcting ability was the generator polynomial for the domain.Finally,the minimum common multiple corresponding to the minimum polynomial of code roots was obtained,and the BCH code generator polynomial was recognized.In checking matching,the statistic of average cosine conformity was introduced.The optimal threshold was solved based on the minimum error decision criterion and distribution of the statistic to realize the fast identification of the BCH.The simulation results show that the deduced statistical characteristics are consistent with the actual situation,and the proposed algorithm can achieve reliable recognition under SNR of 5 dB and code length of 511.Comparing with existing algorithms,the performance of the proposed algorithm is better than that of the existing soft-decision algorithm and 1~3.5 dB better than that of the hard-decision algorithms.     

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。     

LDPC code reconstruction based on algorithm of finding low weight code-words

LDPC code reconstruction without a candidate set is one of the tough problems in channel code reconstruction.First,theoretical analysis was provided for the number of received code-vectors needed for the reconstruction,and a lower bound was derived.Then,according to the lower bound,and based on an algorithm for finding low weight code-words,a new reconstruction method was proposed.It looked for low weight vectors one by one from the dual space of the received code-vector space and used them to reconstruct the sparse parity-check matrices.Number of iterations and the computational complexity of the method were analyzed based on exponential distribution theory.Under noise-free conditions,drawbacks of the existing method,including limited applicable range and large quantity of required data,have been overcame.Under noisy conditions,the proposed method has higher robustness against noise and relatively low complexity,compared to existing methods.For QC-LDPC codes,the reconstruction performance can be further improved using the quasi-cyclic property of their sparse parity-check matrices.     

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.     

一种删除卷积码识别方法研究

伴随自适应编码调制（AMC）技术的提出与应用,删除卷积码识别已成为自适应通信领域一个亟需解决的问题.针对以（2,1,m）卷积码为源码的删除卷积码识别问题,提出了一种基于构建分析矩阵和遍历删除模式的识别方法.该方法首先由构建的分析矩阵识别出删除卷积码码率和校验多项式矩阵,进而通过遍历确定删除模式,推导得出（2,1,m）源卷积码的生成多项式矩阵.最后,通过MATLAB实例仿真验证了该方法的有效性,并分析了其容错性能.     

基于编码矩阵结构特征的非删余极化码参数盲识别算法

针对目前标准非删余极化码盲识别存在的算法复杂、误码适应能力不足等问题,首先证明了能够表征极化码码长、码率关系,区分信息子信道和冻结子信道的定理与命题,并基于此提出了一种高效的盲识别算法.该算法只需设定可能的最大码长,构建对应的软判决码字矩阵与克罗内克矩阵,利用所证明的定理与命题对两矩阵校验关系进行判决,估计码率及冻结比...     

低信噪比下随机交织器识别

针对Turbo码随机交织器参数识别问题,充分利用信道截获数据的软判决信息,提出了一种基于对数符合度的交织映射关系识别算法。该算法从计算总的编码方程成立概率出发,定义了能很好衡量概率大小的对数符合度概念,极大地简化了计算复杂度,使得计算量仅与截获码块数目和交织长度的平方有关,计算方式仅为大小比较与符号提取;再利用正确交织位置能够使总的编码方程成立的概率达到最大这一特性,依次实现各个位置的交织关系的识别。与现有算法相比,所提算法识别性能稍差,但计算复杂度更低。仿真结果表明,在信噪比为0 dB、交织长度为200时,仅需要截获码块数目为500,其正确识别率就能达到100%。