基于K-means聚类的Morse码自动译码研究

针对短波Morse电报自动译码准确率低的问题,提出了一种针对信号时频图,采用机器学习理论的Morse信号自动译码技术,实现了对机械或手工Morse码的自动译码。通过对短时傅里叶变换生成的Morse信号时频图像,进行自适应图像增强处理,提取Morse信号;采用基于K-means聚类的非监督学习方法自动分类Morse点划、间隔等信息,实现Morse码自动译码;为提高译码的正确率,设计了译码纠错方法。仿真试验和工程实践均验证了算法的有效性。     

基于PD-CNN的Polar码译码算法

针对传统Polar码译码算法在相关噪声信道下性能严重下降的问题,提出了一种基于前置预判-卷积神经网络（Prior Decision-Convolutional Neural Networks,PD-CNN）的译码算法。通过前置预判深度优化CNN,使其准确地估计信道噪声并使残余噪声尽可能遵循高斯分布,再根据残余噪声分布统计更新出可靠的似然比信息。分析了不同译码算法对不同码率Polar码在不同噪声相关强度下的译码性能,并与本文所提出的译码算法进行对比。仿真结果表明:在相关噪声信道下,当误码率为10-5时,本文所提出的译码算法与标准置信度传播算法相比可获得约2.5 Bd的增益。此外,在高信噪比时,与置信度传播-卷积神经网络算法相比,本文提出的译码算法具有相同的性能,但复杂度更低,译码延迟最大可减少42%。      

残差扰动网络辅助的BP译码算法

极化码的置信传播(Belief Propagation,BP)译码算法性能相比于其他极化码译码算法并不具有优势。为了改善这一现象,提出了一种基于残差网络和扰动译码算法相结合的BP译码算法。该算法通过在传统BP译码算法的基础上添加残差神经网络对接收信号进行处理,使其更大概率地落在可正确译码区域内,从而达到改善传统BP译码算法的译码性能的目的。仿真结果表明,在误比特率为10－4时,所提算法相比于传统的BP译码算法约有0.7 dB的性能增益,相比于BP-RNND(50)（BP- Residual Neural Network Decoder）译码算法约有0.6 dB的性能增益;同时,在低信噪比时所提算法的平均迭代次数相比于传统BP译码算法约有60%的降低。     

Morse报自动译码算法研究

在现代化军事通信领域,短波电报是恶劣条件下重要的应急通信手段,但现有的自动译码方法仍没达到实用化水平,依旧采用人工译码方式。人工译码方式是在确定信号频率的同时判定信号的持续时间,因此时频分析方法非常适用于Morse报的分析。提出一种基于时频分析理论,结合数字图像处理和机器学习方法的Morse报自动译码算法,旨在提高译码准确率。在点、划、间隔的识别问题中,采用了聚类算法,智能的判定元素的种类;在码文查表转换时,提出了快速索引查表算法,提高了查表效率。仿真实验表明,提出算法可以从强噪环境下较为准确的还原码文信息,对手工码的适应性强,在时变的噪声环境下具有鲁棒性。      

LDPC码的信道自适应迭代译码算法

中短长度LDPC码采用BP迭代译码时,在低信噪比区,大量的经过多次迭代仍不能纠正的错误帧造成了平均迭代次数的大大增加;在中高信噪比区,比特对数似然比值的振荡造成了译码性能的降低。为了减少低信噪比区的平均迭代次数,提高中高信噪比区的译码性能,本文提出了一种LDPC码的信道自适应迭代译码算法。该算法采用基于校验和错误模式的预判决机制和消息加权平均算法,通过低信噪比区预判决机制的主导作用来减少平均迭代次数,通过中高信噪比区消息加权平均算法的主导作用来抑制因比特LLR值振荡而形成的错误帧,从而实现译码算法与信道变化特征的自适应,提高了译码效率。仿真结果显示,相对于BP译码算法,该译码算法在低信噪比区减少了平均迭代次数而译码性能没有显著变化,在中高信噪比区提高了译码性能而平均迭代次数没有明显增加。     

一种改进的DSSS信号扩频码估计算法研究

在低信噪比条件下检测出直接序列扩频(DSSS)信号后,要恢复出原始信息,估计出扩频码序列是非常关键的,因此有必要研究DSSS信号的扩频码序列估计算法。提出了一种基于改进的协方差矩阵迭代算法应用于估计扩频码序列。理论分析和计算机仿真实验都表明了该算法能在低信噪比下估计出扩频码序列,与其他一些扩频码序列估计算法如基于投影子空间的算法、基于神经网络的算法相比,具有运算量更小等优势。     

低密度校验码BP译码算法中量化问题的研究

本文对低密度校验(LDPC)码BP译码算法的量化问题(主要是接收比特信号和中间变量)进行了研究.着重讨论了量化范围、量化级数、均匀和非均匀量化等因素对译码性能的影响,给出了LDPC码BP译码算法的一些实用性的结论.并进一步发现在对BP译码算法的中间变量进行高阶量化处理时,在高信噪比的情况下,能明显地减小译码的误码率,降低译码算法的错误平层,提高译码性能.     

OFDM系统下LDPC码的性能仿真

通过对LDPC码在不同调制方式下译码算法的分析，把高阶调制下的和积译码算法应用于LDPC—OFDM系统，系统中LDPC码采用目前性能最优的PEG随机构造生成，并与Turbo—OFDM系统进行比较，仿真结果表明短码长LDPC码在高码率高信噪比的情况下性能优于Turbo码。     

基于SISO的LDPC码盲译码算法研究

针对传统BP译码算法需要初始条件的缺点,本文提出了一种基于软输入软输出(SISO)的LDPC码盲译码算法,所提算法采用类似BP迭代译码算法步骤,通过对距离信息进行迭代处理,实现无需接收信号的信噪比和信道状态即可译码;同时,还将所提盲译码算法推广到多进制LDPC码的译码应用中。本文所提盲译码算法在初始状态难以确定以及接收信号信噪比难以估计的通信信道中具有重要价值。仿真结果表明,所提算法不论是在AWGN信道还是在瑞利衰落信道上都能取得优良的性能,不论是与标准BP译码算法还是与分层BP译码算法相比,在性能相近的情况下,计算复杂度都有所降低。     

一种低码率的LDPC码在LTE-A中的性能研究

本文通过分析LTE-Advanced系统中准循环LDPC码校验矩阵的构造方法,在不改变母码矩阵的基础上,采用一种灵活的扩展方法,构造了一种低码率的LDPC码。采用一种很实用的编码算法和差分译码算法,在MATLAB仿真平台下,比较了这种LDPC码和Turbo码的性能。结果表明：在短码情况下,这种LDPC码在低信噪比下性能略低于Turbo码,但随着信噪比的增加,LDPC码性能优于Turbo码;在长码情况下,LDPC码的性能明显优于Turbo码。为LTE-Advanced系统的信道编解码器的硬件设计提供了一套有效的编译码算法方案,具有较好的实用价值。     

深空通信中的线性Log-MAP算法

Turbo码由于具有逼近香农信道容量限的性能,已经被CCSDS标准采纳。译码算法是Turbo码译码的关键组成部分,也是影响其性能的关键因素,而MAP类译码算法以其优越的性能成为译码算法的主体。在对MAP类译码算法的译码复杂度和性能仿真对比、分析的基础上,针对深空通信中的低信噪比、低误比特率的要求,提出一种线性Log-MAP算法方案,该方案在保证性能损失尽可能小的前提下,有效降低了计算复杂度,适用于深空通信的实际要求。     

Generalization of chase algorithms for soft decision decoding of binary linear codes

Soft decision decoding of binary linear block codes transmitted over the additive white Gaussian channel (AWGN) using antipodal signaling is considered. A set of decoding algorithms called generalized Chase algorithms is proposed. In contrast to Chase algorithms, which require alfloor (d- 1)/2 rfloorbinary error-correcting decoder for decoding a binary linear block code of minimum distanced, the generalized Chase algorithms can use a binary decoder that can correct less thanlfloor ( d - 1)/2 rfloorhard errors. The Chase algorithms are particular cases of the generalized Chase algorithms. The performance of all proposed algorithms is asymptotically optimum for high signal-to-noise ratio (SNR). Simulation results for the(47, 23)quadratic residue code indicate that even for low SNR the performance level of a maximum likelihood decoder can be approached by a relatively simple decoding procedure.     

DME中的莫尔斯码软件解码的探讨

在 DME 系统中，地面台的识别码是一种莫尔斯码编码。本文在分析该莫尔斯码的解码原理和比较两种解码方案的基础上，给出软件解码的算法和可行性方案，实现了莫尔斯码的准确解码。     

基于卷积神经网络的调制样式识别研究

自动调制样式识别分类是解调前的重要步骤,在频谱管理、认知无线电、智能调制解调器、监视和干扰识别等许多应用中发挥着重要作用。深度学习具有强大的分类能力,基于深度学习中的卷积神经网络,将映射成星座图的具有不同调制样式的通信信号馈送进神经网络,从而达到通信信号调试样式识别分类的目的。基于实验目的,提出一种改进的卷积神经网络结构可实现对七种不同的调制样式的分类,在信噪比≥5dB时,识别率可达97.99%,信噪比≥9dB时,识别率可达100%。     

基于OpenCV的光缆表面喷码字符识别算法

人工识别光缆喷码字符弊端众多,亟需光缆自动化识别技术.针对光缆喷码点阵字符特点,提出一种在线光缆喷码字符识别系统,对模板匹配、人工神经网络和支持向量机等3种字符识别算法进行仿真研究和参数优化,并比较了这3种算法的优劣;分析了人工神经网络和支持向量机相关参数对识别准确率和训练时间的影响.仿真结果表明:相同测试集下,人工神...     

分离通道联合卷积神经网络的自动调制识别

针对通信信号的自动调制识别需要大量特征提取的问题,提出了一种分离通道卷积神经网络自动调制识别算法。该算法通过结合深度学习中卷积神经网络(CNN),分别提取时域信号的多通道和分离通道调制特征,再利用融合特征实现不同信号的分类。仿真结果表明,相比基于CNN的算法,所提算法在高信噪比下针对两个数据集的识别率分别提升7%和18%;此外,相比于基于特征提取的传统识别算法,其高阶调制识别性能平均提升3 dB。     

Asymptotic optimality of the GMD and Chase decoding algorithms

The generalized minimum distance (GMD) and Chase (1972) decoding algorithms are some of the most important suboptimum bounded distance decoding algorithms for binary linear block codes over an additive white Gaussian noise (AWGN) channel. We compute the limitation of the ratio between the probability of decoding error for the GMD or any one of the Chase decoding algorithms and that of the maximum-likelihood (ML) decoding when the signal-to-noise ratio (SNR) approaches infinity. If the minimum Hamming distance of the code is greater than 2, the limitation is shown to be equal to 1 and thus the GMD and Chase decoding algorithms are asymptotically optimum.     

通道门控Res2Net卷积神经网络自动调制识别

针对低信噪比条件下自动调制识别准确率不高的问题,提出了通道门控Res2Net卷积神经网络自动调制识别模型。该模型主要由二维卷积神经(Two-dimensional Convolutional Neural Network, 2D-CNN)网络、多尺度残差网络(Residual 2-network, Res2Net)、压缩与激励网络(Squeeze-and-Excitation Network, SENet)和长短期记忆(Long Short-Term Memory, LSTM)网络组成,通过卷积从原始I/Q数据中提取多尺度特征,结合门控机制对特征通道进行权重调整,并利用LSTM对卷积所得特征进行序列建模,确保数据特征被有效挖掘,从而提升自动调制识别的准确率。在基准数据集RML2016.10a下的调制识别实验表明,所提模型在信噪比为12 dB时识别精度为92.68%,在信噪比2 dB以上时平均识别精度大于91%,较经典CLDNN模型、LSTM模型和同类型PET-CGDNN模型、CGDNet模型能取得更高的调制类型识别准确率。