卷积交织器盲识别方法

交织技术通过对传输数据进行重排,克服通信过程中的突发错误,增强数据传输的可靠性,在数字通信系统中具有重要作用。该文针对非合作信号处理中卷积交织器的盲识别问题,提出一种基于交织序列一阶累积量的识别方法。该方法利用帧同步码和码字序列的一阶累积量检测数据序列中的交织周期。根据帧同步码累积量之间的分布关系实现交织宽度和交织深度的估计。仿真结果表明该方法能够在较高误码率条件下实现卷积交织器的识别和参数估计,且计算量小于已有的高斯三角化算法。     

数字通信中卷积交织盲识别方法

分析了卷积交织原理和交织器中移位寄存器的工作方式.在无任何辅助信息下,利用卷积交织器中移位寄存器所设初始值被交织后在交织序列中保持不变的特性,提出叠加法来确定交织序列中原移位寄存器初始值位置,并以此对卷积交织器支路数和每条支路增加的移位寄存器数这两个重要参数进行估计.为保证叠加结果的正确性,同时提出一种判决准则对叠加法...     

交织类型盲识别方法

交织技术在抵御信道衰落引起的突发错误方面发挥着重要作用,在通信系统中得到了广泛应用,使得交织盲识别成为信道编码识别的重要内容。针对非合作情况下的交织类型盲识别问题,提出一种基于序列码重特性分布的识别方法。该方法通过分析分组交织序列和卷积交织序列的码重分布特性,利用两种序列的实际码重分布概率与二项分布概率之间的欧几里德距离作为特征参数来识别序列的交织类型。仿真结果表明该方法能在较高误码率下实现交织序列类型的盲识别。     

非收尾Turbo码交织器的识别方法

提出了一种对非归零Turbo码交织器的识别方法。二元域上某类有理式的级数展开具有周期性,从而可知,在同一个周期点上,来自信息序列上2个比特与相应交织位上的2个比特之和为0,进而可得到一种识别方法：第1步恢复出2个交织位置,此后每步恢复1个位置。根据周期长度的不同,算法被分成若干条并行链路,链路数即为周期长度。     

螺旋形交织器交织长度盲识别

针对螺旋形交织器提出一种交织长度的盲识别方法,根据线性分组码中校验码元与信息码元间的线性相关性和交织器的作用,将截获的数据序列按列数不同排成矩阵,经过高斯约当消元后计算其下三角矩阵中含0列的比例的平均值来实现对交织长度的盲识别。仿真结果表明该方法可以实现对螺旋形交织器交织长度的识别,在误码率不大于0.003时,识别准确率可达80%以上。     

卷积交织参数的盲估计

通信系统中的交织技术在抗信道衰落引起的突发错误方面发挥着重要作用,能大大提高信息传输的可靠性.其中卷积交织由于能减少时延和存储量,得到了广泛应用.本文在非合作环境中针对信道编码中常用的卷积交织技术,提出了一种对交织参数进行盲估计的方法.所提方法通过构造去交织器,将截取数据流的起始位置信息转换成交织延时偏差,利用伽罗华域...     

短帧Turbo码交织器的设计

本文给出一种分组交织器与最佳周期交织器相结合对数据进行交织的方案，可应用在短帧Turbo码交织器的设计中。通过对这种交织器的性能进行计算机模拟，本文得出在短帧Turbo码中该交织器的性能优于伪随机交织器和一般的分组交织器的性能。     

Turbo码系统中交织器的设计

Ｔｕｒｂｏ码由于很好地应用了香农信道编码定理中的随机性编译码条件而获得了几乎接近香农理论发的性能。其中编、译码过程中交织器的设计是实现随机性的核心。本文主要介绍了分块交织器和伪随机交织器的设计,并提出一种两者相结合的新的交织器类型。根据仿真结果,从理论上分析了三种交织的优缺点及在不同通信领域中应用Ｔｕｒｂｏ码时选取交织器的原则。     

MB-OFDM UWB系统中交织器盲识别方法

借助峰值平均功率比(PAR)与反转误码率(RSER)信息,实现MB-OFDM UWB系统在发送端选择最佳交织器后,在不传送交织辅助信息情况下,在接收端恢复发送端使用的交织器编号,实现交织过程盲识别。将反转误码率的检测应用到对交织器的盲识别中,改进MB-OFDM UWB系统中的交织器与解交织器部分,通过对反转误码率的比较识别出发送端所选择的交织器规格,进而达到对交织序列的盲识别。对常规与改进后的系统进行误比特率仿真比较后,发现改进后的MB-OFDM UWB系统具有较好的可靠性,可以通过反转误码率的比较信息得出交织器编号,进而得到交织序列,释放信道,达到真正意义上的交织盲识别,从而实现智能通信。     

非码长整数倍矩阵交织器参数盲估计算法

针对与线性分组码级联的矩阵交织器,提出了一种矩阵交织参数盲估计方法.首先构造数据矩阵,确定交织深度的整数倍;再进行一维假设确定交织偏差;最后对交织深度和交织宽度进行二维搜索,对数据进行解交织,确定这2个参数,实现了矩阵交织不同交织深度下参数的盲估计.该方法适用于任何交织深度下矩阵交织器参数估计,尤其适用于未被研究过的交织深度不等于码长整数倍的情况.仿真表明：在误码率为0.001时,无论交织深度是否为码长的整数倍,所提算法的参数估计速度均较快,且检测概率可达98%.     

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.     

基于最小二乘代价函数的卷积码盲识别方法

卷积码的盲识别是级联码、Turbo码等高性能编码盲识别的基础,这要求卷积码盲识别方法具有较高的抗噪能力.使用接收解调的软判决信息是提高抗噪能力的关键.本文首先通过理论分析,从概率分布的角度解释现有软判决方法抗噪能力不足的原因,即汉明重量较小的候选解向量会严重削弱现有方法的识别正确概率.然后,提出一种基于最小二乘代价函数的解决方案,理论证明它能够有效减轻汉明重量对识别性能的影响.最后,通过仿真实验,对理论分析的结论进行验证.理论和实验表明,所提的新方法能将卷积码盲识别的抗噪能力提升约1dB.     

编织卷积码交织器的设计

编织卷积码(WovenConvolutionalCodes)是近年来所出现的一种新型高效纠错码,其中交织器的设计对分散突发错误、改善其纠错性能起着决定性的作用。传统的编织卷积码采用了行进列出的简单的交织方式,本文针对编织卷积码的结构特性设计了两种不同的交织器并通过系统仿真比较了它们的性能,仿真结果显示行式交织器极大地改善了系统性能,是目前为止最优的编织卷积码的交织器。     

基于离散度分析的帧同步快速盲识别算法

本文针对协议类型未知条件下集中插入式帧同步的盲识别问题,首次提出了一种基于离散度分析的快速帧同步盲识别算法。首先,根据集中插入式帧同步的特点,通过分析比较同步码和帧内其他序列的相关性,得出集中插入式同步码都具有很小的相关旁瓣的结论;然后,根据离散度分析理论,通过计算序列的相对离散度值分析序列的相关性,利用上述方法对待识别数据进行循环切分并计算每个切分段的相对离散度值,达到准确切分帧同步码的目的;最后,通过分析各子切分序列的相对离散度值,实现同步码的准确识别。仿真试验验证了本文算法的有效性,表明识别算法不受同步码型和数据量的约束,并且算法的抗误码性能较好、识别速度较快,因此具有一定的工程应用价值。     

信道编码盲识别问题研究

随着信道编码技术在数字通信领域的广泛应用,信道编码盲识别问题也日益突出。对信道编码盲识别问题进行研究,分析了信道编码盲识别技术的需求,建立了信道编码盲识别的数学模型,总结了目前信道编码盲识别技术方面的研究现状,并提出了进一步解决信道编码盲识别问题的研究方法和思路。     

系统卷积码盲识别

在未知情况下如何仅仅根据接收的数据识别出信道纠错码的参数,目前还是个很难解决的问题。文章根据线性分组码的性质提出了一种新型数据矩阵模型,用于对线性分组码进行盲识别,并将该方法推广应用到系统卷积码盲识别,取得了很好的效果。     

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AR模型的调制盲识别方法

针对调制方式的盲识别,本文通过自回归模型提取特征参数,并采用k近邻法进行分类识别.仿真结果表明,这种方法可以在-1dB的极低信噪比条件下识别信号的调制方式,并且其性能受中心频率偏移和抽样频率变化的影响很小.     

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。