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。     

一种改进的线性分组码的全盲识别算法

针对线性分组码编码参数的盲识别问题,根据实际与随机序列码重概率分布间较大的差异性,提出了利用两种特征参数(码重标准差率差值、码重信息熵)分别同时识别码长和起始点的算法.根据这两种算法的不足又进一步改进,提出一种对这两种特征参数进行融合来同时识别码长和起始点的算法.在此基础上,通过建立矩阵进行化简获得生成矩阵,从而实现线性分组码的全盲识别.理论分析及实验仿真表明该方法简单易行,容错性较强,在误码率为0.025条件下对中短码识别率达到90％,误码率为0.005条件下对中长码识别率高于80％.     

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。     

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.     

基于稀疏沃尔什谱的BCH码检测识别方法

针对BCH码的盲识别问题,提出了一种基于稀疏沃尔什谱的识别方法.算法利用码字与对偶码乘积的码重估计码字的码长,然后利用沃尔什-哈达马变换求解线性方程组的数学模型,通过遍历不同码率,求解少量特定位置的稀疏沃尔什谱,根据谱值大小可实现BCH码的盲识别.仿真实验表明,该算法能够在较高误码率条件下实现对BCH码的盲检测与识别.     

基于概率逼近的本原BCH码编码参数的盲识别方法

针对本原BCH码编码参数的盲识别问题,该文提出了一种基于概率逼近的盲识别方法。首先,利用Gauss分布和Poisson分布逼近随机码字的根概率特性,确定了搜索BCH码长的门限;然后,通过分析本原域元素的检错能力及同构对域的影响,应用临近域对的方法确定编码域,提高了其识别能力;最后,给出识别生成多项式时的共轭根系表,从而减少了计算量。仿真结果表明,在较高的误码率下,该方法能快速地识别出BCH码编码所采用的编码参数。     

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。     

BCH码分组交织参数盲识别

针对BCH码分组交织参数盲识别容错性能差和计算量大的问题,提出一种基于高斯列消元和深度谱相结合的BCH码分组交织参数盲识别方法。首先利用高斯列消元方法识别交织长度和同步参数,确定交织位置关系;其次根据交织位置关系得到码长后,然后利用深度谱识别生成矩阵,对生成矩阵进行高斯消元得到典型生成矩阵和生成多项式。该方法可以较好地识别BCH码分组交织的交织长度、同步参数、交织位置关系、BCH码码长及生成多项式。仿真实验表明,在误码率为 的情况下,对高码率BCH码分组交织的识别概率高于70%。     

LSC-DSSS信号长短伪码盲估计

短码扩频长码加扰的直扩信号可视为特殊的长码直扩信号,将其短扩频码和长扰码作为复合码。首先通过特征值分解和酉矩阵去位置模糊实现复合码的盲估计;然后利用m序列的三阶相关函数特性识别短扩频码的类型;最后根据识别结果采用三阶相关法或延迟三阶相关法实现长短伪码的盲估计。仿真表明,复合码估计在信噪比-7.5dB以上可达到1%以下的误码率;当信噪比高于-6dB时,三阶相关法估计长短伪码本原多项式的正确率可以达到90%以上;当信噪比高于-4dB时,延迟三阶相关法估计长短伪码序列的误码率低于1%。      

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。     

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。     

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.     

删余型Turbo码分量编码器盲识别算法

摘 要:无法获得完整的递归系统卷积码(Recursive System Code,RSC)码字,传统的盲识别方法就不适用于删余型Turbo码的识别。于是该算法在识别序列的构造上进行了改进,针对Turbo码在删余位上的码字与对应的RSC码有所区别的情况,将该位上的码字视为“0”和“1”等概率出现的误码,从而对删余位进行归零处理并选取合适的截取序列进行匹配度计算,根据最后匹配度的总分布情况对删余型Turbo码分量编码器的参数进行识别。仿真结果表明针对码长为256,码率为1/2的删余型Turbo码,在最大误比特率不超过0.033的情况下正确识别率能保持在80%以上。      

二进制BCH码的一种盲识别方法

提出二进制BCH码的一种盲识别方法。该算法适用于本原和非本原二进制BCH码。首先,在帧长度已知的条件下,根据循环特性,给出一种分组长度的统计识别方法;然后,根据循环特性及各种约束条件得到备选多项式;再根据校正子权重和最小原则,得到最优多项式;最后通过因式分解得到生成多项式的最终估计表达式。仿真表明,本文算法具有较强的抗随机误码能力,而且其识别性能随着参加统计的码字数增多而提高。该算法不涉及矩阵运算,因此非常适合硬件实现。