基于校验矩阵的卷积码盲识别技术研究

首先论证了C(n,n-1,m)卷积码的基本校验矩阵的维数与卷积码编码器存储器阶数之间的关系,通过码字约束关系提出了一种矩阵秩的判别方法。无误码情况下的仿真实验表明:在没有先验知识的情况下,对卷积码的多个参数有良好的识别效果。最后给出了AWGN信道下该识别方法的MATLAB仿真分析,实验结果表明该算法具有良好的容错性能。     

基于求解校验序列的(n,1,m)卷积码盲识别

伴随信息对抗和智能通信的快速发展,信道编码识别已成为信息恢复领域一个重要的课题。针对(n,1,m)卷积码盲识别问题,该文提出一种新的识别方法,该方法首先提出了校验序列的概念,通过改进后的矩阵模型求解出校验序列,进而由校验序列构造方程求解出生成多项式矩阵,完成识别。最后,通过实例仿真验证了该方法能够在参数n和码字起始位置都未知情况下有效识别出(n,1,m)卷积码。     

基于校验统计的(2,1,m)卷积码盲识别

伴随通信对抗由信号层向信息层的发展,信道编码识别已成为信息截获恢复领域一个亟需解决的问题。针对(2,1,m)卷积码盲识别问题,提出了一种基于校验统计的识别方法,该方法首先通过统计的方法求出最佳匹配的校验矩阵,进而推导出生成多项式矩阵。最后,通过MATLAB实例仿真验证了该方法能够有效识别出所有(2,1,m)卷积码,且具有很好的容错性能。     

1／n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.本文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1/n卷积码盲识别,取得了很好的效果.     

基于改进Walsh-Hadamard变换的(n,1,m)卷积码盲识别

针对高误码率情况下(n,1,m)卷积码的盲识别问题,该文提出一种新的基于改进Walsh-Hadamard变换(Walsh-Hadamard Transform, WHT)的方法。首先将原问题等效为多路1/2码率卷积码的盲识别问题,并建立关于其生成多项式系数的线性方程组。然后分析了现有基于WHT的方法直接求解该方程组所存在的不足,重新建立更稳健的判决门限,同时通过缩小解的取值范围降低计算量,进而在求得正确解向量的同时完成对码长的识别。最后,将多路等效1/2码率卷积码的生成多项式按一定条件组合,得到(n,1,m)卷积码的生成多项式矩阵。仿真结果验证了所提方法的有效性,且性能优于传统方法。     

基于粒子群算法的(n,1,m)卷积码盲识别

针对高误码率下(n,1,m)卷积码的盲识别问题,提出了一种基于离散粒子群算法的方法。利用校验关系建立识别模型,再利用码字序列在不同参数下建立含错方程组,并通过离散粒子群算法迭代检验,得到校验多项式矩阵。利用待定系数法对生成多项式进行计算,仿真结果证明了所提方法的有效性。     

基于模拟退火算法的(2,1,m)卷积码盲识别

卷积码是数字通信中常采用的信道编码形式。针对(2,1,m)卷积码的盲识别问题,提出了一种基于模拟退火算法的新方法。首先根据码特征给出了识别的数学模型,然后基于该模型对方法的基本原理和实现过程进行了详细的介绍,并给出了各参数的选取方法。最后,采用蒙特卡洛方法进行了仿真验证。仿真结果表明,算法性能优异,在误码率高达10-2量级时,能有效实现对常用(2,1,m)卷积码的识别。相比于现有的卷积码识别方法,该算法性能优异且计算复杂度较低。     

基于遗传算法的（2,1,m）卷积码盲识别

电子对抗正逐步由信号层向信息层发展,信道编码的识别成为信息截获领域一个重要的课题。针对（2,1,m）卷积码盲识别问题,提出了一种基于遗传算法的识别方法,该方法具有很好的容错性能和快速识别能力。最后,通过MATLAB仿真验证了该方法能够识别出卷积码的校验多项式,进而求得生成多项式。     

基于校验矩阵的卷积码识别和码字同步

简要介绍了卷积编码的矩阵描述及其生成矩阵和校验矩阵的关系,从中得出编码序列与校验矩阵之间的数学关系。从而提出了一种以卷积码的校验矩阵为先验知识的卷积码识别方法,利用卷积码的校验矩阵和编码序列的关系对通信侦察系统得到的数据流进行分析,实现对接收序列的编码方式识别和码同步,为进一步的解码工作创造了条件,并用仿真试验在无误码和有误码2种情况下分别验证了该方法的有效性。     

(n，1，m)递归系统卷积码的盲识别

递归系统卷积码(RSC码)是Turbo码子编码器常采用的编码形式。针对(n,1,m)递归系统卷积码的盲识别问题,给出了完整的编码参数和生成多项式识别方法。首先,采用矩阵分析法先求得卷积码参数,避免后续识别生成多项式时因参数循环估计带来的额外计算量。然后,根据RSC码的特性推导出生成多项式识别模型,给出了模型的具体求解步骤,并对所采用的Walsh-Hadamard变换算法进行了介绍。最后,运用Matlab平台进行仿真验证。仿真结果表明,该方法容错性能明显优于常规方法,在误码率为10-2条件下成功识别概率能达到90%,对于Turbo码的进一步研究具有重要意义。     

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。     

基于最大似然检测的（n,1,m）卷积码盲识别方法

该文针对非合作信号处理中的(n,1,m)卷积码的盲识别问题,提出一种基于最大似然检测的识别方法。该方法将接收码序列按不同长度进行分段,构建卷积码校验多项式系数的线性方程组,利用最大似然检测方法估计线性方程组的解,并利用解向量与卷积码生成多项式的校验关系,构建生成多项式系数的线性方程组,最终求解得到卷积码的生成多项式。仿真实验验证了算法的有效性,并对算法的误码适应能力进行了理论和仿真分析,仿真结果表明该方法能够在较高误码率条件下实现(n,1,m)卷积码的检测与识别。     

非规则LDPC码的奇偶校验矩阵设计

提出了一种基于置换矩阵的非规则低密度奇偶校验（LDPC）码的校验矩阵设计方法。这种新的校验矩阵的设计以单位矩阵的循环移位阵为基本单元,目的是通过对上三角矩阵进行矩阵变换、行和列的位置交换等方法减少1的个数,从而避免短环长度为4的出现。仿真结果表明,当迭代次数增大到10时,误码率曲线得到很好的改善,并且可以得到0930码率。     

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.     

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。