归零Turbo码的盲识别方法

针对归零Turbo码的识别问题,提出一种有效的识别方法。该方法首先根据归零Turbo码的特殊结构,利用遍历矩阵列数的方式,寻找相关列均值最大值的位置,识别归零Turbo码长和起始点;其次,构建归零Turbo码的交织器识别模型,利用分层比对的方法得到交织置换关系,完成对交织器参数的识别。仿真实验表明,该方法在0.02的误码率条件下识别率仍能达到80%以上,验证了所提方法的有效性和鲁棒性。

基于码重分布距离的自同步扰码识别方法

针对线性分组码的自同步扰码识别问题,提出了一种基于码重分布距离的自同步扰码识别方法。该方法首先证明了线性分组码的自同步扰码序列构造不同维数的矩阵时,矩阵周期性的存在线性相关列,且该周期为线性分组码的码长;然后分析了线性分组码的码重分布的独特特性;在获取线性分组码码长的基础上,通过遍历计算抽取序列与随机序列的码重分布距离并寻找最大值的方式实现了对自同步扰码多项式的识别。仿真实验表明,该方法在序列不均衡度ε=0时也能有效识别,且不需要已知线性分组码的编码参数。

基于线性分组码的自同步扰码盲识别

针对加扰前信息序列为线性分组码情况下的自同步扰码盲识别问题,提出了一种有效的解决方法.首先,从理论上分析了线性分组码与随机序列游程特性的差异,得出了扰码序列正确抽取与错误抽取时输出序列的游程特性的区别;然后,通过遍历寻找抽取后序列的游程比值与随机序列游程比值的欧几里得距离的最大值方式实现了自同步扰码多项式的盲识别.仿真实验验证了理论分析的正确性,解决了0、1均衡情况下的线性分组码自同步扰码盲识别问题,具有一定的工程应用价值.

基于相关度统计的同步扰码盲识别方法

针对同步扰码的盲识别问题,提出了一种基于相关度统计的解决方法。首先利用同步扰码序列的自相关特性,实现对扰码阶数的判断,然后定义了加扰序列与待识别扰码序列的相关度函数,证明了正确识别时序列相关度值与信息序列不均衡度之间的线性关系,而错误识别时的序列相关度值与信息序列不均衡度之间线性无关;最后通过遍历扰码多项式及初态并寻找最大相关度值的方式实现了同步扰码的盲识别。仿真实验验证了理论分析的正确性和识别方法的有效性,证明本文方法具有一定的工程应用价值。

基于游程间隔特征的线性分组码码长识别方法

针对线性分组码的码长识别问题,提出了一种基于游程间隔特征的线性分组码码长识别方法。该方法通过统计不同游程长度下游程间隔的数量得到游程间隔的分布特征,从中提取出具有周期特性的游程间隔的周期长度,实现对线性分组码码长的识别。仿真结果验证了算法的有效性和鲁棒性,表明本文算法比已有算法具有更好的抗误码性能和一定的工程应用前景。