基于增强梯度算子的软阈值宽带频谱感知算法

为了改善信号梯度特征对幅度的损失以及寻求描述信号的最佳尺度问题,提出了一种基于增强梯度算子的软阈值宽带频谱感知算法。通过引入梯度增强算子还原信号幅值特征,结合信号本身梯度特征,使用不同的尺度描述信号梯度增量,得到软阈值判据,进一步加入尺度融合单元,利用硬阈值加软阈值联合判断的方法,得到描述信号的最佳尺度。理论分析和仿真实验结果表明,在高斯信道和瑞利衰落信道下,相较于MPSG算法,所提算法的检测概率和虚警概率均有明显改善,且复杂度更低。通过对比实测数据的检测效果,所提算法更适用于实际工程中。

基于四阶相关的时分多址调制数据独特码盲识别

针对非合作通信中时分多址(TDMA)信号的独特码(UW)盲识别问题,该文首次提出分布式独特码的盲识别算法。区别于比特层的独特码识别算法,该文分别针对集中式独特码和分布式独特码,提出面向调制数据不同窗口之间相关性的波形层独特码识别算法。算法利用独特码的一致性与相关性,分两步进行,首先通过差分累积消除不同突发信号间频偏与相偏的影响,来纵向对齐各个突发信号的独特码,然后通过多层差分共轭4阶相关算法识别出独特码的位置和长度。仿真分析了不同突发个数、信噪比和有无频偏相偏情况下算法的性能,验证了波形层识别独特码的有效性,针对集中式独特码和分布式独特码,所提算法在信噪比为5 dB时均达到了95%以上的识别率,具有一定的工程应用价值。

基于深度学习的二进制变种协议字段划分方法

为提高二进制变种协议字段格式划分的准确率,提出一种基于深度学习的方法,能够自动挖掘协议报文序列的深层字段特征完成协议的字段格式划分。引入一种字段列特征数据集的提取方法,在传统的双向长短期记忆条件随机场网络模型的基础上增加协议字段列特征提取模块,搭建一种专门解决二进制变种协议字段格式划分的神经网络PRO-BILSTM-CRF。与二进制未知协议字段格式划分方法以及几种主流网络模型的对比实验结果表明,在变种协议字段格式划分任务上,提出模型能够取得更高准确率。

高误码率下基于随机抽取的LDPC码校验矩阵重建

为改善高误码率下LDPC码稀疏校验矩阵重建算法的性能,提出了接收码字个数充足和不充足条件下容错能力较强的校验矩阵开集识别算法。首先,通过多次随机抽取码字的部分比特构建新的码字空间,在较低维度下利用高斯消元法求解对偶向量并还原出校验向量;其次,利用该校验向量,采用“剔除错误码字”或“翻转最低不可靠位”的方法不断提高接收数据内无误码码组的比例进行迭代处理。仿真结果表明,所提算法在不同误码率、不同码长、不同码率、不同码字个数下均优于对比算法。对于IEEE 802.11n协议下的(648,324)LDPC码,当接收码字个数充足时,所提算法在误码率为0.003的条件下,其校验矩阵重建率能达到95%以上;当接收码字个数不足(码字个数为450)时,所提算法在误码率为0.0015的条件下,其校验矩阵重建率能达到90%以上。

基于Markov链蒙特卡洛的因子图均衡算法

针对基于因子图模型的非线性失真信道的迭代均衡计算复杂度高的问题,提出了3种不同的接收信息后验概率的有效算法以及并行实现方法。在基于因子图的均衡算法中,均衡器和译码器以迭代处理的方式联合工作,提高了系统的整体性能,但计算复杂度随信道记忆长度呈指数增加,通过Markov链蒙特卡洛算法实现多维积分的计算,并通过因子图分割实现并行Gibbs采样,降低了计算复杂度,仿真表明,该算法有效克服宽带高阶调制的卫星信道非线性失真,有利于硬件或多核并行实现。

载波相位同步算法中因子图模型实现方法

针对固定相位和随机步长相位两种信道模型,研究了在较强的相位噪声的情况下基于因子图模型的载波同步算法,采用粒子滤波算法,解决了其中的多维积分的计算效率和精度问题,并同传统的数值积分、梯度算法进行了比较,给出了仿真性能,粒子滤波的计算复杂度比数值积分要低,性能也较好,与传统的载波同步算法进行比较,文章提出的算法误比特率性能较好,误帧率在10-2时,信噪比比传统V&V算法低1dB～2dB。

一种新型的Turbo码编译码结构

本文分析了以非系统反馈卷积码作为子码的Turbo码的距离特性,设计了非系统Turbo码的译码器,并对等价的系统和非系统Turbo码的性能做了比较。

复杂环境下基于联合特征聚类的多跳频网台分选

为了从混叠信号中去除干扰并分选出各个跳频网台信号,提出一种基于联合特征聚类的多跳频网台分选算法。首先,对混叠信号进行短时傅里叶变换得到时频矩阵,并根据时频矩阵能量分布直方图进行自适应阈值去噪;其次,通过形态学滤波处理,去除扫频干扰;再次,进行连通域标记,计算各段信号的持续时长和平均能量,以此去除定频干扰和短突发干扰并组成各跳频段的联合特征向量;最后,利用MeanShift算法对各段信号的联合特征向量进行聚类分析,完成各个跳频信号的分选。仿真结果表明,相比传统跳频网台分选算法,所提算法对混叠信号具有更高的分选率、更强的抗干扰能力和更广泛的适用性。

格状编码的译码方法的研究

本文首先介绍了V 32协议中格状编码的基本原理 ,分析了格状编码的特点 ,然后讨论了卷积编码和信号空间分布所提供的纠错冗余 ,并着重讨论了格状译码的方法 ,最后分析了格状译码和Viterbi译码的优劣和存在的问题 ,为进一步改进译码方法提出了一种思路。

卷积码的状态变量分析法

本文介绍了卷积码的状态变量分析法 ,并用它分析了卷积码的结构和性能 ,求出卷积码的误码率紧致的上界 ,指出为了避免误码传播 ,闭环路径上的生成函数不能是D° =1 。

并行级连码设计方法的研究

本文在引入了分组码的一些基本概念之后,利用等价分组码分析了并行级连卷积码(Turbo码)的性能,指出为了使并行级连码发挥最佳性能,应采用反馈卷积码作为成员码,在这种情况下,误码率同交织器长度的倒数(1/N)成正比。这些结论为进一步构造性能优良的好码提供了理论指导。

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1d B.

基于寻找小重量码字算法的LDPC码开集识别

LDPC码的开集识别是信道编码识别领域的一个难点。首先,对实现开集识别所需接收码向量的数量进行了分析,给出了其理论下界。然后,根据这一下界,基于寻找小重量码字的算法,提出了一种新的LDPC码开集识别方法。该方法在接收码向量空间的对偶空间中逐个寻找小重量向量,即待识别的稀疏校验向量,从而重建稀疏校验矩阵。利用指数分布对迭代次数进行建模,给出了该方法的迭代停止准则及运算量分析。在无误码条件下,新方法克服了已有方法在适用范围和所需数据量的局限。在有误码条件下,与已有方法相比,在提高抗误码能力的同时保持较低的运算复杂度,更能满足实际应用的需求。对于QC-LDPC码,利用其稀疏校验矩阵的准循环特性,可以显著提高识别性能。

基于Laurent分解的多指数CPM低复杂度序列检测算法

针对现有的多指数连续相位调制(CPM)信号解调中存在的运算量大,工程实现难度高等问题,本文提出了一种基于Laurent分解的低复杂度序列检测算法。该算法采用两个近似处理过程来有效减少解调中所使用的匹配滤波器的个数以及维特比译码器中所使用的网格状态数,并结合基于判决反馈的减少状态序列检测(RSSD)算法进一步减少后端处理中使用的网格状态。为了估计本文提出的接收机的性能,把该算法应用到一个实际中使用的多指数调制方案。仿真结果给出了与传统的最大似然序列检测(MLSD)相比,该调制方案中译码器的网格状态数从32个减少到4个,匹配滤波器的数目从8个减少到2个,然而仅仅带来0.9dB的性能损失。表明该算法能有效的降低多指数CPM接收机的复杂度,适合于实际应用。

一种基于自相关矩阵的OFDM信号同步参数盲估计算法

该文提出了利用自相关矩阵实现OFDM信号符号定时参数和频偏估计算法。该算法不需要数据辅助,通过使得接收信号自相关矩阵非对角线元素的模值之和达到最小实现分数倍频偏的跟踪,通过判断对角线元素位置发生的移动可以准确地估计整数倍频偏,同时通过使得对角线上对应虚载波位置的元素的模值之和最小实现符号同步。文中给出了算法的推导过程和具体应用的步骤。仿真结果表明该算法具有较大的估计范围以及良好的估计精度。

基于集员滤波和数据重用的CMA盲均衡算法

提出了一种适用于突发信号的CMA盲均衡算法。该算法基于集员滤波和数据重用思想,在集员约束集中采用仿射投影的思想,设置多个约束集,其个数与数据重用的长度相同。新算法大大提高了CMA算法的收敛速率,同时由于集员滤波思想的应用,超量均方误差也能维持在一个相对较低的水平,适用于突发信号的盲均衡。文中详细描述了新算法的推导过程,并就其性能进行了理论分析。在最后的数据仿真中,与基本CMA等算法在收敛速率、稳态误差等方面进行了对比分析,验证了新算法的有效性。

基于单路定时准确的低复杂度成对载波复用多址信号盲分离算法

该文分析了传统逐幸存路径处理(Per-Survivor Processing,PSP)算法模型,给出了改进的前馈非二元码软输出维特比(Soft Output Viterbi Algorithm,SOVA)PSP算法。针对单路定时准确的情况,提出了针对成对载波复用多址(Paired Carrier Multiple Access,PCMA)信号的SOVA-PSP盲分离算法。该算法相对传统的PSP算法状态数由原来的2(L1)M-减少到(L1)M-(其中M为调制阶数,L为等效信道响应长度),从而大幅度地降低了算法复杂度。仿真结果表明,改进的算法在降低复杂度的同时与传统PSP算法相比性能几乎没有损失。

利用帧同步码的卷积交织器快速盲识别方法

为实现前向纠错,数字无线通信系统广泛采用信道编码技术.信道编码盲识别是对编码参数的逆向识别.已有的利用帧同步码的卷积交织器盲识别方法运算复杂度较高,无法识别交织深度起点参数,并会在某些交织器参数和帧长条件下失效.已有方法的主要运算量存在于对交织序列帧同步码周期的盲识别步骤中.本文通过去除该步骤中存在的大量重复运算,得到了帧同步码周期的低复杂度盲识别方法;在此基础上,提出对交织序列的分段累加序列进行循环解卷积交织,在恢复帧同步码的同时识别交织参数.所提方法可在任意交织器和帧长条件下,实现对全部交织参数的识别.理论分析和仿真实验表明,新方法能够比已有方法节省约50%直至90%以上的运算量,同时抗噪能力显著提升2d B以上,在认知无线电等领域具有重要应用价值.

基于CHASE译码思想的PCMA信号盲分离算法

在软输出逐幸存路径处理(SOVA-PSP)算法的基础上,提出了基于CHASE译码思想的载波成对复用多址(PCMA)信号的盲分离算法。该算法对SOVA-PSP软输出的结果进行可靠性排序,对于排序中可靠性较低的混合符号进行信号重构,通过重构信号和接收信号之间的欧式距离对比纠正其中的错误结果。仿真结果表明,所提算法与SOVA-PSP算法相比,性能有2 dB左右的增益。

一种CPM信号检测与定时同步算法

针对传统连续相位调制(CPM)接收机检测复杂度高和定时同步困难的问题,提出一种CPM信号联合检测与定时同步算法。基于低维Walsh信号空间分解CPM信号,在低通滤波器中采用子区间采样器代替大量匹配滤波器,利用面向判决的方式进行定时同步。仿真实验表明,该算法的复杂度较低,适用于多数CPM调制方案。