基于最小错误判决准则的LDPC码码长及码字起点识别

现有LDPC码开集识别算法以码长及码字起点为已知条件进行识别,这导致算法的实际应用受限,为了克服这一缺点,提出了一种基于最小错误判决准则的码长及码字起点识别算法。首先,根据码长及码字起点估计值对接收序列进行截取构造码字分析矩阵;然后,对分析矩阵进行高斯列消元并获取疑似校验向量,进一步基于最小错误判决准则筛选出LDPC码校验向量;最后,寻找在不同码长及码字起点遍历值处校验向量个数的最大值,实现码长及码字起点的识别。仿真实验结果表明,在误码率为10^(-3)量级时,针对IEEE802.16E协议下的LDPC码,算法的识别率达到100%。

基于平均余弦符合度下的本原BCH码盲识别

为克服现有BCH码识别算法在低信噪比下适应性差的缺点,提出了一种基于平均余弦符合度的识别算法。首先遍历可能的码长值以及m级本原多项式域,进行初始码根校验匹配,从而完成码长识别;然后在识别出码长前提下,遍历m级本原多项式下的GF(2~m)域,其最强纠错能力的本原多项式即为GF(2~m)域生成多项式;最后求取所有连续码根最小多项式对应的最小公倍式,完成编码生成多项式识别。在校验匹配过程中,引入了平均余弦符合度统计量,基于软判决下符合度的统计特性以及最小错误判决准则求解出最优门限,从而实现本原BCH码参数快速识别。仿真结果表明,推导的符合度统计特性与实际情况一致,所提算法能在低信噪比下有效完成参数识别,同时具有较好的低信噪比适应能力,在信噪比为5 dB,码长为511的条件下,能够完成参数的可靠识别,与目前算法相比,所提算法性能优于现有的软判决算法,且比硬判决算法提升1~3.5 dB。

低信噪比下循环码识别

针对硬判决分析方法存在计算复杂度高且容错性差的缺点,本文提出了一种直接利用软判决序列完成循环码识别的新算法.首先从编码代数结构出发,推导出循环码生成多项式因子对应的对偶空间与码字能构成校验关系这一结论;其次基于该结论,遍历码长可能值,在GF(2)上,将多项式x n+1分解为不可约因子及其对应幂次的乘积,当所遍历因子的对偶空间正好与码字序列构成校验关系时,即可识别出循环码码长;最后遍历构成校验关系因子的幂次,最终完成生成多项式的识别.为利用软判决序列完成校验关系检测,引入了平均校验符合度概念,基于其统计特性和最小错误判决准则,实现了生成多项式不可约因子以及幂次的快速识别.仿真结果表明,推导的符合度统计特性与实际情况相吻合,同时算法具有较好的低信噪比容错性能,在3dB的噪声环境下,码长以及生成多项式识别率能够达到95%以上,与硬判决方法相比,在增加较小的计算复杂度下,识别性能提升将近1dB.在智能通信或是认知无线电领域具有较好的应用前景.

高误码率下LDPC稀疏校验矩阵重建

针对LDPC重建问题,提出了一种可直接重建LDPC稀疏校验矩阵的算法。首先,根据传统重建算法原理,详细分析了传统重建算法存在的缺陷以及缺陷存在的原因;其次,基于LDPC稀疏矩阵的特性,通过多次随机抽取码字中部分比特序列进行高斯消元,同时为了可靠实现抽取的比特序列能包含校验节点,基于一次抽取包含校验节点的概率,确定多次随机抽取的次数;最后,在误码条件下,基于疑似校验向量关系成立的统计特性和最小错误判决准则,实现稀疏校验向量的判定。仿真结果表明,所提算法在误码率为0.001的条件下,针对目前IEEE 802.11协议中大部分LDPC的重建率能达到95%以上,且噪声稳健性优于传统的重建算法,同时所提重建算法不仅不再需要对校验矩阵稀疏化处理,而且对于双对角线与非双对角线形式的校验矩阵都具有较好的通用性。

基于迭代消元的卷积码快速识别

针对现有算法在卷积码参数识别过程中存在计算量大、容错性差的缺点,提出了一种基于迭代消元的快速识别方法.算法首先在理论上分析了基于传统高斯消元识别算法的性能,验证并给出了可靠出现一次校验向量的最少消元迭代次数;其次,通过遍历可能的最小校验约束长度和卷积码码率,构建消元矩阵,求解疑似校验向量;最后基于最小错误判决准则设定判决门限,实现在高误码率下校验多项式矩阵快速识别.仿真结果表明,推导的理论性能与仿真结果一致,提出的算法具有较强的容错性能.与现有方法相比,复杂度明显降低.在智能通信或通信侦察领域具有较好的应用前景.