一种基于矩阵分析的Turbo码长识别算法

针对信息截获领域中Turbo码识别问题,提出了一种基于矩阵分析的Turbo码长识别算法。简述了Turbo码编码和归零的基本原理,深入分析了Turbo码第1路、第2路、第3路和整体的生成矩阵,得出其本质上是一种线性分组码。将线性分组码的码长识别方法引入到Turbo码识别当中,并对算法进行了改进。仿真实验表明,此方法在较高的误码率基础上有着良好的识别效果。

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%。

基于高斯列消元法的线性分组码参数盲识别

针对线性分组码参数盲识别容错性能较差,以及在低误比特率且同步情况下利用分析矩阵秩亏法识别存在码长不足的问题,提出了一种基于二元高斯列消元法的分组码参数盲识别方法。首先将截获到的数据横向放入到分析矩阵,然后对分析矩阵的列进行二元域高斯消元,并计算每列所含"1"的比率值,再对所有比率值求均值和方差,在低误比特率且同步的情况下利用均值差值可确定码长,而在误比特率较高且不同步的情况下,则需利用方差差值来确定码长。理论分析和仿真表明:该方法与以往的矩阵模型识别方法相比,容错性能较好、计算量较低,且适用于各种码率的线性分组码的码长和同步识别。

改进的二进制循环码盲识别方法

目前已有的循环码盲识别方法在低码率编码条件下效果较好,但在高误码率及高码率条件下不能高效识别,或者只针对循环码中某一子类。为有效解决高误码率以及高码率编码下的循环码盲识别问题,提出一种基于矩阵变换和码重分布的方法,首先对接收序列按估计码长构造矩阵,并对矩阵进行初等变换;然后利用改进的码重分布距离公式对循环码进行盲识别。仿真结果表明该方法在高误码率以及高码率编码时可实现高效的循环码盲识别。

循环码盲识别问题研究

在非协作通信中,接收端需要盲识别出发送端的编码参数和编码体制,文章就通信中的常用编码——循环码进行盲识别研究,总结当前盲识别技术的研究现状,并提出需要解决的循环码盲识别问题的思路。

一种改进的线性分组码码长快速识别方法

现有的信道编码盲识别方法通常是基于矩阵化简来进行识别,其容错性能一般。提出一种改进的矩阵化简方法,该方法将截获到的数据横向放入分析矩阵,对化简后的矩阵求各列列重的比率,对所有列重比率求信息差熵,从而实现线性分组码码长的识别。仿真实验表明,该方法计算复杂度低,识别速度快,且在较高误码率的影响下,可以达到较好的识别效果。