线性分组码的GRAND算法研究

随着5G通信技术的发展与应用,高可靠低时延通信场景下的短包信道编译码技术受到了广泛关注。GRAND是一种通用的最大似然译码算法,与传统译码算法不同,GRAND算法通过噪声猜测和码本查询来确定发送码字,具有高效的硬件实现结构。介绍了GRAND及其改进算法的基本原理,通过仿真分析了不同GRAND算法的误码率性能;针对5G NR的LDPC短码以及PAC短码给出了GRAND算法的设计方案,为未来移动通信的短码设计提供参考。

基于Matlab/Simulink的线性分组码仿真分析

分析线性分组码的原理及特点,根据线性分组码差错控制通信系统的组成,利用Matlab/Simulink仿真技术实现基于线性分组码差错控制的通信系统的仿真建模与分析。仿真实验结果有助于学生直观地理解线性分组码的编码与译码工作原理、差错控制特点,以及检错、纠错的理论过程。

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。

高误码条件下线性分组码的盲识别

针对信息截获领域中线性分组码的盲识别问题,依据分组码的线性构造、校验性质及码重分布特征,提出了一种在信息熵高误码条件下基于矩阵秩信息熵与码重分布盲识别线性分组码的方法.首先通过数据矩阵的秩信息熵识别出码长并由码重分布的信息熵函数准确计算出码字起始点,再根据系统与非系统线性分组码生成矩阵的特点,采用不同的计算方法正确求解生成矩阵,从而盲识别出线性分组码.仿真结果表明,该盲识别方法在较高的误码条件下具有良好的识别效果.

基于游程特征的线性分组码与卷积码类型识别

针对线性分组码与卷积码的类型识别问题,本文提出了一种基于游程特征的信道编码类型识别方法。论文从理论上分析了两种编码游程特性存在的差异,即卷积码的游程具有较好的随机性而线性码游程的随机性较差,并且线性码在信息位长度附近的游程数会发生一定的畸变。通过提取编码的游程特征,算法实现了对这两种编码类型的识别。仿真结果验证了所提识别方法的有效性和鲁棒性,表明算法具有一定的工程应用前景。

基于Walsh-Hadamard变换的线性分组码参数盲估计算法

该文提出了一种容误码的线性分组码的参数盲估计算法。该方法首先基于线性分组码对偶码字的统计特性和Walsh-Hadamard变换解线性方程组的容错特性来实现对偶码字的判决,同时采用"3倍标准差"准则并根据理论分析给出了一个有效的判决门限。接着通过判断对偶空间归一化维数的最大值来实现码长和码组同步时刻的估计。最后利用对偶码字构造出相应的校验矩阵,实现了在较高误码率情况下对线性分组码参数的盲估计。计算机仿真结果表明,在比特误码率为0.03的情况下,该文所提算法仍能得到很好的估计效果。

基于矩阵分析的线性分组码盲识别

针对现有的矩阵分析法对线性分组码进行盲识别时,容错性能较差的问题,提出了一种改进的方法。首先利用截获的码字数据建立分析矩阵并进行高斯消元,然后计算各列列重的归一化值,按照判决门限找出分析矩阵中的线性相关列,并以此建立统计量,最后通过统计量极大值的分布规律完成码长的识别。识别出码长后,通过移位处理及随机交换分析矩阵的行进行多次平均,实现高误码率下码字起点的识别。仿真结果表明,该方法与传统矩阵分析法相比,计算量基本相当,但容错性能有很大提升,能在较高误码率下有效实现线性分组码的盲识别。

基于频谱累积量的线性分组码检测识别方法

针对非合作信号处理中的线性分组码盲识别问题,提出了一种基于有限域傅里叶变换(Galois field Fourier transform,GFFT)的检测识别方法。该方法对接收码序列按不同长度进行分段,对分段码字进行有限域上的傅里叶变换并计算其频谱的累积量。通过频谱累积量的不同分布情况,可以估计出正确的分组码长度。同时从频谱累积量中找出码字生成多项式的根,进而得到码字的生成多项式。仿真实验验证了算法的有效性,并对算法的误码适应能力和计算复杂度进行了仿真分析,最后给出了在不同误码环境下最优的频谱累积次数。

基于关联规则的二进制线性分组码盲识别

提出了一种基于关联规则的信道编码识别方法,解决了线性分组码的盲识别问题。在分析线性分组码中的信息位和监督位之间存在一一对应关系这一特性的基础上,利用关联规则寻找出隐藏在二进制序列中的对应关系,实现了分组码的盲识别。首先将按照一定规则排列的序列进行二分段划分,并依此构建相关事务项集,然后计算二分段项集中每项事务的支持度和置信度,在满足支持度条件下,通过遍历的方式寻找最大置信度和最少映射关系种类,达到正确识别编码的目的。由于采用了二分段划分的方法,因此极大地降低了关联规则搜索的复杂度,而且所提算法与现有识别方法相比对误码率要求不高。仿真实验验证了算法具有较高的鲁棒性和识别正确率,表明该算法具有一定的工程应用价值。

基于比特频率检测低码率线性分组码的盲识别

在通信系统中,为了保证传输信息的可靠性,通常会采用信道编码技术,而线性分组码凭借其具有编、译码结构简单及非常优越的纠错性能,已在各种现代数字通信系统中得到广泛应用,因此,在信息截获领域中对线性分组码盲识别问题也日益突出。为解决较高误码条件下的低码率二进制线性分组码的盲识别问题,提出了基于比特频率检测估计码长的方法,然后,通过优化传统的矩阵化简方法及采用线性分组码的校验关系设定一个判决门限T的方式完成生成矩阵的正确求解,进而实现对低码率的线性分组码的盲识别。理论分析及仿真验证表明:该方法能够实现对低码率线性分组码正确的识别,且具有较好的容错性能,本文最后也验证了该识别方法在较高误码率条件下具有较好的识别效果。

基于码重信息熵低码率线性分组码的盲识别

为解决较高误码条件下的低码率二进制线性分组码的盲识别问题,论文提出了基于码重分布信息熵的码长识别方法,而且,它还通过优化传统的矩阵化简方法求解生成矩阵,从而实现对低码率二进制线性分组码的盲识别。理论分析及仿真验证均表明:该方法能实现低码率线性分组码较正确的识别。论文最后进一步对不同码长线性分组码在不同误码率条件下进行了多次仿真,仿真结果验证了该识别方法具有较好的容错性能。

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.

(25,20)线性分组编译码器设计及其FPGA实现

随着通信速率的提高,有噪信道的可靠通信通过信道编码来实现。文中设计的(25,20)线性分组编译码器结合汉明码能纠正一位错误且具有编码效率较高、译码电路简单、译码延时小等优点。分析伴随式与错误图样的对应关系,采用并行处理的方式,使用硬件描述语言VHDL在Xilinx公司的Vivado2016.1环境下编程实现。通过ModelSim仿真平台验证,降低了实现的复杂度。在工程实践中将编译码器加入某实测通信系统,实现了在Artix.7系列xc7z030fbg676.1的芯片上占用较少的硬件资源实现(25,20)线性分组编译码,提高系统传输的可靠性,验证了该设计的优良性能。

基于矩阵模型的线性分组码及分组交织识别

针对通信系统中错误不可避免的现状,在矩阵分析法的基础上,提出反向纠错思想。利用穷举法,穷举条件规定范围内所有可能的分组码和分组交织模式,在纠错译码后再进行判定,得出正确的交织参数。对该方法在不同的误码率条件下进行仿真,得出能够正确识别的误码范围。

一种基于RBF神经网络的线性分组码的通用译码网络

文中讨论了关于神经网络在差错控制译码中的应用,构造了一种基于RBF人工神经网络的线性分组码的通用译码网络,该网络通过有监督的学习后,可对任意长度、任意类型的线性分组码进行译码,并能对纠错范围内的误码进行自动纠错。

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。

一种对线性分组码编码参数的盲识别方法

由于线性分组码具有较简单的编、译码结构和相对优越的纠错性能,目前已在数字通信系统中得到了广泛应用。为了克服线性分组码各码字之间缺乏相似于卷积码的相关性,本文根据线性分组码自身的编码特点以及完整码字序列具有较好的非随机性,提出了基于比特频率检测线性分组码盲识别方法。该识别方法在对线性分组码的编码特点分析的基础上,将密码学中比特频率检测方法应用到信道编码识别中,在不同的先验知识条件下,给出了不同的识别过程并进行仿真实验,实验结果表明该识别方法的有效性的同时且具有较好的容错性能。

嵌入法构造线性分组码咬尾网格

给出一种新的咬尾网格构造方法——嵌入法.该方法把一个线性分组码的咬尾网格嵌入到另一个线性分组码的传统网格中,从而很多咬尾网格问题可以转化为传统网格问题.证明每个咬尾网格都可以通过反复使用嵌入法从传统BCJR网格得到.最后讨论在网格中含有1个峰值情形时,采用嵌入法如何将峰值减半.

降低线性分组码网格复杂度的研究

首先介绍线性分组码的传统网格和BCJR传统网格,然后给出一种新的降低线性分组码网格复杂度方法——校验矩阵置换法。该方法是通过置换校验矩阵列向量的适当位置,从而使网格图的状态复杂度降低。最后给出方法证明、算法思想、具体的算法描述和实验结论等。

瑞利信道下线性分组码的分集增益研究

比较AWGN信道与瑞利信道的误码性能,研究瑞利信道下分集支数与信息传输可靠性之间的关系。推导线性分组码在瑞利信道下误码率上界的理论表达式,得到分集增益与其最小汉明距离的关系。基于蒙特卡洛法对误码性能进行仿真,并与理论误码率上界进行比较,结果表明线性分组码在瑞利信道下获得的分集增益等于其最小码距。