一种Turbo码随机交织器的迭代估计方法

信道编码参数分析是对编码参数的逆向分析和估计,是智能通信、信号截获等领域的关键技术之一。Turbo码在通信系统中应用广泛,其交织参数估计问题十分重要。针对Turbo码的随机交织器,提出一种基于Turbo译码器软输出之间相关性判决的迭代估计算法。该算法利用接收解调的软判决序列,克服了现有方法仅针对特定交织结构以及因使用硬判决而导致容错能力低的缺点。仿真结果表明,在低信噪比条件下,该算法具有更好的性能和相对低的复杂度。

一种低复杂性的伪随机交织器实现方案

分析了随机交织器在Ｔｕｒｂｏ 码中的重要作用，讨论了交织器的设计原则，指出在满足时延要求的前提下，交织深度应与数据帧大小相一致．在此基础上，针对加性白高斯噪声信道和Ｒａｙｌｅｉｇｈ 衰落信道条件，对交织深度与Ｔｕｒｂｏ 码性能的关系进行了计算机模拟，给出了一种采用ｍ 序列的伪随机交织器硬件电路实现方案，其复杂度与分组交织器相同，便于专用集成电路实现．

伪随机交织器设计的改进

本文在给出Turbo码系统中交织器设计要求的基础上分析了伪随机交织器的工作原理,并针对其存在的缺点,通过对其随机数的产生加入一定的约束条件,得到一种改进形式的伪随机交织器,通过理论分析和数值仿真验证了这种改进是有效的。同时给出了降低交织器复杂性的方法。

Turbo码随机交织器的设计与实现

Turbo码中交织器性能的优劣将直接影响到Turbo码的译码性能。在分析交织器的设计准则和类型的基础上,利用m序列的遍历性,设计了一种基于m序列的随机交织器,并给出了基于FP-GA的硬件实现方案。仿真结果表明,该随机交织器在实现输入数据随机分布方面性能优异,并降低了Turbo码的译码延迟。

Turbo码中伪随机交织器盲识别方法

Turbo码中所采用的伪随机交织器起到产生随机数据和扰乱信息序列的作用。借助扩频通信中对PN码进行盲识别的二阶循环统计量和分段互相关法,解决在无任何先验知识的情况下,对基于伪随机序列的伪随机交织器进行盲识别。仿真表明,将二阶循环统计量和分段互相关法引入对伪随机交织器进行盲识别,在低信噪比下取得了较好的正确率。

一种新型的长度可变的S-随机交织器的设计

为了优化Turbo码编码系统中的存储,提出了一种新型的长度可变的S-随机交织器的设计方法,此方法在每次增加交织器长度的迭代中,选择出有助于增加交织器扩展特性的元素及其插入位置,此来获得高扩展特性的交织器。本算法的优点是只需存储一张长度小的交织表,即可以获得任意长度的S-随机交织器,而且时间复杂度低。通过仿真得出,该方法设计的交织器的性能并不比普通的S-随机交织器差。

一种改进的随机交织器的设计

该文首先介绍了随机交织器的原理及其局限性,根据其局限性提出了一种改进的随机交织器,该交织器结合了随机交织器和分组交织器的优点,有效的克服了普通随机交织器在短帧传输时误比特率较大的缺点。

误码及随机交织条件下信道编码类型识别

信道编码分析是对编码参数逆向分析,在智能通信和信息截获领域具有重要作用。针对误码条件下采用随机交织的码字难以识别分析的问题,本文提出了一种基于搜索小重量向量的交织及编码类型识别算法。首先,随机选取部分码字并变换至对偶矩阵,再利用小重量向量搜索算法进行搜索,筛选剔除后得到部分有效校验向量;然后,根据LDPC译码原理,对码字进行类似译码并与前面步骤进行迭代,得到绝大部分校验向量;最后,统计校验向量的平均跨度以及离散度,判断交织存在性以及编码类型。本文算法克服了现有方法无法适用于随机交织码字的局限性。仿真实验以1/2码率卷积码和(15,11)汉明码为主,在误比特率为0.006时,本文算法对随机交织码字仍能够有效识别。

基于线性分组码的伪随机交织识别

针对信息截获领域中伪随机交织识别问题,提出了基于线性分组码的伪随机交织识别算法。该算法先利用"秩准则"识别出交织长度、交织起始点,再利用反转误码率最小准则识别出交织置换关系,从而完成对伪随机交织的盲识别。仿真实验表明该方法在误码率为0.009时,其识别准确率可达90%以上,具有较好的容错性能。

基于随机交织的分布式信源编码的实际设计

提出一种基于低密度奇偶校验(LDPC)码和随机交织器的对称Slepian-Wolf编码的实际设计方案.与已有方案不同,该方案对于具有相同速率的信源节点可以采用相同的LDPC编码器,只须通过不同的随机交织器就可以进行区分,使得系统的实现复杂度明显降低,尤其是在节点数量较大的情况下.该方案运用渐进边增长(PEG)算法对LDPC码的Tanner图进行优化,而在译码端利用信源之间的相关性进行联合迭代译码.在2、3个相关信源以及单个信源的特殊情形下的仿真结果表明,对于相关的非均匀信源,该方案在性能上优于已有方案.

一种Turbo码中伪随机交织器的盲识别方法

目前Turbo码的构造中广泛应用的是伪随机交织器,要完成对Turbo码的识别,必不可少地需要得到伪随机交织器的参数。针对伪随机交织器的识别问题,通过引入扩频通信中PN序列盲估计的方法,利用功率谱二次处理法求出交织长度即m序列周期,再用特征分解方法对序列进行估计。仿真实验表明,该方法能够求出m序列的相关参数,完成对伪随机交织器的识别需求。

Turbo码S随机交织器的实现

Turbo码中交织器的设计直接影响着Turbo码的性能。在讨论Turbo码交织器的设计准则和类型的基础上,着重介绍了S随机交织器的原理,并给出了其一种基于冒泡排序算法的实现方法。仿真结果表明,中短长度的S随机交织器性能优良。

伪随机交织器设计的改进

文章在给出Turbo码系统中交织器设计要求的基础上分析了伪随机交织器的工作原理,并针对其存在的缺点,通过对其随机数的产生加入一定的约束条件,得到一种改进形式的伪随机交织器,通过理论分析和数值仿真验证了这种改进是有效的。同时给出了降低交织器复杂性的方法。

低信噪比下随机交织器识别

针对Turbo码随机交织器参数识别问题,充分利用信道截获数据的软判决信息,提出了一种基于对数符合度的交织映射关系识别算法。该算法从计算总的编码方程成立概率出发,定义了能很好衡量概率大小的对数符合度概念,极大地简化了计算复杂度,使得计算量仅与截获码块数目和交织长度的平方有关,计算方式仅为大小比较与符号提取;再利用正确交织位置能够使总的编码方程成立的概率达到最大这一特性,依次实现各个位置的交织关系的识别。与现有算法相比,所提算法识别性能稍差,但计算复杂度更低。仿真结果表明,在信噪比为0 dB、交织长度为200时,仅需要截获码块数目为500,其正确识别率就能达到100%。

基于最大相似度的伪随机交织器盲识别方法

针对存在误码时伪随机交织器的识别问题,提出基于最大相似度的伪随机交织器盲识别方法。该方法在得到交织器长度的前提下,对交织器的置换关系进行识别。通过对交织前后的码字序列进行相应的对比,统计出对应码序列的相似度值,找出最大相似度值的位置,从而得出交织置换关系,完成对伪随机交织器的识别。仿真结果表明,本文识别算法在误码率为0.05,接收得到的码组个数大于交织器的长度时,识别准确率可以达到90%以上,具有较好的容错性能。

基于FPGA的伪随机交织器的设计与实现

随着通信技术的快速发展,对通信系统的抗干扰性能的要求越来越高。高斯白噪声因其最为常见,且其频谱较宽,干扰的频带范围较大,是一种用于通信系统性能测试的比较理想的干扰源。设计采用交织技术实现了以反馈输出数据为读地址的伪随机交织器,对利用线性反馈移位寄存器产生伪随机序列,然后通过BOX-MULLER变换法进行变换产生出高斯随机数的方法进行改进,取得了很好的效果。

基于m序列Turbo码的伪随机交织器及其仿真

基于m序列Turbo码的伪随机交织器由计数器、序列生成器、读写信号控制、复合控制及数据地址R／W模块构成。一个周期包括计数器初始化、读写信号控制、模N计数器加1、复位信号等步骤。其仿真以帧长为1024输入数据为例,在Turbo码系统中,将传统交织器和所设计伪随机交织器对系统性能的影响进行比较。

一类卷积码的随机交织参数盲识别方法

针对卷积码随机交织参数的盲识别问题,重点对随机交织关系进行研究,提出了一种针对(2,1,m)卷积码随机交织参数进行盲识别的方法。该方法通过建立矩阵分析模型,在获取卷积码编码参数和交织长度的基础上,利用列删除矩阵的秩准则算法确定子码交织关系,进而利用基构造法和穷举比对法确定随机交织关系,实现了对(2,1,m)系统/非系统卷积码随机交织参数的盲识别。实验仿真表明,在仅获取含误码的卷积码交织后数据序列的情况下,实际数据的编码、交织参数识别分析结果正确。

光通信系统中一种新颖的随机交织型级联码方案

基于LDPC码,提出一种新颖的随机交织型级联码(RICC,random interleaved concatenatedcode)方案。在编码阶段,根据LDPC码中不同度数的变量节点采用不同纠错能力的BCH外码,分别进行保护的思想进行集分割编码;在译码阶段,采用硬判决辅助软判决的联合迭代译码。不同于传统的单极型和交织型级联方式,它是一种根据LDPC码变量节点(VN)度数来决定交织深度,因而交织方式是随机的。仿真结果分析表明,在误比特率(BER)为10-8时,四集合分割的RICC-4P的净编码增益(NCG)比无分割的单级型级联码提高了0.15dB,比ITU-T G.709和G.975.1标准中的RS(255,239)、RS(255,239)+CSOC(n/k=7/6,J=8)级联码和开销为25%的正交级联BCH码的NCG分别提高了3.0、1.5和0.4dB,其纠错性能的提升得益于采用集分割保护和硬判决辅助软判决的联合迭代译码。