Construction of Rate-Compatible(RC) Low-Density Parity-Check(LDPC) Convolutional Codes Based on RC-LDPC Block Codes

In this paper,a family of rate-compatible(RC) low-density parity-check(LDPC) convolutional codes can be obtained from RC-LDPC block codes by graph extension method.The resulted RC-LDPC convolutional codes,which are derived by permuting the matrices of the corresponding RC-LDPC block codes,are systematic and have maximum encoding memory.Simulation results show that the proposed RC-LDPC convolutional codes with belief propagation(BP) decoding collectively offer a steady improvement on performance compared with the block counterparts over the binary-input additive white Gaussian noise channels(BI-AWGNCs).

TURBO码中的交织器设计及其改进

Turbo码是近年来提出的一种信道编码。该系统在编码时采用并行的反馈系统卷积码( RSC)。在编码的同时 ,对原始信息和经过交织 ( interleave)乱序的信息进行编码。 Turbo码的解码一般采用软输入软输出解码器 ( SISO)。其解码算法主要有 SOVA、MAP以及改进的 L OGMAN算法。Turbo码的编解码中 ,交织器的性能是一个关键问题。文章对交织器的设计和各种交织器的性能进行了探讨 ,并提出了一种易于硬件实现的交织器设计方法。

Turbo码的编码调制技术

本文研究了Turbo码与网路编码调制（TrellisCodedModulation，TCM）相结合的Turbo码编码调制技术，给出了3种Turbo码与TCM相结合的调制方案，并进行了比较。对方案三进行了计算机模拟,从模拟得到的性能曲线表明，其性能要优于传统的采用卷积码的TCM调制。

一种高误码(n,k,m)非系统卷积码盲识别算法

针对信息截获等领域中的卷积码盲识别问题,提出一种高误码(n,k,m)非系统卷积码盲识别算法。首先建立可变的数据矩阵模型,对侦收到的数据进行相关预处理,以减小误码对识别的影响,提高算法的容错性能;再对预处理后的数据矩阵进行统计分析,识别出卷积码的各项参数,并提取各个数据矩阵的校验序列;进而利用校验序列构建线性方程组求解生成多项式矩阵组,通过设定筛选生成多项式矩阵的条件,筛选出非系统卷积码的生成多项式矩阵,最终完成对非系统卷积码的识别。仿真实验表明,该算法可以对高误码(n,k,m)非系统卷积码实现有效的盲识别。

Turbo码译码中的BCJR算法

BCJR算法是在 Turbo码的译码中广泛使用的一种重要算法。对 BCJR算法进行了详细的推导 ,并简要讨论了其在 Turbo码译码中的一些实现问题。实践及理论研究证明 ,BCJR算法对于 Turbo码译码性能的提高具有相当重要的意义。

截断卷积码的重量枚举函数的计算

针对 Turbo码和串行级联卷积码的好码搜索 ,提出了一种栅格合并方案实现卷积码的码重分布统计 .该方案以起始的局部栅格经编码后所得的码重分布为基础 ,按照把栅格路径长度每次增加为原来的 2倍的频率对栅格进行迭代合并 ,最终得到相应的全局码重分布 .与传统的利用状态转移图计算卷积码的码重分布的方法相比 ,这种栅格合并方案在中、低交织时延下与传统方法的计算复杂度相当 ,但是省去了大量的预备工作 ,具有一定的实用意义 .

改进的Turbo码算法的FPGA实现

本文提出一种使用ＦＰＧＡ实现改进的Ｔｕｒｂｏ码算法的方法。在选用改进的最优周期交织序列的交织器和ＳＩＳＯ(软输入软输出)译码器的Ｍａｘ－Ｌｏｇ－ＭＡＰ译码算法的硬件实现过程中,采用“自上而下” 和“自下而上”相结合的设计方法。在采用并行算法的同时巧妙地改变前向矢量的计算顺序,减少了占用的硬件资源。整个设计在ＭＡＸ＋ＰＬＵＳⅡ软件环境下仿真的结果表明,本设计实现的改进的Ｔｕｒｂｏ码编码/译码器具有良好的误码性能和较高的实用价值。

Turbo码的并行算法研究

不同于传统的Turbo码,该文基于扩展咬尾递归系统卷积码(extended tail Biting recursive systematic,ETB-RSC)的思想,提出了一种并行的扩展咬尾Turbo码(parallel extended tail biting turbo code,PE-TBTC),它通过将接收序列分为若干子序列并行译码来显著提高译码速率。理论分析和仿真结果表明,PE-TBTC译码结构在不降低系统性能的前提下,以牺牲一定的硬件资源为代价,可以成倍地缩短译码所需时间。

长约束非递归系统卷积码的盲识别

针对长约束非递归系统卷积码识别性能随约束长度增加而迅速恶化的问题,提出一种基于码型转换的识别方法。该方法适用于1/2长约束非递归系统卷积码及以其为母码的(n-1)/n删除卷积码。首先根据编码原理,利用编码数据构造一种码长约为原卷积码约束长度1/n的线性分组码;然后求取该线性分组码的校验矩阵,进而从校验矩阵中重构原卷积码的生成多项式。对IESS309中涉及到的两种长约束非递归系统卷积码进行仿真试验。相对于现有方法,当码率为1/2时,识别性能约改善了1dB;当码率为2/3和3/4时,改善程度均超过了2dB。仿真结果表明,与现有方法相比,所提方法具有更好的识别性能。

Turbo码与TCM编码调制技术研究

本文研究了Turbo码与网格编码调制(Trellis Coded Modulation,TCM)相结合的编码调制技术,给出了Turbo码与TCM相结合的调制方案,对Turbo码与TCM调制方案进行了计算机仿真,仿真结果表明,其性能要优于传统的采用卷积码的TCM调制。

并行级联卷积码基于软输入硬输出的迭代译码

以递归卷积系统码为分量码构造的并行级联卷积码具有优良的距离特性,本文提出一种新的迭代译码算法,通过引入校正因子α(n)和β(n),对viterbi译码输出和原始接收信息进行线性叠加,从而将当前的硬判决译码输出转化为下一次译码的软输入。仿真结果表明,该算法与乘积码相比,具有更强的纠错性能和更快的译码速度。

基于反向验证的RSC码编码参数盲识别

针对Turbo码编码中应用的RSC编码器盲识别问题,提出一种反向验证的方法,对其参数进行识别分析。通过对RSC编码器参数进行遍历估计,重新输入码字序列,将得到的码字序列与原来的输出序列进行对比,找出最优的参数组合,完成对RSC编码参数的识别。仿真实验表明,该方法能够有效完成对RSC编码器的参数识别,特别在误码率为0.3时,依然能够达到识别效果,具有较好的容错性能。

基于共轭梯度求解代价函数的卷积码参数识别算法

卷积码常作为级联码、Turbo码等高性能编码的子码,正确识别出卷积码的参数是级联码、Turbo码参数识别的基础,这要求卷积码参数识别算法具有较强的抗噪能力。利用解调软判决序列可以有效提高识别算法的抗噪能力。根据递归系统卷积码编码码元间的线性约束关系构造了一个基于指数函数的代价函数模型,将生成矩阵的识别问题转化成求解代价函数极小值的最优化问题,并采用共轭梯度法不断逼近极小点。仿真结果显示,与现有算法相比,所提方法显著提高了抗噪能力,且适用性强、收敛速度快。

基于SC-LDGM码的随机混合业务传输方案

本文研究了一种适用于随机混合业务的传输方案,其可以对随机到达的不同业务实现不等差错保护,从而满足不同业务对于传输质量的不同需求.该方案的主要优势是,利用一套编译码器满足不同业务基本的质量要求;而对于要求较高的业务,则采用级联外码的技术.另一个有别于传统方法的创新点是,该方案采用叠加的方式实现业务类型标识比特的传输,既不消耗额外的带宽,也不消耗额外的传输能量.仿真结果表明,本文所提出的编译码方案能高效准确地对业务类型进行识别,从而有效地实现随机混合业务的不等保护.

低信噪比下RSC码快速迭代寻优识别算法

为了解决现有算法在RSC码多项式参数识别过程中,实时性不好和容错性差两大缺点,提出了具有低信噪比适应能力的RSC码快速迭代识别算法.首先根据RSC码元之间的线性约束关系,定义了双曲正切符合度概念,该概念能够表征在某一多项式参数下,截获码元之间的线性关系成立的可能性大小;其次将截获码元总的双曲正切符合度值作为代价函数,然后将待识别的多项式参数的概率值作为代价函数自变量,从而将RSC码参数识别问题转化为多元函数极大值求解问题;最后利用变步长梯度上升方法,在有限次的迭代下,完成在连续概率空间中代价函数极大值求解,最终完成RSC码参数识别.提出的算法收敛速度快且稳定,除了具有较强的低信噪比适应能力外,其计算量与编码器寄存器个数以及码元路数成平方倍数增长.仿真实验表明:提出的算法最多在第5次迭代时,就能完成参数的收敛,同时低信噪比的适应能力较强,即使在0dB条件下,RSC码多项式参数识别率能达到90%以上;与现有的相关算法相比,所提算法的低信噪比适应能力提高了近3dB,同时完成一次参数识别的时间大大降低.

高误码率下Turbo码分量编码器快速识别算法

针对目前Turbo码中,分量编码器递归系统卷积码识别算法计算量大,容错性不好两大缺点,该文提出了一种容错性能较好的快速识别算法。首先,在分析递归系统卷积码特殊结构的基础上,定义了更具普遍意义的广义码重概念;其次,建立出递归系统卷积码生成多项式数据库,按照数据库中多项式是否为实际编码多项式的情况,分析出多项式所对应的结果向量广义码重概率分布;然后,按照分析出的广义码重概率分布,基于极大极小准则,导出快速识别算法判决门限的计算公式;最后通过遍历多项式数据库,将遍历的多项式所对应的校验方程广义码重值与判决门限比较,从而实现参数的快速识别。仿真结果表明:理论分析出的广义码重概率分布与仿真结果相一致,同时算法容错性能较好,在误码率高达0.09的条件下,各种编码约束长度下的递归系统卷积码识别率在90%以上,并且计算复杂度较小。

基于离散PSO算法的RSC码识别

针对目前RSC码盲识别算法容错性不好、计算量大的缺点,提出了基于离散PSO算法的RSC码识别方法.首先根据RSC码特殊的编码结构,构建出基于离散PSO算法的识别模型,并推导出了算法的适应度函数以及算法终止的判决门限;其次,按照构建出的识别模型,提出了详细的RSC码编码参数的识别步骤和流程框图,克服了目前RSC码识别算法的缺陷.仿真实验表明:该算法在寄存器个数较小时,具有较高的识别性能;同时在误码率高达0.05条件下,各种寄存器个数下的RSC码参数识别率均能达到90%以上,部分甚至达到100%,且算法的计算量仅仅与寄存器个数以及码元路数呈线性增加,与Walsh-Hadamard算法相比,计算量大大减少.

一种高效的编码辅助相位估计算法

在低信噪比通信环境中同步困难是任何编码系统必须解决的问题。对此,提出了基于软信息的编码辅助的迭代相位估计算法。该法采用载波相位同步、解调和译码联合处理的思想,将译码器输出的码比特的可靠量度直接反馈回估计单元以提高同步的准确度。考虑到现行系统中多采用非系统卷积码,文中利用对数似然代数原理,得到了适用于非系统码进行迭代的软输出维特比译码算法,有效降低了计算复杂度。仿真结果表明,该法仅需5次迭代,信噪比为3dB的情况下,系统误比特率可达到10-5。

一种基于遗传算法的RSC码盲识别方法

针对目前递归系统卷积(RSC)码盲识别算法容错性差、计算量大的问题,提出了基于遗传算法的RSC多项式参数盲识别算法。首先根据RSC码特殊的编码结构,构建了基于遗传算法的识别模型,将结果向量的码重作为适应度函数,然后推导出了不同误码率条件下平均码重的理论值,实现了算法中最优门限的获得。该算法容错性能较好,并且最大计算量只与初始种群的规模、遗传代数的上限以及输出路数成正比。最后仿真验证表明,理论推导的码重分布情况能够与仿真结果较好地吻合,并且在误码率高达0.06的情况下,各种寄存器个数下的RSC码参数识别率接近于0.9。