【摘要】：信道編碼盲識別技術(shù)可以在完全沒有或者僅有部分先驗知識的條件下,僅僅根據(jù)截獲數(shù)據(jù)的比特流,通過種種技術(shù)手段,分析出編碼類型和編碼參數(shù),從而為譯碼和獲取后續(xù)信息提供依據(jù),該技術(shù)具有重要的軍事意義和實用價值。本文主要研究的是Turbo碼編碼參數(shù)盲識別技術(shù)。Turbo碼是一種接近香農(nóng)限的編碼類型,自提出以來就得到廣泛的關(guān)注,并被應(yīng)用到各種通信系統(tǒng)。由于Turbo碼編碼器結(jié)構(gòu)較為特殊,其參數(shù)識別具有很大的困難。目前與Turbo碼盲識別相關(guān)的研究較少,與之相關(guān)的成果主要集中在低誤碼條件下的非刪余Turbo碼編碼參數(shù)的識別,而對于高誤碼條件下的參數(shù)識別以及刪余Turbo碼的識別,效果不夠理想,本文針對這些不足提出了改進。首先針對現(xiàn)有方法在高誤碼下識別遞歸系統(tǒng)卷積碼(Recursive Systematic Convolutional,RSC)編碼器時復(fù)雜度過高的問題,提出了一種新的迭代算法。該算法根據(jù)分析矩陣中碼字之間的線性關(guān)系,對分析矩陣中含有誤碼的行進行特征提取,然后將該行從分析矩陣中剔除。通過多次迭代剔除,最終得到誤碼率較低的分析矩陣,進而求解出校驗向量,并轉(zhuǎn)換為出生成矩陣的形式,完成RSC編碼器的參數(shù)識別。該算法避免了現(xiàn)有方法需要對所有校驗向量進行滿足度求解的問題,大大降低了算法復(fù)雜度。其次,針對交織長度和交織起點的識別,現(xiàn)有方法多采用秩準(zhǔn)則法或者高斯變換分析法。其中秩準(zhǔn)則法抗誤碼性能較差,而高斯變換分析法需要使用大量碼字,并通過重量分布特征進行分析統(tǒng)計,該方法無法解決高誤碼條件下的識別問題,并且要求接收足夠長的序列。本文從另一角度出發(fā),通過對RSC編碼器的校驗向量進行分解,采用搜索線性組合的方法,對交織長度和交織起點進行求解,并借鑒ChoseJoux-Mitton算法對其進行優(yōu)化,取得了非常好的抗誤碼性能。最后,對于交織映射關(guān)系的識別,現(xiàn)有算法主要通過恢復(fù)交織后序列進行識別,該方法容錯性差,本文則根據(jù)交織前序列與校驗序列之間的約束關(guān)系進行求解和對比,直接恢復(fù)出交織映射關(guān)系,并且將該方法應(yīng)用到刪余Turbo碼的識別中,也取得了很好的效果,解決了刪余Turbo碼無法恢復(fù)交織后的序列進而無法對交織映射關(guān)系進行識別的問題。仿真結(jié)果表明,本文算法可以在高誤碼條件下實現(xiàn)刪余及非刪余Turbo碼的編碼參數(shù)盲識別。
【學(xué)位授予單位】：西安電子科技大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2018
【分類號】：TN911.22

【參考文獻】

相關(guān)期刊論文 前10條

1 任亞博;張健;劉以農(nóng);;高誤碼率下Turbo碼交織器的恢復(fù)方法[J];電子與信息學(xué)報;2015年08期

2 包昕;王達;劉婉月;;利用軟解調(diào)序列的LDPC碼閉集識別方法[J];電訊技術(shù);2015年01期

3 劉建成;楊曉靜;張玉;;一種刪除卷積碼識別方法研究[J];電子信息對抗技術(shù);2013年06期

4 李嘯天;張潤生;李艷斌;;歸零Turbo碼識別算法[J];西安電子科技大學(xué)學(xué)報;2013年04期

5 劉建成;楊曉靜;;基于求解校驗序列的(n,1,m)卷積碼盲識別[J];電子與信息學(xué)報;2012年10期

6 王平;曾偉濤;陳健;陸繼翔;;一種利用本原元的快速RS碼盲識別算法[J];西安電子科技大學(xué)學(xué)報;2013年01期

7 李嘯天;李艷斌;昝俊軍;杜宇峰;;一種基于矩陣分析的Turbo碼長識別算法[J];無線電工程;2012年04期

8 呂喜在;蘇紹X;黃芝平;;一種RS碼快速盲識別方法[J];國防科技大學(xué)學(xué)報;2011年04期

9 張永光;;一種Turbo碼編碼參數(shù)的盲識別方法[J];西安電子科技大學(xué)學(xué)報;2011年02期

10 劉健;林宇生;周希元;;高誤碼(2,1,m)卷積碼盲識別[J];北京工業(yè)大學(xué)學(xué)報;2011年01期

相關(guān)碩士學(xué)位論文 前1條

1 林奕森;非協(xié)作通信中Turbo碼識別技術(shù)研究[D];西安電子科技大學(xué);2014年

，

本文編號：2665531