一、Walsh函数在解二元域方程组上的应用(论文文献综述)
闫华[1](2018)在《信道编码盲识别技术研究》文中认为军事斗争领域开展通信侦察,数字通信系统提升智能化都需要采用一定的技术手段对信道编码进行识别。在基于自适应编码的智能通信系统中,研究接收端如何快速准确识别编码参数有利于系统快速调整传输策略获得与当前信道匹配的传输速率,进一步提升系统适应复杂信道条件的能力;通信侦察首要任务是对敌方发送信息采用的编码体制进行识别,才能进行信息层面的解译并实现信源恢复。在这两个重要领域中对存在的识别难点进行探讨,能够解决制约识别技术应用的障碍,满足众多通信系统的需求。识别技术的可靠性及实时性是信道编码盲识别理论一直以来研究的重点,虽然有大量的盲识别方法,但是每种方法均有一定短板,需要从计算复杂度及信噪比较差情况下进行改善。本文以这两种主要情况为着眼点,研究有效的识别算法并讨论改进的措施。卷积码利用Walsh-Hadamard求解法进行识别分析能够实现较好的抗误码性能,弊端是该算法构造Hadamard矩阵的维数较高,在识别高码率卷积码时面临计算存储量过大的问题。针对降低Walsh-Hadamard求解法的计算存储量,从降低Hadamard方阵维数的角度出发,提出基于分块Hadamard方阵的算法,完成了识别删余卷积码的工作。软判决方法充分发挥编码序列码字可靠度的作用,在LDPC码的判决上能够得到较高的正确识别率。随着信道条件变差,要识别LDPC码将非常困难,通过分析影响正确判决的相关参数,对原始统计量做加权处理,提升低信噪比时LDPC码判决的正确率。提出利用加权后的对数似然比作为统计量,提升低信噪比下LDPC码的识别性能。
韩树楠[2](2018)在《卷积码与卷积码加扰识别技术研究》文中研究说明现代战场通信采用组网的方式实施,信息注入已成为一种有效的战场无线网络对抗手段。通信网链路层协议的破析是实施信息注入的前提条件之一,信道编码识别又是链路层协议破析的关键技术。在认知无线电领域,自适应编码调制(Automatic Modulation Coding,AMC)技术被广泛采用,当编码调制参数信息不能准确及时地发送到接收端时,接收方需要快速地识别出信道编码方式及参数,以便于及时获取发送的信息。作为信息对抗及认知无线电领域的关键技术,信道编码识别近年来引起了国内外研究者的广泛关注。卷积码及卷积码加扰作为常见的信道编码方式,在军用卫星通信、深空通信、战术数据链通信等现代通信系统中有着广泛的应用,因此对卷积码及卷积码加扰的识别技术展开研究具有重要的军事意义和民用价值。由于识别是非合作过程,不可避免地要面对解调输出的误码率高以及可利用的先验信息少的实际情况,因此本文以增强识别方法在高误码率条件下的适用性及减少先验知识的利用为目标,对卷积码及卷积码加扰的识别技术进行了有益的探索,论文的主要工作如下:关于高误码率下卷积码的识别做了以下两点工作。1.在高误码率条件下,已有的(n,1,m)卷积码识别方法算法复杂度高且需要先验已知编码参数,为克服这一局限,提出一种基于校验方程系数特性的(n,1,m)卷积码的快速识别方法。首先将(n,1,m)卷积码的识别转化为n-1个(2,1,m)卷积码的识别,建立以(2,1,m)卷积码校验向量为解向量的校验方程组。然后基于校验方程系数的结构特性,循环利用校验向量中的已知元素递归估计其未知元素以实现校验方程组的求解,根据求解结果识别出(2,1,m)卷积码的生成多项式矩阵。在含有误码的情况下,递归运算过程中利用多个校验方程联合估计未知元素。最后将识别出的n-1个(2,1,m)卷积码的生成多项式矩阵组合以重建得到(n,1,m)卷积码的生成多项式矩阵,并检验重建结果的正确性。该方法具有较高的容错性,无需先验已知编码参数,且计算复杂度较低。2.适用于高误码率条件下的删除卷积码识别方法通过遍历搜索删除卷积码校验向量及删除模式来完成识别,其算法复杂度随着码率及约束长度的增大呈指数增长,为此提出一种无需遍历搜索的识别新方法。首先鉴于删除卷积码校验向量维数高,校验方程系数的稀疏性难以保证的问题,对所提出的递归算法进行修正,利用修正的递归算法求解出删除卷积码校验向量。然后基于删除卷积码生成多项式矩阵与校验多项式矩阵的正交性求解出生成多项式向量基,进一步利用源卷积码等价分路后分组多项式矩阵的性质,构建出删除卷积码生成多项式矩阵的备选集合。最后根据多相伪循环矩阵与源卷积码生成多项式的互逆关系,由备选集合中的每个可能的删除卷积码生成多项式矩阵重建得到源卷积码的生成多项式矩阵和删除模式,选择与删除卷积码约束长度相等的源码作为识别结果。该方法具有较好的容错性,无需遍历搜索删除卷积码校验向量和删除模式,因而计算量远小于已有的识别方法。关于卷积码加扰的识别做了以下三点工作。3.对于卷积码同步加扰的扰码识别,已有方法需先验已知卷积码的校验向量,针对校验向量未知情况下的同步扰码识别,提出基于m序列三阶相关性的识别方法。首先对卷积码同步加扰序列进行分块处理,证明加扰序列块与卷积码校验向量内积运算的输出序列是与扰码同阶的m序列。由于m序列具有三阶相关峰值特性,因此在卷积码校验向量未知的情况下,通过检测输出序列的三阶相关函数是否存在峰值可识别出校验向量。进一步利用三阶相关函数峰值处的坐标信息重建出同步扰码反馈多项式,在反馈多项式重建结果的基础上,由输出序列与扰码初态间的关系实现初态的恢复。最后在含有误码的情况下,推导了三阶相关函数在峰值与非峰值处的概率分布,给出三阶相关峰的检测方法。与稀疏倍式搜索算法相比,所提出的识别方法克服了需已知卷积码校验向量的局限,消除了反馈多项式重建结果的不确定性,且具有更好的容错性。4.为解决卷积码自同步加扰情况下的扰码识别问题,提出基于代价函数求解的自同步扰码识别方法。首先利用卷积码校验向量生成一组新序列,分析得到新生成的序列中含有自同步扰码的反馈关系。然后以最大化新生成序列间约束关系的成立概率为准则,利用解调输出的软判决序列构建以反馈多项式系数为未知参量的代价函数。最后通过增加元素值约束操作来改进动态搜索烟花算法,并利用改进算法实现代价函数的求解,改进后的动态搜索烟花算法较原算法有着更快的收敛速度。该识别方法具有较好的容错性,随着数据量的增大和扰码阶数的降低,其识别的正确率逐渐提高。5.针对未知编码类型条件下卷积码及卷积码加扰的全盲识别问题,提出基于矩阵分析的全盲识别方法。首先分析得到卷积码加扰序列矩阵秩与卷积码编码参数及扰码阶数的关系式,与卷积码序列矩阵秩的特性相似,卷积码加扰序列矩阵在码长的整数倍处会周期性地出现亏秩,根据该亏秩特性,可将接收序列初步确定为卷积码或卷积码加扰序列。再分析卷积码与卷积码加扰序列矩阵零空间向量基的差异,加扰序列矩阵零空间向量基构建的多项式间存在最大公约式,且该最大公约式为扰码反馈多项式,由此实现卷积码与其加扰序列的区分。当编码类型识别为卷积码加扰序列时,遍历扰码初态并以同步扰码的解扰方式进行解扰,根据解扰输出序列矩阵的秩在初态估计正确时是否发生变化来判别扰码类型。在含有误码的情况下,利用软判决序列给出可靠数据的选取方法,以提高识别方法的容错性。该识别方法无需编码类型在内的任何先验知识,实现了真正意义上的卷积码及卷积码加扰的全盲识别。本文通过大量的仿真实验验证了所提出的识别方法的有效性并分析了方法的性能,仿真结果表明本文方法有效地解决了所提出的研究问题。本文的研究成果不仅丰富了信道编码识别的理论体系,同时也具有工程应用前景。
张云冲,戴旭初[3](2018)在《一种k/n卷积码参数盲估计的鲁棒性方法》文中研究指明针对信道编码参数的盲估计问题,提出了一种k/n卷积码参数盲估计的鲁棒性方法.首先,将卷积码的参数估计问题转换为求解二元域上线性方程组的问题,然后,应用Walsh-Hadamard变换对该问题求解,设计了卷积码编码参数的估计算法,并对算法中的门限选取进行了分析.仿真实验表明,相较于现有的算法,本文提出的方法具有更好的抗噪性能,在信道传输的错误率小于等于0.07时,本文方法对不同编码器参数的识别正确率均达到了95%以上.
郭永斌[4](2018)在《LDPC码盲识别技术研究》文中研究表明在非协作通信场景中,如何根据截获到的数据获取到有关信号的技术参数、工作内容等情报信息具有重要的军事意义和情报价值,而在这个过程中,信道编码盲识别技术起到十分关键的作用。信道编码盲识别即是在不知道或者只知道较少的先验知识的情况下,根据截获到的数据,通过数学工具、算法估计出通信方所采用的信道编码类型及其参数,为接下来的译码工作做准备。本文主要研究的是低密度奇偶校验(Low-Density Parity-Check,LDPC)码的盲识别技术。通常情况下,实用的LDPC码的码长是比较长的,并且它们的校验矩阵是稀疏的,这使得在含有误码的情况下,传统的编码识别算法难以用于LDPC码的盲识别,因而与LDPC识别相关的公开研究成果较少。目前关于LDPC码的识别研究主要是在闭集的思路下展开的,也就是在某个构建好的LDPC码参数库里面找出截获数据最有可能的来源。LDPC码的闭集识别将二元域的参数估计问题弱化为一个二元域的假设性检验问题,需要大量的先验知识作为支撑,这在非协作通信背景下是难以满足的。本文针对这一问题,提出LDPC码的开集盲识别算法,力求在不知道或者只知道较少的先验知识的情况下,通过截获比特序列,盲识别出LDPC码的码长、码字起点、码率以及线性约束关系,最终可以完成LDPC码的稀疏校验矩阵的盲识别。对于码长及码字起点的识别,现有算法大部分采用基于秩准则的方法,该类方法在高误码条件下识别率不够理想,且复杂度较高,而关于码率以及校验矩阵的识别,常用方法有线性矩阵分析法和哈达玛变换法。其中线性矩阵分析的方法不容错,哈达玛变换方法复杂度较高,此外,上述方法都无法实现校验矩阵的稀疏化。本文针对这些传统识别算法的不足之处,结合LDPC码校验矩阵的稀疏特性,从码字的对偶空间角度入手,提出了一种改进的基于求解低列重线性组合的方法来获取码字的对偶向量,并在此基础上采用对偶法识别出码长,使得码长的识别率高于传统的秩准则法,然后通过求取对偶向量支撑区间的方法加快了码字起点的搜索速率。随后,根据识别出来的码长及码字起点,结合改进的基于求解低列重线性组合的方法设计了迭代筛选算法来识别线性约束关系,进而识别出码率。最后,本文提出一种稀疏化算法来稀疏化重建LDPC码的校验矩阵,最终实现LDPC码的开集盲识别。
张云冲[5](2018)在《卷积码盲识别方法研究》文中研究表明信道编码盲辨识技术是指在通信链路中,接收端在未知信道编码的情况下,仅根据接收序列,利用编码的冗余性对信道编码进行识别和分析,从而识别出其所使用的信道编码方式和参数的技术。信道编码盲辨识技术主要有协作通信和非协作通信这两个不同的应用场景。在协作通信中,信道编码盲辨识技术作为自适应调制编码技术的关键技术之一,可以使通信双方根据当前信道情况选择合适的信道编码方式,而无需频繁发送控制信号,从而提高通信效率,缓解频谱资源紧张的问题。在非协作通信中,侦察方在未知先验信息的条件下,必须采用信道编码盲辨识技术对截获信息进行识别和分析,为后续的译码和解译工作提供支持。因此信道编码盲辨识技术具有重要的实际应用价值。本文针对信道编码中的卷积码,对其可辨识性和具有鲁棒性的辨识方法开展研究,论文主要工作包括以下两个方面:1.卷积码的可辨识性与辨识方法针对接收序列无误码情况,分析最优卷积码编码器在不同码率下的可辨识性,研究现有的卷积码生成矩阵辨识方法存在的模糊性,并使用辅助信息,给出了一种消除模糊性的识别方法。该方法利用辅助信息,将生成矩阵识别方程转化为一个多项式同余方程,并使用一种基于搜索匹配的穷举方法进行求解。仿真结果表明,该方法可以有效地完成卷积码的盲辨识。2.卷积码盲辨识的鲁棒性方法针对接收序列有误码的情况,给出了一种基于Walsh-Hadamard变换的k/n卷积码盲辨识的鲁棒性方法,其关键是卷积码参数的盲估计。首先将卷积码参数盲估计问题转换为二元域上线性方程组求解问题,然后应用Walsh-Hadamard变换对该问题求解,设计了卷积码编码参数的估计算法,并对算法中的门限选取进行了分析。仿真结果表明,相较于现有的算法,本文给出的方法具有更好的抗噪性能,在信道传输的错误率小于等于0.07时,本文方法对不同编码器参数的识别正确率均达到了 95%以上,具有良好的实用价值。
王伟年[6](2018)在《特定条件下信道编码参数分析研究》文中研究表明信道编码参数分析,是接收方对编码数据进行逆向分析获取编码参数的过程,在智能通信、信号截获和信息对抗等领域都有重要意义。实际通信中非合作方接收到的数据除了误码之外,往往伴随着交织、倒谱、相位模糊等特殊情况,这些情况无疑给编码参数分析工作带来了一定困难。为了能够进一步适应实际环境需求,本文在这些特定条件下,分别对编码类型识别、LDPC码识别和卷积码识别进行了分析研究。针对误码条件下采用随机交织的码字其交织存在性及编码类型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存在性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。针对误码条件下LDPC码校验矩阵难以完全重建的问题,本文提出了一种容错能力较强的LDPC码开集识别算法。首先,对码字进行可靠度排序并构造数据矩阵,通过高斯约旦列消元法求得部分校验向量;然后,重复进行含错码字剔除与码字替换,得到大部分校验向量;最后利用所得校验向量对可靠度较高码字进行译码,重复前面步骤,得到全部校验向量。相比已有的LDPC码开集识别算法,本文算法能够在更高误码率下实现LDPC码的盲识别,并且计算复杂度相对较低,能够适应实际环境。仿真实验以(576,288)LDPC码为主,在误比特率为0.0029时,本文算法识别率仍在90%以上。针对倒谱、相位模糊及误码存在条件下的不同码率卷积码识别问题,本文提出了一种容错能力较强的识别算法。以(133,171)卷积码为例,在QPSK调制方式下,首先推导出符号信息到比特软信息的转换关系,然后利用本文提出的校验向量求解算法得到各个条件下的校验向量,最后利用Walsh-Hadamard变换(WHT)、对数似然比(LLR)、似然差(LD)三种方法分析了校验向量的识别性能。仿真结果表明,对于(133,171)卷积码,结合WHT、LLR、和LD方法,利用求得的校验向量能够在较低信噪比下有效识别各种码率、相位模糊以及倒谱,且将分析范围从56种情况减少至2种或4种情况,计算复杂度较低,能够适应实际环境需求。
方真[7](2018)在《WCDMA通信系统的伪码与扰码分析识别》文中研究说明WCDMA即宽带码分多址,具有保密性好、数据速率高、抗干扰能力强等优点,是全球应用最广泛的3G移动通信技术。WCDMA能够使多个用户在同一频段同时工作,利用码字的相关特性进行相互区分,因此对其码字的研究具有重要意义。本文主要研究WCDMA通信系统上行链路物理专用信道中所用到的伪码与扰码的分析与识别问题,通过对WCDMA信号的结构进行解析,指出该信号本质上是一种长直扩加扰信号,且可以等效为同步的虚拟多用户DS-CDMA信号。在此基础之上,本文首先利用能量累积法估计出接收信号的失步点,并将该算法与应用较为广泛的最大范数法做出仿真对比,证明其性能更为理想;完成同步之后,通过EM算法对WCDMA信号进行分段估计并得到部分的长扰码序列,然后结合LFSR序列的结构特点,采用改进的W-H变换来对长扰码的生成多项式与初态进行估计,并以此重构出无误的完整序列,与传统W-H变换相比,改进的W-H变换能够大量减少算法所需计算量和计算机内存,缩减计算时间。最后,受启发式算法降低问题计算量的启发,从组合最优化的角度对LFSR序列生成多项式的估计问题进行了更深入的探究,通过将原问题转化为优化问题,采用模拟退火结合局部搜索算法寻找最优解,并分析目标函数在整个解空间内的分布情况,最终发现LFSR序列生成多项式的估计问题只能依靠遍历解空间来寻找最优解,当利用某些方式缩小解空间内可行解的范围时,算法计算量将得到有效降低。本文主要内容包括:首先,了解WCDMA信号中所使用的重点技术,对信号结构、扩频加扰方式以及地址码的类型与生成方式等内容进行分析,并在此基础之上对WCDMA信号进行数学建模。由于WCDMA信号本质上是一种长直扩加扰信号,可以将其等效为同步的虚拟多用户DS-CDMA信号,在等效模型的基础上,采用能量累积法对信号的失步点进行估计,通过与应用较为广泛的最大范数法进行计算机仿真实验对比,证明能量累积法性能优于最大范数法,且在信噪比较低时依然拥有良好表现;以长度为扩频因子的时窗对同步后的WCDMA信号进行划分,并将具有相同扩频伪码的数据段拼接得到新的短码直扩信号,采用EM算法估计其伪码波形并恢复出码序列,此短伪码序列即为待估计长扰码序列中的一部分,重复此操作恢复多段短的扩频伪码,依序拼接可以得到截短的长扰码。其次,由于EM算法估计出的截短的长扰码序列内含有少量误码,接下来将通过估计生成多项式与初态的方式来恢复无误的完整扰码序列。利用LFSR序列的特点,构造出以序列生成多项式和初态为未知量的二进制方程组,由于方程组出可能含有误码,采用W-H变换求出方程组系数矩阵的谱系数,并将其次大值作为方程组的最可能解。由于阶数较大时传统的W-H变换所需要的计算量与内存往往会超出计算机承受范围,采用改进的W-H变换算法,在保证估计正确率的情况下,能够有效的减少计算所需时间。最后,受到启发式算法降低问题计算量的启发,从组合最优化的角度对LFSR序列生成多项式的估计问题进行了更深入的研究。首先阐述了启发式算法的发展过程与应用领域,然后着重研究了局部搜索算法与模拟退火算法的原理和具体操作步骤。由序列生成多项式的估计问题转化而成含错的二进制线性方程组的求解问题,可以再次转化为组合最优化问题,并采用模拟退火结合局部搜索的方法寻找最优解。计算机仿真结果表明该算法在生成多项式阶数较低时效果良好,但较高时往往无法得到正确结果。通过对目标函数值在整个解空间内的分布情况进行分析发现,目标函数的形状十分特殊,迭代过程中无法根据函数值的变化来调整搜索方向,只能通过遍历解空间找到最优解,算法性能完全依赖于搜索空间的大小,启发式算法并不适用于LFSR序列生成多项式的估计问题,但是通过限制解空间内可行解的范围,可以有效地减少算法所需计算量。
尹瑾[8](2017)在《信道编码盲识别算法研究与实现》文中指出信道编码技术是现代通信系统中广泛应用的技术,纠错码和扰码是其中重要的编码方式。信道编码的盲识别技术是对编码参数的逆向识别,在通信领域有着重要的应用价值。本文主要围绕信道编码的盲识别算法展开研究,完成的工作如下:1)对信道编码盲识别领域一些现有的算法进行了研究。对二进制线性分组码、RS码、卷积码和扰码的一些盲识别算法的性能表现进行了对比,重点研究了基于线性矩阵分析的盲识别方法,基于Walsh-Hadamard变换的含错方程求解算法,以及基于OMP算法的卷积码识别算法,完成算法的MATLAB仿真,并进行了基于TMS320C6678DSP的实现,验证了算法在硬件平台上的正确性。2)本文在伽罗华域傅里叶变换(Galois Field Fourier Transform,GFFT)法的基础上,研究一种改进的RS码盲识别方案。该方法避免了在未知码长时对接收序列遍历进行GFFT的大量计算,且有较好的抗误码性能。3)针对低信噪比情况下自同步扰码的识别问题,提出了基于软判决求解含错方程的盲识别方法,主要通过提取软判决序列中比特的可靠度信息,来寻找真正的扰码多项式。仿真实验表明,相比于基于硬判决的Walsh-Hadamard变换算法,该方法在低信噪比下的容错性能较好。4)针对自同步扰码器的输入序列为RS码的情况,研究一种自同步扰码的盲识别算法。该方法先识别出RS码的等价分组码长,再遍历可能的多项式对扰码序列进行抽取,引入一种新的零元素熵函数差值来识别扰码多项式。仿真验证了该算法可以对RS码的自同步扰码进行有效的盲识别。
马钰,张立民,王好同[9](2016)在《扰码器初始参数盲重建算法》文中提出非合作通信条件下,针对扰码器初始参数估计问题,第三方需在通信参数不完全所知的情况下,对抗干扰、重建反馈多项式和估计初始状态,以重建扰码器。首先,根据对偶码特性和多信息流抗干扰技术,构造具有低误码率特性并包含扰码器特征参数的新序列;其次,采用低重量倍式搜索算法和基于对偶码的快速相关攻击算法,分别对新构造序列的反馈多项式和初始状态进行估计;最后,根据新序列与扰码的关系,重建扰码器初始参数。仿真结果表明,算法可在信噪比为0 d B条件下有效对抗噪声干扰并重建扰码器。
马钰,张立民,王好同[10](2016)在《编码加扰序列的帧同步盲识别》文中研究表明在同步情况下,基于对偶码可有效重建线性扰码的反馈关系,但非合作通信方同样需要完成盲同步.在无噪声条件下,针对编码加扰序列的盲同步问题,结合反馈多项式检测提出了帧同步盲识别算法.利用初始帧同步中探测的反馈多项式倍式集,可同时完成扰码反馈多项式和扰码序列的估计.实现初始同步后,可借助解扰数据帧结构属性完成精确同步;然后,将算法推广到了含噪信道情况;最后,基于Walsh-Hadamard变换给出了检测统计量的规范计算方案,以降低计算复杂度.
二、Walsh函数在解二元域方程组上的应用(论文开题报告)
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、Walsh函数在解二元域方程组上的应用(论文提纲范文)
(1)信道编码盲识别技术研究(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 研究背景和意义 |
1.2 研究现状与发展趋势 |
1.2.1 卷积码盲识别的研究现状 |
1.2.2 LDPC码盲识别的研究现状 |
1.3 研究内容和组织结构 |
1.3.1 研究内容 |
1.3.2 论文结构安排 |
第二章 信道编码 |
2.1 引言 |
2.2 线性分组码 |
2.3 卷积码 |
2.3.1 基本原理 |
2.3.2 删余卷积码 |
2.4 低密度奇偶校验码 |
2.4.1 基本原理 |
2.4.2 数字通信系统中的应用 |
2.5 本章小节 |
第三章 卷积码盲识别算法研究 |
3.1 引言 |
3.2 基于 Walsh-Hadamard 求解法的卷积码盲识别 |
3.2.1 数学模型的建立 |
3.2.2 含错方程求解 |
3.2.3 含错方程的置信度分析 |
3.2.4 仿真实验与结果分析 |
3.3 基于软判决频次序列的卷积码识别分析算法 |
3.3.1 软判决的基本原理 |
3.3.2 基于软判决 Walsh-Hadamard 求解法的卷积码识别 |
3.3.3 仿真实验与结果分析 |
3.4 删余卷积码的识别 |
3.4.1 识别模型建立 |
3.4.2 基于B-SWHT方法的识别 |
3.4.3 仿真实验与结果分析 |
3.5 本章小节 |
第四章 LDPC码盲识别算法研究 |
4.1 引言 |
4.2 基于平均LLR的识别方法 |
4.2.1 对数似然比 |
4.2.2 对数似然比的统计特征 |
4.2.3 基于平均对数似然比的LDPC码识别 |
4.2.4 仿真实验与结果分析 |
4.3 基于平均LD的识别方法 |
4.3.1 平均似然差 |
4.3.2 平均似然差的统计特征 |
4.3.3 基于平均似然差的LDPC码识别 |
4.3.4 仿真实验与结果分析 |
4.4 基于加权平均LLR的识别方法 |
4.4.1 信道错误传输概率 |
4.4.2 基于信道错误传输概率的权值计算 |
4.4.3 仿真实验与结果分析 |
4.5 本章小节 |
第五章 总结与展望 |
5.1 全文总结 |
5.2 研究展望 |
致谢 |
参考文献 |
作者在学期间取得的学术成果 |
(2)卷积码与卷积码加扰识别技术研究(论文提纲范文)
常用符号 |
缩略词 |
摘要 |
Abstract |
第一章 绪论 |
1.1 研究背景及意义 |
1.2 国内外研究现状 |
1.2.1 卷积码的识别方法 |
1.2.2 线性扰码的识别方法 |
1.3 论文解决的主要问题 |
1.4 论文研究内容与组织结构 |
第二章 卷积码与扰码的基础知识及典型识别方法 |
2.1 引言 |
2.2 卷积码的基础知识 |
2.2.1 卷积码的编码原理 |
2.2.2 卷积码的生成多项式矩阵 |
2.2.3 卷积码的校验多项式矩阵 |
2.3 卷积码识别的典型算法 |
2.3.1 欧几里德识别法 |
2.3.2 矩阵分析识别法 |
2.3.3 基于Walsh-Hadamard变换的识别法 |
2.4 扰码的基础知识 |
2.4.1 同步扰码的编码原理 |
2.4.2 自同步扰码的编码原理 |
2.5 卷积码同步加扰的稀疏倍式搜索识别法 |
2.6 本章小结 |
第三章 基于校验方程系数特性的卷积码识别方法 |
3.1 引言 |
3.2 (n,1,m)卷积码的识别 |
3.2.1 (n,1,m)卷积码识别问题的描述 |
3.2.2 校验向量的递归估计算法 |
3.2.3 校验向量估计值正确性检测 |
3.2.4 (n,1,m)卷积码生成多项式矩阵的重建 |
3.2.5 计算复杂度分析 |
3.2.6 仿真分析 |
3.3 删除卷积码的识别 |
3.3.1 删除卷积码的构造原理 |
3.3.2 校验向量的修正递归估计算法 |
3.3.3 删除卷积码生成多项式矩阵的估计 |
3.3.4 源码生成多项式矩阵与删除模式的重建 |
3.3.5 计算复杂度分析 |
3.3.6 仿真分析 |
3.4 本章小结 |
第四章 基于m序列三阶相关性的同步扰码识别方法 |
4.1 引言 |
4.2 卷积码同步加扰的数学模型 |
4.3 基于m序列三阶相关性的同步扰码识别原理 |
4.3.1 基于校验向量的同阶m序列构造 |
4.3.2 反馈多项式的重建与初态的恢复 |
4.4 有误码情况下的三阶相关峰检测 |
4.4.1 三阶相关函数值概率分布 |
4.4.2 峰值位置的正确性检验 |
4.5 计算复杂度分析 |
4.6 仿真分析 |
4.7 本章小结 |
第五章 基于代价函数求解的自同步扰码识别方法 |
5.1 引言 |
5.2 卷积码自同步加扰的数学模型 |
5.3 基于软判决的代价函数的建立 |
5.3.1 基于校验向量的新序列生成 |
5.3.2 约束关系的概率表达 |
5.4 基于改进的动态搜索烟花算法的代价函数求解 |
5.4.1 动态搜索烟花算法原理 |
5.4.2 改进的动态搜索烟花算法 |
5.5 计算复杂度分析 |
5.6 仿真分析 |
5.7 本章小结 |
第六章 基于矩阵分析的卷积码及卷积码加扰全盲识别方法 |
6.1 引言 |
6.2 矩阵秩的基本结论 |
6.3 卷积码加扰序列矩阵秩的分析 |
6.3.1 卷积码同步加扰序列矩阵秩的分析 |
6.3.2 卷积码自同步加扰序列矩阵秩的分析 |
6.4 卷积码及卷积码加扰的全盲识别方案 |
6.4.1 卷积码有无加扰的判别 |
6.4.2 扰码类型识别与初态恢复 |
6.4.3 误码条件下识别方法的应用 |
6.5 计算复杂度分析 |
6.6 仿真分析 |
6.7 本章小结 |
第七章 结论与展望 |
7.1 结论 |
7.2 展望 |
致谢 |
参考文献 |
作者在学期间取得的学术成果 |
附录 A 递归算法中方程数阈值与最大错误估计概率关系式的证明 |
(3)一种k/n卷积码参数盲估计的鲁棒性方法(论文提纲范文)
0 引言 |
1 卷积码与Walsh-Hadamard变换 |
1.1 卷积码的基本概念和性质 |
1.2 Walsh-Hadamard变换 |
1.3 利用Walsh变换求解二元域上线性方程组 |
2 卷积码参数的盲估计 |
2.1 基本原理 |
2.2 鲁棒性估计方法 |
2.3 门限的选择 |
3 仿真实验结果与分析 |
3.1 检测门限γ与虚警概率PF的关系 |
3.2 卷积码参数盲估计算法的性能与信道传输错误率的关系 |
4 结论 |
(4)LDPC码盲识别技术研究(论文提纲范文)
摘要 |
ABSTRACT |
符号对照表 |
缩略语对照表 |
第一章 绪论 |
1.1 信道编码及其盲识别概述 |
1.2 研究现状 |
1.3 论文主要内容和结构安排 |
第二章 LDPC码理论及其识别概述 |
2.1 LDPC码基本原理 |
2.1.1 LDPC码的定义 |
2.1.2 LDPC码的Tanner表示 |
2.2 LDPC码的构造 |
2.2.1 GallagerLDPC码 |
2.2.2 准循环LDPC码 |
2.3 两种实用的LDPC码编码方法 |
2.3.1 IEEE802.16eLDPC码编码方法 |
2.3.2 IEEE802.11nLDPC码编码方法 |
2.4 LDPC码译码方法简介 |
2.5 LDPC码盲识别基础概述 |
2.5.1 基于硬判决的LDPC码识别算法 |
2.5.2 基于软判决的LDPC码识别算法 |
2.6 本章小结 |
第三章 误码条件下LDPC码开集盲识别技术 |
3.1 LDPC码开集盲识别总体概述 |
3.2 码字的对偶空间理论 |
3.2.1 统计判决准则 |
3.2.2 获取疑似对偶向量 |
3.2.3 改进的基于求解低列重线性组合算法 |
3.3 码长及码字起点的识别 |
3.3.1 码长及码字起点识别模型 |
3.3.2 码长及码字起点识别算法 |
3.4 线性约束关系识别及码率识别 |
3.5 校验矩阵的稀疏化 |
3.6 本章小结 |
第四章 LDPC码开集盲识别算法的仿真分析 |
4.1 算法总体流程图 |
4.2 改进的基于求解低列重线性组合算法性能仿真 |
4.3 码长及码字起点识别仿真 |
4.4 线性约束关系及码率识别仿真 |
4.5 校验矩阵的稀疏化算法仿真 |
4.6 算法识别率仿真 |
4.7 本章小结 |
第五章 总结与展望 |
5.1 论文总结 |
5.2 后续工作展望 |
参考文献 |
致谢 |
作者简介 |
(5)卷积码盲识别方法研究(论文提纲范文)
摘要 |
ABSTRACT |
符号说明 |
第1章 绪论 |
1.1 信道编码概述 |
1.2 信道编码盲辨识问题的研究背景 |
1.2.1 研究意义 |
1.2.2 国内外研究现状 |
1.2.3 信道编码盲辨识技术目前存在的不足 |
1.3 论文主要工作 |
1.4 论文结构 |
第2章 卷积码盲辨识的基础知识 |
2.1 卷积码的基础知识 |
2.1.1 抽象代数理论 |
2.1.2 卷积码基本概念 |
2.1.3 对偶码 |
2.1.4 最优卷积码编码器 |
2.2 卷积码现有盲辨识算法分析 |
2.2.1 参数估计算法 |
2.2.2 监督矩阵识别算法 |
2.2.3 生成矩阵识别算法 |
2.3 本章小结 |
第3章 卷积码的可辨识性与辨识方法 |
3.1 问题描述 |
3.2 卷积码盲辨识原理 |
3.2.1 参数估计的基本原理 |
3.2.2 监督矩阵辨识的基本原理 |
3.2.3 生成矩阵辨识的基本原理 |
3.3 卷积码可辨识性 |
3.3.1 现有辨识方法的模糊性分析 |
3.3.2 卷积码可辨识性分析 |
3.4 基于辅助信息的生成矩阵辨识方法 |
3.4.1 生成矩阵辨识问题模型 |
3.4.2 生成矩阵的辨识方法 |
3.4.3 性能分析 |
3.4.4 仿真试验及其结果分析 |
3.5 本章小结 |
第4章 卷积码盲辨识的鲁棒性方法 |
4.1 问题描述 |
4.2 Walsh-Hadamard变换法 |
4.2.1 快速Walsh-Hadamard变换 |
4.2.2 Walsh-Hadamard变换法求解二元域上含错线性方程组 |
4.3 卷积码参数估计的鲁棒性方法 |
4.3.1 鲁棒性方法 |
4.3.2 参数估计的门限选择 |
4.3.3 仿真实验及结果分析 |
4.4 卷积码监督矩阵辨识的鲁棒性方法 |
4.4.1 鲁棒性方法 |
4.4.2 解向量的置信度 |
4.4.3 仿真实验及结果分析 |
4.5 卷积码盲辨识方法的复杂度分析 |
4.6 本章小结 |
第5章 总结与展望 |
5.1 总结 |
5.2 展望 |
参考文献 |
致谢 |
在读期间发表的学术论文与取得的其它研究成果 |
(6)特定条件下信道编码参数分析研究(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1 研究背景与意义 |
1.2 信道编码简介 |
1.2.1 扰码 |
1.2.2 交织 |
1.2.3 纠错码 |
1.3 信道编码参数分析研究现状 |
1.3.1 扰码参数分析 |
1.3.2 交织参数分析 |
1.3.3 纠错码参数分析 |
1.3.4 研究现状总结 |
1.4 本文内容安排 |
第二章 随机交织条件下交织存在性及编码类型识别 |
2.1 引言 |
2.2 交织存在性及编码类型识别问题描述 |
2.3 误码条件下校验向量搜索 |
2.3.1 码字矩阵变换 |
2.3.2 校验向量粗搜索 |
2.3.3 校验向量精确搜索 |
2.3.4 算法总结 |
2.4 交织及编码类型识别 |
2.4.1 交织存在性识别 |
2.4.2 编码类型识别 |
2.4.3 复杂度分析 |
2.5 仿真实验及分析 |
2.6 本章小结 |
第三章 误码条件下LDPC码开集识别 |
3.1 引言 |
3.2 LDPC码开集识别问题描述 |
3.3 LDPC码开集识别算法 |
3.3.1 码字可靠度排序 |
3.3.2 识别校验向量 |
3.3.3 码字剔除与替换 |
3.3.4 矩阵稀疏化与LDPC译码 |
3.3.5 算法流程总结 |
3.4 算法复杂度及性能分析 |
3.4.1 算法复杂度分析 |
3.4.2 算法性能分析及参数选取 |
3.5 仿真实验及分析 |
3.6 本章小结 |
第四章 倒谱与相位模糊条件下的卷积码容错识别 |
4.1 引言 |
4.2 问题描述 |
4.3 卷积码识别数学模型 |
4.4 校验向量求解及应用 |
4.4.1 校验向量求解 |
4.4.2 校验向量应用 |
4.4.3 计算复杂度分析 |
4.5 仿真实验及分析 |
4.6 本章小结 |
第五章 总结与展望 |
5.1 全文总结 |
5.2 工作展望 |
致谢 |
参考文献 |
作者简历 |
(7)WCDMA通信系统的伪码与扰码分析识别(论文提纲范文)
摘要 |
abstract |
第一章 绪论 |
1.1 移动通信的发展 |
1.2 直接序列扩频通信 |
1.2.1 直接序列扩频通信原理 |
1.2.2 直扩通信在WCDMA系统中的应用 |
1.3 本文研究背景与意义 |
1.4 本文的主要工作和章节安排 |
第二章 WCDMA通信系统的地址码与信号模型 |
2.1 线性反馈移位寄存器序列 |
2.2 WCDMA通信系统的地址码 |
2.2.1 地址码的选择 |
2.2.2 信道化码 |
2.2.3 扰码 |
2.2.3.1 长扰码 |
2.2.3.2 短扰码 |
2.2.4 信道化码与扰码间的关系 |
2.3 WCDMA信号模型 |
2.4 本章小结 |
第三章 失步点与伪码序列波形估计 |
3.1 WCDMA信号等效模型 |
3.1.1 等效的长码直扩信号模型 |
3.1.2 等效的虚拟多用户模型 |
3.2 能量累积法估计失步点 |
3.2.1 算法原理 |
3.2.2 计算机仿真 |
3.3 基于EM算法的分段伪码波形估计 |
3.3.1 算法原理 |
3.3.2 计算机仿真 |
3.4 本章小结 |
第四章 扰码生成多项式与初态估计 |
4.1 基于改进的W-H变换的生成多项式估计 |
4.1.1 算法原理 |
4.1.2 计算机仿真 |
4.2 初态的估计 |
4.2.1 算法原理 |
4.2.2 计算机仿真 |
4.3 本章小结 |
第五章 从组合优化出发对生成多项式估计问题的探究 |
5.1 组合最优化问题 |
5.1.1 组合最优化问题的一般描述 |
5.1.2 启发式算法 |
5.2 组合优化求解含错二进制线性方程组 |
5.2.1 算法原理 |
5.2.1.1 局部搜索算法 |
5.2.1.2 模拟退火算法 |
5.2.2 含错的二进制线性方程组求解模型 |
5.2.3 计算机仿真 |
5.3 从解空间出发对生成多项式估计问题的分析 |
5.3.1 对解空间分布情况的计算机仿真 |
5.3.2 结果分析及总结 |
5.4 本章小结 |
第六章 全文总结与展望 |
6.1 全文总结 |
6.2 后续工作展望 |
致谢 |
参考文献 |
(8)信道编码盲识别算法研究与实现(论文提纲范文)
摘要 |
Abstract |
1 绪论 |
1.1 课题背景及研究意义 |
1.1.1 课题研究背景 |
1.1.2 信道编码盲识别的研究意义 |
1.2 研究现状及发展趋势 |
1.2.1 纠错编码盲识别的研究现状 |
1.2.2 扰码盲识别的研究现状 |
1.2.3 信道编码盲识别研究的发展趋势 |
1.3 本文主要研究内容和结构安排 |
2 信道编码识别的基础知识 |
2.1 信道编码相关的数学知识 |
2.2 线性分组码基础 |
2.2.1 线性分组码的概念 |
2.2.2 线性分组码的生成矩阵和校验矩阵 |
2.2.3 RS码的概念和生成多项式 |
2.3 卷积码基础 |
2.3.1 卷积码的概念 |
2.3.2 卷积码的生成矩阵和校验矩阵 |
2.4 扰码基础 |
2.4.1 自同步扰码和同步扰码 |
2.4.2 m序列及其性质 |
2.5 本章小结 |
3 常见纠错编码的盲识别算法研究 |
3.1 二进制线性分组码的盲识别 |
3.1.1 基于线性矩阵分析的盲识别方法 |
3.1.2 基于Walsh-Hadamard变换的识别方法 |
3.1.3 仿真实验和性能比较 |
3.2 一种改进的含误码RS码盲识别方法 |
3.2.1 传统的RS码盲识别方法 |
3.2.2 改进的RS码盲识别方法 |
3.2.3 仿真实验与分析 |
3.3 基于OMP算法的卷积码识别 |
3.3.1 传统识别方法 |
3.3.2 基于OMP算法的卷积码识别算法 |
3.3.3 仿真实验与分析 |
3.4 本章小结 |
4 扰码的盲识别算法研究 |
4.1 扰码盲识别的基础 |
4.1.1 识别基础原理 |
4.1.2 几种扰码盲识别算法的总结 |
4.2 基于软判决求解含错方程的自同步扰码盲识别 |
4.2.1 含错方程模型和硬判决识别法 |
4.2.2 基于软判决的自同步扰码识别方法 |
4.2.3 仿真实验和结果分析 |
4.3 基于RS码的自同步扰码盲识别 |
4.3.1 加扰RS码码长的识别 |
4.3.2 自同步扰码多项式识别 |
4.3.3 仿真验证与分析 |
4.4 本章小结 |
5 信道编码盲识别算法的实现 |
5.1 DSP芯片介绍 |
5.2 系统文件配置 |
5.3 C程序中矩阵运算的实现 |
5.4 盲识别的实现流程和结果 |
5.4.1 线性分组码的盲识别算法实现 |
5.4.2 基于OMP算法的卷积码识别算法实现 |
5.5 本章小结 |
6 总结与展望 |
致谢 |
参考文献 |
附录 |
(9)扰码器初始参数盲重建算法(论文提纲范文)
1 引言 |
2 数学模型 |
3 基于卷积编码的快速相关攻击 |
4 扰码器初始参数估计算法 |
5 计算复杂度和仿真分析 |
6 结论 |
(10)编码加扰序列的帧同步盲识别(论文提纲范文)
1 引言 |
2 系统模型 |
3 无噪声情况下帧同步算法 |
4 含噪情况下帧同步算法 |
5 基于Walsh-Hadamard变换的计算方法 |
6 结束语 |
四、Walsh函数在解二元域方程组上的应用(论文参考文献)
- [1]信道编码盲识别技术研究[D]. 闫华. 国防科技大学, 2018(01)
- [2]卷积码与卷积码加扰识别技术研究[D]. 韩树楠. 国防科技大学, 2018(01)
- [3]一种k/n卷积码参数盲估计的鲁棒性方法[J]. 张云冲,戴旭初. 测试技术学报, 2018(04)
- [4]LDPC码盲识别技术研究[D]. 郭永斌. 西安电子科技大学, 2018(02)
- [5]卷积码盲识别方法研究[D]. 张云冲. 中国科学技术大学, 2018(01)
- [6]特定条件下信道编码参数分析研究[D]. 王伟年. 战略支援部队信息工程大学, 2018(01)
- [7]WCDMA通信系统的伪码与扰码分析识别[D]. 方真. 电子科技大学, 2018(09)
- [8]信道编码盲识别算法研究与实现[D]. 尹瑾. 南京理工大学, 2017(07)
- [9]扰码器初始参数盲重建算法[J]. 马钰,张立民,王好同. 信号处理, 2016(09)
- [10]编码加扰序列的帧同步盲识别[J]. 马钰,张立民,王好同. 电子学报, 2016(09)