基于统计特性的交织识别技术研究
发布时间：2021-12-24 20:49
在非合作通信中,对侦察方来说,获取被侦察方的情报信息非常重要。但交织技术的引入,给侦察方的识别分析工作带来了巨大困难。交织识别是信道编码参数分析中的关键难点,交织识别技术的研究对非合作通信领域具有重要的实际价值和需求意义。因此,本文针对底码为卷积码的随机交织识别问题展开研究。首先在卷积码统计特性分析的基础上,完成了交织深度和卷积码校验方程重量的估计,然后依次实现了数据帧间编码器寄存器状态不归零和归零两种情况下的随机交织置换关系的识别。具体总结为如下3个方面:1.利用卷积码相关列统计特性分析实验中得出的结论,完成了交织深度和校验方程重量的估计,通过仿真证明了估计的有效性,3‰误码率下交织深度估计正确率达到100%,校验方程重量估计正确率超过90%并且通过增加数据量的方式可以进一步改善估计性能。2.针对帧间不归零随机交织识别问题,首先对矩阵高斯变换法进行研究与实现,推导了该方法的算法复杂度并提出改进方案,提升了识别性能并降低了复杂度,仿真表明算法改进后在误码率10-4下识别率由21%提升到90%,适应的交织深度上限为500。然后研究了基于图的同构的识别方法,该方法利用...
【文章来源】：电子科技大学四川省 211工程院校 985工程院校 教育部直属院校
【文章页数】：86 页
【学位级别】：硕士
【文章目录】：
摘要
abstract
第一章 绪论
1.1 研究背景
1.2 研究现状
1.2.1 分组交织识别
1.2.2 卷积交织识别
1.2.3 随机交织识别
1.3 研究内容及结构安排
第二章 统计特性分析与参数估计
2.1 引言
2.2 随机交织模型
2.3 卷积码相关列统计特性分析
2.3.1 相关列介绍
2.3.2 相关列统计特性分析实验
2.3.2.1 实验一——随机交织对相关列统计特性的影响
2.3.2.2 实验二——矩阵维数对相关列数量的影响
2.3.3 实验结论
2.4 交织深度估计
2.4.1 估计流程
2.4.2 性能仿真
2.5 校验方程重量估计
2.5.1 估计流程
2.5.2 性能仿真
2.6 本章小结
第三章 帧间状态不归零随机交织识别
3.1 引言
3.2 矩阵高斯变换法随机交织识别方法
3.2.1 算法描述
3.2.2 算法复杂度分析与改进
3.2.2.1 算法复杂度分析
3.2.2.2 改进方案
3.2.3 性能仿真
3.3 基于图的同构法的随机交织识别方法
3.3.1 小重量码字法校验方程搜索
3.3.2 对校验方程分类
3.3.3 卷积码校验方程的恢复
3.3.3.1 校验方程的图表示
3.3.3.2 校验方程的恢复
3.3.3.3 减少遍历的运算量
3.3.4 对校验方程进行排序
3.3.5 随机交织器的重构
3.3.6 仿真实验
3.4 本章小结
第四章 帧间状态归零随机交织识别
4.1 引言
4.2 基于等效系统递归卷积码及维特比译码的随机交织识别方法
4.2.1 初始码组位置的确定
4.2.2 利用等效系统递归卷积码进行递推搜索
4.2.3 维特比译码数据纠错
4.2.4 算法总体流程
4.2.5 性能仿真
4.3 本章小结
第五章 总结和展望
5.1 全文总结
5.2 后续工作展望
致谢
参考文献
攻硕期间取得的研究成果
【参考文献】：
期刊论文
[1]基于软信息的分组交织和卷积码联合识别[J]. 陈泽亮,巩克现,彭华,于沛东. 电子学报. 2018(06)
[2]误码及随机交织条件下信道编码类型识别[J]. 王伟年,彭华,董政. 信号处理. 2018(01)
[3]一类卷积码的随机交织参数盲识别方法[J]. 涂榫,王伟玮,刘晓龙. 通信技术. 2016(07)
[4]基于最大相似度的伪随机交织器盲识别方法[J]. 彭贻云,张玉,杨晓静. 探测与控制学报. 2016(03)
[5]高误码率下Turbo码交织器的恢复方法[J]. 任亚博,张健,刘以农. 电子与信息学报. 2015(08)
[6]基于矩阵秩统计的卷积码分组交织盲识别[J]. 陆凯,张旻,李歆昊. 探测与控制学报. 2015(03)
[7]一种Turbo码随机交织器的迭代估计方法[J]. 刘骏,李静,于沛东. 通信学报. 2015(06)
[8]一种高误码（n,k,m）非系统卷积码盲识别算法[J]. 张岱,张玉,杨晓静. 数据采集与处理. 2015(03)
[9]卷积交织器盲识别方法[J]. 解辉,王丰华,黄知涛. 电子与信息学报. 2013(08)
[10]基于求解校验序列的（n,k,m）卷积码盲识别[J]. 杨晓静,刘建成,张玉. 宇航学报. 2013(04)
博士论文
[1]基于代数结构的交织器与卷积码的盲识别研究[D]. 黄丽.中国科学技术大学 2016
[2]信息截获与处理的容错技术研究[D]. 邹艳.复旦大学 2006
硕士论文
[1]非系统码的识别和参数估计[D]. 宫春涛.电子科技大学 2019
[2]线性分组码及交织参数盲识别研究[D]. 张世会.重庆邮电大学 2016
[3]Turbo码盲识别技术研究与实现[D]. 东阳.电子科技大学 2015
[4]通信信道编码中卷积编码识别[D]. 李志鹏.电子科技大学 2011
[5]卷积码的盲识别研究[D]. 薛国庆.中国科学技术大学 2009
[6]信道编码识别技术研究[D]. 宋镜业.西安电子科技大学 2009
[7]卷积码的线性系统理论研究[D]. 孟凡刚.中国人民解放军信息工程大学 2003
本文编号：3551170
【文章来源】：电子科技大学四川省 211工程院校 985工程院校 教育部直属院校
【文章页数】：86 页
【学位级别】：硕士
【文章目录】：
摘要
abstract
第一章 绪论
1.1 研究背景
1.2 研究现状
1.2.1 分组交织识别
1.2.2 卷积交织识别
1.2.3 随机交织识别
1.3 研究内容及结构安排
第二章 统计特性分析与参数估计
2.1 引言
2.2 随机交织模型
2.3 卷积码相关列统计特性分析
2.3.1 相关列介绍
2.3.2 相关列统计特性分析实验
2.3.2.1 实验一——随机交织对相关列统计特性的影响
2.3.2.2 实验二——矩阵维数对相关列数量的影响
2.3.3 实验结论
2.4 交织深度估计
2.4.1 估计流程
2.4.2 性能仿真
2.5 校验方程重量估计
2.5.1 估计流程
2.5.2 性能仿真
2.6 本章小结
第三章 帧间状态不归零随机交织识别
3.1 引言
3.2 矩阵高斯变换法随机交织识别方法
3.2.1 算法描述
3.2.2 算法复杂度分析与改进
3.2.2.1 算法复杂度分析
3.2.2.2 改进方案
3.2.3 性能仿真
3.3 基于图的同构法的随机交织识别方法
3.3.1 小重量码字法校验方程搜索
3.3.2 对校验方程分类
3.3.3 卷积码校验方程的恢复
3.3.3.1 校验方程的图表示
3.3.3.2 校验方程的恢复
3.3.3.3 减少遍历的运算量
3.3.4 对校验方程进行排序
3.3.5 随机交织器的重构
3.3.6 仿真实验
3.4 本章小结
第四章 帧间状态归零随机交织识别
4.1 引言
4.2 基于等效系统递归卷积码及维特比译码的随机交织识别方法
4.2.1 初始码组位置的确定
4.2.2 利用等效系统递归卷积码进行递推搜索
4.2.3 维特比译码数据纠错
4.2.4 算法总体流程
4.2.5 性能仿真
4.3 本章小结
第五章 总结和展望
5.1 全文总结
5.2 后续工作展望
致谢
参考文献
攻硕期间取得的研究成果
【参考文献】：
期刊论文
[1]基于软信息的分组交织和卷积码联合识别[J]. 陈泽亮,巩克现,彭华,于沛东. 电子学报. 2018(06)
[2]误码及随机交织条件下信道编码类型识别[J]. 王伟年,彭华,董政. 信号处理. 2018(01)
[3]一类卷积码的随机交织参数盲识别方法[J]. 涂榫,王伟玮,刘晓龙. 通信技术. 2016(07)
[4]基于最大相似度的伪随机交织器盲识别方法[J]. 彭贻云,张玉,杨晓静. 探测与控制学报. 2016(03)
[5]高误码率下Turbo码交织器的恢复方法[J]. 任亚博,张健,刘以农. 电子与信息学报. 2015(08)
[6]基于矩阵秩统计的卷积码分组交织盲识别[J]. 陆凯,张旻,李歆昊. 探测与控制学报. 2015(03)
[7]一种Turbo码随机交织器的迭代估计方法[J]. 刘骏,李静,于沛东. 通信学报. 2015(06)
[8]一种高误码（n,k,m）非系统卷积码盲识别算法[J]. 张岱,张玉,杨晓静. 数据采集与处理. 2015(03)
[9]卷积交织器盲识别方法[J]. 解辉,王丰华,黄知涛. 电子与信息学报. 2013(08)
[10]基于求解校验序列的（n,k,m）卷积码盲识别[J]. 杨晓静,刘建成,张玉. 宇航学报. 2013(04)
博士论文
[1]基于代数结构的交织器与卷积码的盲识别研究[D]. 黄丽.中国科学技术大学 2016
[2]信息截获与处理的容错技术研究[D]. 邹艳.复旦大学 2006
硕士论文
[1]非系统码的识别和参数估计[D]. 宫春涛.电子科技大学 2019
[2]线性分组码及交织参数盲识别研究[D]. 张世会.重庆邮电大学 2016
[3]Turbo码盲识别技术研究与实现[D]. 东阳.电子科技大学 2015
[4]通信信道编码中卷积编码识别[D]. 李志鹏.电子科技大学 2011
[5]卷积码的盲识别研究[D]. 薛国庆.中国科学技术大学 2009
[6]信道编码识别技术研究[D]. 宋镜业.西安电子科技大学 2009
[7]卷积码的线性系统理论研究[D]. 孟凡刚.中国人民解放军信息工程大学 2003
本文编号：3551170
本文链接：https://www.wllwen.com/kejilunwen/xinxigongchenglunwen/3551170.html
