二进制本原BCH码的参数盲识别

针对BCH码的盲识别问题,提出一种基于欧几里德算法的最大公因式的识别方法.首先,根据循环移位码字求取最大公因式,得到最大公因式的系数矩阵.然后,分析最大公因式的次数分布规律确定码长,由系数矩阵求出生成多项式.该识别方法简单易行,无繁杂的矩阵运算.理论分析及仿真实验表明,无误码时使用较小的数据量就可有效识别;误码率为10-2,数据量足够时,识别效果仍然较好.     

一种BCH码编译码的实现

提出一种用可编程逻辑器件和单片机实现BCH码编、译码的方案.本方案是用软件和硬件结合的方法实现BCH码的编码和译码.     

一种近联合界北斗B1I信号BCH码译码算法

提出一种性能接近联合界的北斗B1I信号BCH码译码算法. 以北斗卫星导航系统B1I公开服务信号ICD为基础,分析导航电文的BCH(15,11)编码的纠错能力和联合界,针对ICD标准译码算法的编码增益低和译码失败门限高提出改进算法. 以Chase算法为基础提出一种新的BCH编码软判决译码算法,使用格雷码排序优化伴随式计算,证明最大相关性与最小欧氏距离的等价关系,优化算法在不损失编码增益的条件下复杂度降低50%. 仿真结果表明在误码率10-5时距离联合界仅0.01 dB,新算法可获得2.5 dB的编码增益,译码失败门限从4.4 dB下降到1.2 dB.      

一种改进的RS码代数软判决译码算法

为了提高Reed-Solomon码的纠错性能,分析并给出了能提高Reed-Solomon码纠错能力的代数软判决译码算法的译码流程,讨论了译码中需要的软信息的计算方法,推导了代数软判决译码算法的译码成功条件.在此基础上,提出了一种改进的代数软判决译码算法,并对改进算法的运算量和译码时延进行了分析.算法针对推导的译码成功条件,通过改变代数软判决译码算法中插值算法的选择输出准则,更有效地利用了接收端的软信息.仿真结果表明,在译码时延基本不变的条件下,提出的算法比代数软判决译码算法提供更多的译码增益.     

扩展Golay码的盲识别方法

针对信道编码的盲识别问题,首次提出了扩展Golay码的盲识别方法。与前有的盲识别算法比较,该算法的识别概率有明显的提高,这是一个全新的研究课题,在智能通信、信息截获、密码分析等领域有重要的应用。仿真实验表明文中提出的方法在误码率为8×10-2的情况下,对于扩展Golay码的识别概率高于99%,比原有算法提高了44%。     

本原t—纠错BCH码对偶的广义Hamming重量

讨论了本原ｔ－纠错ＢＣＨ码对偶的广义Ｈａｍｍｉｎｇ重量，并给出了关于迹方程的假设〔ｔ，ｒ〕，在这个假设下，可以精确给出此重量，作者猜想，当ｔ，ｒ给定且ｑ充分大时，〔ｔ，ｒ〕对有限域Ｆｑ成立，并证明了〔２，２〕在ｑ≥２＾５时成立。     

本原t－纠错BCH码对偶的广义Hamming重量

讨论了本原ｔ－纠错ＢＣＨ码对偶的广义Ｈａｍｍｉｎｇ重量，并给出了关于迹方程的假设［ｔ，ｒ］，在这个假设下，可以精确给出此重量，作者猜想：当ｔ，ｒ给定且ｑ充分大时，［ｔ，ｒ］对有限域Ｆ＿ｑ成立．并证明了［２，２］在ｑ≥２~５时成立。     

关于本原BCH码广义汉明重量的一个一般结果

由V．K．Wei(1991)提出的广义汉明重量概念已显示是线性分组码的一种基本描述参数，已发现它们在密码学应用的研究中和线性分组码最小网格图的研究中很有用途，这篇论考虑一般域上的一般本原BCH码的广义汉明重量，确定其后面的一些广义汉明重量取值，这个结果改进以往有关的结果。     

基于多元符号可信信息的RS码的软判决译码算法

讨论了多元码可信信息的计算方法，提出了一种RS（Reed-Solomon)码的软判决译码算法，这种译码算法是在计算多元符号的可信信息的基础上，依据Chase译码算法的基本原理，将代数译码和码元符号的可信信息相结合，并进一步简化了试探错误图样产生方法，最后给出了在AWGN信道上（15，11，5）RS码的软判决译码算法的计算机模拟结果，表明这种软判决译码算法是有效的。     

一种扩展部分BCH码纠错能力的方法

提出一种简单的查表译码算法以扩展某些BCH码的纠错能力.首先搜索出BCH(n,k,t)码能够纠正的码重为t 1的错误图样,再将这些错误图样与码重小于t 1的错误图样放在一起,根据它们对应的伴随式大小进行排序,优化存储于硬件设备中,从而进行查表法译码.仿真表明:对于BCH码,采用这种译码方法,在相同的码长和信息比特数的条件下,能够比一般的BCH译码方法纠正更多错误,而且译码电路相对简单,译码速度快.这种提高纠错能力的译码方法对所有的二进制线性循环码都是适用的.     

误码条件下的LDPC码盲识别算法

为解决误码条件下信道编码校验矩阵难以逆向重建的问题,提出了一种新颖的LDPC码盲识别算法,简称迭代筛选(IS)算法。首先,由被截获数据构造含错矩阵,通过实施列消元运算获取其对偶向量;接着,利用校验向量判定准则从对偶向量中筛选出LDPC码的有效校验向量;进而再对被截获数据中的含错码组进行辨识和剔除;迭代进行以上操作,不断提高被截获数据内无误码码组的比例,直至将原问题退化为无误码时的简单场景;最终使用渐进行变换算法,实现LDPC码校验矩阵的稀疏化。仿真和实测均显示,IS算法对于802.16e、802.11n、DVB-S2、GJB7296、GB20600等公开标准均有效,能够在误码率不高于10~(-4)条件下的非合作场合实现LDPC码的盲识别,LDPC码校验矩阵获得了完整重建。     

基于模式识别的语音分类方法

对语音的浊/清分类方法进行了讨论,并着重研究了基于多个特征参数、应用模式识别理论的语音分类系统.实验表明,采用Fisher分类器实现的语音分类方法,对训练内语音分类准确率可达98.6%,而训练外语音分类准确率也可达96.7%.     

一种新颖的Turbo码迭代方法

提出了一种新颖的turbo码迭代方法。这种方法通过修正译码器之间交换的外部信息 ,减少了计算误差。对成员译码器分别采用MAP ,Log_MAP以及MAX_Log_MAP算法时的turbo码的性能进行了仿真。仿真结果表明 :用MAX_Log_MAP算法译码时 ,采用这种迭代方法 ,turbo码的BER性能得到提高 ,并取得了与其他两种算法相近的译码精度。     

高容错(2,1,m)卷积码快速盲识别方法

针对现有的卷积码识别方法存在容错性不高,需已知编码参数且计算量大的问题,提出一种高容错的(2,1,m)卷积码快速盲识别方法。首先建立以(2,1,m)卷积码校验序列为解向量的含错校验方程组;然后基于校验方程系数的结构特性,循环利用校验序列的已知元素值递推估计其未知元素,在有误码条件下,进一步利用多个校验方程联合判决未知元素估计值,实现误码条件下校验序列的快速估计;最后基于卷积码自由距离特性及恒虚警准则检验校验序列估计值的正确性,并相应地识别出(2,1,m)卷积码生成多项式矩阵。在编码参数未知的情况下,根据校验序列估计值的检测结果,快速识别编码参数。仿真实验表明:该方法具有较高的容错性和较低的计算复杂度,无需先验已知编码参数;当误码率为0.08时,识别正确率能达到80%以上,而此时矩阵分析识别法已无法正确识别卷积码。     

基于加权判决信号的判决反馈盲均衡新算法

判决反馈常数模盲均衡算法(CMADFE),在均衡的起始阶段,由于眼图未睁开,容易引起判决器的误判,导致收敛速度慢。为了减小误判的影响,在迭代初期把判决信号加权后送入反馈滤波器中,当均衡一段时间后再把判决信号不需加权直接送入反馈滤波器,从而得到加权的CMADFE算法。计算机仿真表明,加权的CMADFE算法提高了收敛速度,且均方误差亦有所减小。     

脑电图识别的上下文方法

本文在参数关系的独立与联合相关中取适当的折衷,考虑了参数量级之间的相关性,用上下文方法对脑电图数据进行分类识别,取得比一般统计方法及模糊数学方法好的结果.脑电图识别是根据临床测试获得的数据,给出正常或异常程度的诊断.根据经验,对脑电波参数抽取5项测试指标:频率F,3量级;振幅A,4量级;调幅周期TT,3量级;调幅间歇JT,2量级;H.V.试验HV,2量级,分别在头的左部和右部的4部位,即额额(F-T)、颞枕(T-O)、额顶(F-P)和顶枕(P-O),对这5项测试指标进行测试.每个测试点的每个测试指标参数由其范围的上下限中两个或一个数据表示,共得136个测试数据,     

脑电图识别的模糊方法

对于临床测得的脑电图波形样本,我们根据医生的经验提取其特征,并在引进量级概念的基础上,构造出相应的隶属函数,用以对脑电图进行分类识别.脑电图的分类识别是根据临床测试所获得的数据,给出正常或异常程度的诊断.根据医生的经验,脑电图的测试指标有:     

一种用于字符识别的预处理方法

本文提出一种用于抽取字符骨架特征的预处理方案，以摄象机输入的字符图象先被分割出单个字符．然后用ＩＦＡ算法阈化为二值图象，经规格化处理成１６×１２的标准形式后，再用ＣＧＴ算法进行细化，最后得到字符的单象素宽的骨架．     

非顺序的 TPC 软判决迭代译码算法

针对 Turbo 乘积码(TPC: Turbo Product Code)距香农极限性能差距较大的问题, 将非顺序(NS: Non- Sequential)译码推广到软输入软输出(SISO: Soft-Input/ Soft-Output)Turbo 乘积码译码器中, 以提高误码率性能。 该算法根据决定码字的可靠度选择更可靠的行或列译码, 跳过低于可靠度门限的行或列, 以避免迭代过程中引 入额外错误而降低译码性能。 仿真结果表明, 对于以扩展汉明码(64,57,4)为子码的 TPC 码, NS-Turbo 乘积码; 迭代译码; 非顺序译码; 信道编码