针对目前删余型Turbo码分量编码器盲识别问题,该文提出一种针对此码的改进型监督矩阵匹配算法。由于Turbo码在编码过程中进行了删余操作,接收端无法获得完整的递归系统卷积码(Recursive System Code,RSC)码字,传统的盲识别方法就不适用...
详细信息
针对目前删余型Turbo码分量编码器盲识别问题,该文提出一种针对此码的改进型监督矩阵匹配算法。由于Turbo码在编码过程中进行了删余操作,接收端无法获得完整的递归系统卷积码(Recursive System Code,RSC)码字,传统的盲识别方法就不适用于删余型Turbo码的识别。于是该算法在识别序列的构造上进行了改进,针对Turbo码在删余位上的码字与对应的RSC码有所区别的情况,将该位上的码字视为‘0’和‘1’等概率出现的误码,从而对删余位进行归零处理并选取合适的截取序列进行匹配度计算,根据最后匹配度的总分布情况对删余型Turbo码分量编码器的参数进行识别。仿真结果表明针对码长为256,码率为1/2的删余型Turbo码,在最大误比特率不超过0.033的情况下正确识别率能保持在80%以上。
Turbo码是一种常用的信道编码方式,正确识别Turbo码首先要正确识别其子递归系统卷积(recursive system convolutional,RSC)码,由于信道噪声与干扰引发误码,这就要求识别算法具有良好的抗误码性能以及识别能力。利用解调软判决序列,通过...
详细信息
Turbo码是一种常用的信道编码方式,正确识别Turbo码首先要正确识别其子递归系统卷积(recursive system convolutional,RSC)码,由于信道噪声与干扰引发误码,这就要求识别算法具有良好的抗误码性能以及识别能力。利用解调软判决序列,通过编码码元约束方程,构建指数形式的代价函数模型,将识别RSC码的生成矩阵问题转化为求解代价函数全域极值的最优化问题,最后在共轭梯度法的基础上,采用新的PRP步长因子来寻找全域极值点。仿真结果表明,所提算法与现有算法相比,收敛速度更快,在低信噪比下也有良好的识别能力。
暂无评论