基于软判决的低信噪比信号信道编码逆向求解分析

信道编码逆向求解分析是信息截获领域的重点和难点技术环节之一。信息截获本身固有的特点和低功率通信技术的发展，对低信噪比条件下的信道编码分析技术提出了迫切要求。现有技术主要依靠接收的含错硬判决序列解含错方程，运算量巨大，且抗噪性能差强人意。.本课题创新提出利用解调输出的软判决进行信道编码逆向求解。研究思想主要包括：在线性子空间约束条件下对接收码字作集合错误概率最小的总体判决，在此基础上求线性分组码的码空间；在接收序列的可靠度引导下求解含错方程，以方程成立的概率描述解向量的符合度，提高分析方法的抗噪能力；建立卷积码编码器的线性系统模型，将卷积码分析归结为盲系统辨识问题，再利用Monte Carlo计算方法得到编码系统参数的Bayes估计。课题研究力求提出一类全新的信道编码逆向求解分析方法，预期成果将对低信噪比信号信道编码逆向分析技术水平的提高起到重要的推动作用，并为该技术的研究开拓新的空间。

本课题创新提出利用解调输出的软判决进行信道编码逆向求解，对低信噪比条件下的线性分组码、卷积码（包括turbo码的RSC子码）、LDPC码的识别与参数估计进行了研究。取得的主要创新有：. 求解齐次方程组来寻找对偶空间，是很多编码参数识别方法的基本原理。现有的方法当接收信噪比较低时，将产生容错能力不足的致命缺陷。项目提出在求解齐次方程组时使用解调软判决序列，以方程成立概率来度量解向量的符合度，并给出一种实用的降复杂度的计算方法。有效提高了低信噪比条件下的识别性能。. 提出一种在码空间直接求生成矩阵的分组码识别方法，将识别问题转化为求解非齐次含错方程组，并给出了基于FWHT和基于方程成立概率度量的求解方法。在中低码率条件下可大大节省运算量和存储空间。利用接收软判决解方程则有效地提高了识别的容错能力。此外，针对码长和同步参数估计问题，对现有的码重分布距离计算方法进行了修正，并提出了利用软判决序列的码重分布统计方法，提高了参数估计性能和抗噪能力。. 现有的卷积码识别方法大多仅适用于非递归卷积码，且普遍存在容错能力不足、运算量大等缺点。为数不多的研究递归卷积码识别的方法，也不适用于非系统码。为此，我们首次提出用ARMA系统模型来描述一般的递归系统卷积(RSC)码，将卷积码识别转化为一个系统辨识问题，并应用Bayes方法得到编码器参数的估计。推导了RSC编码中信息序列和编码参数的条件概率计算公式，利用Gibbs样本法实现了RSC码的识别。该算法经过改进和推广，适用于任意类型卷积编码。. 还提出一种基于编码器系数代价函数的卷积码参数估计方法。从RSC码的生成多项式描述出发，设计了关于编码系数的最小二乘代价函数。基于简单共轭方向法的优化求解算法，推导了编码系数概率的迭代计算方法。最后，提出一种基于简单迭代和重复尝试的运算机制，提高了算法正确收敛的概率。该算法可以较低的复杂度有效地实现低信噪比条件下的任意类型的卷积码识别。. 已有的LDPC码开集识别方法存在容错性能不足的问题。针对这一问题，提出了一种基于软判决的LDPC码校验向量迭代识别算法。利用LDPC码校验向量的稀疏特性和可靠的校验关系对校验向量搜索空间进行压缩，得到预搜索空间 ；利用广义对数似然比检验对向量进行判决，得到校验向量；提出了基于多组数据和SISO译码的校验向量进行迭代识别方法，改善了识别性能。