基于矩阵分析的线性分组码盲识别

针对现有的矩阵分析法对线性分组码进行盲识别时,容错性能较差的问题,提出了一种改进的方法。首先利用截获的码字数据建立分析矩阵并进行高斯消元,然后计算各列列重的归一化值,按照判决门限找出分析矩阵中的线性相〖JP2〗关列,并以此建立统计量,最后通过统计量极大值的分布规律完成码长的识别。识别出码长后,通过移位处理及随机交换分析矩阵的行进行多次平均,实现高误码率下码字起点的识别。仿真结果表明,该方法与传统矩阵分析法相比,计算量基本相当,但容错性能有很大提升,能在较高误码率下有效实现线性分组码的盲识别。     

基于高斯列消元法的线性分组码参数盲识别

针对线性分组码参数盲识别容错性能较差,以及在低误比特率且同步情况下利用分析矩阵秩亏法识别存在码长不足的问题,提出了一种基于二元高斯列消元法的分组码参数盲识别方法。首先将截获到的数据横向放入到分析矩阵,然后对分析矩阵的列进行二元域高斯消元,并计算每列所含“1”的比率值,再对所有比率值求均值和方差,在低误比特率且同步的情况下利用均值差值可确定码长,而在误比特率较高且不同步的情况下,则需利用方差差值来确定码长。理论分析和仿真表明：该方法与以往的矩阵模型识别方法相比,容错性能较好、计算量较低,且适用于各种码率的线性分组码的码长和同步识别。     

基于卷积神经网络的串行空时分组码盲识别算法

针对多输入单输出(multiple input single output, MISO)系统中的空时分组码(space-time block code, STBC)盲识别问题, 提出了一种基于卷积神经网络(convolutional neural network, CNN)的串行STBC识别方法。首先, 结合STBC识别问题提出了基本CNN (CNN basic, CNN-B)框架; 然后在分析STBC相关性的基础上, 针对空间复用和Alamouti信号混叠问题, 设计了基于相关性的CNN (CNN based on correlation, CNN-BC)模型; 最后将STBC数据集输入到网络模型中, 完成网络的训练和识别测试。仿真结果表明, 相比于基于特征提取的传统算法, 该方法将可识别的STBC扩展到了6种, 并且在低信噪比下的识别准确率更高, 识别过程可控制在微秒级别, 具有较高的工程应用价值。     

基于循环稳定特性的空时分组码MC-CDMA信号盲识别算法

空时码应用最广泛的是空时分组码(space-time block code,STBC)和垂直分层空时码(vertical bell layered space-time code, VBLAST),因为STBC信号具有时间上的相关特性,所以在求高阶循环累积量时,该信号有一个特殊的循环频率,而VBLAST信号没有此特性。提出了一种基于循环稳定特性的STBC多载波码分多址（multicarrier code division multiple access,MC-CDMA）信号识别算法。该方法先根据信号系统的基带物理结构和信号模型来建立信号相关函数的选择标准,然后估计出这些相关函数对应的四阶累积量,接着把四阶循环累积量跟信道的参数结合起来建立一个循环统计量,最后把这个循环统计量与检测门限进行比较,实现信号识别。计算机模拟仿真表明,该算法能在较低的输入信噪比条件下良好地工作。     

基于频域互相关序列与峰值检测的空频分组码盲识别算法

针对复杂电磁环境和非协作通信条件下空频分组码(space-frequency block codes, SFBC)信号识别困难、对先验信息要求高的问题, 提出一种基于频域互相关序列与峰值检测的SFBC盲识别方法。首先,通过分析SFBC信号的编码特点, 计算得到发送端的互相关函数。然后,考虑频率选择信道、多径传播和噪声的影响, 推导了接收信号的互相关函数, 并对其进行傅里叶变换得到频域互相关序列。最后,根据频域互相关序列检测其峰值位置识别发射端编码方式。推导和实验结果表明, 该算法在低信噪比下的识别性能较好, 并且对时间偏差和频率偏差等情况的适应性较强, 在复杂电磁环境下具有较好的识别性能, 能够应用在认知无线电和频谱检测等场合。该算法不需要知道信道和噪声的先验信息、正交频分复用(orthogonal frequency division multiplexing, OFDM)块大小以及接收端和发射端的同步信息, 非常适合于电子侦察等非协作通信场合。     

基于JADE与特征提取的正交/非正交空时分组码盲识别

针对非协作多输入多输出通信系统中正交空时分组码(orthogonal space-time block codes, OSTBC)与非正交空时分组码(non-orthogonal space-time block code, NOSTBC)的盲识别问题,提出结合特征值矩阵联合近似对角化(joint approximate diagonalization of eigenvalue matrix, JADE)与特征提取的盲识别方法。首先将接收信号转换为盲源分离问题中的线性瞬时混合模型,然后利用JADE算法估计出该模型的虚拟信道矩阵,根据该信道矩阵的相关矩阵为数量矩阵的特点,从相关矩阵中提取特征参数,利用此特征参数识别OSTBC与NOSTBC。仿真结果表明,在较低信噪比以及不同的调制模式下,所提方法均可有效识别出OSTBC与NOSTBC。     

基于频谱累积量的线性分组码检测识别方法

针对非合作信号处理中的线性分组码盲识别问题,提出了一种基于有限域傅里叶变换（Galois field Fourier transform, GFFT）的检测识别方法。该方法对接收码序列按不同长度进行分段,对分段码字进行有限域上的傅里叶变换并计算其频谱的累积量。通过频谱累积量的不同分布情况,可以估计出正确的分组码长度。同时从频谱累积量中找出码字生成多项式的根,进而得到码字的生成多项式。仿真实验验证了算法的有效性,并对算法的误码适应能力和计算复杂度进行了仿真分析,最后给出了在不同误码环境下最优的频谱累积次数。     

基于映射关联规则算法的业务流程重组关键成功因素识别

试图采用关键成功因素管理方法来研究业务流程重组(BPR)的实施, 在总结国内外学者对BPR关键成功因素研究的基础上, 根据中国的实际情况, 采用系统的思考方法, 全面考虑与流程相关的其它组织要素的变革因素, 提出了中国企业业务流程重组的关键成功因素: 企业战略管理、业务流程管理、信息技术支撑、组织结构变革、企业人员管理和企业文化管理. 在实证方法方面, 提出了一种基于映射的关联规则改进算法(MBAR), 该算法只需要经过一次数据库扫描, 就能够得到所有存在数据库中的大项集, 并应用于挖掘业务流程重组关键成功因素对BPR项目成功的影响, 得出一些有意义的关联规则, 例如: 企业战略管理Λ信息技术支撑Λ人员管理→BPR项目的成功(支持度0.614, 可信度0.706).     

基于子空间法的空时分组码系统信道盲估计

结合多信道子空间理论,结合空时分组码的正交特性,提出了新的盲信道估计算法。首先,根据空时分组码结构特点,将原编码矩阵分解,并将接收矩阵合理地构造,把原信道矩阵重新构造成新的重构信道矩阵。然后求出重构信道矩阵的噪声子空间,之后利用信号子空间与噪声子空间正交特性,构造出信道矩阵作为变量的线性方程组,因而可以得到信道矩阵的闭式解。对三种典型的空时分组码进行仿真验证,仿真结果表明本算法的有效性。     

基于多维数据的关联规则算法

通过分析多维数据对象属性的关系，结合联机分析处理技术，在建立数据立方体(Cube)的基础上，提出一个基于多维数据的关联规则算法，可以有效提高规则发现和数据挖掘的效率。最后，通过实践证明该算法有效。     

Blind reconstruction of convolutional code based on segmented Walsh-Hadamard transform

Walsh-Hadamard transform （WriT） can solve linear error equations on Field F2, and the method can be used to recover the parameters of convolutional code. However, solving the equations with many unknowns needs enormous computer memory which limits the application of WriT. In order to solve this problem, a method based on segmented WriT is proposed in this paper. The coefficient vector of high dimension is reshaped and two vectors of lower dimension are obtained. Then the WriT is operated and the requirement for computer memory is much reduced. The code rate and the constraint length of convolutional code are detected from the Walsh spectrum. And the check vector is recovered from the peak position. The validity of the method is verified by the simulation result, and the performance is proved to be optimal.     

基于信息矩阵估计的极化码参数盲识别算法

针对目前极化码码长识别存在抗噪声性能差的问题,提出了基于信息矩阵估计的极化码参数盲识别算法.本文算法利用极化码生成矩阵的逆矩阵,与码字比特流构造的码字矩阵相乘得到估计的信息矩阵,在无误码情况下根据分析矩阵所含的信息得到码率,并利用其分布情况来识别码长、信息比特位数和位置分布.在有误码的情况下,引入了零均值比计量,根据峰...     

Optimal and suboptimal structured algorithms of binary linear block codes

The optimal and suboptimal structured algorithms of linear block codes from the geometrical perspective are represented.The minimum distance and weight property lemmas and the theorem are proved for the generator matrix.Based upon the property of generator matrix,the structured algorithms of linear block codes are demonstrated.Since the complexity of optimal structured algorithm is very high,the binary linear block codes is searched by using the suboptimal structured algorithm.The comparison with Bose-Chaudhuri-Hocquenqhem(BCH) codes shows that the searched linear block codes are equivalent on minimum distance and can be designed for more block lengths.Because the linear block codes are used widely in communication systems and digital applications,the optimal and suboptimal structured algorithms must have great future being widely used in many applications and perspectives.     

基于精简模糊分类关联规则的分组模糊判断方法

为提高土地评价知识表达的简易性和可解释性,提出利用精简模糊分类关联规则和模糊判决进行土地评价的方法.为了降低土地评价模型的复杂程度,提高模糊关联规则分类的有效性和可解释性,本文通过精简模糊分类关联规则,去除了冗余规则,并针对了模糊判决中难以判决的问题,提出分组模糊判决算法进行迭代.实验表明,在采用32条精简规则的情况下,结合精简模糊分类关联规则和分组模糊判决进行土地评价方法获得准确率为92.2835%,比精简前在最小支持度为0.005的情况下得到的32条模糊分类关联规则准确率提高了5.0039%.     

基于线性弥散空时码的有限反馈干扰对齐算法

干扰对齐(interference alignment,IA)作为极具潜力的干扰管理策略,能获得与用户数量成线性关系的自由度增益,但因其需要全局实时信道状态信息(channel state information,CSI)才能有效实现,使得IA理论向实用的转化将面临众多挑战。针对该问题,本文基于多小区蜂窝系统,提出了一种基于线性弥散空时码的有限反馈干扰对齐算法,该算法将预编码和线性弥散空时码编码进行级联,在只需反馈单个用户CSI的条件下,通过合理地设计预编码矩阵、线性弥散空时码块以及接收端的接收矩阵,来实现干扰的完全消除。仿真结果表明,相比已有研究,新IA算法在实现干扰完全消除的情况下,能够极大地降低系统CSI反馈开销。     

基于关联规则赋权特征选择集成的信用分类研究

针对信用分类数据集中常见的高维性特征,本文基于特征袋装法和关联规则挖掘算法,构建了新的赋权特征选择集成模型AR-WSAB.该模型能根据频繁项集的支持度和置信度,对各特征的重要度进行测度,进而选择出各特征子集,训练子分类器,再通过集成得到最终结果.通过在贷款违约预测数据集上进行实证分析,结果表明该模型分类正确率相对于Bagging集成模型和PCA算法都有显著优势,所提方法能够有效处理高维性特征,并且在各分类算法上都具有普适性.     

Blind reconstruction of linear scrambler

An algorithm based on eigenanalysis technique and Walsh-Hadamard transform （WriT） is proposed. The algorithm contains two steps. Firstly, the received sequence is divided into temporal windows, and a covariance matrix is computed. The linear feedback shift register （LFSR） sequence is reconstructed from the first eigenvector of this matrix. Secondly, equations according to the recovered LFSR sequence are constructed, and the Walsh spectrum corresponding to the equations is computed. The feedback polynomial of LFSR is estimated from the Walsh spectrum. The validity of the algorithm is verified by the simulation result. Finally, case studies are presented to illustrate the performance of the blind reconstruction method.