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。     

基于分析矩阵零均值比的CDL卷积交织盲识别

针对非合作接收中现有盲识别算法受码长约束且抗误码性能较差的问题,提出了一种基于分析矩阵零均值比的卷积交织参数盲识别算法,可以在不需要考虑码长约束的情况下,利用经高斯约当旋转消元算法处理后得到的分析矩阵零均值比来确定秩缺间隔,从而得到交织深度的范围,最后通过联合求取交织宽度、交织深度和交织偏差来完成卷积交织参数的盲识别。分别对所提算法、多重循环搜索算法和秩准则算法在不同误码性能下进行了仿真实验,实验结果表明,所提算法在误码率较高情况下,具有较好的识别性能,且运算复杂度较小,可以完成通用数据链卷积交织的盲识别。     

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...     

基于关联规则的二进制线性分组码盲识别

提出了一种基于关联规则的信道编码识别方法,解决了线性分组码的盲识别问题。在分析线性分组码中的信息位和监督位之间存在一一对应关系这一特性的基础上,利用关联规则寻找出隐藏在二进制序列中的对应关系,实现了分组码的盲识别。首先将按照一定规则排列的序列进行二分段划分,并依此构建相关事务项集,然后计算二分段项集中每项事务的支持度和置信度,在满足支持度条件下,通过遍历的方式寻找最大置信度和最少映射关系种类,达到正确识别编码的目的。由于采用了二分段划分的方法,因此极大地降低了关联规则搜索的复杂度,而且所提算法与现有识别方法相比对误码率要求不高。仿真实验验证了算法具有较高的鲁棒性和识别正确率,表明该算法具有一定的工程应用价值。     

归零Turbo码的盲识别方法

针对归零Turbo码的识别问题,提出一种有效的识别方法。该方法首先根据归零Turbo码的特殊结构,利用遍历矩阵列数的方式,寻找相关列均值最大值的位置,识别归零Turbo码长和起始点;其次,构建归零Turbo码的交织器识别模型,利用分层比对的方法得到交织置换关系, 完成对交织器参数的识别。仿真实验表明,该方法在0.02的误码率条件下识别率仍能达到80%以上,验证了所提方法的有效性和鲁棒性。     

基于变分推断的一般噪声自适应卡尔曼滤波

线性高斯状态空间模型中假设噪声为已知的白噪声过于苛刻。认为过程噪声与观测噪声均未知且二者的解析关系确定,假设观测噪声的均值非零且服从高斯分布,方差服从逆威沙特分布,从而构成了层次式贝叶斯模型。利用变分推断将均值与方差和系统状态一起作为随机变量进行迭代估计,在得到观测噪声的均值与方差的估计值后,利用其与过程噪声的关系进一步更新未知过程噪声的均值与方差,从而动态地得到每一时刻过程噪声与观测噪声的一、二阶统计矩信息,即使在噪声统计信息动态变化的情况下也有较满意的滤波精度。实验证明了该算法的有效性。     

基于极大极小准则下的 (n,k,m) 卷积码识别

针对现有识别方法仅适用于特定类型的卷积码,以及容错能力有待提高的问题,提出了一种基于改进门限沃尔什-哈达玛变换(Walsh-Hadamard transform, WHT)的(n,k,m)卷积码参数遍历识别方法。首先,将问题分为非系统和系统形式两种情况进行考虑,根据各自结构特点分别建立关于校验多项式的二元域方程,并建立二元假设;然后,遍历不同的参数组合并利用WHT求解对应方程,通过二元判决得到校验多项式,同时为提升方法的鲁棒性,采用极大极小准则对判决门限进行了改进。最后,利用校验多项式矩阵与生成多项式矩阵的正交关系求解生成多项式。仿真结果表明,该方法对各码率的卷积码均能有效识别,且抗误码性能优于传统方法。     

基于正交M元脉位调制的DIRMA接收机性能

本文分析了基于正交M元脉位调制的数字冲击无线电多址接收机性能。该接收机由M个相关器和一个判决器组成。推导了接收机在加性高斯白噪声信道下的输出信噪比公式。讨论了脉冲宽度、用户数、数据率对系统信噪比和误比特率的影响。采用超宽带冲击脉冲作为信号载体,分析了给定数据传输速率和误比特率情况下的接收机的多址性能。仿真表明:在多用户环境中,该接收机能在较低误比特率情况下提供较高数据率通信。     

AL-OFDM和SM-OFDM空频分组码信号盲识别方法

针对空频分组码-正交频分复用(space-frequency block codes with orthogonal frequency division multiplexing, SFBC-OFDM)信号盲识别问题,提出了一种基于互相关函数的空频分组码信号盲识别方法。首先根据不同SFBC-OFDM元素的相关性,推导了发射信号端信号的相关特性;然后根据发射端信号的相关性,推导了接收端SFBC-OFDM信号的相关特性;最后提出了基于峰值检测的识别算法。仿真结果表明,该算法在较低的信噪比(0 dB)下正确识别概率达到95%,且不需要预先知道信道信息、噪声信息和调制信息。该算法在不同调制方式、时延和频率偏移下正确识别概率在90%以上,能够应用于认知无线电、频谱监控等工程领域中。     

基于四阶累积量切片的宽带传播算子测向方法

四阶累积量的盲高斯性改善了高斯噪声存在情况下的方位估计算法性能,四阶累积量切片同样具有盲高斯性,结合改进的传播算子法(MPM)不但可以降低算法的运算量,还可以改善算法的性能。首先利用旋转不变方法(RSS)对宽带信号进行聚焦处理,聚焦处理后的矩阵输出再求其四阶累积量切片矩阵,对该矩阵利用改进的传播算子法得到测向结果。论述了四阶累积量切片适用于改进的传播算子法的原理,并通过仿真验证了算法在盲高斯噪声、运算量及测向性能方面的优越性。     

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。     

不同借贷利率下的投资组合选择——-基于均值和VaR的效用最大化模型

用VaR代替方差来度量风险,从而把基于均值和方差的效用函数拓展为基于均值和VaR的一般二元效用函数（关于均值递增,关于VaR递减）,进而研究含无风险资产且具有不同借贷利率时投资组合选择的效用最大化模型.利用均值-VaR模型有效边界的性质,得到了一般效用函数下最大效用存在的条件及最优解的本质特征,并给出了求解的具体方法和数值算法.最后作为结论的直接应用和说明,利用中国股票市场数据给出了一个实例分析.     

数值界不确定关联大系统的分散鲁棒容错控制

研究一类关联大系统的分散鲁棒容错控制问题.系统中不确定项具有数值界,利用向量Lyapunov函数方法及线性矩阵不等式LMI方法推导了此类系统在传感器失效情况下鲁棒稳定的充分条件,通过求解线性矩阵不等式LMI获得控制器.仿真实例说明了该方法的有效性.     

基于准循环LDPC码译码软信息的码辅助帧同步算法

确保较低信噪比条件下的系统帧同步,是LDPC码在系统应用中的关键问题。基于最大似然的准则,提出了一种适合准循环LDPC编码系统的码辅助盲帧同步算法。该算法通过计算不同帧偏移处的信道输出软信息向量满足LDPC码校验矩阵中所有校验方程的概率与违背所有方程的概率的对数似然比值,再根据最大似然值对应的信息向量确定最终的帧同步边界。新算法可借助译码器的部分资源来实现帧同步搜索,提高了译码器的利用率,降低了实现复杂度;无需一次完整的迭代译码过程,减少了同步捕获的时间。仿真结果表明,相比已有的码辅助盲帧同步算法,新算法具有较好的帧同步性能;借助新同步算法仿真获得的系统误比特率和帧错误率接近已有的码辅助帧同步算法的译码性能。     

基于CWD和残差收缩网络的调制方式识别方法

针对低信噪比时莱斯信道下特征提取准确性难以保证、识别准确率偏低等问题, 提出一种基于Choi-Williams分布(Choi-Williams distribution, CWD)和深度残差收缩网络(deep residual shrinkage network, DRSN)的通信辐射源信号调制方式识别方法。利用CWD将时域复信号转换为二维时频矩阵, 对深度残差网络添加软阈值化得到DRSN, 将时频矩阵样本用于对DRSN的训练, 最终构建不同信噪比下的调制方式识别网络。仿真实验表明, 基于RadioML2016.10a数据集, 利用部分先验信息的情况下, 该分类识别方法具有较高的识别准确率和噪声鲁棒性。在0 dB时, 对11类信号的总体识别准确率达到了89.95%;在2 dB以上时, 总体识别准确率均超过91%, 优于其他深度学习识别方法。     

基于幅度矩的MQAM信号调制方式识别方法

为了实现盲接收情况下多进制正交幅度调制(MQAM)信号调制方式的有效识别,提出了一种基于改进幅度矩的识别方法.该方法在传统幅度矩的基础上提出了非起始点幅度矩(NASM)作为识别不同MQAM信号的特征参数,无需预知信号的载波频率和码速率,只利用少量的数据样本即可实现盲接收情况下MQAM信号调制方式的识别.详细论述了该方法实现原理,分析并验证了成形滤波、时间延迟、数据长度和信噪比对识别性能的影响.仿真结果表明,当信噪比大于5dB时,MQAM信号的正确识别率超过了98%,验证了该方法的有效性.     

异方差非参数回归模型均值与方差变点的小波估计与应用

金融市场中,受突发事件的影响反映资产平均收益的均值函数和反映资产收益波动的方差函数都有可能出现变点. 本文讨论了均值和方差都存在变点的异方差非参数回归模型的变点估计问题. 给出均值函数与方差函数的局部线性估计,利用函数小波系数的特性求得均值与方差变点位置的估计值并给出其收敛速度.在模拟实验中分析变点估计值的样本特性及均值变点估计与方差变点估计的相互影响.最后通过对两组股票数据的均值变点和方差变点进行估计,说明方法的有效性.     

基于BICM-ID系统的单通道混合信号盲恢复算法

针对非协作通信中单通道同频线性调制混合信号盲恢复问题，基于比特交织编码调制迭代译码（bit interleaved code modulation iterative decoder， BICM-ID）算法思想，建立单通道混合基带接收系统模型，提出一种联合解调和译码实现单通道混合信号中源信息盲恢复算法。通过分析和推导，给出一种混合信号解映射的方法。该算法不需要对混合信号分离，而可以直接从混合信号中估计出各路源信号，且复杂度低。理论分析和仿真结果表明，对于无码间干扰和有码间干扰的加性高斯白噪声(additive white Gaussin noise, AWGN)，算法都能得到较低的误比特率(bit error rate, BER)，而且算法对等功率混合信号和不等功率混合信号同样适用。     

低信噪比下卷积交织器识别

针对现有卷积交织器识别算法,在低信噪比下存在误判概率高、识别效率低等缺陷,首先分析了构建出的数据矩阵统计特性,给出了同步码以及随机数据位置上的概率密度分布函数,基于最小错误判决准则,设定了同步码检测门限,同时基于三倍标准差准则,设定出更为稳健的交织周期识别门限;其次,分析出了数据矩阵中每一行与每一列累积量的对应关系,提出了一种快速交织周期遍历方法,使得矩阵构建次数大大减少;最后定义了聚合度概念,仅通过二重循环遍历即可完成交织深度与交织宽度的快速识别。仿真结果表明,该算法能够在低信噪比下实现卷积交织器参数的有效识别,同时相比于现有的方法，识别性能提升了1 dB到2 dB,且计算效率得到了明显的提高。