卷积码

摘要： 该文提出了一种基于轮询调用方式的多通道卷积译码方法,对传统译码器结构进行了改进,对各通道接收数据进行缓存,采用时分复用的方式轮询调用同一个卷积码译码器进行译码。并对该译码器架构带来的译码前数据分割、译码后数据拼接,以及译码器调度问题行了理论分析和仿真,提出了有效解决方案。该译码器架构能够大大减少对硬件资源的占用率,解决实际工程项目中资源有限条件下对通道数量的要求高的难题。

摘要： 在传统的一阶隐马尔可夫模型(HMM1)中,状态序列中的每一个状态被假设只与前一个状态有关,这样虽然可以简单、有效地推导出模型的学习和识别算法,但也丢失了许多从上文传递下来的信息.因此,在传统一阶隐马尔可夫模型的基础上,为了解决手语识别困难、正确率低的问题,提出了一种基于二阶隐马尔可夫模型(HMM2)的连续手语识别方法.该方法利用滑动窗口算法使手语视频切分成多个手语短视频,通过三维卷积模型得到手语短视频和手语词汇视频的特征向量,由此计算出二阶隐马尔可夫模型的相关参数,并运用Viterbi算法实现连续手语的识别.实验证明,基于二阶隐马尔可夫模型的手语识别取得了88.6%的识别准确率,高于传统的一阶隐马尔可夫模型.

摘要： 航空飞行试验中遥测传输过程存在的噪声及信号干扰会导致遥测信号产生误码,通过对常用的Turbo码、RS码、LDPC码等信道编码方式进行编码原理的研究与分析,采用仿真实验和误码率性能对比的方法对四种信道编码方式进行适应性分析,总结得出了在航空飞行测试场景下,上行采用卷积码下行采用LDPC码以兼顾译码速度和译码性能,为信道编解码在航空测试中的应用提供了一定的指导.

摘要： 针对Turbo码编码参数识别分析问题,研究非对称Turbo码编码参数的容错分析方法。通过求含错码校验解矩阵识别出Turbo码第一分量编码器编码参数,利用交织帧内信息码字和第二分量编码器校验码字之间的约束关系识别出第二分量编码器编码参数。在恢复出Turbo码交织序列的基础上,采用表决算法恢复出交织映射关系,实现了非对称Turbo码的盲识别。仿真实验表明该方法可以对含误码的非对称Turbo码进行有效的识别。

摘要： 针对现有算法在卷积码参数识别过程中存在计算量大、容错性差的缺点,提出了一种基于迭代消元的快速识别方法.算法首先在理论上分析了基于传统高斯消元识别算法的性能,验证并给出了可靠出现一次校验向量的最少消元迭代次数;其次,通过遍历可能的最小校验约束长度和卷积码码率,构建消元矩阵,求解疑似校验向量;最后基于最小错误判决准则设定判决门限,实现在高误码率下校验多项式矩阵快速识别.仿真结果表明,推导的理论性能与仿真结果一致,提出的算法具有较强的容错性能.与现有方法相比,复杂度明显降低.在智能通信或通信侦察领域具有较好的应用前景.

摘要： 针对毫米波通信的高速率和低时延设计要求,设计实现1/2码率(2,1,7)卷积码的低时延译码.采用高度并行优化实现框架、低延时的最小值选择方式,获得Viterbi硬判决译码算法的输出.利用基于Xilinx公司的Artix7-xc7a200t芯片综合后,译码器的数据输出延时约89个时钟周期,最高工作频率可达203.92 MHz.结果表明,该译码器可支持吉比特级的数据传输速率,实现了低延时、高速率的编译码器.

摘要： 针对Turbo码编码参数识别分析问题,研究非对称Turbo码编码参数的容错分析方法.通过求含错码校验解矩阵识别出Turbo码第一分量编码器编码参数,利用交织帧内信息码字和第二分量编码器校验码字之间的约束关系识别出第二分量编码器编码参数.在恢复出Turbo码交织序列的基础上,采用表决算法恢复出交织映射关系,实现了非对称Turbo码的盲识别.仿真实验表明该方法可以对含误码的非对称Turbo码进行有效的识别.

摘要： 针对常用Turbo码,提出了一种资源消耗少、实用性强的基于FPGA的快速编码方法.编码器实现时,使用ROM表存储对应的交织关系以确定延迟,从而便于两路数据序列同时编码.在每一帧信息序列后添加"1",使得两路卷积编码器同时归零.将编码输出的使能隔断,使得特定码率Turbo码的产生时序更易于控制,便于后续并串转换模块的处理.利用ISE软件和XC7VX690T芯片对编码器进行功能及性能验证,结果说明该方法结构简单,易于实现,硬件资源消耗少,适用于高低速数据传输中,具有良好的工程实践价值.

摘要： 在无线网络中,由于没有有线通信信道,信息源和接收端之间的信息共享非常复杂,因此无线信道经常受到许多干扰的影响而导致信宿接收到错误的码字。为了检测和纠正传输数据中的错误,信道编码技术应运而生。信道编码能够在传输的数据中找出错误,并且往往有着一定的纠错能力,能够恢复出原始数据。在噪声较大的无线网络中通常需要优异的编码码字,以保证较好的传输性能。以此为基础的数据传输通常有两个过程,一个是利用映射或编码的方式将输入数据转换为信道输入序列,另一个是利用反向映射或解码以检索原始传输数据。信道编码的类型有很多,常用的有线性分组码、卷积码、Turbo码以及LDPC码等。通过对无线网络中的信道编码进行论述,旨在为相关人员提供参考。

摘要： 编码识别是CCSDS链路层识别的关键技术,简洁高效的同步和编码识别算法对数据处理具有重大意义.本文简要介绍了CCSDS链路层遥测同步字和卷积码编码标准,以及现有的卷积码编码识别方法.将卷积编码码字具有相关性的特点与字符串匹配算法相结合,提出了适用于CCSDS标准的同步字和卷积码检测方法.并进行可行性和性能测试,实验表明该算法在一定误码率下能够判断采用卷积码编码的可行性以及卷积码码率.

摘要： 探讨了卷码Viterbi译码的优越性及其实现问题。着重分析了基于双蝶形译码单元结构和寄存器交换法的幸存路径的并串相结合的卷积码Viterbi译码算法。并提出,通过双蝶形译码单元结构实现了状态量、幸存路径信息以及译码输出数据三者的数据统一,从而为回索法幸存路径存储的实现提供了更为简捷的方法。

摘要： 近年来LDPC码由于可以达到接近Shannon限的性能而得到了很大关注。LDPC卷积码与LDPC分组码一样拥有稀疏的奇偶校验矩阵。相对于LDPC分组码，LDPC卷积码因为固有的卷积结构而不局限于一个固定的块长度。本文提出了一种满足行列约束的准循环LDPC分组码构造方法和一种基于特殊准循环LDPC分组码的准循环LDPC卷积码构造方法。与准循环LDPC分组码类似，准循环LDPC卷积码能够简化译码器设计并且降低存储需求。仿真结果显示，构造出来的LDPC码在AWGN信道下采用置信度传播算法译码具有良好的错误率表现，并且卷积码的性能要优于分组码。

摘要： 网络流水印技术是一种追溯数据包真实来源的方法,可被用于识别基于跳板技术的多种匿名网络攻击行为.目前基于包间隔时间或基于包分组实现的主动流水印技术,在自纠错、抵御基于熵值的隐蔽性嗅探等方面功能较弱.为解决此类问题,论文提出:首先采用卷积码将水印信息扩展,使其具有一定的自纠错能力,然后采用数据包间隔时间平滑分组的方法将水印信息嵌入数据包流中.文中的流水印方法可有效降低数据包在传输过程中可能遇到的传输时延抖动、丢包、包合并、以及包分片等常规网络现象的干扰;且通过交替调制数据包间隔时间,可让水印数据包流的传输时间分布特征无限逼近网络中的正常数据包流.理论分析和实验结果均表明,与现有的数据包流水印技术相比,文中所提出的方法具有检测准确度高,鲁棒性和隐蔽性好等特点.

摘要： 循环移位扩频(Cyclic Shift Keying,CSK)水声通信体制通过将信息调制在码元相位上,能有效地提高扩频通信速率,但其相对于直接序列扩频体制,在低信噪比条件下,存在很难准确判决的问题.为提升低信噪比下循环移位扩频水声通信体制的误比特率性能,提出将RS码结合到循环移位扩频通信体制中,并对RS码与卷积码在循环移位扩频通信体制中的性能进行了仿真对比.仿真结果表明,RS码在循环移位扩频通信体制中的性能远优于卷积码,对系统性能有明显提高.

摘要： 应用卷积码的译码方式,理论推导了FQPSK的MAP软解调方法,该方法能有效提取译码所需软信息,与LDPC码的SPA译码算法相结合,实现FQPSK调制与LDPC码结合的调制编码系统。理论分析和仿真结果表明FQPSK的MAP解调比Viterbi解调方式有更好的性能,降低了接收机的复杂度,与多元LDPC码联合,提高了功率的利用率和频谱效率,与QPSK相比,只有很小的性能损失,但系统的整体性能得到了提高。

摘要： 本文提出了一种适用于低压电力线集抄的多频点FSK 通信系统。系统采用3组中心频率的载波,并且包括了编译码模块与信噪比估计模块。具体调制解调技术采用了改进的差分检波算法可对3个频率解调,编译码技术则采用了卷积码与交织级联的编码方案,能在相当程度上对抗电力线的恶劣通信环境。最后在ADI-BF533DSP上实现了整个系统,实验表明性能良好,能很好的适应低压电力线集抄的应用。

摘要： 论述了卷积、LDPC和Turbo等几种编译码在深空探测设备中的应用前景和重要性，简要比较了主要编码形式在深空应用中所起到的重要作用以及它们之间的差异，介绍了美国 NASA 目前各类探测任务中所用到的主要编码形式。

摘要： 论述了卷积、LDPC和Turbo等几种编译码在深空探测设备中的应用前景和重要性，简要比较了主要编码形式在深空应用中所起到的重要作用以及它们之间的差异，介绍了美国 NASA 目前各类探测任务中所用到的主要编码形式。

摘要： 论述了卷积、LDPC和Turbo等几种编译码在深空探测设备中的应用前景和重要性，简要比较了主要编码形式在深空应用中所起到的重要作用以及它们之间的差异，介绍了美国 NASA 目前各类探测任务中所用到的主要编码形式。

摘要： 公开了削减进行LDPC-CC(Low-Density Parity-Check Convolutional Codes：低密度奇偶校验卷积码)编码和解码所需的终止序列的量，抑制传输效率的劣化，并且进行纠错编码和纠错解码的LDPC-CC编码器和LDPC-CC解码器。在LDPC-CC编码器(400)中，加权控制单元(470)存储以LDPC-CC校验矩阵(100)为基准的加权图案(475)以及以变形了LDPC-CC校验矩阵(100)所得的校验矩阵(300)为基准的加权图案(476)，在输入比特为信息序列时，使用加权图案(475)，在输入比特为终止序列时，使用使与校验比特v2，t相乘的加权值为0的加权图案(476)，控制与多个移位寄存器(410-1至410-M以及430-1至430-M)的输出相乘的权重。

摘要： 本发明公开了一种RS码与卷积码的级联码的参数识别方法，其包括以下步骤：S1、获取待识别的编码数据，并获取RS码与卷积码的所有级联校验矩阵；S2、获取待识别编码数据与每个级联校验矩阵的正交概率值；S3、将正交概率值最大的级联校验矩阵所对应的级联码参数作为待识别编码数据的级联码参数，完成识别。本发明可以在对级联码的参数识别的基础上，降低算法的复杂度并有效提高鲁棒性，并且对于待识别的编码数据帧数的要求较低，最少可实现一帧大小的级联码参数识别；对有误码的编码数据也可识别，对CCSDS标准的级联码在误码率为10‑3时，参数识别的概率达到90％。

摘要： 本发明提供了一种基于卷积神经网络的归零卷积码译码方法和系统；其中方法包括：获取带噪码字序列Y'，带噪码字序列Y'为信息序列经卷积码编码后传输而形成；对带噪码字序列Y'进行预处理，得到预处理后的二维特征数据；将所述预处理的二维特征数据输入至卷积神经网络模型，通过所述卷积神经网络模型对所述二维特征数据进行识别，得到译码任务分类概率P，P中分类概率最大的pi一项为最终输出。该方法对接收到的带噪序列进行特征提取，对构建好的二维特征用卷积神经网络进行译码，实现从含有噪声的序列中还原出原有的数据信息，可实现结果并行输出，译码速度快。

摘要： 本发明涉及一种由RC‑LDPC分组码获得RC‑LDPC卷积码的方法，包括以下步骤：S1：由RC‑LDPC分组码基码获得RC‑LDPC卷积码家族的基码；S2：生成RC‑LDPC分组码的扩展矩阵，并将扩展矩阵中的部分变量节点和校验节点经行列置换后添加至每一个LDPC卷积码的基子矩阵上；S3：得到周期时不变RC‑LDPC卷积码家族。相比于现有技术，本发明减小了编码复杂度，确保了编码增益，在性能上具有依码率渐优性。

摘要： 本发明公开了一种将扩频序列码与卷积码组合编码的方法，可以使得对源速率为R bps的二进制数据进行码率为1/K的卷积码编码和长度为M的扩频序列扩频后，一方面，长度为M的扩频序列不会被卷积编码分割为K段，从而扩频接收机可以方便地通过相关检测或匹配滤波的方式实现扩频码同步，以保证接收性能；另一方面保证扩频后的码片速率为M*R，而不是M*R*K，从而节省了无线带宽；另一方面保证了扩频增益为M，而不是M/K。

摘要： 本发明公开了一种基于双向LSTM的卷积码译码方法与卷积码编码和译码方法，属于电子通信技术领域，解决传统编译码时间复杂度、空间复杂度随码长、约束度的增大呈指数上升、长码码本不好选取和编码信息容易被截取和破解，安全性低的问题。本发明的方法包括：构建双向LSTM神经网络译码器，神经网络译码器采用双向LSTM神经网络进行译码；建立接收序列数据集，根据接收序列数据集和双向LSTM神经网络构造训练码本；选取训练信噪比，训练信噪比为接收序列的信噪比；设定仿真参数，并利用训练码本和训练信噪比对双向LSTM神经网络译码器进行训练；利用训练后的双向LSTM神经网络译码器进行译码。本发明适用于端到端的卷积码编码和译码。

摘要： 公开了削减进行LDPC－CC(Low－Density Parity－Check ConvolutionalCodes：低密度奇偶校验卷积码)编码和解码所需的终止序列的量，抑制传输效率的劣化，并且进行纠错编码和纠错解码的LDPC－CC编码器和LDPC－CC解码器。在LDPC－CC编码器(400)中，加权控制单元(470)存储以LDPC－CC校验矩阵(100)为基准的加权图案(475)以及以变形了LDPC－CC校验矩阵(100)所得的校验矩阵(300)为基准的加权图案(476)，在输入比特为信息序列时，使用加权图案(475)，在输入比特为终止序列时，使用使与校验比特v2，t相乘的加权值为0的加权图案(476)，控制与多个移位寄存器(410－1至410－M以及430－1至430－M)的输出相乘的权重。

摘要： 本发明公开了一种RS码与卷积码的级联码的参数识别方法，其包括以下步骤：S1、获取待识别的编码数据，并获取RS码与卷积码的所有级联校验矩阵；S2、获取待识别编码数据与每个级联校验矩阵的正交概率值；S3、将正交概率值最大的级联校验矩阵所对应的级联码参数作为待识别编码数据的级联码参数，完成识别。本发明可以在对级联码的参数识别的基础上，降低算法的复杂度并有效提高鲁棒性，并且对于待识别的编码数据帧数的要求较低，最少可实现一帧大小的级联码参数识别；对有误码的编码数据也可识别，对CCSDS标准的级联码在误码率为10‑3时，参数识别的概率达到90％。

摘要： 一种RS码与删余卷积码级联码的参数盲识别方法,属信道编码盲识别技术领域。首先采用基于Walsh-Hadamard算法(简称WH算法)的删余卷积码参数盲识别方法识别删余卷积码的码长、起点、删余模式以及生成矩阵，然后使用维特比译码算法进行译码；再根据译码后的序列采用矩阵分析法识别交织宽度和交织长度，并根据交织参数进行解交织；最后根据解交织后的序列采用遍历法和伽罗华域的快速傅里叶变换的方法识别RS码的参数。本发明给出了解决RS码与删余卷积码级联码参数的盲识别问题的方法，并且在降低识别数据量的同时提高了RS码小阶数时的识别率。

摘要： 本发明提供了一种基于卷积神经网络的归零卷积码译码方法和系统；其中方法包括：获取带噪码字序列Y'，带噪码字序列Y'为信息序列经卷积码编码后传输而形成；对带噪码字序列Y'进行预处理，得到预处理后的二维特征数据；将所述预处理的二维特征数据输入至卷积神经网络模型，通过所述卷积神经网络模型对所述二维特征数据进行识别，得到译码任务分类概率P，P中分类概率最大的pi一项为最终输出。该方法对接收到的带噪序列进行特征提取，对构建好的二维特征用卷积神经网络进行译码，实现从含有噪声的序列中还原出原有的数据信息，可实现结果并行输出，译码速度快。