序列综合容错算法及信道编码分析研究

来源 :复旦大学 | 被引量 : 0次 | 上传用户:zhusanhuiit
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
线性递归序列的容错综合问题在流密码分析领域有重要着的理论和应用价值。本文利用伽罗华域上的两个变元的多项式F[x,y]的齐次理想刻画齐次关键方程的解空间;说明了利用齐次关键方程来解决线性递归序列(LRS)综合问题不但具有可行性,而且具有某些容错性质;通过二元多项式齐次理想Grobner基的快速算法,给出了求解齐次关键方程的快速算法,给出了一个新的定理论述算法实现容错序列综合的一个充分条件。通过试验仿真,对该算法在不同的序列复杂度和误码率下的容错性能进行了分析。分析结果表明,算法的成功率与序列复杂度成线性关系,在误码率为10-3的情况下,对于序列复杂度为65序列长度1000的序列,算法的成功率可达86.6%以上。在此算法的基础上,本文给出了一种全序列拼接求解多序列综合问题的算法。该方法能够用于解决多条不等长序列的综合问题,其算法结构清晰,便于理解,是一个很有创意的方法。通过实例计算,我们说明了Grobner基序列综合算法的容错性能在多序列综合问题的求解中同样有效。序列综合算法的研究已相对成熟,然而对其容错算法的研究和应用却鲜有耳闻。该部分问题的研究不仅可以提高流密码分析的容错能力,同时在信道编码领域也有着重要的应用价值,本文同时研究了信道编码领域内的一些盲识别问题。Reed-Soloman(RS)编码作为信道编码中的一个重要部分,其具有最大距离可分等优秀性质,在多个领域内有着广泛的应用。本文介绍了一种基于欧几里德算法计算RS码生成多项式的方法,并以此为核心提出了一套解决RS码盲识别的方案。该方案具有一定的容错能力,通过实验仿真验证了该方案的可行性。此项研究成果已应用与863国家重点项目中。另外,本文还介绍了利用GPU的并行计算能力实现RS码并行译码及其仿真。结果表明,结合GPU高性能运算能力,RS码的译码速度可以得到数倍的提升。Gold码作为扰码的一种,其基于两组LRS产生的m序列求和得到伪随机序列。因其构造简单,序列数目多,在CDMA、雷达系统等通信技术中得到了广泛的应用。本文介绍了如何运用Grobner基序列综合算法及多项式分解算法有效地识别Gold码的两组LRS生成器,以及他们的初态,从而实现对Gold码的盲识别。该方法是一个多项式复杂度的算法,比起传统的组合穷举方法,该方法不存在对多项式最高次数的限制,是一个更为通用的算法。本文不仅通过实例的计算表明该算法的有效性,并且在理论上说明了该方法的可行性。给出了一个定理,证明了该Gold码盲识别算法只需经过紧凑的方程组求解即可得到正确的LRS生成器初态。
其他文献
企业应用系统的安全问题一直是人们关注的焦点,近年来频频发生的安全事件表明企业应用系统的安全已经成为网络安全领域研究的新热点.大多数企业应用系统都是采用J2EE开发的,
手势是人类日常生活中人与人之间最自然的一种交互方式,将手势识别系统用于人机接口,从而实现直接的、自然的人机交互方式,是手势识别的发展趋势和基本目标。手势识别研究涉及到
基于对象的图像/视频压缩技术的研究是多媒体技术进一步发展的基石,不同场景中对象的分割与识别是该技术的核心问题之一,目前由于这个问题仍未有很好的解决方法,因而基于对象
随着对入侵检测技术研究的发展,出现了许多入侵检测系统,因此对各种入侵检测系统的功能和性能评估也形成了需求.在需求的推动之下,对于IDS系统的测试也相应处于不断发展之中,
网络技术和通信技术在飞速发展的同时,多媒体信息的网络传播量也与日俱增.伴随着流媒体技术的发展,出现了大量诸如高带宽需求的多媒体网络应用.与此同时一个严峻的问题也摆在
随着Internet的蓬勃发展,作为信息系统的重要组成部分——报表应用迫切需要向Web转移。现有的报表工具主要采用客户端构件方式或者静态HTML方式支持Web报表的开发,无法满足根据
语义Web(semanticweb)研究的目标是让Web上的信息成为机器可理解的,从而使机器与人能够更好地相互协作,使Web所提供服务的质量得到质的提高.本体(ontology)是目前语义Web研究中
随着网络技术的发展,利用网络进行网上教学便远程教再得到了蓬勃发展的契机。网上教学以网络等各种高新技术为基础,提高教学效果,改进教学方式,增进教学互动。引入人工智能技
粗糙集理论(RoughSet简称RS)是二十世纪八十年代由Z.Pawlak提出的一种新的处理不精确、不确定知识的软计算(softcomputation)工具,而文本挖掘技术是随着互联网的蓬勃发展和电
随着科学、商业以及政府各领域数据库的迅速发展,大量数据的处理问题也迫切需要解决。主要靠人进行数据分析的传统方法,已经不能直接应用于如今庞大的数据分析。人们迫切地需要