论文部分内容阅读
LDPC码和Turbo码是现代纠错编码的代表,具有接近Shannon极限的纠错性能。LDPC码是一种类由稀疏奇偶校验矩阵定义的线性分组码,校验矩阵的稀疏特性决定了LDPC码的纠错性能；压缩感知系统利用测量矩阵获取信息的同时直接对数据进行压缩,节省存储空间又包含了足够的信息量。构造合理有效的测量矩阵对测量值的获取和原始数据的恢复都起到了关键作用。论文将LDPC码的稀疏校验矩阵作为测量矩阵,对高光谱遥感数据的压缩感知进行研究。Turbo码由多个递归卷积码、交织器级联而成,利用特殊编码结构和多个译码器之间软信息的迭代译码结构,实现伪随机编译码,从而获得优异的纠错性能,在多个通信标准中得到应用。因此,Turbo码的参数盲识别在智能通信、非合作通信和电子对抗领域具有重要的意义。论文研究了Turbo码的编译码实现和归零Turbo码的参数盲识。论文的主要工作如下：(1)在介绍LDPC码以及其稀疏奇偶校验矩阵性质的基础上,针对高光谱遥感图像的大数据量以及高传输速率特性,构造了基于LDPC码的高光谱遥感图像压缩感知系统。该系统采用LDPC码的稀疏奇偶校验矩阵为高光谱遥感图像的压缩矩阵,采用正交追踪匹配算法进行图像恢复。与采用高斯矩阵作为压缩矩阵的系统相比,采用LDPC码校验矩阵为压缩矩阵的系统,可以获得质量更高的恢复图像。(2)研究3GPP标准和CCSDS标准中的Turbo码编码结构,采用C语言实现两种标准中的编码结构,包括3GPP标准中的两种交织算法以及8状态递归系统卷积编码器的实现、CCSDS标准中的交织算法以及16状态递归系统卷积码编码器的实现。同时,采用最大后验概率译码,实现两种标准下的Turbo码的译码器,绘制出不同码率下Turbo码的译码性能曲线。(3)基于对Turbo码编码结构的深入了解,研究归零Turbo的盲识别算法。论文采用基于矩阵分析法的盲识别方法,实现了对3GPP标准中Turbo码的码长、交织长度、交织起点以及码率的盲识别。其中码率识别采用基于高斯消元的矩阵分析法。