低信噪比下本原BCH码的平均余弦识别算法

本文主要探讨了一种针对低信噪比环境下本原BCH码识别问题的新方法，名为"基于平均余弦符合度的本原BCH码盲识别"。该算法由吴昭军、张立民、钟兆根和龙玉峰四位作者在2020年1月发表于《通信学报》上，针对现有BCH码识别算法在低信噪比下性能不佳的问题进行了改进。 算法的核心步骤包括： 1. 初始码长识别：通过遍历可能的码长值和m级本原多项式域，利用码根校验匹配技术，寻找最佳的码长匹配，确保在复杂环境中仍能准确判断代码长度。 2. 生成多项式确定：识别出码长后，进一步在m级本原多项式下的GF(2m)域内寻找最强纠错能力的生成多项式，这是BCH码的重要组成部分，直接影响着码的纠错能力。 3. 编码生成多项式识别：通过计算所有连续码根对应的最小多项式的最小公倍式，实现编码生成多项式的精确识别。 4. 统计量与决策优化：算法引入了平均余弦符合度作为统计量，结合软判决的决策特性，根据最小错误判决准则设置最优门限，以提高识别的精度和鲁棒性。 作者们通过对平均余弦符合度的分析，发现它在软判决下具有良好的统计特性，这使得算法在处理低信噪比信号时表现出色。在实验中，当信噪比为5dB且码长为511时，新算法能够在这样的条件下实现参数的可靠识别，相较于现有软判决算法，性能有所提升，甚至超过了一些硬判决算法，显示出显著的低信噪比适应能力和识别效率。 这项研究提出了一种有效的本原BCH码盲识别策略，对于提高通信系统的纠错能力和在恶劣通信环境中的可靠性具有实际意义，为BCH码的实时和高效检测提供了新的解决方案。