前向纠错编码类型的盲识别,是信息论领域中一个重要的工程实现难题。在不具备任何先验知识的情况下,利用各类前向纠错编码之间存在的差异性,通过对截获的信息进行分析比对,识别出侦测信息所采用的前向纠错编码类型以及相应参数。本文主要对通信链路使用的前向纠错编码类型以及编码类型自适应匹配的两个方面展开深入的研究。在非合作通信条件下的信息对抗中,信息侦测方并没有关于被侦测方通信系统使用的前向纠错编码类型以及参数的任何先验知识。因此,信息侦测方必须对前向纠错编码类型以及参数进行识别分析,为后续信息的提取奠定坚实的基础。在智能通信领域的链路自适应方面,为了提高整个通信系统的稳定性和有效性,发送方根据当前信道状态,选用不同的编码方式,以期提高数据传输的稳定性和信道带宽利用的高效性。而接收方则需要根据发送方使用的编码方式进行相应的接收调整,最终实现数据的稳定传输。因此,本文主要针对前向纠错编码类型识别和编码方式自适应匹配展开研究。1、帧同步参数的识别分析在信道上传输的数据通常是以数据帧的形式进行封装,从而实现接收方和发送方之间前向纠错编码与译码的同步。因此,只有在实现帧同步的条件在,才能正确地从海量的比特数据流中搜索出有效的信息。本文提出基于自相关函数的帧同步参数识别算法,成功解决了帧长、起始位置以及同步字序列的识别,并将帧定位参数的识别算法从硬判决推广到软判决的情况。同时,本文针对近年新出现的不含同步字的盲帧定位技术,结合前向纠错编码自适应匹配算法,给出该类帧定位参数的分析识别算法。2、重要前向纠错编码类型识别分析本文对若干重要前向纠错编码类型及其参数的识别问题进行的分析研究,主要包括线性分组码、卷积码以及Turbo码中的并行级联卷积码。为了满足非合作通信与全盲识别的应用要求,在同行学者的研究基础上,提出了基于码字矩阵秩特性的纠错编码类型识别分析算法。该算法能够仅仅利用接收到的同步后的比特数据流现实所研究的前向纠错编码类型识别,为纠错编码参数估计奠定了基础。此外,本文利用码字矩阵归一化秩差函数实现前向纠错编码类型的综合自动化识别。同时,为了能够在低信噪比条件下实现前向纠错编码类型及其参数的识别,本文结合码字矩阵与接收信号的软信息,提出基于概率迭代高斯消元与Walsh-Hadamard变换的码字矩阵识别方法,进一步提高求解码字矩阵秩分布的容错率。仿真结果表明,在接收码字矩阵不含错误数据的条件下,基于码字矩阵秩特性的纠错编码类型识别分析算法能够实现线性分组码、卷积码以及Turbo码中的并行级联卷积码的正确分类,进一步将基于概率迭代高斯消元与Walsh-Hadamard变换的码字矩阵识别方法有机结合,大幅提高编码类型识别算法的容错率。3、线性分组码编码类型识别分析目前,大部分通信系统选用线性分组码对所传输载荷数据进行封装,确保整个提高系统的稳定可靠的工作。本文对二进制Bose-Chaudhuri-Hocquenghem(BCH)码、Reed-Solomon(RS)码和低密度奇偶校验(LDPC)码的识别分类技术进行探索。根据各类线性分组码的编码规则,寻找各类线性分组码所具有的特征量,并以此作为识别分类的基础。首先,利用二进制BCH编码的具备的码根连续特性,提出了基于码根统计的二进制BCH循环码分析识别算法。其次,利用RS编码的伽罗华频域特性,提出基于伽罗华域频谱特性的RS编码分析识别算法。最后,利用LDPC编码校验矩阵所具备稀疏特性,提出了基于校验矩阵稀疏化的低密度奇偶校验码分析识别算法。仿真结果表明,利用上述编码类型识别方法,能够实现BCH、RS和LDPC这三类重要线性分组码的识别分类。4、前向纠错编码系统自适应识别分析AMC(Adaptive Modulation and Coding)技术是未来通信的发展新方向,本文对基于前向纠错编码系统的自适应编码匹配算法进行深入研究。为了提高系统识别匹配效率,将前向纠错编码系统自适应识别匹配技术分为线性前向纠错编码系统动态识别分析和非线性前向纠错编码系统动态识别分析两大类。根据这两类系统的差异性,分别提出了基于后验概率的二进制线性编码系统自适应识别算法以及基于校验方程后验概率的Turbo码动态匹配算法。同时,首次提出了多进制线性编码系统的动态匹配算法。