Kotelnikov Institute of Radio Engineering and Electronics of RAS Русский Sign in Submit a paper
Journal of Radio Electronics Online scientific journal · eISSN 1684-1719
2019, № 10 · MATHEMATICAL MODELS IN RADIO ELECTRONICS PROBLEMS

Entropy models and reference descriptions of error-correcting codes

K.B. Makhrov1,2, V.O. Khatsayuk1,2

1 Военно-космическая академия имени А.Ф. Можайского, St. Petersburg, Russia
2 Mozhaisky Military Space Academy, Russia
Full text (PDF) DOI: 10.30898/1684-1719.2019.10.1 UDC 621.369.9 EDN RCEMZL

Abstract

In this work, we make a look at the actual problems of blind recognition of error-correcting codes in non-cooperative context, assuming non-binary modulation and no manipulation code knowledge. In particular, we propose a novel analytical model that reflects the dependence of introduced redundancy on the error-correcting code parameters and allows making compact mapping-invariant signatures of different error-correcting codes. Proposed approach to codes identification provides a reduction in feature space, computational complexity and the required sample size compared to known statistical methods. The simulation results confirm the viability of the proposed model for blind recognition of error-correcting codes.

  • cognitive radio
  • blind recognition
  • error-correcting codes
  • Coded modulation
Аннотация (на русском)

Энтропийные модели и эталонные описания помехоустойчивых кодов

В статье рассмотрены вопросы идентификации помехоустойчивых кодов в радиолиниях с многопозиционной модуляцией в условиях неопределенности относительно используемой маркировки канальных символов. Представлена разработанная аналитическая модель, отражающая зависимость вносимой избыточности от параметров помехоустойчивого кода и позволяющая сформировать эталонные описания помехоустойчивых кодов различных классов (сигнатуры). Использование предлагаемых эталонных описаний при решении задачи идентификации помехоустойчивых кодов позволяет значительно сократить признаковое пространство, и как следствие, снизить вычислительную сложность процедур технического анализа и уменьшить требуемый объем выборки по сравнению с известными статистическими методами.

For citation

Makhrov K.B., Khatsayuk V.O. Entropy models and reference descriptions of error-correcting codes // Journal of Radio Electronics. – 2019. – No. 10. https://doi.org/10.30898/1684-1719.2019.10.1

References

  1. Замарин А.И., Атакищев О.И., Тавалинский Д.А., Рюмшин К.Ю. Последетекторный технический анализ цифровых последовательностей при идентификации сложных структур // Известия юго-западного государственного университета, 2014, № 1 (52), с. 14 - 21.
  2. Григорьев В.А., Григорьев С.В. Сигнально-кодовые конструкции - СПб.: ВАС, 1997. - 147 с.
  3. Баушев С.В., Зайцев И.Е., Яковлев А.А. Перспективы развития сигнально-кодовых конструкций для гауссовского канала связи // Зарубежная радиоэлектроника, 1990, № 1, с. 15 - 31.
  4. Кадуков Е.П. Модель радиосигналов с модуляцией с непрерывным изменением в пространстве параметров фазовых диаграмм и комплекс информативных признаков для распознавания видов модуляции излучений зарубежных спутниковых систем связи // Журнал радиоэлектроники [электронный журнал]. 2019. № 7. Режим доступа: http://jre.cplire.ru/jre/jul19/12/text.pdf
  5. Marazin M., Gautier R., Burel G. Dual Code Method for Blind Identification of Convolutional Encoder for Cognitive Radio Receiver Design // 2009 IEEE Globecom Workshops, Honolulu, HI, 2009, pp. 1-6. DOI 10.1109/GLOCOMW.2009.5360726
  6. Zrelli Y., Marazin M., Rannou E., Gautier, R. Blind Identification of Convolutional Encoder Parameters over GF(2m) in the Noiseless Case // Computer Communications and Networks (ICCCN) 2011 Proceedings of 20th International Conference on, pp. 1-5.
  7. Xie H., Chai X., Wang F., Huang Z. A method for blind identification of rate 1/2 convolutional code based on improved Euclidean algorithm // Signal Processing (ICSP) 2012 IEEE 11th International Conference on, vol. 2, pp. 1307-1310.
  8. Баринов А. Ю. Перемежение в канальном кодировании: свойства, структура, специфика применения // Журнал радиоэлектроники [электронный журнал]. 2019. №1. Режим доступа: http://jre.cplire.ru/jre/jan19/13/text.pdf
  9. Ратушин А.П., Рачинский Е.В., Балунин Е.И. Признаки распознавания непрерывных корректирующих кодов в дискретных последовательностях // Наукоемкие технологии, 2010, № 9, с. 20 - 23.
  10. Sicot G., Houcke S. Etude statistique du seuil dans la detection d'entrelaceur // Proc. GRETSI 2005, Belgium, pp. 231-254.
  11. Bellard M., Tillich J.P. Detecting and reconstructing an unknown convolutional code by counting collisions // 2014 IEEE International Symposium on Information Theory (ISIT 2014), pp. 2967-2971.
  12. Rukhin A., Soto J. A Statistical Test Suite for Random and Pseudorandom Number Generators for Cryptographic Applications. [Электронный ресурс]. Режим доступа: https://csrc.nist.gov/publications/detail/sp/800-22/rev-1a/final.
  13. MacKay D. Information Theory, Inference, and Learning Algorithms. - Cambridge University Press, 2003 - 640 p.
  14. Rosenthal J. Connections between linear systems and convolutional codes // Codes, Systems and Graphical Models. The IMA Volumes in Mathematics and its Applications, 2001, vol. 123, pp. 39 - 66.
  15. Месси Дж. Пороговое декодирование - М.: Мир, 1966. - 208 с.