信道编码盲识别技术可以在完全没有或者仅有部分先验知识的条件下,仅仅根据截获数据的比特流,通过种种技术手段,分析出编码类型和编码参数,从而为译码和获取后续信息提供依据,该技术具有重要的军事意义和实用价值。本文主要研究的是Turbo码编码参数盲识别技术。Turbo码是一种接近香农限的编码类型,自提出以来就得到广泛的关注,并被应用到各种通信系统。由于Turbo码编码器结构较为特殊,其参数识别具有很大的困难。目前与Turbo码盲识别相关的研究较少,与之相关的成果主要集中在低误码条件下的非删余Turbo码编码参数的识别,而对于高误码条件下的参数识别以及删余Turbo码的识别,效果不够理想,本文针对这些不足提出了改进。首先针对现有方法在高误码下识别递归系统卷积码(Recursive Systematic Convolutional,RSC)编码器时复杂度过高的问题,提出了一种新的迭代算法。该算法根据分析矩阵中码字之间的线性关系,对分析矩阵中含有误码的行进行特征提取,然后将该行从分析矩阵中剔除。通过多次迭代剔除,最终得到误码率较低的分析矩阵,进而求解出校验向量,并转换为出生成矩阵的形式,完成RSC编码器的参数识别。该算法避免了现有方法需要对所有校验向量进行满足度求解的问题,大大降低了算法复杂度。其次,针对交织长度和交织起点的识别,现有方法多采用秩准则法或者高斯变换分析法。其中秩准则法抗误码性能较差,而高斯变换分析法需要使用大量码字,并通过重量分布特征进行分析统计,该方法无法解决高误码条件下的识别问题,并且要求接收足够长的序列。本文从另一角度出发,通过对RSC编码器的校验向量进行分解,采用搜索线性组合的方法,对交织长度和交织起点进行求解,并借鉴ChoseJoux-Mitton算法对其进行优化,取得了非常好的抗误码性能。最后,对于交织映射关系的识别,现有算法主要通过恢复交织后序列进行识别,该方法容错性差,本文则根据交织前序列与校验序列之间的约束关系进行求解和对比,直接恢复出交织映射关系,并且将该方法应用到删余Turbo码的识别中,也取得了很好的效果,解决了删余Turbo码无法恢复交织后的序列进而无法对交织映射关系进行识别的问题。仿真结果表明,本文算法可以在高误码条件下实现删余及非删余Turbo码的编码参数盲识别。