在非协作通信系统中,接收端无法确定发送端使用的信道编码类型和具体参数,而信道编码盲识别技术能够利用接收到的数据序列,在基本不依赖任何先验知识的前提下从中分析出发送端所采用的编码类型和参数,从而为后续破译信息奠定基础。信道编码盲识别技术在智能通信和军事侦查等领域发挥着重要作用,也逐渐成为了现代通信研究领域中的一个热点。LDPC码(Low-Density Parity-Check Code,低密度奇偶校验码)属于具有超强纠错能力的一种线性分组码,凭借其优异的性能在现代通信研究领域受到越来越广泛的关注和应用。然而针对LDPC码进行盲识别的相关成果很少,且现有的解决重心大多集中在闭集识别方法上,但是在非协作通信场景下无法满足闭集识别需要预先获取部分参数信息这一条件,考虑到LDPC码盲识别问题在采用闭集识别算法解决时的局限性,本文转向开集识别的角度进行研究。目前LDPC码开集识别的方法一般都将码长等参数作为已知条件,并未实现真正意义上的开集识别,本文为解决这一限制将LDPC码的识别研究划分为三个子问题,力求仅凭借接收到的数据信息来完成LDPC码的识别工作,恢复出其具有稀疏特性的校验矩阵。首先,针对传统秩准则法在高误码环境下性能不够理想的不足,提出了一种改进算法,通过统计分析矩阵进行高斯消元法处理之后零元素比重来考虑其各列间的线性关系,改进算法使得码长和码字起点的识别率高于传统算法并具有更优抗误码性能。其次,多数研究采用矩阵分析和Hadamard变换等算法来求解LDPC码的码率以及重建其校验矩阵,但前者方法不具有容错能力,在误码条件下基本失效,后者计算复杂度过高,无法保证在有限时间内得到结果。针对这些算法的缺陷,本文从对偶空间角度展开分析讨论,提出基于低列重求解对偶向量的改进算法来解决码率的识别和线性约束关系的重建问题,并通过利用有效对偶向量剔除错误码组的算法来提高误码条件下对偶向量的发现概率,同时通过随机交换分析矩阵行来提高接收数据的利用率,可以利用有限的数据尽可能发现更多数量的对偶向量并通过其集合的维度计算出码率。最后采用本文提出的稀疏化改进算法对对偶向量集合进行处理,得到满足LDPC码译码要求的稀疏化校验矩阵,实现在非协作通信场景下对LDPC的识别。