[发明专利]基于码重分布的自同步扰码盲识别方法

说明书

技术领域

本发明涉及数字通信技术，特别涉及自同步扰码的盲识别技术。

背景技术

实际数字通信过程中，系统往往受到待传送信息序列统计特性的影响。一方面传输信息比特不一定是随机的，可能出现连续的0或连续的1，导致无法提供足够的定时信息；另一方面，在对输入信号进行调制时，由于没有正确的调制信号或调制信号周期较短，调制器输出端将得到高能量的离散谱，离散谱线会导致功率谱的不平坦性，进而使得共用频段其他业务的抗干扰能力较大幅度地下降。因此，需要对信源编码后的数据进行随机化处理，改变数据序列原有的统计特性，使之变为伪随机序列，这种“随机化”处理即为扰码。扰码不但能改善位定时恢复的质量，还使得信号频谱弥散而稳恒，从而改善帧同步等子系统的性能。此外，扰码作为流密码的基本形式，还对传输的信息进行了加密保护。

在现代数字通信领域中，接收端从传输信道中接收到通信信号，经过解调、解交织、解信道编码之后，还需要进行解扰才能得到信源编码后的序列，从而恢复原始信息。因此，对扰码盲识别技术进行深入细致的研究，在智能通信和非合作通信等众多领域都有着重要的理论意义和实用价值。

根据扰码序列与用于加扰的伪随机序列独立与否，扰码分为自同步扰码和同步扰码。自同步扰码具有的无需同步、资源利用率高以及抗攻击性等特点使自同步扰码在数据加扰中经常被采用。对于自同步扰码，接收端解扰时，解扰序列只与输入的扰码序列有关，传输开始时或是出现传输错误之后，解扰器可能与加扰器不处于相同的状态，而在无错误L比特（L是LFSR的级数）后，解扰器与加扰器就可以处于相同的状态，也就是说，接收端可以从任何时刻开始解扰。因此，自同步扰码的盲识别，就是根据截获的扰码序列，确定加扰器使用的LFSR的反馈多项式（又称扰码多项式或生成多项式），不需要重构LFSR的初态。

目前国内外在自同步扰码盲识别分析技术方面的研究成果较少，现有的自同步扰码盲识别方法主要分为两大类：一是将自同步扰码识别问题归结为有限域上某个低次多元代数方程组的求解问题，即代数方法；另一类是利用加扰前后数据序列的内在统计特性进行分析，即统计方法。

（一）代数方法

1、BM算法

在已知扰码器输入和相应输出时，自同步扰码的识别问题退化为LFSR的综合问题，利用BM算法求解关键方程可以根据很少的数据量得到扰码多项式；当截获的扰码序列是周期序列时，即使不知道扰码器的输入也可以利用BM算法得到扰码序列的最小多项式，通过对所得最小多项式进行因式分解，然后根据扰码序列周期或本原多项式的辅助判断得到扰码器的生成多项式。显然BM算法所要求的这两种前提条件，在非合作情况下都是不太现实的。

2、Walsh-Hadamard分析法

根据线性移位寄存器的迭代关系，利用截获的自同步扰码序列可以列出一组二元域上的含错方程。Walsh-Hadamard分析法就是根据二元域上方程组的解与Hadamard编号Walsh矩阵之间的关系，将二元域上含错方程组的求解问题转化为Walsh-Hadamard变换谱系数的计算。用Walsh-Hadamard分析法实现自同步扰码的盲识别需要已知扰码多项式的阶数，并且该方法的计算量随着扰码级数的增大而呈指数增长，对于阶数较高的情况实现起来难度很大。

（二）统计方法

1、征服相关攻击法

将流密码的分别征服攻击算法引入自同步扰码的盲识别中，即为征服攻击法，算法利用可能的多项式对截获的自同步扰码序列解扰，再利用相同的多项式作为扰码多项式对解扰的结果进行自同步加扰，根据新产生的密文序列与原始扰码序列的相关度的大小来判断扰码多项式，算法计算复杂门限设置困难，对扰码多项式的阶数和项数的限制很大。

2、M.Cluzeau分析法

M.Cluzeau法按照可能的多项式对应的抽头位置间隔对截获的自同步扰码序列抽取并模二和得到新的二元序列，再利用新序列构造一个服从高斯分布的随机变量，进而把自同步扰码盲识别问题转化为该随机变量的二元假设检验问题，门限判定减小了搜索量，但门限的设置需要准确地知道信源的0、1比例，这在非合作通信中是极其困难的。

如何从截获的传输序列中有效地识别出自同步扰码的生成多项式，是恢复原始信息数据的关键，现有的方法都需要已知信源不平衡度或扰码级数这些先验知识，导致在实际应用中具有很大的局限性。

发明内容

本发明所要解决的技术问题是，提供一种不需要信源不平衡度和扰码级数等先验知识，仅利用截获的自同步扰码序列估计出扰码多项式的方法。