[发明专利]一种伪随机扰码的识别方法

摘要

本发明基于伪随机扰码的识别方法，先通过利用m序列统计特性识别扰码器生成多项式，然后利用卷积相关攻击准确识别出扰码器初态。与基于m序列统计特性的扰码识别法比较，则打破了基于m序列统计特性的扰码识别法只能识别多项式的限制；与卷积相关攻击法对比，由于通过m序列统计特性的扰码识别法找到了准确的生成多项式g(x)，不用求解预估计生成多项式集合，在Viterbi译码阶段求解出的预估计初态也不需要与每一个预估计多项式进行匹配，因此提高了识别的时间效率和准确率，同时扩大了扰码器输入序列1、0比例范围，进而增大了识别适用范围。

主权项

1.一种伪随机扰码的识别方法，其特征在于，包括以下步骤：（1）、对扰码器加扰后的信道序列进行游程统计，并进行扰码器级数的初识别：经扰码器加扰后的信道序列具有与组成该扰码器的寄存器产生的m序列的相近特性，游程个数按1/2规律递减，且递减规律在长度为(n-1)的0游程和长度为n的1游程处发生变化，将扰码器的级数l确定在l₀＜l＜l₁的范围内，其中l₀为按1/2规律递减明显的最后游程长度；l₁为0、1游程全变为0的游程长度；（2）、确定级数l的取值及其扰码器结构：对每一个可能的l值，在每种可能的抽头位置下，统计满足m序列递推关系的个数Nl=#(i|ci⊕ci+ji⊕ci+j2⊕···⊕ci+jr-1⊕ci+l=0,0≤i≤N},]]>其中，0＜j₁＜j₂＜…＜j_r-1＜j_r＝l都是整数，N为序列总的比特数,进而可以得到其优势值当抽头位置恰好与发送端扰码器中移存器抽头完全吻合时，优势值T最大,遍历所有的抽头情况，找出优势值最大的抽头组合，则确定了在该l值下的扰码器结构g(x)；（3）、构造生成矩阵和编码矩阵：对g(x)有LFSR序列u_n满足：u_n＝g₁u_n-1+g₂u_n-2+...+g_lu_n-l(n≥l+1)，由N_C为LFSR序列长度，可以构造线性分组码的生成矩阵G_LFSR，并由此生成矩阵G_LFSR构造出卷积码的编码矩阵并把线性分组码变换为等效卷积码；（4）、对卷积码序列进行Viterbi译码：在信道序列的Location位置处，Location初始值为1，分别截取信道序列Z和Z^*，分别与生成矩阵G_LFSR构造卷积码序列r_n和r_n^*，对r_n和r_n^*译码时遍历2^B个译码初始状态以得到准确的译码结果和其译码网格图由卷积码编码矩阵得到，其中B为卷积码约束长度，将译码结果倒序排列和即为预估计的扰码器初态；（5）、通过误码率与阈值比较来确定扰码器初态：由g(x)与预估计的扰码器初态U₀^*和U₁^*分别生成扰码序列X和X^*，同时截取长为Length的接收信道序列Z和Z^*，X与Z比较得到误码率Comp，X^*与Z^*比较得到误码率Comp^*；当Comp<ρ且ρ<0.5，ρ的初始值为0.1，则U₀^*为最后识别的扰码器初态,识别结束，退出；当Comp^*>ρ^*且ρ^*>0.5，ρ^*的初始值为0.9，则U₁^*为最后识别的扰码器初态，识别结束，退出；当(Comp>ρ或Comp^*<ρ^*)且（ρ<0.5或ρ^*>0.5），将Location值增加1；当Location值小于10*l，返回步骤（4），当Location值大于10*l，阈值ρ增加0.05,阈值ρ^*减少0.05，同时将Location值恢复成初始值，返回步骤（4）；当ρ>0.5或ρ^*<0.5，则不能正确识别结果，退出。