对伪随机扰码和自同步扰码的盲识别

霉塑。堡凰．

对伪随机扰码和自同步扰码的盲识别

朱洪斌

(中国电子科技集团公司第五十四研究所，河北石家庄050081)喃要】本文针时伪随机抛乱器和自同步扰乱器两种主要抗矧器进行识别和恢复。

滂蝴]随机扰码；自同步扰码；盲识别

实际数字通信系统为了提高性能，信号在传输前往往采用扰乱编

码技术。如何侥衷正确地识别出对方采用的扰码，是通信侦察系统实现

信息截获的—个基本问题。

本文针对伪随机扰乱器和自同步扰乱器两种主要扰乱器进行识别

和恢复。

1伪随机扰乱器和自同步扰乱器

伪随机扰乱器是一种最简单的扰乱器，它把序列加到数据序列上，就产生了信道序列，信道序列减掉一个同样的m序列，被扰乱的数据序列就得到恢复：工作原理如图1所示：

图1伪随机扰乱嚣

自同步扰乱器由—个有反馈回路的线性移存器构成。工作原理如图2所示：

图2自『司步就乱器

由两种扰乱器的工作原理可知，对扰码的盲识别主要是对其中的线性移位寄存器的识别，包括对移位寄存器的级数和它的连结多项式的识别。对伪随扰乱器，由于其扰码输出还与移位寄存器的初始状态有关，因此还包括对其初态的识别和恢复。

2扰码的识别和恢复

2．1扰乱器级教n的相璐识另1l

经由扰乱器加扰后的信道序列就具有了与组成该扰码器的移存器产生的m序列相近的特点。由于n级m序列具有如下性质：

1)在—个周期内，O，1出现的次数分别为2一一1和2一次：

2)在—个周期内，总游程数为2一，对1

2“，个，且0，1游程各半，长为n一1的0游程—个，长为n的1游程—个。

从以上性质可以得出，游程个数按1，2规律递减，目递减规律在长为n一1的0游程和长为n的1游程处发生变化。

对加扰后的信道序列也具有相近的游程特点，通过游程的统计寻找游程个数按1，2规律递减转折点可粗略确定扰乱器级数，但考虑统计信道序列的长度和传输差错的影响，可把n确定为一个较小的范围no

22用组合牧举求优势值识别扰码多项式

加扰后的信道序列与扰码器中采用的m序列有1／2+￡以上的符合优势，以信道序列作为产生该m序列的移存器的输入，则在满足m 序列递推关系的位置上必然出现较高的优势，比如对连接多项式为f (X)--1+x+x15的扰码器的输出序列r，r。+h十‰5的概率必然比较高，利用这一点对有扰序列采用组合枚举求最大优势值的方法可以识别出扰码的连接多项式。其处理过程如图3ET-示,：

220丽而事乃行'

图3组台枚糊睡数据模型

以接收到的加扰序列r为输入，输出序列为so n为移位寄存器的级数，经过E节的粗略识别取值在一个较小的范围no

从组合枚举求优势值的处理过程可以看出，对自同步扰码而言，实质是在搜索和发送端加扰器一致的解扰多项式，进而进行解扰的过程。对伪随机扰码利用该方法虽然不能直接解扰，但可以准确的确定扰码的连接多项式。

因为扰乱器中移位寄存器多项式与G F(2)域上n次本原多项式相对应，因此对于识别出的扰码多项式后，可对照它是否本原多项式，如果不是则识别错误。

23伪随机．扰篇．器初态的恢复

对伪随机扰码序列，当确定了扰乱器的级数和扰码多项式后，需要进—步恢复出加扰时的初态，以便实现解扰和加扰的同步。

J ohans son和Jons son算法提出基于卷积码的相关攻击思想对扰码器中的移位寄存器初态进行陟e复，但该算法比较耗时。本文采用遍历J听E oT能的初态对信道序列解扰，统计比较解扰后序列的优势值的方法确定来确定移位寄存器的初态。对n级移位寄存器，其可能初始状态共有2“一1种可能，当以这些可能初态对接收序列进行解扰时，当初态和发送方扰乱器同步时解扰后的序列的优势值必然最明显。因此，在识别出扰乱器的级数和扰码多项式后，遍历2n_1种初态对信道序列进行解扰，统计解扰后序列的优势值，对应优势值最大的初态即为扰码序列加扰时的初态。

3仿真实验

为了验证本文的算法，对一段实际通信中采集到的信息码进行伪随机扰乱，扰乱器是多项式为f(X)--1+x+x”的15级扰乱器，扰乱器初态为101011001011110，在扰乱序列中存在1％误码的情况下，进行了扰码盲识别和恢复的仿真试验。

首先对长度N=5000的信道序列进行游程统计，统计结果如表1所示。根据统计结果大致确定扰乱器的移位寄存器的级数8