一种新的伪随机扰码盲识别方法

针对在高误码率下,多抽头系数的伪随机扰码的盲识别问题,提出了一种结合BM算法与基于卷积码的快速相关攻击算法的盲识别方法。该方法根据伪随机扰码的自相关特性识别出扰码周期,利用BM算法找到可能的扰码生成多项式和初态,再根据快速相关攻击算法恢复的扰码序列的误码率确定扰码的编码参数。为提高识别效率,对快速相关攻击算法进行了改进,提出了一种基于树形搜索的校验方程的快速查找方法,改进了对极低码率卷积码的Viterbi译码算法中保留路径度量值的计算方法。仿真实验表明,该盲识别方法能有效识别误码率接近40%的扰码序列的编码参数,且不受生成扰码的线性反馈移位寄存器(linear feedback shift register,LFSR)的抽头数和寄存器个数的限制。

基于软信息的扰码盲识别方法

针对非合作接收的加扰信号,提出2种基于软信息的扰码盲识别方法。方法 1利用软信息建立了扰码系数的代价函数,采用实数域的优化理论进行正向求解,不再需要对多项式测试闭集进行遍历;方法 2利用软信息建立了符合度的概念,以每个测试扰码多项式符合度的大小作为判别的标准,相比硬判决识别算法,其对接收信息得到了更充分的利用。仿真结果表明,方法 1相比Cluzeau提出的遍历方法,其自同步扰码多项式的识别时间可从5 min 18s缩短为8s;方法 2与现有硬判决算法相比,达到较高正确率时,具有约2 dB的信噪比增益。