摘 要： Turbo碼中所采用的偽隨機交織器起到產(chǎn)生隨機數(shù)據(jù)和擾亂信息序列的作用,。借助擴頻通信中對PN碼進行盲識別的二階循環(huán)統(tǒng)計量和分段互相關(guān)法，解決在無任何先驗知識的情況下，對基于偽隨機序列的偽隨機交織器進行盲識別,。仿真表明,，將二階循環(huán)統(tǒng)計量和分段互相關(guān)法引入對偽隨機交織器進行盲識別，在低信噪比下取得了較好的正確率,。
關(guān)鍵詞： Turbo碼,；偽隨機交織器；盲識別,；二階循環(huán)統(tǒng)計量法,；分段互相關(guān)法
利用Turbo碼的數(shù)字通信具有低截獲和抗干擾的特性，在現(xiàn)代軍事通信和CDMA系統(tǒng)中得到了廣泛應(yīng)用,。在非協(xié)作方式下,，這些特性使直擴信號的檢測和盲估計變得更加困難，成為現(xiàn)代通信偵察中的一個研究難點,。在信號截獲領(lǐng)域,，在沒有任何先驗知識的情況下，為了實現(xiàn)對Turbo碼的盲識別,，必須對偽隨機交織器進行盲識別,，這也是其中的難點。因此,，對偽隨機交織器中的偽隨機序列的估計是信息截獲成功與否的關(guān)鍵,。
通過對偽隨機交織器原理分析，發(fā)現(xiàn)其原理同擴頻通信中的PN碼發(fā)生器原理類似,，因此將直接序列擴頻信號PN序列盲估計方法移植到Turbo碼中偽隨機交織器的盲識別中去,。仿真結(jié)果表明，該方法可以在發(fā)送端沒有任何先驗知識的情況下,，適用于對m序列,、Gold序列等偽隨機交織器的盲識別。
1 偽隨機交織器原理
設(shè)輸入的信息序列為UN,，以一維數(shù)組的形式存儲,。為了亂序數(shù)據(jù)，需要建立一個額外的數(shù)組,，并稱為索引數(shù)組,，存放著N+1個隨機數(shù)據(jù)，分別對應(yīng)著不同的隨機地址,，隨機地址可通過程序中隨機數(shù)的調(diào)用來獲得,，并且之間的每一個數(shù)據(jù)都必須出現(xiàn)且僅出現(xiàn)一次。圖1為N=11時的偽隨機交織器的示意圖[1],。
實際中的交織器通常采用m序列來產(chǎn)生隨機數(shù),，圖1表示的只是m序列一個周期的示意圖。由m序列的性質(zhì)可知，在一個周期內(nèi)的m序列各個狀態(tài)中除了全零狀態(tài)以外,，其他狀態(tài)只在m序列中出現(xiàn)一次,。以m序列作為讀寫地址時，m序列狀態(tài)的唯一性保證了地址的唯一性,，同時也保證了輸出數(shù)據(jù)的唯一性和隨機性,。
通過對偽隨機交織原理的分析，想要得到原始信息序列,，就需要對數(shù)據(jù)索引組進行恢復(fù),，即對偽隨機交織器產(chǎn)生的偽隨機序列進行盲恢復(fù)。
2 m序列周期估計
估計偽隨機交織器中偽隨機碼周期是偽隨機序列估計的必要條件,，估計偽隨機碼周期可以借助于對PN碼的周期估計，主要有二次譜法[2],、周期譜法[3]和基于二階循環(huán)統(tǒng)計量法[4],。下面借助基于二階循環(huán)統(tǒng)計量的方法估計m序列周期。設(shè)截獲到的交織信號形式為：
3 m序列起始點與碼序列估計[5]
為了正確估計偽隨機交織器產(chǎn)生的m序列,，以至進一步解擴數(shù)據(jù)信息,，還需要估計信息碼與m序列的同步起始點。本文采用分段互相關(guān)法來估計信息碼的起始點Tp,。
在已知m序列周期To的條件下,，設(shè)采樣起始點與數(shù)據(jù)調(diào)制起始點相距為Tp，將接收到的信號按照To分段,，當分段的起點與數(shù)據(jù)調(diào)制起點重合時,，則每一個分段對應(yīng)的向量都應(yīng)包含一個完整的m序列，此時得到的各個向量組之間有最大的相關(guān)性,。為此,，采用計算段之間互相關(guān)最大值的方法實現(xiàn)調(diào)制起始點的估計。算法的步驟如下：
(1)以m序列周期To分段截獲解調(diào)帶直擴信號,。設(shè)數(shù)據(jù)總周期T=Tp+(N-1)To,，其中Fs=1，則數(shù)據(jù)段數(shù)為m=N-1,，起始位置為第1個信息碼調(diào)制對應(yīng)的m序列內(nèi)的第k個采樣點,，用矩陣表示為：
(4)k從1～To取值，求nk,，最大的nk所對應(yīng)的k值即為信息碼與PN碼波形同步起始點,。
預(yù)先估計出m序列周期與同步起始點后，就可以估計m序列,。對于m序列的估計,，與估計m序列同步起始點相似，仍采用基于多重互相關(guān)平均的方法。對于截獲的交織數(shù)據(jù),，從m序列同步起始點開始,，以m序列周期To分段，依次取其中一段數(shù)據(jù)與其他段數(shù)據(jù)作相關(guān)運算,，并將相關(guān)值為所對應(yīng)的所有數(shù)據(jù)段取平均值作為新的數(shù)據(jù)段,。每取一段，重復(fù)以上步驟,，這樣就產(chǎn)生了一組新的數(shù)據(jù)段,。為了進一步降低噪聲的影響，可將該組數(shù)據(jù)作為原始數(shù)據(jù),，可多次重復(fù)以上步驟,，最后取其中任意一段作為估計得到的m序列。
通過上述的方法就可以得到偽隨機交織器產(chǎn)生的m序列,，這個難點解決之后,，為Turbo碼的盲識別掃清了前期的障礙。因為Gold序列與m序列有相似的性質(zhì),，通過下面的仿真發(fā)現(xiàn),，此方法同樣可以對產(chǎn)生Gold序列的偽隨機交織器進行盲識別。
4 仿真分析
在參考文獻[4]中,，已經(jīng)對m序列周期,、起始點和碼序列估計方法的性能進行了仿真分析，得到了在低信噪比下也可得到較高正確率結(jié)果,，對此不再證明并給出仿真圖,。本文則對Turbo碼下的基于m序列以及Gold序列的偽隨機交織器部分進行仿真，驗證方法引用的正確性,。
首先對基于分段多重互相關(guān)平均法的m序列估計方法進行仿真,。信息碼位數(shù)N=300，碼周期To分別取42和71,，采用二重相關(guān)估計m序列,。進行100次Monte-Carlo仿真實驗，得到的m序列正確估計概率曲線如圖2所示,。由圖可知,，當信噪比SNR>-8 dB時，算法對m序列的正確估計達到100%,；在SNR=-9 dB時,，仍可以達到75%的正確估計概率。
利用同樣的環(huán)境與方法再對交織器產(chǎn)生的Gold序列進行仿真,。得到如圖3的仿真圖,。同樣可以看到在低信噪比的環(huán)境下,，引用的算法對Gold序列也有較好的正確估計率。
隨著Turbo碼的廣泛應(yīng)用,，對Turbo碼的盲識別必將成為信息截獲領(lǐng)域中的熱點問題,。其中不可避免的難題就是，如何識別其中的隨機交織過程,，即對偽隨機交織器實現(xiàn)盲識別,。本文借助于擴頻通信中對PN碼進行盲識別的二階循環(huán)統(tǒng)計量和分段互相關(guān)法，來解決偽隨機交織器的盲識別問題,。仿真結(jié)果表明,，根據(jù)m序列的特性，利用上述方法完全可以對偽隨機交織器產(chǎn)生的偽隨機序列進行準確估計,，從而為Turbo碼的盲識別做好必要的準備,，因此具有廣泛的應(yīng)用前景。
參考文獻
[1] 白寶明,，馬嘯．隨機交織器的設(shè)計與實現(xiàn)[J]．通信學報,，2000，21(6):6-11.
[2] ZHANG Tian Qi,， ZHOU Zheng Zhong.Algorithms for period and sequence estimation of the PN code in DS-SS signals[J]. Systems Engineering and Electronics,， 2005,，27(8):1365-1368.
[3] DOUGLAS A,， BODIE H J B. Carrier detection of PSK signals[J]. IEEE Transactions on Communications， 2001,，49(3):487-496.
[4] 羅軍輝,，姬紅兵，江莉.直接序列擴頻信號PN序列盲估計方法[J].電子科技大學學報,，2008,，37(4):408-492.
[5] JIN Yan， JI Hong Bing,， LUO Jun Hui. A cyclic-cumulant based method for DS-SS signal detection and parameter estimation [J]. Acta Electronica Sinica,， 2006，34(4):634-637.
[6] 呂明,，張紅波,，唐斌.基于E-PASTd的盲擴頻碼序列估計算法[J].電子科技大學學報，2007,，36(5):886-888.