[发明专利]一种非合作线性反馈移位寄存器功能重建方法

权利要求书

1.一种非合作线性反馈移位寄存器功能重建方法，其特征在于，它包括如下步骤：

步骤1：存储非合作第三方接收的线性反馈移位寄存器产生的输出信号；

步骤2：对接收的信号进行预处理，形成训练人工神经网络的测试样本数据，每个样本包括输入数据和输出数据两部分，均源自接收信号，且输入数据和输出数据间蕴含着线性反馈移位寄存器的接连反馈关系；

步骤3：存储训练数据；

步骤4：构建人工神经网络，读取训练数据，并训练人工神经网络，逼近训练样本输入数据和输出数据之间蕴含的映射关系；

步骤5：在测试数据上测试人工神经网络重建线性反馈移位寄存器功能的程度；

所述的步骤1中，接收的信号为{r₁,…,r_p}，长度为p，r_i∈{0,1}是非合作第三方恢复的线性反馈移位寄存器输出状态，0和1分别表示低和高两种电平；r_i＝d_i+n_i，n_i表示传输中噪声的影响，“+”为模二加运算，n_i＝0表示接收正确，n_i＝1表示接收发生错误，能够正确接收的概率为ε，即n_i＝0的概率为ε，记作Pr{n_i＝0}＝ε；

所述的步骤2中，选取接收序列中连续的一段{r_i,…,r_i+q-1}作为训练样本的输入数据，截取数据段的后续一个元素r_i+q作为训练样本的输出数据，截取连续数据段的长度大于等于线性反馈移位寄存器的阶数n，即，寄存器的个数为n，接收序列长度为p；

所述的步骤4中，将训练样本的输入数据{r_i,…,r_i+q-1}作为训练人工神经网络的输入数据，将训练样本的输出数据r_i+q作为训练人工神经网络的输出数据，使用批处理等训练人工神经网络的方法，使人工神经网络逼近训练样本中输入数据和输出数据之间的映射关系，样本输入数据和输出数据之间的映射关系，是由线性反馈移位寄存器的反馈连接关系决定的，如公式(1)

其中，d_i∈{0,1}表示m序列元素，0和1分别表示寄存器输出的低和高两种电平；c₀,...,c_n∈{0,1}表示反馈连接关系，0表示不连接，1表示连接；a₁,...,a_n∈{0,1}表示移位寄存器状态，0和1分别表示寄存器存储的低和高两种电平；n表示寄存器的数量，也是线性反馈移位寄存器的阶数；加法“+”为模二加法器，将输入的0和1，按照模二加规则，输出0或1，0和1分别表示低和高两种电平；

所述的步骤5中，截取一段连续的线性反馈移位寄存器真值信号{d_i,…,d_i+q-1}作为测试样本的输入数据，将{d_i,…,d_i+q-1}输入训练好的人工神经网络，得到人工神经网络预测的下一个输出电平为e_i，将e_i与线性反馈移位寄存器无噪声真值信号的后续一个信号d_i+q进行比较，如果“e_i与d_i+q的距离”“e_i与1-d_i+q的距离”，|e_i-d_i+q||e_i-(1-d_i+q)|，人工神经网络的预测就是正确的；如果“e_i与d_i+q的距离”≥“e_i与1-d_i+q的距离”，|e_i-d_i+q|≥|e_i-(1-d_i+q)|，人工神经网络的预测就是错误的，使用多组不同的真值信号，测试人工神经网络预测线性反馈移位寄存器输出的结果。