针对通信中软扩频信号伪码序列盲估计困难的问题,提出一种奇异值分解(singular value decomposition,SVD)和K-means聚类相结合的方法。该方法先对接收信号按照一倍伪码周期进行不重叠分段构造数据矩阵。其次对数据矩阵和相似性矩阵分别...针对通信中软扩频信号伪码序列盲估计困难的问题,提出一种奇异值分解(singular value decomposition,SVD)和K-means聚类相结合的方法。该方法先对接收信号按照一倍伪码周期进行不重叠分段构造数据矩阵。其次对数据矩阵和相似性矩阵分别进行SVD完成对伪码序列集合规模数的估计、数据降噪、粗分类以及初始聚类中心的选取。最后通过K-means算法优化分类结果,得到伪码序列的估计值。该算法在聚类之前事先确定聚类数目,大大减少了迭代次数。同时实验结果表明,该算法在信息码元分组小于5 bit,信噪比大于-10 dB时可以准确估计出软扩频信号的伪码序列,性能较同类算法有所提升。展开更多
弹道参数回传系统中,由于弹丸与地面接收机之间较高的相对速度,使地面接收机收到的信号产生很大的多普勒频移,导致其对伪码的捕获难度和捕获时间增加,影响武器在战场中的实时反应能力和打击精度。为了在较大的多普勒频移情况下快速地完...弹道参数回传系统中,由于弹丸与地面接收机之间较高的相对速度,使地面接收机收到的信号产生很大的多普勒频移,导致其对伪码的捕获难度和捕获时间增加,影响武器在战场中的实时反应能力和打击精度。为了在较大的多普勒频移情况下快速地完成对扩频码的捕获,针对部分匹配滤波结合快速傅里叶变换(Partially Matched Filtering combined with Fast Fourier Transform,PMF-FFT)捕获算法中由FFT运算而导致的扇贝损失现象,分别分析了补零和窗函数法对扇贝损失的改善效果,提出了改进的窗函数结构来对PMF-FFT算法进行改进,对进入FFT运算的数据加改进的布莱克曼窗(Blackman)函数,使得系统的扇贝损失几乎为0。利用MATLAB工具,对改进之后算法的性能进行仿真验证。结果表明,改进后的算法可以明显提高系统的检测概率,大幅降低了平均捕获时间,显著提升了算法的捕获性能。展开更多
文摘针对通信中软扩频信号伪码序列盲估计困难的问题,提出一种奇异值分解(singular value decomposition,SVD)和K-means聚类相结合的方法。该方法先对接收信号按照一倍伪码周期进行不重叠分段构造数据矩阵。其次对数据矩阵和相似性矩阵分别进行SVD完成对伪码序列集合规模数的估计、数据降噪、粗分类以及初始聚类中心的选取。最后通过K-means算法优化分类结果,得到伪码序列的估计值。该算法在聚类之前事先确定聚类数目,大大减少了迭代次数。同时实验结果表明,该算法在信息码元分组小于5 bit,信噪比大于-10 dB时可以准确估计出软扩频信号的伪码序列,性能较同类算法有所提升。
文摘弹道参数回传系统中,由于弹丸与地面接收机之间较高的相对速度,使地面接收机收到的信号产生很大的多普勒频移,导致其对伪码的捕获难度和捕获时间增加,影响武器在战场中的实时反应能力和打击精度。为了在较大的多普勒频移情况下快速地完成对扩频码的捕获,针对部分匹配滤波结合快速傅里叶变换(Partially Matched Filtering combined with Fast Fourier Transform,PMF-FFT)捕获算法中由FFT运算而导致的扇贝损失现象,分别分析了补零和窗函数法对扇贝损失的改善效果,提出了改进的窗函数结构来对PMF-FFT算法进行改进,对进入FFT运算的数据加改进的布莱克曼窗(Blackman)函数,使得系统的扇贝损失几乎为0。利用MATLAB工具,对改进之后算法的性能进行仿真验证。结果表明,改进后的算法可以明显提高系统的检测概率,大幅降低了平均捕获时间,显著提升了算法的捕获性能。