一种K-means改进算法的软扩频信号伪码序列盲估计

针对软扩频信号因采用了编码技术使得伪码序列难以估计的问题,该文提出一种基于K-means聚类改进的软扩频信号伪码序列盲估计方法。该方法首先以单倍伪码周期的窗长对接收信号进行数据分段以构造观测数据矩阵,其次利用相似测度的理论从观测数据中寻找出K-means算法最优的初始聚类中心点,然后通过搜索平均轮廓系数(Silhouette Coefficient,SC)最大的绝对值以完成伪码集合规模数的估计,最后找到估计的伪码集合规模数所对应的聚类中心点集合,进一步完成对软扩频信号伪码序列的盲估计。通过仿真实验表明,在伪码序列估计错误概率低于0.1的情况下,该文方法比未改进方法提高信噪比约4 dB;而且在同一条件下,该文方法对信号的盲解扩性能优于未改进的方法。

基于奇异值分解的直扩信号伪码序列及信息序列盲估计方法

针对非合作扩频通信中直扩信号伪码序列的盲估计问题,在已知码片速率和伪码周期的前提下,该文提出一种基于奇异值分解的直扩信号伪码序列及信息序列的盲估计方法。该方法对接收信号构成的观测矩阵进行奇异值分解,通过左奇异向量实现伪码序列估计的盲估计。同时,通过右奇异向量可以在信号序列未同步和伪码序列未知的情况下实现信息序列的盲估计。仿真实验结果表明该算法具有精确度高、稳定性高、计算量小和观测时间短等优点。

窄带干扰条件下含有未知载频的直扩信号的伪码序列估计

为了解决窄带干扰条件下含有未知载频的直扩信号的伪码序列的估计问题,该文在已知码片速率和伪码周期的前提下,提出一种结合矩阵特征分解和线性调频Z变换的伪码序列盲估计算法。该方法对接收信号分段获得观察向量,并对观察向量的相关矩阵进行特征分解,最后应用改进的最小描述长度(MDL)准则和线性调频Z变换(CZT)对特征向量进行处理,可以估计出窄带干扰信号,同时还可以估计出信号的载频和伪码序列。仿真实验给出了不同干扰信号和不同伪码序列长度时算法的性能曲线,理论分析和仿真结果都表明了该方法能有效地工作在较低的信噪比下。

同/异步短码DS-CDMA信号伪码序列及信息序列盲估计

针对传统单通道异步直接序列码分多址(DS-CDMA)信号信息序列及伪码序列(PN)难以估计的问题,该文提出一种基于平行因子(PARAFAC)的多通道盲估计方法。该方法首先将信号建模为多通道接收模型,然后将观测数据矩阵等效为平行因子模型,最后使用迭代最小二乘算法对平行因子进行低秩分解,进一步完成对DS-CDMA信号各用户的信息序列及伪码序列进行估计。仿真实验表明,该方法不仅能有效地对同步、异步短码DS-CDMA信号的伪码序列及信息序列进行估计,而且能在通道数为6、信噪比(SNR)为-10dB的条件下,实现10个用户伪码序列的有效估计。

直扩系统伪码序列串并组合捕获方案

针对低信噪比条件下长伪码序列的快速捕获问题,提出了一种新的捕获方案,即串并组合捕获.给出了系统硬件实现的原理框图,建立了系统的数学模型,采用状态转移函数推导了系统平均捕获时间的计算表达式.在综合考虑伪码相位误差,多普勒频移和噪声干扰的基础上,详细分析了系统的捕获性能.

一种基于K-means算法的长码直扩信号伪码序列盲恢复方法

针对长码直接序列扩频(DSSS)信号伪码(PN)序列盲恢复的难题,借鉴无监督聚类分析的思想,提出了一种基于K均值(K-means)聚类算法的长码直扩信号PN码序列盲恢复方法。该方法首先通过最小平均相异度完成PN码序列的盲同步;然后利用K均值算法完成PN码序列的盲估计;最后利用游程检验算法筛选出原PN码序列,从而完成PN码序列的盲恢复。理论分析和计算机仿真表明,该方法可以在较低信噪比下准确恢复长码直扩信号PN码序列,表现出很好的性能。

通信侦察中的伪码序列盲估计算法

针对卫星通信侦察与对抗,提出了一种DS-SS通信信号的伪码序列盲估计算法。首先采用循环自相关方法估计信号载频,对截获的中频信号进行解调,得到基带信号,再采用循环自相关估计PN码周期。然后利用分段互相关方法估计信息码与PN码同步调制起始点。在此基础上,完成对伪码码序列的识别。仿真实验结果表明,该方法在极低信噪比条件下可以得到准确的伪码序列估计。

多径环境下异步长码直接序列码分多址信号伪码序列及信息序列盲估计

针对低信噪比(SNR)下存在多径效应的传统单通道异步长码直接序列码分多址(DS-CDMA)信号伪码序列(PN)及信息序列难估计问题,该文提出一种基于平行因子的多通道盲估计方法。该方法先将接收到的多径信号建模为多通道模型,然后将长码DS-CDMA信号建模成短码DS-CDMA信号的缺失数据模型,形成观测缺失数据矩阵,并将其等效为缺失平行因子模型,最后利用正则交替最小二乘法(ALS)对缺失平行因子进行低秩分解,实现多径环境下长码DS-CDMA信号各用户伪码序列及信息序列的盲估计。仿真结果表明,序列的估计性能与多径环境密切相关,且在莱斯因子为10,多径路数为3,通道数为4,用户数为6,信噪比大于–10 dB的条件下,伪码序列及信息序列的估计错误率均低于1%。

通信侦察中基于神经网络的伪码序列估计

针对直接序列扩频通信信号伪噪声(PN)码的干扰侦察问题,在已知信号伪码参数的前提下对直扩信号进行特征分析,用基于变步长的PCA神经网络方法来实现伪码序列的盲估计。该方法利用基于Hebb学习规则的无监督多主分量神经网络,结合自适应变步长学习算法,在估计在线特征值的基础上来控制步长的变化,以使神经网络最终达到较好的稳态收敛。理论分析和仿真结果表明,本方法能在较低信噪比的情况下对较长伪码进行准确的估计。

基于张量分解和多项式库搜索的多天线NPLC-DS-CDMA伪码序列估计

针对低信噪比下非周期长码直接序列码分多址(NPLC-DS-CDMA)信号伪码序列估计问题,该文提出一种基于张量分解和多项式库搜索的多天线估计方法。该方法首先对接收信号建模为3阶张量模型并根据扩频增益分割为多个子张量,然后利用交替最小二乘投影(ALSP)算法对子张量进行CP分解得到伪码片段因子矩阵和接收增益因子矩阵,利用接收增益矩阵互相关性和旁瓣能量检测对伪码片段组合序列筛选得到每个用户的伪码序列,最后利用多项式库搜索的方法识别出伪码序列的生成多项式,进一步提高伪码序列估计的正确率。仿真结果表明,所提方法能够实现对NPLC-DS-CDMA信号伪码序列的有效估计。

宽间隔跳频伪码序列设计及其性能检验

介绍了跳频伪码序列的产生,进行了非线性变换来增加保密性,宽间隔处理完成后,组建跳频系统,并对此组网系统进行了一系列的指标验证,性能检测,得出了由RS码与修正的对偶频带法结合的方法产生的宽间隔调频序列的性能是比较优良的,符合跳频组网的性能指标的结论。

一种多径信道直扩信号伪码序列盲估计方法

针对多径信道下直接序列扩频信号伪码序列盲估计的难题,拓展了基于加性高斯白噪声信道提出的子空间法,提出了一种基于子空间法和三阶相关函数法相结合的多径信道直扩信号伪码序列盲估计的新算法,进行了理论推导。该算法对接收到的多径直扩信号按照伪码周期的两倍进行分段形成数据向量,构造自相关矩阵并进行特征值分解得到不同增益伪码序列的延迟叠加,运用m序列的三阶相关特性估计生成多项式进而估计伪码序列。计算机仿真结果验证了该算法的有效性。

基于LEAP神经网络同步DS-CDMA伪码序列盲估计

针对特征分解方法在实现非等功率同步直接序列码分多址(DS-CDMA)信号伪码序列盲估计时存在的处理数据向量不能太长以及不能工作于非平稳环境中的问题,引入了一种由主分量分析实现自适应特征提取的在线无监督学习(LEAP)神经网络(NN)。首先将已分段的一周期DS-CDMA信号作为NN的输入信号,用NN各权值向量的符号函数代表DS-CDMA信号各用户的伪码序列,然后通过不断输入信号来反复训练权值向量直至收敛,最终DS-CDMA信号各用户的伪码序列就可以通过各权值向量的符号函数重建出来。此外,采用变步长以提高收敛速度。理论分析与仿真实验表明,LEAP NN至少可以实现-20 d B信噪比下10个用户的非等功率同步DS-CDMA伪码序列盲估计,并且比传统的Sanger NN具有更快的收敛速度。

基于正交特性的短码直扩信号伪码序列盲估计

在短码直扩信号伪码序列的估计中,当使用特征值分解(eigenvalue decomposition,EVD)算法、奇异值分解(singular value decomposition,SVD)算法和压缩投影逼近子空间跟踪(projection approximation subspace tracking with deflation,PASTd)算法来估计伪码序列时,存在着当最大特征值和次大特征值相近时最大特征向量会受到干扰,进而影响伪码序列估计的问题。针对此问题,提出了一种基于正交特性的伪码序列估计算法。在已知码片速率和伪码周期的前提下,该算法首先把接收信号划分成长度为两倍码元宽度、数据重叠50%的数据段,然后用SVD估计出最大特征向量和次大特征向量,由于最大特征向量和次大特征向量是相互正交的,可以利用两者的正交特性来估计扩频序列。该算法不但能在信号失步时间未知的情况下估计伪码序列,而且仿真结果表明该算法具有稳定性高,需要的数据量少和能在低信噪比下有较好的估计性能等优点。

短码、周期长码直扩信号伪码序列盲估计

针对短码、周期长码直扩信号在不同的时延下伪码序列估计问题,提出了一种基于奇异值分解的盲解扩算法。在已知信息码元速率和伪码周期条件的前提下,算法首先把接收到的直扩信号按照一定长度进行分段构成相关矩阵并对此矩阵进行奇异值分解得出信号子空间,然后根据信号子空间和伪码序列的模糊关系,利用求解的模糊酉矩阵和特定约束条件(如m序列)去其模糊性,最终估计出伪码序列。仿真结果表明,该算法不仅解决了在不同的时延下估计伪码序列带来的问题,而且具有稳定性高、在低信噪比条件下有良好的估计性能等优点。

基于特征值分解的直扩信号信息序列和伪码序列盲估计方法

本文研究了非协作扩频通信中短码直扩信号的盲解扩问题,针对现有方法在低信噪比条件下失步时间估计不准等问题,本文提出了一种改进的基于特征值分解的直扩信号信息和伪码序列盲估计方法。方法首先定义了第一类接收信号自相关矩阵,并根据其特征值分解的特点,利用矩阵特征值与失步点的关系完成信号失步点的估计,随后利用特征向量在伪码序列未知的情况下估计出信息序列。失步点估计完成以后,再利用第二类接收信号自相关矩阵的特征向量实现伪码序列的盲估计。实验结果表明方法具有估计精度高、稳定性好、抗噪性能强的优点。

非周期长码直扩信号同步及伪码序列盲估计

非合作直接序列扩频系统中伪随机码的估计与同步是正确获取信息的关键。现有的研究成果多集中在短码或周期长码直扩信号的解扩,该文针对无伪码先验知识条件下NPLC-DSSS信号的失步时间估计问题,提出一种基于相关矩阵元素分布建模的方法,该方法以信息码宽分段的信号构建自相关矩阵,并以该矩阵的Frobenius范数与失步时间之间的对应关系,实现NPLC-DSSS信号失步时间的精确估计。在此基础上,通过引入判决辅助思想构建了循环迭代结构实现了NPLC-DSSS信号伪码序列的盲估计。最后,推导了该伪码序列盲估计问题的Cramer-Rao理论界。数值分析结果表明,文中所述算法在相同的信噪比和数据量条件下具有更好的估计精度,且对伪码的估计性能接近理论界。

基于判决辅助的异步CDMA信号多伪码序列盲估计算法

针对多径异步码分多址(CDMA)信号多用户伪码盲估计问题,利用发送符号的有限元(FA)特性,提出了一种基于最大似然的判决辅助(DA)算法,构建了信息码、伪码及信道的双层迭代估计结构,实现了异步CDMA信号的高性能多伪码盲估计,并推导了异步体制CDMA信号伪码盲估计问题的Crammer-Rao界(CRB),从而评估了所提算法的性能。仿真实验表明,相比现有常用的迭代最小二乘投影(ILSP)算法,所提算法估计精度性能实现较大提升,接近理论界,在用户数量较多时也能实现较优估计。

宽间隔跳频伪码序列的研究

利用６４级ｍ序列＋非线性变换的方法产生宽间隔跳频伪码序列，结果显示：在跳频间隔１ＭＨｚ以内，其均匀性和随机性能良好，非线性化和抗破译能力大大增强。

基于特征向量重叠特性的伪码序列盲估计

在短码直扩信号的伪码序列盲估计中,可采用二倍伪码周期进行分段并使用特征值分解算法、奇异值分解算法或者压缩投影逼近子空间跟踪的算法估计伪码序列。如果非同步时延接近一周期完整伪码序列的始端或者末端时,会出现最大特征值与次大特征值相近,那么此时最大特征向量是最大特征值和次大特征值对应特征向量的线性组合,即最大特征向量存在酉模糊,从而导致从最大特征向量中估计伪码序列的性能较差。针对此问题,利用最大特征向量与次大特征向量存在的重叠特性,对分段后计算出的特征向量进行分析,提出了一种消除盲估计中酉模糊的算法。实验表明,该算法易实现且在低信噪比下性能良好。