基于时分数据调制信号的N-χ系数捕获判决方法

时分数据调制(TDDM)信号的应用大大提高了扩频通信系统的频带利用率和适应复杂环境的能力。针对TDDM信号捕获过程中的基带数据翻转位置模糊问题,考虑到TDDM信号独有的调制特性以及现有捕获判决方法的不足,提出一种N-χ系数捕获判决方法,该方法基于基带数据翻转位置与并行处理中相关结果的线性关系建立χ系数判决式,通过对当前累积时间进行N分段并测得每段区间内χ系数的平均值,进而得出基带数据翻转的准确位置。仿真结果表明:当分段数N≥4时,N-χ系数捕获判决方法判决基带数据翻转位置的精确度在99%以上;与模糊抑制捕获判决方法进行对比分析,无论是捕获精度或是环境适应性,N-χ系数捕获判决方法都优于模糊抑制捕获判决方法,验证了该方法用于消除基带数据翻转位置模糊问题的有效性和先进性;该方法的研究为新一代扩频调制接收设备的开发提供了理论参考。

时分数据调制偏移载波信号的多参数盲估计

针对时分数据调制二进制偏移载波(TDDM-BOC)信号副载波速率、伪码速率以及载频等参数盲估计问题,该文提出一种基于频域累积的循环自相关算法。首先在接收端对TDDM-BOC信号求循环自相关函数,再在频域累积,通过检测不同切片上的谱峰间隔,可以同时估计以上多个参数。仿真实验证明了改进型的循环自相关算法能在低信噪比下达到较为精确的估计性能,这为我国"北斗"导航接收机的研发提供了一定的理论参考。

基于影响因子的时分数据调制信号模糊抑制同步算法

为解决时分数据调制(TDDM)方式而引发的信息码位符号翻转模糊问题,提出了一种基于影响因子的模糊抑制同步算法。首先通过搜索引导处理快速地解决伪码搜索范围大的问题;进一步,通过建立影响因子及分段处理,解决信息码符号翻转位置模糊问题。通过理论推导及仿真分析表明,新算法的翻转位置估计精度可以达到>98.8%;新算法与传统的PN算法比较,不但提高了估计精度,而且能够适应更低信噪比环境,同时降低了处理复杂度。

一种基于时分数据调制的加权分数阶傅里叶变换通信方法

加权分数阶傅里叶变换是一种新型物理层保密通信方式,可极大地提高通信系统的抗调制方式识别能力。针对单参数加权分数阶傅里叶变换易被破解的不足,提出一种基于时分数据调制的加权分数阶傅里叶变换通信方法。该方法采用奇偶位不同调制的策略,充分利用旋转因子动态加密,进行时分数据加权分数阶傅里叶变换调制,减弱信道中噪声对信号的影响,从而提高加权分数阶傅里叶变换调制信号的可靠性和安全性。仿真结果表明:基于时分数据调制的加权分数阶傅里叶变换调制信号,能够提高传统加权分数阶傅里叶变换信号的可靠性,显著降低窃听方的破译能力,可进一步增强信息传输的保密性能。

TDDM-BOC调制信号参数估计方法

在研究TDDM-BOC调制信号产生机理的基础上,对TDDM-BOC调制信号的特性进行了分析.依据TDDM-BOC调制序列自相关函数与信号参数之间的关系,提出一种TDDM-BOC调制信号参数估计方法,实现了对信号载波频率、扩频码速率和方波副载波速率的有效估计,并对算法性能进行了仿真.仿真结果表明算法可在信噪比高于-14 dB条件下实现有效估计.

一种TDDM扩频方式下BOC调制信号的同步方法

关于时分数据调制(TDDM)扩频方式下二进制偏移载波(BOC)调制信号(简称T-B信号)的同步接收问题,目前还没有较好的解决方案。针对传统同步方法在TDDM方式下成功概率低,无法满足TDDM扩频方式接收要求的问题,提出了一种T-B信号同步方法。根据T-B信号的特点,采用粗同步、精同步的方法对T-B信号进行处理实现信号的直捕和跟踪。仿真结果表明,此方法解决了T-B信号的直捕及跟踪问题,且输出导航电文的正确率大于98%.

基于TDDM调制方式的sin-BOC信号精确捕获算法

针对时分数据调制(time division data modulation,TDDM)的正弦型二进制偏移载波(binary offset carrier,BOC)自相关函数多峰性导致的无法精确捕获的问题,提出了一种基于子相关函数组成的相关函数捕获算法。该算法通过接收信号和调制过的本地伪码分别与本地TDDM-BOC信号子载波的每一个码片相关,根据两种相关函数之间的对应关系,合成一种精确的无模糊捕获算法,并详细介绍了捕获算法原理。理论和计算机仿真表明,该算法运算复杂度低,而且完全消除了副峰,在同一条件下,主峰峰值能量相对于相关重构算法提高了79.5%。

TDDM-BOC信号组合码序列及信息序列盲估计

该文针对低信噪比下TDDM-BOC(Time Division Data Modulation-Binary Offset Carrier)信号的组合码序列(将伪码序列和副载波序列看成一个整体序列)及信息序列盲估计问题,提出一种改进的基于奇异值分解的方法。该方法首先利用双信息符号周期、间隔一信息符号周期的时间窗对接受信号进行分段,并构成观测矩阵。然后对观测矩阵进行奇异值分解,通过左奇异向量实现组合码序列的盲估计。同时,通过右奇异向量实现信息序列的盲估计。仿真分析表明,该方法能够在较低的信噪比下达到精确估计的目的。这对于从事卫星导航接收机设计具有一定的参考价值。

TDDM-BOC信号副载波类型识别及参数盲估计

针对低信噪比下二进制偏移载波时分数据调制(time division data modulation-binary offset carrier,TDDM-BOC)信号的副载波类型盲识别及参数盲估计问题,提出了一种改进的基于循环谱包络的方法。该方法首先建立副载波分别为正弦和余弦时的TDDM-BOC信号模型,然后推导其对应的循环谱包络,最后通过在循环频率域的一维搜索即可完成副载波的类型识别以及伪码速率和副载波速率的盲估计。仿真分析表明,对于TDDMBOC(10,5)信号,该方法能在低信噪比下对副载波类型进行有效识别并且实现伪码速率、副载波速率的有效估计。

基于Sanger神经网络的TDDM-BOC信号组合码序列盲估计

针对低信噪比(SNR)下时分数据调制二进制偏移载波调制信号(TDDM-BOC)的组合码序列盲估计问题,提出一种基于Sanger神经网络(Sanger NN)的新方法。首先将已分段的信号作为输入信号并利用Sanger NN提取各主分量的权值向量;然后通过其多次输入反复训练权值向量,直至权值向量达到收敛;最终利用各个权值向量的符号函数重建信号的组合码序列,实现TDDM-BOC组合码序列的盲估计。此外,采用最优变步长的方法来提高收敛速度。理论分析和仿真实验表明,Sanger NN可以实现-20.9~0 d B信噪比下TDDM-BOC信号组合码序列的盲估计,且其复杂度明显低于传统奇异值分解(SVD)法和自适应特征提取的在线无监督学习神经网络(LEAP);尽管Sanger NN收敛所需数据组数大于LEAP,但收敛时间明显少于LEAP算法。

TDDM信号的非对等广义差分捕获算法

时分数据调制(TDDM)信号已经得到广泛使用,但现有的TDDM信号高灵敏度捕获算法主要依靠非相干累加提升灵敏度。为了实现弱信号环境下的TDDM信号捕获,提出一种非对等广义差分捕获算法。该算法对数据码和导频码的相关运算结果分别进行不同次数的广义差分相干累加,并将结果以非相干的方式合并,具有高灵敏度、高频域捕获分辨率的特点,适用于TDDM信号的高灵敏度捕获。通过建立MATLAB平台进行算法仿真,仿真结果表明该算法捕获灵敏度在数据长度为80ms时比常规算法高约1dB,数据长度为200ms时比常规算法高约1.5dB。

一种基于TDDM裂谱信号的解模糊位搜索法

时分数据调制(TDDM)裂谱信号作为一种新调制信号,具有独有的电文翻转位模糊特性,导致了采用通常的搜索方法无法正确输出电文的现象。针对TDDM裂谱信号特性以及现有搜索方法的不足,提出了一种解模糊位搜索法。该方法主要分为合路快捕及解模糊位判决两个阶段。其合路快捕阶段,不但可以快速缩小搜索范围,而且可以避免由扩频方式而引起的漏捕现象;解模糊位判决阶段,可以去除电文翻转位的模糊度,正确输出电文的翻转位置。在理论推导的基础上,从性能及信噪比容限角度进行了仿真测试,测试结果表明,解模糊位搜索法对TDDM裂谱信号的电文翻转位判决精度可以达到100%。