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
从远距离无线电(Long Range Radio,LoRa)信号的基本原理出发,介绍了信号的调制与解调基本方法,重点分析了LoRa信号解调时所需参数的盲估计方法,综合其他研究成果提出了一种互相关峰值二维搜索的载波误差及信号同步检测方法,最后通过计...从远距离无线电(Long Range Radio,LoRa)信号的基本原理出发,介绍了信号的调制与解调基本方法,重点分析了LoRa信号解调时所需参数的盲估计方法,综合其他研究成果提出了一种互相关峰值二维搜索的载波误差及信号同步检测方法,最后通过计算机仿真了高斯白噪声信道下LoRa信号的同步检测概率,验证了载波误差估计及同步检测方法的可行性。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。
文摘从远距离无线电(Long Range Radio,LoRa)信号的基本原理出发,介绍了信号的调制与解调基本方法,重点分析了LoRa信号解调时所需参数的盲估计方法,综合其他研究成果提出了一种互相关峰值二维搜索的载波误差及信号同步检测方法,最后通过计算机仿真了高斯白噪声信道下LoRa信号的同步检测概率,验证了载波误差估计及同步检测方法的可行性。