长码直扩信号扩频序列估计

针对扩频序列周期不为信息码宽整数倍的多用户周期长码直扩信号,提出一种基于平行因子的长码直扩信号扩频序列估计方法。将周期长码直扩信号建模为缺失的短码直扩信号模型,利用插补法和交替三线性分解(ATLD)迭代算法估计扩频序列,在此基础上利用直接三线性分解(DTLD)算法设置初始矩阵,大大提高了多用户周期长码直扩信号的扩频序列估计性能和速度。

基于平行因子分析的欠定混合矩阵估计算法

针对现有算法在解决非稀疏信号的欠定混合矩阵估计中,存在的计算时间长、初值敏感且容易陷入局部收敛的问题,提出了基于平行因子分析的欠定混合矩阵估计算法。该算法利用信号的协方差矩阵构造三阶张量,采用直接三线性分解确定交替最小二乘(ALS)算法的初始迭代矩阵,然后在迭代过程中采用标准线搜索加速收敛,最终实现张量分解得到混合矩阵。仿真实验表明,该方法不要求信源的稀疏性,较ALS算法估计精度可以提高约3 dB,迭代次数减少约41.4%~84.3%,是一种有效的欠定混合矩阵估计算法。

基于PARAFAC模型的新型DS-CDMA盲接收机

根据平行因子(PARAFAC)模型,研究DS-CDMA盲多用户检测算法。将直接三线性分解算法(DTLD)与三线性交替最小二乘(TALS)算法结合,提出一种新的DTALS-PARAFAC盲接收机,解决了三线性交替最小二乘(TALS)算法中因为初始值估计不当引起的收敛速度差的问题。仿真结果表明,与TALS-PARAFAC接收机相比,DTALS-PARAFAC接收机改善了误码率性能,并且具有更快的收敛速度。