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。

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。

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%。

改进的SVD算法对BOC信号组合码与信息序列盲估计

针对低信噪比下二进制偏移载波信号的组合码序列以及信息序列盲估计问题,在未知时延下,利用奇异值分解(singular value decomposition,SVD)算法估计出的组合码序列及信息序列,其最大奇异向量和次大奇异向量之间可能存在酉模糊现象。对于该问题的研究,提出一种改进的SVD方法对最大奇异向量及次大奇异向量进行线性组合,接着最优化筛选出其相应的系数矩阵,最后结合系数矩阵估计出组合码序列与信息序列。仿真结果表明,改进的SVD算法可同时应用于组合码和信息序列的估计且不受未知时延的影响,具有消模糊效果好、需要数据量少和抗噪性能强的特点。

基于批处理和Teager-Kaiser算子的BOC信号联合捕获算法

针对较低信噪比条件下二进制偏移载波信号的捕获问题,提出了一种基于批处理和Teager-Kaiser(TK)算子的联合捕获算法。该方法首先对接收信号和组合扩频码进行批处理和平均处理,并将接收信号转换到频域进行多次循环移位;然后,将得到的最佳频偏补偿序列与组合扩频码进行圆周相关运算得到最大相关值;最后,引入相关峰能量最大值与次大值的比值作为门限判决变量,比较了所提TK算子法、差分相干累积算法和批处理算法的检测概率。仿真结果表明,在同一条件下,TK算子法检测概率比差分相干算法提高了约2dB,比批处理算法提高了约6dB,并减少了捕获时间。

非合作直扩信号伪码及信息序列联合盲估计

研究了短码直接序列扩频信号扩频序列及信息序列联合盲估计问题。在已知码片速率和扩频码周期的前提下,对接收信号以2倍伪码周期进行分段构造信号矩阵,然后对其进行奇异值分解,对最大和次大左奇异向量进行线性变换,得到信息序列;利用自相关函数从最大和次大右奇异向量中得到扩频码序列。该算法在失步时间未知的情况下能够同时估计出伪码序列及信息码序列,避免了传统特征值分解盲估计算法利用2个矢量空间组合扩频序列时存在的相位模糊问题。同时,在引入了矩阵的线性变换后,避免了不同时延估计结果存在模糊的问题,提高了盲估计性能。通过理论分析和计算机仿真结果表明:该算法能够有效估计扩频序列,并且具有精确度高、性能不受时延大小影响等优点。

低频电磁噪声实验及通信处理分析

低频段通信中强环境噪声会极大地降低通信性能。本文基于噪声实测实验,开展噪声特性分析和通信处理方法研究。首先通过噪声模拟实验,采集实测噪声数据。特性分析结果说明,低频噪声具有很强有色性,需引入噪声抑制处理。然后,分析了多种通信信号处理方案,包括传统通信处理、白化处理及滤波器设计处理。误符号率仿真表明滤波器设计算法能够很好地降低误符号率,且能避免白化滤波不稳健的缺点。

基于ICEEMDAN的雷达生命信号检测方法

线性调频连续波(FMCW)雷达能够通过非接触的方式采集人体的呼吸和心跳信号,为了去除和减少生命信号中的杂波干扰,本文提出了基于改进的自适应集合经验模态分解(ICEEMDAN)和长数据序列截取的生命信号分解方法,通过延长观察时间,然后截取时间序列,得到既定观察时间的最终固有模态函数(IMF)分量,通过模糊熵对所有IMF信号进行分析来识别含噪信号,并对含有噪声的IMF信号进行去噪处理,综合分析相关性和能量阈值的结果,挑选出合适的IMF分量重构生命信号。通过仿真和实测表明,所提出的方法能够大幅减少噪声,优于现有的去噪技术,有利于提高提取的呼吸和心跳信号的精准度和真实性。

基于Android的数据采集处理实验系统设计

传统的教学实验系统是采用有线串口与PC之间通信,无法移动设备,针对这种缺点,设计开发了基于Android平台的便携式的数据采集处理实验系统。通过分析系统在实验中的需求,提出设计思想以及实现方法。介绍Android平台的采集数据、记录数据、绘制曲线和现实拟合曲线。通过曲线拟合对变量间的关系进行分析,验证和发现规律。测试实验结果表明该实验系统符合实验所需功能。

基于幂函数型双稳随机共振的故障信号检测方法

在实际的故障诊断中,有用信号经常淹没在噪声中,特征信息提取非常困难。为了提取强噪声背景中的微弱信号,将幂函数型单势阱模型与Gaussian Potential模型相结合提出一种新型的双稳随机共振系统,称为幂函数型双稳随机共振系统。首先,以平均信噪比增益为衡量指标,提出一种寻找最优系统参数组合的算法,使微弱信号、噪声及系统产生最佳的共振效果;然后,基于幂函数型双稳随机共振系统对Levy噪声背景下的仿真信号进行检测;最后提出一种基于小波变换和幂函数型双稳随机共振的微弱信号检测方法并应用于轴承故障信号检测中。仿真实验表明,幂函数型双稳随机共振模型在故障信号检测中是有效和可靠的。

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。

基于相似度的直扩信号盲解扩方法

针对传统方法对直扩(direct sequence spread spectrum,DS-SS)信号进行盲解扩时,需要在估计出扩频序列后,才能完成信号盲解扩的问题,提出了一种基于相似度的DS-SS信号盲解扩方法。该方法首先在扩频码的码片速率和周期已知的条件下,以单倍扩频码周期的窗长对接收信号进行数据分段,然后对任意两段数据求相似度函数值,构造相似度函数值的特征信息矩阵,最后通过对构造的特征信息矩阵进行特征值分解就可以实现对信息序列及扩频码序列的盲估计。理论推导和仿真实验结果表明,该方法具有精度高、稳定性好,在信噪比容限值为-22dB的条件下也能够有效的盲估计DS-SS信号的信息序列及扩频码序列。

多径环境下的直扩信号伪码周期估计

针对低信噪比条件下多径直接序列扩频(直扩)信号伪码周期估计的难题,拓展了先前提出的单径环境下基于信号功率谱二次处理的方法,提出了在低信噪比条件下多径环境中直扩信号的伪码周期估计的二次谱算法。该算法首先对多径直扩信号求取功率谱,然后将所得到的功率谱作为一输入信号求其第二次功率谱,所得二次功率谱将在伪码周期整数倍处出现代表信号存在的尖峰脉冲,通过对这些尖峰脉冲间的距离进行检测就可以获得多径直扩信号伪码周期参数的检测估计。理论分析和计算机仿真结果表明:该算法可以有效地估计出多径环境下直扩信号的伪码周期,且估计性能和多径环境密切相关。

Levy噪声下一阶线性系统的弱信号复原分析

将Levy噪声与一阶线性随机共振SR系统相结合,采用Levy噪声模型和弱正弦信号模型,研究了不同Levy噪声环境下的调参广义随机共振现象及弱信号复原。首先分析了Levy噪声的特征指数α、对称参数β以及强度系数D对输入信噪比的作用规律;然后探究了不同分布的Levy噪声环境下一阶线性系统结构参数a的广义随机共振现象;最后提出了Levy噪声激励下线性系统高低频弱信号复原方法;研究结果表明:输入信噪比随α单调递增,随μ变化甚微,随D单调递减到一定程度后,不再减小保持定值;在Levy噪声作用下的一阶线性系统不能产生传统意义上的随机共振现象,但却存在互相关系数随结构参数a非单调变化的广义随机共振现象;在信号复原过程中,理论分析与实际仿真结果一致,证明所提复原方法准确可行。

二进制偏移载波及其衍生信号的通用无模糊捕获算法

针对目前对二进制偏移载波(Binary Offset Carrier,BOC)及其衍生信号的通用无模糊捕获分析匮乏的问题,该文提出一种适用于所有BOC类型信号及所有调制阶数的无模糊捕获算法。该算法首先根据不同调制信号副载波形之间的联系构建出了通用副载波模型,得到信号的通用表达式,然后在此基础上将副载波形按半周期进行分解,再根据相关函数的合成方法构建出通用的捕获方法。理论与仿真实验表明,新提出的捕获方法适用于所有类型及所有调制阶数的BOC信号,能够完全消除副峰,实现无模糊捕获,捕获精度以及抗多径性能相比其他算法都有很大提高。

基于BP神经网络的直扩信号扩频码盲识别

针对微弱直扩信号的盲检测与估计问题,在接收方未知发送方扩频序列的前提下,提出了一种恢复直接序列扩频(DSSS)信号扩频码的方法。该方法基于反向传播(BP)神经网络,它的输入是接收到的信号,而其期望输出是和输入相同的信号,根据误差反向传播来有监督地调节神经网络,网络达到收敛时根据第二层权值的符号函数值即可盲估计出扩频码序列。实验结果表明,即使是在负信噪比情况下,该方法也能得到一个很好的估计效果。

基于宽带聚焦矩阵和高阶累积量的OFDM信号的来波方向估计

为了解决正交频分复用(OFDM)宽带信号处理的问题,研究了基于宽带聚焦矩阵和高阶累积量的波达方向(DOA)估计方法。前者是通过傅里叶变换将宽带阵列数据分解为若干窄带信号,再利用一种聚焦矩阵将不同频带下的方向矩阵变换到同一参考频率下,然后用多重信号分类(MUSIC)算法来估计DOA;高阶累积量算法是通过聚焦操作,把各个窄带频率处的阵列输出矢量变换到聚焦频率处,然后求其累积量矩阵。对各个累积量矩阵进行加权平均并特征值分解,再应用MUSIC算法估计DOA。理论分析和仿真结果表明,两种方法都能够精确地估计OFDM信号的DOA,四阶累积量方法的空间分辨率比聚焦矩阵方法有所提高。四阶累积量算法扩展了阵列孔径,信噪比(SNR)较低的时候也有很好的适应性。

基于虚拟多用户模型的长码直扩信号伪码估计

针对长码直接序列扩频(DSSS)信号的伪随机码(PN)盲估计问题,提出了一种新的周期长码直接序列扩频信号(PLC DSSS)模型。该模型等同于虚拟多用户短码扩频DS-CDMA系统,采用DS-CDMA的谱范数来估计同步偏移,该算法不需要更多假定限制,利用相关函数二阶矩、特征值分解和模糊酉矩阵方法就可以完成伪码序列的估计。实验结果表明,在较低信噪比下就可以完成对PN码序列的精确估计,表现出良好的性能。

基于Simulink的微弱BPSK信号混沌解调仿真研究

针对微弱二进制相移键控(BPSK)信号的解调问题,对基于混沌系统的解调方法进行了研究。介绍了混沌系统微弱信号检测的原理,结合混沌系统产生相变的相位条件和BPSK信号的调制方式,给出了利用Duffing系统进行强噪声背景中BPSK信号解调的方法和步骤,并提出了利用功率谱熵对系统不同状态复杂度进行判别的新方法。在理论分析的基础上,建立了Matlab/Simulink仿真模型。仿真结果表明,利用混沌振子和功率谱熵解调微弱BPSK信号的性能优于传统的相干解调方法。

基于模糊酉矩阵TD-SCDMA突发信号组合码的盲估计

针对TD-SCDMA突发信号盲解扰与盲解扩的问题,该文提出了一种基于模糊酉矩阵组合码盲估计的方法。该方法将TD-SCDMA系统中短扩频码与固定长度的扰码一起视为小区的扩频码,即组合码,首先根据用户midamble码自身高度的相关性进行midamble码捕获和载波残余频偏估计;然后根据midamble码所处的相对位置,以扰码长度为周期对数据域信号进行分段截取,最后利用相关函数二阶矩、奇异分解法以及消除模糊关系的酉矩阵法,即可完成组合码的盲估计。仿真结果表明,该算法具有良好的估计效果,而且在估计复组合码前,无需估计组合码的周期。