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。     

基于神经网络的低信噪比CBOC信号组合码序列盲估计

针对低信噪比下复合二进制偏移载波(composite binary offset carrier, CBOC)信号的组合码序列盲估计问题。首先采用奇异值分解(singular value decomposition, SVD)的算法对CBOC的组合码序列进行可行性验证,可得在已知相关参数的情况下对CBOC信号组合码序列盲估计是可行的;其次就SVD在长序列估计中计算量和存储量需求大的问题,进一步提出主分量神经网络解决上述问题,同时引入最优变步长收敛模型改善神经网络(neural network, NN)收敛速度。利用无监督NN的自适应主分量提取信号特性,避免批处理运算,实现CBOC信号组合码序列盲估计。实验表明,NN能在-20 dB下达到精确估计序列的目的,且算法有稳定性高、复杂度低、收敛速度快等优点。     

直扩信号伪码周期及序列的估计算法

为了解决直扩信号伪码周期和序列估计的难题,提出了功率谱二次处理结合信号子空间分解的方法。该方法首先利用功率谱二次处理手段估计出直接序列扩频(DS-SS)信号的伪码周期,在此基础上采用信号子空间分解对DS-SS信号伪码序列进行盲估计。为了用信号子空间分解法对伪码序列实施精确估计,在其后加上了r1校正方法。计算机模拟结果表明,该方法在输入信噪比小于-14 dB时还能良好地工作。     

改进的直扩序列估计算法仿真研究

针对通信侦察中直扩信号伪随机（PN）序列估计的实际应用,对基带数据采用子空间分解的方法求得相互正交的特征向量;根据PN码序列自相关函数旁瓣能量低的原理,提出旁瓣能量检测系数,确定该对向量的相对相位,实现直扩序列波形的重构。该仿真算法克服了单纯子空间分解法中求解的部分数据段反相的缺点。仿真实验给出了不同信噪比下和不同数据长度时算法的性能仿真分析,表明该算法对PN序列的估计是十分有效和可靠的。     

基于子空间跟踪的扩频码盲估计算法

针对直接序列扩频(DS/SS)信号的扩频码盲估计问题,改进了特征分解的方法,利用滑动窗技术取得码同步,并提出了一种基于信号子空间跟踪的PN(pseudo noise)码恢复算法。计算机仿真表明,由于这种算法避开了直接的特征分解求解,降低了数据的存储量,易于硬件实现,具有良好的收敛特性,性能上优于已有的梯度算法和神经网络算法。     

面向中频的短码直扩信号数字盲解扩算法

针对直接序列扩频(direct sequence spread spectrum, DSSS)信号盲解扩问题,现有的方法大多基于矩阵分解理论,抽取主特征向量进行解调进而恢复伪码波形。非合作接收条件下,由于伪码波形未知且信噪比极低,载波频率、相位信息往往难以精确估计。考虑非合作接收条件,伪码未同步且含有随机载波频偏,现有方法常对两倍长度的复基带分段相关矩阵进行分解,带来了极大的计算资源消耗,并且存在性能退化等问题。本文提出了一种面向中频的短码DSSS信号数字盲解扩算法,分析了载波残余对伪码波形同步的影响,并通过中频实矩阵分解重构了伪码波形,最后针对含任意载波残余的DSSS二进制相移键控(DSSS-binary phase shifted keying, DSSS-BPSK)信号,设计了完整的从波形到比特的低复杂度盲解调解扩流程。仿真结果表明,所提算法拥有更好的误码率性能以及良好的载波参数鲁棒性。     

面向中频的短码直扩信号数字盲解扩算法

针对直接序列扩频(direct sequence spread spectrum, DSSS)信号盲解扩问题,现有的方法大多基于矩阵分解理论,抽取主特征向量进行解调进而恢复伪码波形。非合作接收条件下,由于伪码波形未知且信噪比极低,载波频率、相位信息往往难以精确估计。考虑非合作接收条件,伪码未同步且含有随机载波频偏,现有方法常对两倍长度的复基带分段相关矩阵进行分解,带来了极大的计算资源消耗,并且存在性能退化等问题。本文提出了一种面向中频的短码DSSS信号数字盲解扩算法,分析了载波残余对伪码波形同步的影响,并通过中频实矩阵分解重构了伪码波形,最后针对含任意载波残余的DSSS二进制相移键控(DSSS-binary phase shifted keying, DSSS-BPSK)信号,设计了完整的从波形到比特的低复杂度盲解调解扩流程。仿真结果表明,所提算法拥有更好的误码率性能以及良好的载波参数鲁棒性。     

基于传播算子算法的扰码序列估计方法

针对扰码序列的盲识别问题,提出了一种基于传播算子的估计方法。首先根据扰码长度将加扰数据分段排列得到观测矩阵,并计算观测矩阵的传播算子,得到扰码序列的初步估计,此时扰码序列中仍含有误码;采用最大似然方法估计出含错扰码序列的生成多项式,根据生成多项式完成扰码序列的最终估计,并根据扰码序列之间的相关性,实现扰码序列的盲同步。仿真实验验证了所提算法的有效性,并对算法计算量和误码适应性进行了理论分析。仿真结果表明,所提算法计算量明显少于已有的特征值分解算法。     

异步LC-DS-CDMA信号的盲解扩

针对低信噪比下异步长码直接序列码分多址(direct sequence-code division multiple access, DS-CDMA)信号伪码序列难以估计的问题,提出一种基于嵌套迭代最小二乘投影和库搜索算法相结合的盲解扩方法。该方法先将接收到的异步长码DS-CDMA信号建模成含有缺失数据的短码DS-CDMA信号,并使用重叠窗对信号进行分段构造观测数据矩阵。然后,使用最大似然理论对其进行数学建模,并用嵌套迭代最小二乘投影算法实现各用户伪码序列片段的粗提取。最后,将提取出来的伪码序列在有限长的生成多项式库中进行匹配搜索,从而得到该序列的生成多项式。仿真实验及理论分析验证了该方法对异步长码DS-CDMA信号伪码序列估计的有效性。     

改进Walsh码软扩频盲解扩算法

采用传统密度峰聚类算法实现Walsh码软扩频信号盲解扩时,算法的截断距离根据经验选取,性能不稳定。针对这一问题,提出改进密度峰聚类软扩频信号的盲解扩算法。该算法采用赋权欧氏距离作为数据的相似性度量并根据数据总体分布情况自适应确定截断距离,具有效率高、性能稳定等特点。Matlab环境下仿真结果表明,文中所述的改进算法能够自动确定截断距离,在信噪比为0~10 dB范围内准确估计伪码序列规模数和伪码序列,并在该条件下实现Walsh码软扩频信号盲解扩。     

基于噪声特征向量重构的地波雷达单次快拍超分辨算法

高频地波雷达在一个相参积累时间内通常只能得到频域一次快拍,利用其直接进行波达方向估计性能较差。针对这一问题,在分析时、频域协方差矩阵特征分解后差异的基础上,在频域采用降维方法估计协方差矩阵。根据频域目标信噪比相对较大的特点,利用最大特征值对应的信号特征向量构造原始的数据矩阵,并对该矩阵进行奇异值分解得到新的噪声子空间,进而构造出新的噪声特征向量,最后利用该噪声特征向量进行方位角估计。仿真和实测数据分析验证了算法的有效性,相比降维Toeplitz算法和前后向空间平滑算法有着更高的分辨力和估计精度。     

Subspace decomposition-based correlation matrix multiplication

The correlation matrix, which is widely used in eigenvalue decomposition （EVD） or singular value decomposition （SVD）, usually can be denoted by R = E[yiy＇i]. A novel method for constructing the correlation matrix R is proposed. The proposed algorithm can improve the resolving power of the signal eigenvalues and overcomes the shortcomings of the traditional subspace methods, which cannot be applied to low SNR. Then the proposed method is applied to the direct sequence spread spectrum （DSSS） signal＇s signature sequence estimation. The performance of the proposed algorithm is analyzed, and some illustrative simulation results are presented.     

基于相关熵的扩频周期估计方法

针对低信噪比下直接序列扩频信号扩频周期估计难题,利用相关熵可度量随机过程局部相似性的特点,提出了一种基于相关熵的估计新方法。首先分析了相关熵隐含的周期性,理论上推导了证明周期性存在的系列表达式,据此分析出可由接收信号的相关熵峰值间隔估计扩频周期。此外,研究了信息码的存在对扩频周期估计性能产生的影响,并针对此问题,在相关熵法的基础上提出了一种延时相乘相关熵分析法。仿真结果表明,与常用的基于功率谱的倒谱法和二次谱法,以及基于自相关函数的波动相关法相比,该文所提出的基于相关熵的新方法有更好的扩频周期估计性能。     

低信噪比长伪码直扩信号伪码周期的估计方法

针对低信噪比长伪码调制直扩(DS-SS)信号的伪码(PN码)周期参数估计的难题,提出了一类基于信号功率谱二次处理的新方法。该方法首先对信号的功率谱进行估计,接着将估计出的功率谱作为输入信号再来求取功率谱,最后得到的二次谱就会在长伪码调制DS-SS信号PN码周期的整数倍处得到一列尖锐的二次谱线,通过估计这些谱线的间距就可以获得其PN码的周期估计。为了在低信噪比情况下增强二次谱线和估计效果,采用了由多个接收信号矢量计算得到的二次谱结果进行平均累积的办法。理论分析和计算机模拟表明,该类方法在较低的输入信噪比条件下能良好地工作。     

非周期直扩信号PN码盲估计技术

在非协作信息侦测情况下,在扩频周期内,由于非周期性直接序列扩频（direct sequence spread spectrum, DSSS）信号的扩频序列具有不可重复性,再加上扩频信号的非同步性,使得扩频码的盲估计十分困难。在信息序列不相关,且已知扩频码周期、码速率和信息速率等参数的前提下,提出一种针对非周期性DSSS信号PN(pseudo-noise)序列的盲估计方法。该方法按照信息码元宽度进行分段,利用子空间跟踪算法估计各段PN序列,结合滑动窗口方法实现盲同步,并按照一定的顺序排列拼接实现PN序列盲估计。仿真结果表明,该方法运算量小,对存储空间要求低,在低信噪比条件下可快速准确恢复PN码序列。     

Approach to blind estimation of the PN sequence in DS-SS signals with residual carrier

This paper presents an approach of singular value decomposition plus digital phase lock loop to solve the difficult problem of blind pseudo-noise (PN) sequence estimation in low signal to noise ratios (SNR) direct sequence spread spectrum (DS-SS) signals with residual carrier. This approach needs some given parameters, such as the period and code rate of PN sequence. The received signal is firstly sampled and divided into non-overlapping signal vectors according to a temporal window, whose duration is two p...     

Low complexity method for spreading sequence estimation of DSSS signal in non-cooperative communication systems

It is a necessary step to estimate the spreading sequence of direct sequence spread spectrum (DSSS) signal for blind despreading and demodulation in non-cooperative communications. Two innovative and effective detection statistics axe proposed to implement the synchronization and spreading sequence estimation procedure. The proposed algorithm also has a low computational complexity with only linear additions and modifications. Theoretical analysis and simulation results show that the algorithm performs quite well in low SNR environment, and is much better than all the existing typical algorithms with a comprehensive consideration both in performance and computational complexity.     

基于矢量重构的双基地MIMO雷达相干多目标定位

提出了一种基于目标信息矢量重构的双基地多输入多输出（multiple-input multiple-output, MIMO）雷达相干信源角度估计方法。利用目标信息矢量中的元素,构造出解相干处理的通用块Hankel矩阵。证明了该矩阵的秩为总目标数时矩阵行数和列数所应满足的条件,并基于奇异值分解求解出信号和噪声子空间,然后利用ESPRIT算法获得角度的估计值。同时,给出了直接数据提取法和特征矢量提取法来获得目标的信息矢量。仿真实验表明：本文算法能够有效地估计出相干信源的收发角度,且实现自动配对;当兼顾角度估计精度和算法的复杂度时,应满足块Hankel矩阵的行数不大于列数;在低信噪比下,本文算法的估计精度优于空间平滑算法,且特征矢量提取法的估计精度优于直接数据提取法。