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。     

在残余频偏下微弱直扩信号伪码周期的谱检测

针对存在残余频偏调制下的微弱直扩(DS)信号的伪码(PN码)周期截获的难题,拓展了先前提出的基于信号功率谱二次处理的方法。该方法先对带残余频偏调制的微弱DS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取其第二次功率谱,于是所得二次功率谱将在PN码周期整数倍处出现代表信号存在的尖锐脉冲。通过对这些尖脉冲间的距离进行检测,就可以获得DS信号PN码周期参数的检测估计。理论分析和计算机仿真表明,该方法基本不受输入信号残余频偏的影响,在很大频偏和较低的输入信噪比条件下都能良好地工作。     

DS-UWB信号伪码周期的谱估计

针对接收端接收到缺乏先验知识的超宽带信号以后,如何确定其伪噪声(PN)码周期的难题,提出了一类基于信号功率谱二次处理的方法.该方法首先对直接序列扩频超宽带信号的功率谱进行估计,然后把估计出的信号功率谱作为输入信号再求功率谱,发现信号的二次功率谱脉冲位置与PN码周期密切相关,将本方法运用于非合作方式通信信号估计场合,只要检测出其相邻脉冲峰值的间隔就能估计出PN码的周期.最后通过计算机模拟程序验证了该方法在较低的输入信噪比条件下与理论分析结果一致,显示了该方法的有效性.     

直扩信号的谱检测和神经网络估计

论述了二次谱理论、谱相关理论和神经网络方法在直接序列扩频(DS/SS)信号的检测与估计中的应用,提出了利用谱分析结合神经网络的方法来实现对低信噪比DS/SS信号的参数及其伪码(PN)序列的估计.计算机模拟结果表明,该方法在较低的输入信噪比条件下能良好地工作.     

基于分数采样的直扩信号滑动相关盲同步方法

详细分析了DS-SS信号在相关域的特征、性能,充分利用DS-SS信号扩频伪码的尖锐自相关特性和噪声的互相关特性,在已知PN码周期的前提下,提取一PN码周期DS-SS/BPSK信号作为已知PN码,采用分数采样构造滑动相关曲线,检测相关峰的位置实现DS-SS/BPSK信号盲同步,并对该算法的同步精度以及其适应的输入信噪比进行了分析。理论分析和仿真实验证明,盲同步精度与信噪比,伪码长度周期,分数采样系数,以及相关数据段密切相关。在一定的计算复杂性条件下,该方法可有效实现负信噪比(SNR<-17dB)DS-SS/BPSK信号盲粗同步,为快速进行精确同步奠定了基础。     

基于多主分量神经网络的同步DS-CDMA伪码盲估计

针对批处理方法在实现非等功率同步直接序列码分多址(direct sequence code division multiple access, DS-CDMA)信号伪码序列盲估计时存在的复杂度高、收敛速度慢的问题,引入了3种多主分量神经网络(Sanger NN、LEAP NN和APEX NN)。首先将已分段的一周期DS-CDMA信号作为神经网络的输入信号,用神经网络各权值向量的符号函数代表DS-CDMA信号各用户的伪码序列,然后通过不断输入信号来反复训练权值向量直至收敛,最终DS-CDMA信号各用户的伪码序列就可以通过各权值向量的符号函数重建出来。此外,本文提出了一种在递归最小二乘(recursive least square, RLS)意义下的最优变步长收敛模型,极大地提高了网络的收敛速度。理论分析与仿真实验表明:将3种神经网络用于同步非等功率DS CDMA信号伪码盲估计时的复杂度均明〖JP2〗显降低,且LEAP NN与Sanger NN均可有效地实现-20 dB信噪比、10个用户下的同步非等功率DS-CDMA〖JP〗伪码盲估计,APEX NN则相对较差,此外,LEAP NN消耗内存较大、收敛速度快,APEX NN相反,Sanger NN则介于两者之间。     

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。     

基于正交特性的短码直扩信号伪码序列盲估计

在短码直扩信号伪码序列的估计中,当使用特征值分解(eigenvalue decomposition,EVD)算法、奇异值分解(singular value decomposition,SVD)算法和压缩投影逼近子空间跟踪(projection approximation subspace tracking with deflation,PASTd)算法来估计伪码序列时,存在着当最大特征值和次大特征值相近时最大特征向量会受到干扰,进而影响伪码序列估计的问题。针对此问题,提出了一种基于正交特性的伪码序列估计算法。在已知码片速率和伪码周期的前提下,该算法首先把接收信号划分成长度为两倍码元宽度、数据重叠50%的数据段,然后用SVD估计出最大特征向量和次大特征向量,由于最大特征向量和次大特征向量是相互正交的,可以利用两者的正交特性来估计扩频序列。该算法不但能在信号失步时间未知的情况下估计伪码序列,而且仿真结果表明该算法具有稳定性高,需要的数据量少和能在低信噪比下有较好的估计性能等优点。     

融合调频遥测和伪码测距的寄生调制技术

针对飞行器测控系统将高码率遥测数据和伪码测距信号分流传输的不足,提出一种全新遥外测体制,将测距伪码(pseudo-noise, PN)寄生在调频(frequency modulation, FM)遥测信号中,生成一种融合调频遥测和伪码测距的寄生调制信号,实现高码率遥测数据和测距信号的单流传输。研究FM+PN体制的调制、解调原理,从理论上分析信号频谱及遥外测性能,并通过仿真得到不同参数下的频谱特性、遥测解调误码率和测距精度,给出了调制参数选择建议。仿真结果表明,将FM+PN体制应用到飞行器测控系统中,可将所需带宽降低为现有测控体制的40%,大大提高带宽利用率,而遥测误码率性能损失很小。     

基于谱图的伪码调相与线性调频复合信号参数估计

研究了基于谱图的伪码调相与线性调频（pseudo random binary code and linear frequency modulation, PRBC-LFM）复合信号参数估计算法,根据PRBC-LFM信号的谱图特点给出了其伪码参数（子脉冲宽度、脉冲重复周期和伪码重复周期等）和调频参数（载频、调制斜率）的估计方法。结合瞬时频率估计误差理论,分析了谱图窗函数窗长的选择对信号参数估计精度的影响。另外,为了评价该参数估计方法的性能,推导了PRBC-LFM信号参数估计的克拉美罗界。理论分析和仿真实验表明,选择中等长度的窗函数,在信噪比为0~10 dB范围内,该估计方法比较接近克拉美罗界。     

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...     

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。     

基于延迟相乘和能量累积的DSSS信号参数估计算法

针对直接序列扩频(direct sequence spread spectrum, DSSS)信号截获和参数盲估计问题,提出了一种采用延迟相乘和能量累积实现DSSS信号参数估计的新方法。该算法采用延迟相乘估计伪随机码（pseudonoise,PN）周期,将延迟相乘序列分成连续的片断,通过累积能量最大值搜索估计信息码周期,实现了PN码序列和信息序列的估计。理论分析和仿真结果表明,在加性高斯白噪声条件下,对扩频增益为G_p dB的DSSS信号,在信噪比高于-G_p/2 dB的条件下,该算法能够实现稳定的参数提取。该算法不需要预先设定门限和参数,适合采用硬件设计实现。     

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。