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。     

异步DS-CDMA最优混沌序列集的性能分析

为了获得异步DS—CDMA系统的最优扩谱序列，给出了一套用来选取混沌二值序列的优化准则。基于这一优化准则，我们从Chebyshev映射生成的混沌序列中选取并构造出最优混沌二值序列集合。利用该集合作为异步DS-CDMA系统的扩谱序列，所得到的系统仿真结果符合最优扩谱序列的理论分析值，因此可以被认为是异步DS-CDMA系统的一个最优扩谱序列集合。     

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。     

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。     

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。     

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。     

基于码域频域FFT的伪码捕获的改进与实现

在一个数据周期内嵌入M个周期为N的伪码序列,对该数据周期内的伪码序列以伪码周期为间隔进行抽取,得到长度为M的N个新序列,并组成一个N×M的矩阵,然后对该矩阵的每一行进行频域FFT,每一列进行码域FFT,这样就能同时在频域和码域中应用FFT进行伪码捕获,避免了因步进搜索而造成的捕获时间增加.仿真表明了该方法的有效性,并对仿真结果进行了理论分析,给出了硬件实现方案和测试结果.     

不平衡最小二乘支持向量机

针对标准的最小二乘支持向量机(LSSVM)没有考虑样本分布不平衡的问题提出一种称为不平衡最小二乘支持向量机的算法.首先用标准的最小二乘支持向量机对原始数据进行初步训练,产生一个分离超平面的法向量.然后把高雏样本投影到该法向量上得到一维数据.最后由该一维数据的标准差以及样本数量差异所提供的信息,给出两类数据惩罚因子比例,再用标准的最小二乘支持向量机进行第二次训练,对分离超平面进行调整.该方法克服传统方法只考虑数量的不平衡的不足,将原有样本集中具有的分类信息充分提取出来,提高了最小二乘支持向量机的泛化能力.实验结果表明,所提方法可以有效提高不平衡数据的分类性能.     

基于迭代最小二乘的按序串行干扰消除MIMO判决反馈算法

基于迭代最小二乘的按序串行干扰消除MIMO判决反馈算法在应用迭代最小二乘算法得到的前馈数据向量中按序将已检测并判决出的信号进行消除,并将前馈数据向量合并到反馈擞据向量中,避免了已判决出的信号对前馈数据向量的干扰,使系统检测性能得到了明显改善.在多散射物的无线通信环境下进行仿真实验,结果表明与传统的采用迭代最小二乘按序判决反馈算法相比,所提算法检测性能提高,误码率显著下降.     

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.     

异步码分多址系统中盲窄带干扰抑制

对于在频率选择性衰落信道下,异步码分多址系统的窄带干扰的抑制,给出了基于MMSE的权值向量闭合表达式,为了降低算法计算量并自适应更新该闭合表达式,利用子空间方法对该闭合表达式进行逼近,同时利用子空间跟踪方法对该权值向量进行更新。由于该方法只需期望信号特征序列及其时延,因此是一种盲干扰抑制方法。该算法对窄带干扰类型不敏感而且不需要知道干扰模型,因而适用于抑制不同的窄带干扰。对BPSK、多频以及二者的混合窄带干扰模型进行了干扰抑制仿真,结果验证了该算法对不同的窄带干扰模型均可以取得很好的干扰抑制效果。     

基于累积张量分解的雷达信号欠定盲分离算法

针对时域和频域不充分稀疏条件下的雷达信号欠定盲分离问题,提出了基于信号不同时延的累积量与三阶张量分解估计混合矩阵的方法,并通过修正子空间投影算法完成对雷达源信号的恢复。首先将混合信号的四阶累积量表示成三阶张量,利用三阶张量分解获得混合矩阵估计值;通过求解雷达源信号任意时频点处对应的估计矩阵的列矢量,得到该时频点处最优超定矩阵的伪逆并恢复源信号。该算法可以解决复杂电磁环境下时频域同时混叠的雷达信号盲分离问题,仿真结果表明与现有算法相比提高了盲分离中混合矩阵估计性能和源信号恢复性能。     

利用IC 卡数据估计公交OD 矩阵的模型及算法

利用公交IC卡数据建立了估计公交系统OD矩阵的双层数学规划模型,上层问题为广义最小二乘模型,下层问题为以变分不等式表示的基于超路径的公交网络均衡配流模型.采用启发式算法求解该双层数学规划模型,由于非对称性,运用了自适应的投影方法来求解下层的变分不等式问题,算例表明了模型的可行性和算法的有效性.     

大多普勒偏移下直接序列扩频信号捕获新方法

针对具有大多普勒偏移的直接序列扩频信号捕获问题,提出一种基于快速傅里叶变换(FFT)的多普勒和伪码分别并行搜索的捕获新方法.该方法利用伪码二相调制特性,通过乘法消除伪码影响,得到多普勒估计值,在此基础上运用圆周相关法得到的伪码相位估计值.计算机仿真表明,它能更快、更高精度地完成多普勒频率一伪码相位的二维搜索,且捕获时间与多普勒偏移大小无关,尤其适用于大多普勒环境.     

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。     

FMCW雷达周期非线性相位估计与矫正

为获取高质量距离像,解线频调接收体制的调频连续波雷达通常需要进行非线性矫正。传统基于多项式模型的方法虽然能够矫正系统中绝大部分的非线性失真,但难以抑制由周期非线性引起的成对回波,距离压缩质量仍有较大提升空间。本文将剩余的周期非线性误差建模为多分量正弦调频信号,提出一种匹配初值与非线性最小二乘相结合的参数估计方法。所提算法仅采用傅里叶变换以及一维相位搜索即可实现正弦调频参数的快速估计,然后利用非线性最小二乘进一步提高估计精度,最后利用匹配傅里叶变换进行空变非线性矫正。仿真以及实测数据均表明,本文所提算法能够有效消除周期相位误差,抑制成对回波,显著改善距离压缩质量。     

Research of a newer spread-spectrum CDM telemetry communication system

In order to reduce the multiplexing interference and enhance the information data transmission efficiency of the common spread-spectrum telemetry communication system, based on the m-sequence' s parallel move equivalent sequence, one type of spread-spectrum CDM(code division multiplexing) telemetry communication system is issued. The method of anti-multiplexing interference of the system is given, i.e. through using the parallel move equivalent sequence to modulate the antipodal signal of each path's data, then transmitted with the same channel. Data transmission rate,the error probability and multiplexing interference of the proposed system are analyzed. Mathematic analysis provesthat the system not only holds all the merits which are inherent in common spread-spectrum telemetry communication system,but also has better transmission efficiency. Simulation result validated the proved conclusion.     

基于频谱累积量的线性分组码检测识别方法

针对非合作信号处理中的线性分组码盲识别问题,提出了一种基于有限域傅里叶变换（Galois field Fourier transform, GFFT）的检测识别方法。该方法对接收码序列按不同长度进行分段,对分段码字进行有限域上的傅里叶变换并计算其频谱的累积量。通过频谱累积量的不同分布情况,可以估计出正确的分组码长度。同时从频谱累积量中找出码字生成多项式的根,进而得到码字的生成多项式。仿真实验验证了算法的有效性,并对算法的误码适应能力和计算复杂度进行了仿真分析,最后给出了在不同误码环境下最优的频谱累积次数。