基于信号子空间的直接序列扩频信号波形估计方法

将直接序列扩频(DS-SS)信号波形估计问题归结为信号子空间估计问题,提出基于传播算子算法的扩频波形估计方法。针对特征值分解求解信号子空间计算量较大的问题,利用传播算子估计信号子空间,并对算法计算量和性能进行理论分析和实验验证,结果表明该算法有效,且计算量远小于现有算法。     

基于传播算子的DS-SS信号扩频波形估计

扩频信号波形估计的本质是信号子空间估计。针对直接序列扩频（Direct Sequence Spread Spectrum,DS-SS）信号的扩频波形估计问题,提出了一种基于传播算子的估计算法。针对现有算法估计信号子空间计算量较大的不足,所提算法利用传播算子估计信号子空间。理论分析了所提算法与现有算法的计算量和性能,并进行了仿真实验。仿真结果表明所提算法有效,且计算量远小于现有算法。     

短码DS-SS信号扩频序列及信息序列联合盲估计方法

研究了短码DS-SS信号的扩频序列及信息序列联合盲估计问题。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收信号进行重组,并形成接收信号矩阵。然后,利用奇异值分解联合盲估计信号的扩频序列与信息序列。该算法在失步时间未知、低信噪比条件下利用单一矢量空间盲估计扩频序列和信息序列。不但不受扩频序列类型的限制,而且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,提高了盲估计性能。最后仿真验证了算法的有效性。     

基于特征值分解的直扩信号信息序列和伪码序列盲估计方法

本文研究了非协作扩频通信中短码直扩信号的盲解扩问题,针对现有方法在低信噪比条件下失步时间估计不准等问题,本文提出了一种改进的基于特征值分解的直扩信号信息和伪码序列盲估计方法。方法首先定义了第一类接收信号自相关矩阵,并根据其特征值分解的特点,利用矩阵特征值与失步点的关系完成信号失步点的估计,随后利用特征向量在伪码序列未知的情况下估计出信息序列。失步点估计完成以后,再利用第二类接收信号自相关矩阵的特征向量实现伪码序列的盲估计。实验结果表明方法具有估计精度高、稳定性好、抗噪性能强的优点。      

基于双信息周期的短码DS-SS信号盲解扩

研究了DS-SS信号的扩频波形及信息序列盲估计问题,提出一种基于双PN周期分解的扩频波形与信息序列盲估计算法,该算法在低信噪比条件下可以同时完成扩频波形和信息序列的估计,计算量小,且可避免传统方法利用单PN周期分解时扩频序列连接的相位模糊等问题,提高了盲估计的正确率。仿真结果验证了算法的有效性。     

基于广义能量函数的扩频码序列盲估计算法

本文提出一种基于广义能量函数(GEF)的直接序列扩频(DS/SS)信号扩频码序列的盲估计方法.广义能量函数通过引入一个加权矩阵来优化线性神经网络的连接权矢量,可以推导出一种新的递归最小二乘(RLS)学习算法.该算法能高效提取一个输入信号相关矩阵的多个主分量,可对同步和非同步模型下的PN码序列实现盲估计.该算法具有收敛快、稳健性好等优点,其运算量和储存量远远小于特征值分解算法,收敛速度、相关性能和运算复杂度等恢复性能优于压缩投影逼近子空间跟踪(PASTd)算法和改进神经网络(MHR)算法.计算机仿真证明,该算法能在较低的信噪比条件下,实时高效地恢复PN码序列,具有优异的性能.     

窄带干扰下基于子空间跟踪的扩频序列估计

针对窄带干扰条件下低信噪比直扩信号扩频序列（Direct Sequence Spread Spectrum,DSSS）的盲估计问题,提出了一种基于子空间跟踪的扩频波形估计算法.该方法避开了直接的特征分解求解,利用滑动窗技术取得码同步,根据求解结果可以估计出信号所夹杂的窄带干扰特征波形,并进一步消除窄带干扰估计出信号的扩频码序列.结果表明,该算法在低信噪比条件下能完成对PN码序列的精确估计,降低了数据的存储量,易于硬件实现.     

一种改进的DSSS信号扩频码估计算法研究

在低信噪比条件下检测出直接序列扩频(DSSS)信号后,要恢复出原始信息,估计出扩频码序列是非常关键的,因此有必要研究DSSS信号的扩频码序列估计算法。提出了一种基于改进的协方差矩阵迭代算法应用于估计扩频码序列。理论分析和计算机仿真实验都表明了该算法能在低信噪比下估计出扩频码序列,与其他一些扩频码序列估计算法如基于投影子空间的算法、基于神经网络的算法相比,具有运算量更小等优势。     

基于E-PASTd的直扩信号盲扩频码估计算法

基于增强的压缩投影近似子空间跟踪（E-PASTd）的盲扩频码估计算法具有低运算量、低存储量和易于硬件实现的优点。介绍了基于E-PASTd的盲扩频码估计算法并分析了这种算法性能不理想的原因,针对性地提出了解决这些问题的3个措施,包括增加接收信号时间窗宽度、权向量归一化和主动延时信号。提出了一种改进的基于E-PASTd的盲扩频码估计算法,并仿真验证了改进算法的有效性。     

基于码片延迟的多径信道扩频序列盲估计

针对多径信道下低信噪比直扩信号扩频序列的盲估计问题,提出一种通过码片延迟与相关矩阵分析相结合的方法实现扩频波形估计。该方法首先将接收信号延迟一段时间与原信号相乘,然后代入自相关矩阵中,通过特征值分解求得最大特征值及其对应的特征向量,通过该特征向量中的零点确定同步位置并恢复扩频序列。理论分析和仿真结果表明,本算法在低信噪比条件下能完成对PN码序列的精确估计。     

一种M-ary扩频信号的盲同步方法

针对通信侦察领域M-ary扩频信号的盲同步问题,根据M-ary扩频信号的结构特点及扩频码集元素间的相关特性,提出了一种扩频码长度和失步时间联合估计方法。该方法能够同时估计出M-ary扩频信号的扩频码长度及失步时间,且不受扩频码集类型的限制。仿真实验表明,该算法能在较低的信噪比条件下对三种不同码集的扩频信号进行估计,且算法的性能随着所使用数据的增多而提高。     

短码、周期长码直扩信号伪码序列盲估计

针对短码、周期长码直扩信号在不同的时延下伪码序列估计问题,提出了一种基于奇异值分解的盲解扩算法.在已知信息码元速率和伪码周期条件的前提下,算法首先把接收到的直扩信号按照一定长度进行分段构成相关矩阵并对此矩阵进行奇异值分解得出信号子空间,然后根据信号子空间和伪码序列的模糊关系,利用求解的模糊酉矩阵和特定约束条件(如m序列)去其模糊性,最终估计出伪码序列.仿真结果表明,该算法不仅解决了在不同的时延下估计伪码序列带来的问题,而且具有稳定性高、在低信噪比条件下有良好的估计性能等优点.     

一种基于循环谱的直扩信号参数估计方法

分析BPSK调制的直扩信号循环谱密度函数特征,提出一种直扩信号参数估计方法。从循环谱物理意义入手,计算谱密度,通过时域预处理,可以减少DFT要求的数据量,提高运算效率,使循环谱实时处理成为可能,同时可以准确分辨出循环频率方向和谱频率方向的谱峰;在非零循环频率上搜索特征谱线,可以在较低信噪比环境下完成直扩信号载波频率和PN码速率的估计,并通过仿真确定了该方法的信噪比容限。     

侦察中的直扩信号PN序列盲估计算法

为了解决通信侦察中低信噪比下直扩信号PN序列的盲估计问题,分析了矩阵特征分解算法。该算法基于直扩通信的基带信号模型,以及已知直扩信号的伪码周期,通过对信号的自相关矩阵进行特征分解,获取最大特征值对应的特征向量,进而估计出PN序列。理论分析与仿真数值结果表明,该算法在较低信噪比背景环境中,能够准确地恢复出PN序列。     

基于重叠缓冲预解跳的DS/FH扩频信号快速捕获

DS/FH(Direct Sequence/Frequency Hopping)扩频信号捕获相对直接序列扩频(Direct Sequence Spread Spectrum,DSSS)需要更多维度的搜索,捕获电路复杂。针对现有DS/FH扩频信号捕获算法复杂度高、电路结构与波形参数强相关,以及通用性差、灵活度低的问题,提出了一种基于重叠缓冲预解跳的DS/FH扩频信号快速捕获方法,利用双缓冲补零(Double Block Zero Padding,DBZP)缓冲单元与预解跳单元的灵巧结合,将时域-频域-多普勒域高度耦合的扩跳频图案搜索进行降维分离,在保证积分增益的同时降低了捕获实现的复杂度。数值分析与仿真结果表明,所提方法兼顾了捕获性能与运算资源,相比现有基于预解跳方法的DS/FH扩频信号捕获算法的运算量减小了50%。     

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闻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.     

基于相关-循环谱方法的DSSS／BPSK信号检测与识别

在通信侦察、频谱监测等非协作通信领域,直接序列扩频(Direct Sequence Spread Spectrum,DSSS)信号得到广泛应用。但其低功率谱密度发射的隐蔽性,抗干扰能力强等特点增加了通信对抗中信号截获、检测和分析的难度。低信噪比情况下,针对DSSS/BPSK信号与同调制类型窄带BPSK信号的辨别问题,利用直扩信号的循环平稳性、扩频序列的周期性和良好的自相关性,给出相关-循环谱算法,进行直扩信号的检测识别。对该算法进行了仿真实验,并与相关积累法和倒谱法比较,实验结果说明该算法具有更低的信噪比容限和更高的检测识别正确率。