干扰和噪声环境中直扩信号的截获

直扩（DS）信号功率谱密度（PSD）低，通常伴有干扰，因此在截获其中的信息时，需要把干扰也考虑在内，为此，提出了一种方法，充分利用直扩信号的特点和梳状滤波器的特殊频率响应特性，在小信噪比和小信干比的情况下有效截获直扩信号中的扩谱码，从而截获信息。     

基于二次谱的直扩信号伪码周期估计方法研究

文章采用二次功率谱法实现直接序列扩频信号(DS/SS信号)伪码周期的估计,此方法是对接收信号求得一次功率谱后再进行第二次求功率谱处理,最终得到信号的二次谱在信号伪码周期整数倍处出现一系列的尖峰脉冲,脉冲间距即为伪码周期。通过对二次谱法进行仿真实验,结果表明在较低信噪比条件下能够实现直扩信号的伪码周期估计;准确估计时所需的信噪比容限随着伪码周期的增加而逐渐降低。     

一种基于波形的直扩信号伪随机码估计算法

非合作通信条件下估计未知直接序列扩频信号的伪随机（PN）码是截获直接序列扩频信号信息内容的关键。本文提出一种基于固有时间尺度分解（ITD）的时域波形处理算法,可以在很低信噪比的条件下准确地估计直接序列扩频信号的PN码。该算法充分利用ITD时频分辨率高和适于实时处理的优势,直接分解直扩信号波形,借助于多个周期的伪随机码信号的相干累加提高信噪比,通过对载频处瞬时幅度累加值与第一上过零点频率处瞬时幅度累加值的差分信号波动特性的分析,找到一个PN码周期内相邻码片极性变化的位置,从而揭示PN码,而不必猜测其代数结构。与已有PN码估计算法相比,该算法具有采样精度要求低,对载频估计误差不敏感,适用于各种类型PN码等优势。计算机仿真验证了所提算法的可行性。      

基于自相关差分累积量的长码DS信号伪码周期估计

直接序列扩频（DS）信号,尤其是长码DS信号的截获一直都是电子战中的难题。文章提出的基于自相关差分累积量的方法,能够在非合作背景下对长码DS信号的伪码周期进行估计,实验结果表明,该方法能够在低信噪比条件下,对扩频调制比（信息比特持续时间和伪码周期之比）远小于1的长码DS信号的伪码周期进行有效估计。     

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.     

负信噪比直扩信号伪码盲估计方法

给出了一种采用延迟相关积累和信号子空间分析实现对负信噪比直扩（DSSS）信号伪码盲估计的方法。计算机仿真结果表明，该方法可以在-15dB信噪比条件下检测信号并估计出伪码、载波频率等参数，估计结果可以实现非合作解扩解调。     

带残余频偏的QPSK-DSSS信号参数盲估计

本文对带残余频偏的正交相移键控?（QPSK）?调制的直接序列扩频（DSSS）信号参数估计问题展开研究。将二次谱法拓展到带残余频偏的QPSK-DSSS信号伪码周期估计中,即对信号的功率谱再进行傅氏变换并取模平方。其原理在于信号的二次谱将在伪码周期的整数倍处出现代表信号存在的尖锐三角形脉冲。对于残余频偏大小以及伪码码片速率的估计,采用基于循环谱的方法,即利用循环谱的频率截面和循环频率截面提取频偏和码片速率等信息。研究表明,在低信噪比下,本文采用的方法能够有效估计出带残余频偏的QPSK-DSSS信号的各个参数。      

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.     

一种直扩信号伪码周期及序列的盲估计方法

论述了功率谱二次处理理论和信号子空间分解方法在直接序列扩频(DS/SS)信号的伪码周期估计以及伪码序列盲估计中的应用,提出了利用功率谱二次处理结合信号子空间分解的方法以实现对低信噪比DS/SS信号的完全估计.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.     

非周期性DS信号的信息码片时宽估计方法

对非周期性直接序列（Ds）扩频信号的截获是电子战中的难题。提出了基于自相关差分累积量的搜索算法,能够在低信噪比、扩频调制比（信息比特持续时间和伪码周期之比）远小于1的条件下对非周期性DS信号的信息码片时宽进行准确估计,给出了其理论推导过程、算法步骤和仿真实验结果。     

基于神经网络的低信噪比直扩信号扩频码的盲估计方法

针对低信噪比直扩信号扩频码的盲估计问题,本文首先用离散卡-洛(K-L)变换的方法对直扩信号进行了研究,得出了在已知信号伪码参数的前提下对低信噪比直扩信号的伪码序列进行盲估计是可行的,并将该问题抽象为一个信号主分量提取问题.然而该K-L变换在伪码序列很长时的计算存储量和计算量都比较大,于是进一步提出了一种主分量神经网络(N. N.或Neural Networks)的解决方法,该方法充分利用了无监督N. N.的自适应主分量提取特性,能较好完成直扩信号伪码序列的盲估计,从而使直扩信号的盲解扩成为可能.理论分析和数值结果都表明本方案能工作在较低的输入信噪比条件下.     

A Neural Network Approach to Blind Estimation of PN Spreading Sequence in DS/SS Signals

As the power spectrum density of direct sequence spread spectrum (DS/SS or DS), signals is often much lower than the noises’, the DS signals have the ability to resist interception and interference. But in point of fact, if we have get some parameters of the DS signals, including information symbol period, chip period of the pseudo noise (PN) sequence, we can estimate the PN sequence in DS signals blindly, this has great value for management or interception of DS communications. Ref.[1…     

一种DS/SS信号PN码序列估计的神经网络方法

本文提出了一种利用神经网络(N.N.)完成直接序列扩频(DS/SS)信号PN(伪噪声码)码序列估计的新方法.该方法充分利用了无监督N.N.的自适应主元提取特性,加上其高速运算能力,解决了传统方法在PN码的实时处理及实现上的困难,理论分析和数值结果表明了本方案能在较低的输入信噪比条件下完成对PN码的正确估计.     

一种直扩通信信号快速检测识别方法

本文提出和论述了一种直接序列扩频通信信号的快速检测识别方法,用该方法可以对直接序列扩频通信信号的频率和相位,扩频周期,扩频码长及扩频码型进行检测和识别,最后,给出了把提案方法用于完整实验系统的测试结果。     

直扩信号伪码的盲估计方法的研究

对直接序列扩频通信的信号检测方法进行了综述,重点讨论了自相关域检测方法、四阶累积量方法、谱分析与信号子空间分解法,其中四阶统积量方法和谱分析与信号子空间分解法的最低检测门限远低于相关算法,谱分析与信号子空间分解法在直接序列扩频(DS/SS)信号的伪码周期估计以及伪码序列盲估计中,利用功率谱二次处理结合信号子空间分解的方法可以实现对低信噪比DS/SS信号的估计。     

Chip‐interleaving direct sequence spread spectrum system over Rician multipath fading channels

Chip interleaving (CI) is a unique technique to exploit time diversity in direct sequence spread spectrum (DS/SS)‐based systems operating in fading environments. In order to facilitate design of CI systems in various fading situations, we present a performance analysis for CI DS/SS system over Rician multipath time‐varying fading channels. We derive the analytical bit error rate (BER) expression for CI DS/SS to allow fast and accurate evaluation of BER performance based on the interleaving depth selected, spreading codes employed, and the time correlation function of the channel. We then discuss some ideal cases by using the analytical results to reveal some of the insights presented in the performance analysis. For the purpose of comparison, we also obtain the BER expression for conventional DS/SS system as a special case of CI system with an interleaving depth of one. Using numerical examples, we verify the analytical results with computer simulations and illustrate the BER performance behavior of CI DS/SS system with varying interleaving depth for all possible combinations of two sets of spreading codes of different type and two different time correlation functions of the channel. Copyright © 2011 John Wiley & Sons, Ltd.     

基于神经网络的方法获取DS／SS信号的PN码

提出了两种基于神经网络(NN)获取直接序列扩频(DS/SS)信号的伪随机码(Pseudo RandomCode)的方法。这两种方法充分利用了神经网络无监督的自适应学习方法来提取DS/SS信号的协方差矩阵主特征向量,并可以进行并行运算,因此有较快的运算速度。同时文章对这两种算法进行了性能比较,试验结果和理论分析表明,这两种方法可以在较低的输入信噪比的条件下较好地估计DS/SS信号的PN码。     

On cracking direct‐sequence spread‐spectrum systems

Secure transmission of information over hostile wireless environments is desired by both military and civilian parties. Direct‐sequence spread‐spectrum (DS‐SS) is such a covert technique resistant to interference, interception, and multipath fading. Identifying spread‐spectrum signals or cracking DS‐SS systems by an unintended receiver (or eavesdropper) without a priori knowledge is a challenging problem. To address this problem, we first search for the start position of data symbols in the spread signal (for symbol synchronization); our method is based on maximizing the spectral norm of a sample covariance matrix, which achieves smaller estimation error than the existing method of maximizing the Frobenius norm. After synchronization, we remove a spread sequence by a cross‐correlation based method, and identify the spread sequence by a matched filter. The proposed identification method is less expensive and more accurate than the existing methods. We also propose a zigzag searching method to identify a generator polynomial that reduces memory requirement and is capable of correcting polarity errors existing in the previous methods. In addition, we analyze the bit error performance of our proposed method. The simulation results agree well with our analytical results, indicating the accuracy of our analysis in additive white Gaussian noise (AWGN) channel. By simulation, we also demonstrate the performance improvement of our proposed schemes over the existing methods. Copyright © 2009 John Wiley & Sons, Ltd.