基于盲波束成形的异步CDMA信号伪码估计

在分析阵列天线接收的异步CDMA信号的基础上,利用信号子空间与用户特征序列的关系,提出一种新的基于盲波束成形的伪码序列盲估计算法,能在波达方向未知的情况下,估计各个用户的扩频序列。算法克服了子空间盲波束成形算法信源个数必须小于阵元个数且信源波达方向不能靠近的缺点。同时提出一种基于盲波束形成的多用户检测算法,在低信噪比条件下,性能相比于单天线多用户检测性能有很大提高。     

基于盲辨识和盲均衡的直扩信号伪码估计方法

为了解决多径信道下直接序列扩频信号的伪码盲估计问题,在直扩信号等效联合信道模型的基础上,提出一种信道盲辨识与数据重用盲均衡相结合的伪码盲估计方法。该方法利用信道盲辨识方法估计得到等效联合信道,通过数据重用盲均衡进一步估计出伪码。理论分析与仿真验证表明,该方法在低信噪比条件下仍然可实现对多径直扩信号伪码序列的准确盲估计,并且对于m、Gold、M序列等不同伪码具有广泛适应性。     

基于子空间跟踪的长码直扩序列盲估计

针对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,利用子空间跟踪法分段估计扩频序列,并按照一定的顺序拼接实现伪码盲估计.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.     

多径软扩频信号伪码周期盲估计

针对多径信道下因多径衰落造成软扩频信号伪码周期难以估计的问题,提出了一种基于二次功率谱的多径软扩频信号伪码周期盲估计方法。首先,将一般的单径软扩频信号扩展到多径模型;然后,在多径软扩频信号模型的基础上计算信号的一次功率谱;其次,将求出的一次功率谱作为输入信号计算信号的二次功率谱,理论分析表明信号的二次功率谱在伪码周期整数倍处将会出现峰值谱线;最后,通过检测峰值谱线间的间距就可以实现多径软扩频信号的伪码周期估计。通过仿真实验表明,在伪码周期估计正确率为100%、伪码序列长度为127位和255位时,所提方法比时域相关法提高信噪比约1 dB和2 dB;在同一对比条件下,所需要的平均累加次数均少于时域相关法。实验结果表明,所提方法对伪码周期进行估计,在减少计算量的同时,还提高了估计的正确率。     

一种基于K-means算法的长码直扩信号伪码序列盲恢复方法*

针对长码直接序列扩频(DSSS)信号伪码(PN)序列盲恢复的难题,借鉴无监督聚类分析的思想,提出了一种基于K均值(K-means)聚类算法的长码直扩信号PN码序列盲恢复方法.该方法首先通过最小平均相异度完成PN码序列的盲同步;然后利用K均值算法完成PN码序列的盲估计;最后利用游程检验算法筛选出原PN码序列,从而完成PN码序列的盲恢复.理论分析和计算机仿真表明,该方法可以在较低信噪比下准确恢复长码直扩信号PN码序列,表现出很好的性能.     

一种DSCDMA扩频序列的盲估计方法*

针对低信噪比条件下直接序列扩频码分多址(DS-CDMA)信号扩频序列盲估计的难题,提出了一个能对同步和异步的短码调制DS-CDMA信号的扩频序列进行盲估计的新方法。该方法在分析接收信号特征结构及其相关矩阵结构的基础上,首先估计出接收信号中一个用户信号的功率、特征扩频序列的失步点及序列本身,再用已经估计出来的特征信息对相关矩阵进行缩减,以消除该用户对剩余用户信号估计的影响。依此方法,逐次迭代,最后完成对接收信号中所有用户信息的盲估计。所估计出用户信息的顺序与其功率大小密切相关,功率越大的用户,就越先被估计出     

基于线性预测的盲多用户检测技术的研究与应用

CDMA系统多用户检测技术(MUD)是第三代移动通信系统的关键技术之一.常规CDMA用户检测方法是使用期望用户的扩频序列对接收信号直接进行相关运算,再经过符号硬判决得到检测符号,这样的处理方式将解扩后的多址干扰成分看作噪声而未加任何处理,导致误码率增加.围绕自适应信号处理及盲多用户检测两方面技术,对CDMA系统的最佳盲多用户检测、次佳盲多用户检测进行研究,提出了一种具有工程实用价值的基于线性预测的盲多用户检测方法.仿真结果表明,在低SNR情况下,其运算复杂度大为降低、BER性能明显优于其他两种盲多用户算法.     

一种多径信道直扩信号伪码序列盲估计方法

针对多径信道下直接序列扩频信号伪码序列盲估计的难题,拓展了基于加性高斯白噪声信道提出的子空间法,提出了一种基于子空间法和三阶相关函数法相结合的多径信道直扩信号伪码序列盲估计的新算法,进行了理论推导。该算法对接收到的多径直扩信号按照伪码周期的两倍进行分段形成数据向量,构造自相关矩阵并进行特征值分解得到不同增益伪码序列的延迟叠加,运用m序列的三阶相关特性估计生成多项式进而估计伪码序列。计算机仿真结果验证了该算法的有效性。     

窄带干扰环境下DS-SS信号的细微特征分析

通过对窄带干扰(NBI)条件下低信噪比直接序列扩频(DS-SS)信号的细微特征分析,得到了NBI特征波形和DS-SS扩频伪码(PN)的盲估计。首先按PN码周期和码速率(假设已获知)对接收DS-SS信号进行取样预处理形成观察向量集,接着用细微特征分析方法对该集合进行处理,最后可以估计出信号所夹杂的NBI特征波形和信号的PN码序列。为了减少所估计PN码的相位模糊性,本文在取样预处理时将取样时间窗口增大到PN码周期的二倍,结果使所估计的PN码或是原码或是反码,从而提高了估计准确性。同时利用所估计的NBI特征波形可消除原始信号所夹杂的NBI,而利用所估计的PN码序列则可以对DS-SS信号实施盲解扩处理。理论分析和数值结果表明,该方法有效,并能工作在较低的输入信噪比和信号干扰比环境下。     

基于脉冲成形扩频信号伪码周期盲估计

针对基带扩频信号的频谱范围较宽,信号在带限的信道中传输时需要对信号进行带宽限制,从而会造成码间干扰和频谱泄露的问题,将基带扩频信号通过脉冲成形器后对其主要参数的抗截获性能进行了研究,并使用两次功率谱的方法对该类信号的伪码周期进行了估计。理论分析证明,做两次功率谱以后的信号以脉冲串的周期来扩展谱线,且信号主要能量将会聚集在一些类似于基带成形脉冲二次谱形状的尖锐脉冲处,通过测量这些尖锐脉冲间的间距即可以估计出基带扩频信号的伪码周期。计算机仿真结果证明,两次功率谱的方法可以在低信噪比的条件下实现对带脉冲成形基带扩频信号伪码周期的估计,且本文算法对伪码周期估计的正确率比文献[1]算法约提高7dB左右。     

盲源分离与高分辨融合的DOA估计与信号恢复方法

目标方位估计(Direction of arrival, DOA)和信号恢复分别是水下目标定位、跟踪与识别的前提.基于盲源分离方法可以得到含有阵列流形信息的解混矩阵, 融合成熟的高分辨方法提出了一种新的方位估计、信号恢复模型和方法. 在宽带信号背景下进行了仿真实验, 结果表明该方法可实现目标方位的实时估计和目标信号的恢复. 在同等条件下完成同样的目标方位分辨率, 比单纯的高分辨方法要求的阵元数和快拍数较少, 要求的信噪比要低. 海上实测数据检验也表明, 比常规的最小方差无失真响应(Minimum variance distortionless response, MVDR)方法得到了更好的结果, 明显提高了弱目标信号的空间谱能量, 增强了检测弱目标信号的能力.     

面向物联网环境的高效通信接收机设计

物联网（IoT）通信系统具有活跃用户数低、数据帧短等特性,而信道估计和多用户识别所需的导频和用户识别码会显著降低IoT系统的通信效率和响应速度。针对上述问题,提出了一种基于非正交多址接入（NOMA）的盲信道估计和多用户检测算法。首先,利用码分多址（CDMA）系统中的扩频矩阵对每个用户所占用载波进行分配,并采用差分编码解决盲估计所引发的星座点旋转问题;其次,根据用户所分配载波具有的稀疏性,引入伯努利-高斯（B-G）分布作为先验分布,利用变量间的隐马尔可夫特性进行因式分解和建模,由用户数据的稀疏特征进行多用户识别;最后,应用消息传递算法对上述模型进行推导,解决NOMA引起的多用户干扰,得到面向IoT环境的联合信道估计和检测接收算法。仿真结果表明,相对于块稀疏单测量向量（BS-SMV）算法和块稀疏自适应子空间求解（BSASP）算法,所提算法能够在不提高复杂度的条件下获得约1 dB的性能增益。     

基于盲多用户检测技术的一种改进方法

该文在常规予空间盲多用户检测方法的基础上进行改进,提出一种改进的子空间盲多用户检测方法。将小区内用户的干扰与小区外用户的干扰全部考虑在内并进行细化,将接收信号空间可以分解成三个子空间,通过对子空间模型的修改和子空间跟踪算法的改进,解决快速矩阵分解的问题,降低算法的复杂度,在收敛速度、稳定性方面也有所提高。     

基于Sanger神经网络的TDDM-BOC信号组合码序列盲估计

针对低信噪比（SNR）下时分数据调制二进制偏移载波调制信号（TDDM-BOC）的组合码序列盲估计问题,提出一种基于Sanger神经网络（Sanger NN）的新方法。首先将已分段的信号作为输入信号并利用Sanger NN提取各主分量的权值向量;然后通过其多次输入反复训练权值向量,直至权值向量达到收敛;最终利用各个权值向量的符号函数重建信号的组合码序列,实现TDDM-BOC组合码序列的盲估计。此外,采用最优变步长的方法来提高收敛速度。理论分析和仿真实验表明,Sanger NN可以实现-20.9~0 dB信噪比下TDDM-BOC信号组合码序列的盲估计,且其复杂度明显低于传统奇异值分解（SVD）法和自适应特征提取的在线无监督学习神经网络（LEAP）;尽管Sanger NN收敛所需数据组数大于LEAP,但收敛时间明显少于LEAP算法。     

MOE盲多用户检测算法中约束向量的研究

最小输出能量（Minimum Output Energy,MOE）盲多用户检测是一种简单的不用进行信道估计就可直接获得多用户检测器参数的算法,在该算法中,约束向量起着相当重要的作用,它直接影响多用户检测器的最优权矢量。通过对不同约束向量时MOE盲多用户检测算法基本原理的分析,将MOE盲多用户检测算法分为线性约束MOE盲多用户检测算法和鲁棒二次约束MOE盲多用户检测算法两大类。通过仿真实验比较了各种检测器的性能。     

微弱通信信号盲检测技术

在研究背景噪声和目标信号不同特性的基础上提出一种实用的非合作微弱信号盲检测技术。对新的检测技术进行理论分析和算法流程的阐述。并针对复杂电磁环境下多信号检测的性能和低信噪比环境下单信号检测性能进行仿真与分析。表明新的检测方法在高斯白噪声信道下对不同的无线信号都有较好的检测和估计精度,而且具有运算量小、精度高、易于硬件实现的特点。     

无线移动通信系统中提高信道估计精度盲方法

基于多载波正交频分复用（OFDM）系统,提出了一种新的时变步长修正软加权判决递归二乘信道估计盲方法。该法通过对常规算法步长进行自适应的科学设计以便跟踪信道特征变化,同时利用接收机判决信息函数修正权系数,克服了常规递归最小二乘（RLS）盲方法收敛速度慢、信道估计性能不高的缺点。仿真证明：对于不同的时延扩展、时间以及信噪比,该法均表现出比常规方法更优的性能。 同时,该法亦可用于估计通信、雷达、航天等领域的其他特征参数。     

基于改进信息最大化法的盲多用户检测

针对多用户检测中的多址干扰（MAI）,给出了改进信息最大化（I infomax）的盲多用户检测算法．该 算法利用扩频码初始化学习向量,实现了多用户的盲检测．仿真结果及分析表明,算法在误码率、收敛速度和用户 容量等方面优于Infomax 算法及传统盲多用户检测算法．