一种K-means改进算法的软扩频信号伪码序列盲估计

针对软扩频信号因采用了编码技术使得伪码序列难以估计的问题,该文提出一种基于K-means聚类改进的软扩频信号伪码序列盲估计方法。该方法首先以单倍伪码周期的窗长对接收信号进行数据分段以构造观测数据矩阵,其次利用相似测度的理论从观测数据中寻找出K-means算法最优的初始聚类中心点,然后通过搜索平均轮廓系数(Silhouette Coefficient, SC)最大的绝对值以完成伪码集合规模数的估计,最后找到估计的伪码集合规模数所对应的聚类中心点集合,进一步完成对软扩频信号伪码序列的盲估计。通过仿真实验表明,在伪码序列估计错误概率低于0.1的情况下,该文方法比未改进方法提高信噪比约4 dB;而且在同一条件下,该文方法对信号的盲解扩性能优于未改进的方法。     

基于聚类的软扩频信号盲解扩方法

该文研究的是在未知扩频序列的情况下,实现多序列直扩信号(也称软扩频信号)的解扩。对于传统直扩信号来说,主模解扩法(DMDS)被证明是一种有效的盲解扩方法,但是它并不适用于软扩频信号的盲解扩问题。借鉴无监督聚类分析的思想,该文提出了一种基于聚类的软扩频信号盲解扩方法(KCDS)。该方法将软扩频信号分成不重叠的信号向量,利用这些向量的聚类特征完成扩频码的估计,通过最大化平均侧影宽度完成延迟时间和扩频码数量的估计。计算机仿真表明,在零均值噪声环境下,KCDS算法可以解决软扩频信号的盲解扩问题。     

同步多用户长码直扩信号的盲解扩

针对同步多用户长码直扩信号,该文提出了一种低信噪比条件下的盲解扩算法。该算法通过将多用户长码直扩信号建模为含有缺失数据的同步多用户短码直扩信号,采用SVT算法实现扩频码波形序列子空间估计,并在此基础上利用EM算法完成信号的盲解扩。计算机仿真表明即使在较低信噪比条件下,该算法也具有优良的盲解扩性能,且与合作解扩性能相近。     

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.     

低信噪比长伪码直扩信号的盲估计方法

为了解决低信噪比长伪码直扩信号的盲估计难题,提出了一种长伪码直扩信号的相关矩阵累加平均结合特征分析的新方法。本方法是在已知长伪码直扩信号的扩频码周期、码速率等参数,并且信息序列不相关的前提下,将接收到的长伪码直扩信号以一随机确定值为起点进行周期分段形成连续多个观察向量,求其相关矩阵并累加平均,并实施特征分析以得到相关矩阵的特征值和信号所含主成分,由相关矩阵的特征值可以估计出信号所含的噪声方差、信号信噪比和信号分段时随机确定的起点,由主成分特征向量还可以进一步估计出观察信号的扩频码序列。本文所提出的方法充分分析和推导了长伪码直扩信号的特征结构,提出了对长伪码直扩信号盲估计的核心基础算法,该算法可以有进一步应用于长伪码直扩信号盲解扩的潜力。本文提出的方法并不象已经提出的其他算法,其对长伪码扩频信号的盲估计性能可以随着观察向量个数的增加逐步得到改善,而且该方法可以应用于任意类型的扩频码、信息码,在理论上能工作在任意强度的加性高斯白噪声环境下,并且不需要事先提取任何定时同步信息。理论分析和数值结果表明了本方法较为鲁棒不易受到噪声影响。     

基于相关脉宽峰值搜索的直扩信号盲同步算法

无论是实现直扩信号的盲解扩还是扩频码序列恢复,严格的同步都是算法的关键,同步精度对扩频码序列估计的误码性能有着重要影响。为此提出了一种基于相关脉宽峰值搜索的直扩信号盲同步算法,仿真分析表明,该算法能够较好运用于低信噪比条件下直扩信号的同步点估计。     

一种微弱直接序列扩频信号的盲自适应解扩算法

针对微弱直扩信号扩频码的盲估计和信息码的盲解扩问题,本文提出了一种能同时分离直扩信号扩频码和信息码的非线性盲自适应恒模算法,达到了对直扩信号盲处理。本文首先提出了直扩信号的盲分离问题,然后详细分析推导了盲自适应随机梯度恒模算法,最后将该盲自适应随机梯度恒模算法应用到了对微弱直扩信号的盲分离中,并从理论上阐明了可以用该算法来实现直扩信号的盲分离。所提出的算法完全不同于以往的基于矩阵分解（奇异值分解、特征分解等）的伪码盲估计方法,它的存储开销量和计算量都比较小,可以实现对较长伪码构造的直扩信号的处理,而且它的计算速度较快,在某种程度上解决了传统的基于矩阵分解的方法在直扩信号的实时处理及实现上的困难。理论分析和数值结果都表明了所提方法能较好地工作在较低的输入信噪比条件下。      

LSC-DSSS信号长短伪码盲估计

短码扩频长码加扰的直扩信号可视为特殊的长码直扩信号,将其短扩频码和长扰码作为复合码。首先通过特征值分解和酉矩阵去位置模糊实现复合码的盲估计;然后利用m序列的三阶相关函数特性识别短扩频码的类型;最后根据识别结果采用三阶相关法或延迟三阶相关法实现长短伪码的盲估计。仿真表明,复合码估计在信噪比-7.5dB以上可达到1%以下的误码率;当信噪比高于-6dB时,三阶相关法估计长短伪码本原多项式的正确率可以达到90%以上;当信噪比高于-4dB时,延迟三阶相关法估计长短伪码序列的误码率低于1%。      

基于矩阵填充和三阶相关的长短码DS-CDMA信号多伪码盲估计

由于长短码直扩码分多址(LSC-DS-CDMA)信号包含了多个用户的长码和短码,已有的直扩码分多址信号的盲伪码估计方法不再适用。为此该文提出一种基于矩阵填充和三阶相关的伪码估计方法。首先从理论上将结构复杂的LSC-DS-CDMA信号构建为多用户短码扩频的缺失矩阵模型,将复合码矩阵估计建模为盲源信号分离问题;然后将矩阵填充理论应用于复合码矩阵估计,提出基于奇异值阈值算法和快速独立成分分析算法的各用户复合码序列估计方法;最后利用m序列的移位相加性特性,提出延迟三阶相关算法,从各用户复合码序列中估计其包含的长短伪码序列。仿真表明,当信噪比高于-2 dB时,该文算法的长短伪码估计平均误码率低于0.1%。     

非周期长码直扩信号同步及伪码序列盲估计

非合作直接序列扩频系统中伪随机码的估计与同步是正确获取信息的关键。现有的研究成果多集中在短码或周期长码直扩信号的解扩,该文针对无伪码先验知识条件下NPLC-DSSS信号的失步时间估计问题,提出一种基于相关矩阵元素分布建模的方法,该方法以信息码宽分段的信号构建自相关矩阵,并以该矩阵的Frobenius 范数与失步时间之间的对应关系,实现NPLC-DSSS信号失步时间的精确估计。在此基础上,通过引入判决辅助思想构建了循环迭代结构实现了NPLC-DSSS信号伪码序列的盲估计。最后,推导了该伪码序列盲估计问题的Cramer-Rao理论界。数值分析结果表明,文中所述算法在相同的信噪比和数据量条件下具有更好的估计精度,且对伪码的估计性能接近理论界。     

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。      

基于改进传播算子的DS-SS信号扩频序列盲估计方法

本文研究了DS-SS信号的扩频序列盲估计问题,针对现有特征值分解算法失步时间估计不准和计算量大等缺点,提出一种基于改进传播算子的扩频序列盲估计算法,该算法对传统传播算子估计信号子空间的方法进行了改进,使之能够估计扩频序列,并利用信号子空间估计信号失步时间.与基于特征值分解的方法相比,本文算法提高了失步时间的估计精度,并有效的降低了计算量.最后对算法计算量和性能进行了仿真分析和验证,结果表明本文算法有效,计算量远小于现有特征值分解算法,且估计性能在低信噪比条件下更优.     

多径环境下TDDM-BOC信号伪码周期估计

针对低信噪比下存在多径效应的时分数据调制二进制偏移载波( TDDM-BOC )调制信号的伪码周期估计难题,提出了一种基于二次谱的TDDM-BOC信号伪码周期估计算法。该算法首先推导出多径环境下TDDM-BOC信号模型,然后求出多径TDDM-BOC信号的功率谱,再求其二次谱,最后通过检测二次谱的尖峰脉冲间的间距得到多径环境下TDDM-BOC信号的伪码周期。实验过程中采用累加平均的方法可以达到降噪和精确估计的目的。仿真结果表明：该算法能够在多径环境下对TDDM-BOC信号伪码周期进行有效估计,且估计性能与多径环境有密切关系,这为今后我国“北斗冶导航接收设备的开发提供了一定的理论参考。     

改进K-means算法对AltBOC信号组合码序列的盲估计

针对恒包络交替二进制偏移载波(Alternate Binary Offset Carrier, AltBOC)调制信号组合码序列难以估计的问题，提出了利用改进K-means算法进行信号组合码盲估计方法。该方法首先通过引入互调分量以及重建副载波的方式构建AltBOC信号模型，然后在接收端将AltBOC信号分段成单倍组合码周期窗长的不重叠观测数据矩阵，并利用相似性原理从观测数据中选择最优的样本作为K-means聚类中的初始均值向量，最后通过K-means算法迭代优化数据样本与其聚类均值向量的平方误差，完成对AltBOC信号组合码序列的盲估计。计算机仿真结果表明，利用该算法在信噪比-15dB下能够较为精确地估计AltBOC信号组合码序列。      

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。     

基于k-means算法的直扩信号信息及伪码序列盲估计方法

In this paper, we study the blind estimation of information sequence and Pseudo-Noise sequence of Short Code-Direct Sequence Spread Spectrum (SC-DSSS) signals under non-cooperative conditions.In order to solve the problems of large computation and slow estimation speed of the existing matrix decomposition methods under the condition of long pseudo code period and large observation matrix, a new method of SC-DSSS signal information sequence and pseudo code sequence estimation based on K-means clustering was proposed.First, the sampled observation signals are segmented according to the width of information code, and then the segmented codes are clustered by K-means algorithm. In the case of unknown pseudo code sequence, the blind estimation of information sequence is realized.On this basis, the information chip is further segmented according to the width of the pseudo code, and the pseudo code is clustering to realize the blind estimation of pseudo code sequence.Simulation results show the feasibility and effectiveness of the proposed method.      

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.     

直扩信号检测与估计的改进

对低信噪比下直接序列扩频(DS／SS)信号的检测和估计提出了一种新的改进思路。在通常数值处理前加设一预处理模块,该模块能改善白噪声背景下信号的信噪比,从而为进一步提高低信噪比信号检测与估计的能力给出了一条新的途径。