微弱DS—UWB信号的盲估计方法研究

介绍了直接序列超宽带(DS-UWB)信号的信号模型及其时域表达式,提出了用DS-UWB信号的相关矩阵特征分解的方法来解决在低信噪比下DS-UWB信号伪码和相关参数盲估计的问题.该方法可以在一个算法中同时实现码同步和伪码序列的恢复,大大减小了估计的复杂度和相位模糊度.理论分析和仿真实验都证明了该方法在低信噪比下的有效性.     

DS-UWB信号参数估计的自相关算法

利用DS-UWB信号周期平穗的特性,根据DS-UWB信号与高斯白噪声在自相关域上的差异,提出了一种DS-UWB信号参数估计的自相关算法.该算法可以在自相关积分时间不同的情况下,准确地估计DS-UWB信号伪码周期和伪码码片宽度,为下一步实现DS-UWB信号的细微特征分析提供了参考.理论分析和仿真实验都证明了该方法在低信噪比下非常有效.     

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。     

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。      

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。     

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.     

窄带干扰条件下含有未知载频的直扩信号的伪码序列估计

为了解决窄带干扰条件下含有未知载频的直扩信号的伪码序列的估计问题,该文在已知码片速率和伪码周期的前提下,提出一种结合矩阵特征分解和线性调频Z变换的伪码序列盲估计算法。该方法对接收信号分段获得观察向量,并对观察向量的相关矩阵进行特征分解,最后应用改进的最小描述长度(MDL)准则和线性调频Z变换(CZT)对特征向量进行处理,可以估计出窄带干扰信号,同时还可以估计出信号的载频和伪码序列。仿真实验给出了不同干扰信号和不同伪码序列长度时算法的性能曲线,理论分析和仿真结果都表明了该方法能有效地工作在较低的信噪比下。     

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.     

窄带干扰环境下直扩信号伪码的盲估计方法研究

为了解决窄带干扰条件下低信噪比直扩信号扩频码的盲估计问题,该文提出了一种直扩信号的相关矩阵累加平均结合矩阵特征分解的方法。该方法首先按照已获知的直扩信号扩频码周期、码速率等二次统计特性参数对接收信号进行取样处理以获得一个观察向量集,接着用所提出的方法对该集合进行处理,其结果可以估计出信号所夹杂的窄带干扰(以多音干扰为例)特征波形,同时还可以进一步估计出信号的扩频码序列。利用前者,可以进一步消除信号所夹杂的窄带干扰,而利用后者则可以对接收信号实行盲解扩处理。理论分析和数值结果都表明了该方法非常有效,并能工作在较低的输入信噪比和很低的信号干扰比环境下。     

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.     

直扩信号PN码序列估计的神经网络方法

为了解决通信侦察中低信噪比下直扩信号PN码序列的盲估计问题,分析了神经网络算法。该算法基于直扩通信的基带信号模型,通过对输入信号的主分量进行分析和提取,获取神经网络学习后的突触权值,进而估计出PN码序列。理论分析与仿真数值结果都表明,该算法在较低信噪比背景环境中,能够准确地恢复出PN码序列。     

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.