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.     

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。     

窄带脉冲干扰环境下直扩信号伪码周期及序列的盲估计

带内窄带脉冲干扰会对直接序列扩频信号估计性能产生较大的影响,针对此问题,提出了一种抑制窄带脉冲干扰并对扩频码序列及周期的盲估计算法。采用最大熵概率密度谱估计算法估计出接收信号的概率密度谱,进而用估计的概率密度谱设计滤波函数对信号滤波来抑制窄带脉冲干扰。利用二次谱算法对扩频码周期进行估计并通过 Viterbi 算法对扩频序列进行提取。仿真实验表明,该算法不仅能抑制较强的窄带脉冲干扰,而且能在无先验信息的条件下估计出扩频信号的扩频码周期及序列等信息,从而获知直扩通信中所传输的码元序列。     

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。      

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.     

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。     

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。     

非周期长码直扩信号的盲解扩

本文利用信号延迟相乘,消除信息码对长扰码和扩频码的影响;利用m序列的线性移位叠加性,巧妙分段信号,提出一种分段相关的信号解扰方法;对解扰信号利用斜消矩阵法估计扩频序列本原多项式,并利用基于协方差范数的信息码盲同步法实现信息码同步;最终得到非周期长码直扩信号盲解扩方法。该方法仅需要预知信号扰码m序列本原多项式和扩频码码片速率。仿真结果表明,该算法仅利用1/8倍长码序列周期长度的信号就能在信噪比3.6dB以上达到10-2以下解扩误码率。      

低信噪比直扩信号的周期特征检测与参数估计

本文介绍了直接序列扩频信号的周期特征检测与参数估计的方法。该方法运用周期谱理论,利用直扩信号所固有的内在周期性进行检测。利用修正的时间平滑周期谱算法(FAM),可以在周期频率轴上准确地估计出直扩信号的载频、码速率、伪码周期等参数。在此基础上提出了周期倒谱检测的方法。通过计算机模拟结果表明,该方法对低信噪比直扩信号具有很高的检测概率和参数估计精度。     

低信噪比DS-UWB信号伪码的盲估计方法

文中介绍了DS-UWB信号模型及其时域表达式,并基于此研究了在低信噪比下DS-UWB信号伪码盲估计的问题.提出了DS-UWB信号的相关矩阵累加平均与其特征分解相结合的方法.该方法可以由相关矩阵的主特征向量估计出观察信号的伪码.文中在理论分析的前提下,用仿真实验证明了这种方法在低信噪比下是非常有效的.     

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。     

基于过采样的DS-SS/BPSK信号延迟相乘多重相关检测

提出一种基于过采样的直接序列扩谱（Direct—Sequence Spread Spectrum，DS—SS）/二进制相移键控（Binary Phase Shift Keyed，BPSK）信号延迟相乘多重相关检测方法，并推导了延迟相乘相关原理，分析了基于过采样的延迟相乘相关方法对输出信噪比（Signal to Noise Ratio，SNR）的影响。理论推导和仿真证明，基于过采样的延迟相乘恢复DS—SS／BPSK信号载波方法保留了待测信号中噪声的高斯白噪声特性；采用多重相关的方法还可进一步提高输出信噪比。     

基于多维特征的雷达信号脉内调制识别技术

为了在复杂信号环境下能够稳定、准确地识别出信号,使用Choi-Williams时频分布作为信号描述方式,选取信号时频图像特征、信号波形复杂度和瞬时量特征组成特征矢量输入到以支持向量机(SVM)为主分类器的组合分类器中得到信号类型,并估计出信号各项参数。仿真实验表明该算法性能优良,在低信噪比(SNR)与信号参数变化的情况下可以以较高的识别率得到稳定的识别结果。     

基于空频域稀疏表示的宽频段DOA估计

该文提出一种基于空频域稀疏表示的宽频段波达方向(DOA)估计方法,解决稀疏表示方法在宽带接收机对窄带信号的频率和角度估计中的难题。用空间频率代替频率和方位角的 2 维组合构建过完备字典,字典的长度仅相当于窄带信号DOA估计的字典长度,却能覆盖整个无模糊频段,大大降低了稀疏分解的计算量。该方法首先在频域估计信号的准确频率,根据频域峰值的位置构建频域峰值协方差矩阵。对频域峰值协方差矩阵进行特征分解,利用主特征向量建立稀疏模型估计信号的DOA。算法在低信噪比下具有较高的估计精度,仿真实验和分析验证了该文方法的正确性和有效性。     

同/异步短码DS-CDMA信号伪码序列及信息序列盲估计

针对传统单通道异步直接序列码分多址(DS-CDMA)信号信息序列及伪码序列(PN)难以估计的问题,该文提出一种基于平行因子(PARAFAC)的多通道盲估计方法。该方法首先将信号建模为多通道接收模型,然后将观测数据矩阵等效为平行因子模型,最后使用迭代最小二乘算法对平行因子进行低秩分解,进一步完成对DS-CDMA信号各用户的信息序列及伪码序列进行估计。仿真实验表明,该方法不仅能有效地对同步、异步短码DS-CDMA信号的伪码序列及信息序列进行估计,而且能在通道数为6、信噪比(SNR)为–10 dB的条件下,实现10个用户伪码序列的有效估计。     

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。