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。     

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.     

二次调频-伪码调相复合信号的伪码盲估计

针对二次调频-伪码调相复合信号的伪码盲估计难题,提出一种基于三次相位函数和频谱搬移的伪码盲估计算法。首先利用平方法消去伪码和信息码的相位突变,针对平方法带来的噪声恶化问题,采用对三次相位函数累加平均的方法估计二、三阶系数,利用估计的高精度系数重构指数项,对原复合信号进行降阶,再对降阶后的信号取实部可得正弦载波与伪码调相的复合信号,最后采用频谱搬移的方法可恢复出原伪码序列。仿真结果表明,该算法具有可行性,当信噪比大于等于1 dB时,伪码估计的正确率大于0.9,表现出较好的性能。     

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.     

一种实时的外场多径信道测量方法

讨论了外场移动条件下多径信道的一种实时测试方法,并通过搭建的系统测试了实际外场的信道分布情况。该方法抗干扰性强,具有低功耗、精度高、实时性强的优点。实测结果表明基于该方法搭建的测试系统能够有效地测试外场多径信道的分布情况,并能够持续反映多径信道的变化情况。     

基于盲波束形成的CDMA信号伪码估计

为解决低信噪比(SNR)条件下CDMA信号伪码盲估计问题,提出结合盲波束形成和奇异值分解的盲估计方法。在信号波达方向和信道同步信息未知的情况下,估计各用户的扩频序列,完成多用户检测,并给出高斯噪声下盲多用户检测的完整数学表达式。理论分析和仿真结果表明,该方法通过天线阵列的分集和扩频增益能在低SNR下完成伪码估计,且其多用户检测性能相对传统单天线检测算法有较大提高。     

利用神经网络盲估计混沌直扩信号扩频序列*

混沌扩频序列具有比传统直扩序列更高复杂度的特点,然而它也同时是盲估计混沌直扩序列的难点。利用神经网络能无限任意逼近非线性函数的特点,设计了一种改进型的基于神经网络盲估计混沌扩频序列的方法。仿真结果表明,该方法无需搜索信息码和扩频序列之间的同步点,即使是在较低信噪比的条件下,仍然能有效的从噪声背景中盲分离出混沌扩频信号,并且盲估计出原始混沌序列。     

伪码跟踪误差和码片内多径分量的联合估计

对多径环境下的伪码跟踪误差和码片内多径分离作了一些探讨，给出一种联合估计方法。经分析发现，传统伪码跟踪环在多径信道下并不是最佳估计器，接着在不考虑噪声的情况下，通过最小二乘估计多径信道的冲激响应，提出了一种简单的多径分量提取算法，实现了伪码跟踪误差和码片内多径分量的联合估计，给出了仿真结果。最后就噪声问题列出了基于凸集投影算法(POCS)的解决方法。     

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。