基于双信息周期的短码DS-SS信号盲解扩

研究了DS-SS信号的扩频波形及信息序列盲估计问题,提出一种基于双PN周期分解的扩频波形与信息序列盲估计算法,该算法在低信噪比条件下可以同时完成扩频波形和信息序列的估计,计算量小,且可避免传统方法利用单PN周期分解时扩频序列连接的相位模糊等问题,提高了盲估计的正确率。仿真结果验证了算法的有效性。     

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.     

非周期性DSSS信号的PN码序列盲估计

非周期性DSSS信号由于在扩频码周期内扩频序列的不可重复性而使其PN码序列盲估计方法和针对常规周期性DSSS信号的估计方法有所不同.文中在已知扩频码周期、码速率和信息码速率等参数,且信息序列使不相关的前提下,提出了最大相关峰脉宽盲同步算法、分段矩阵特征分解序列估计方法和基于最优移位相加特性的信息码剥离算法来完成对非周期性DSSS信号的盲同步和PN码序列盲估计,理论分析和仿真结果表明上述方法具有运算量小、适用范围广、低信噪比条件下鲁棒的优点.     

基于奇异值分解的直扩信号伪码序列及信息序列盲估计方法

针对非合作扩频通信中直扩信号伪码序列的盲估计问题,在已知码片速率和伪码周期的前提下,该文提出一种基于奇异值分解的直扩信号伪码序列及信息序列的盲估计方法。该方法对接收信号构成的观测矩阵进行奇异值分解,通过左奇异向量实现伪码序列估计的盲估计。同时,通过右奇异向量可以在信号序列未同步和伪码序列未知的情况下实现信息序列的盲估计。仿真实验结果表明该算法具有精确度高、稳定性高、计算量小和观测时间短等优点。     

TDDM-BOC信号组合码序列及信息序列盲估计

该文针对低信噪比下TDDM-BOC(Time Division Data Modulation-Binary Offset Carrier)信号的组合码序列(将伪码序列和副载波序列看成一个整体序列)及信息序列盲估计问题,提出一种改进的基于奇异值分解的方法。该方法首先利用双信息符号周期、间隔一信息符号周期的时间窗对接受信号进行分段,并构成观测矩阵。然后对观测矩阵进行奇异值分解,通过左奇异向量实现组合码序列的盲估计。同时,通过右奇异向量实现信息序列的盲估计。仿真分析表明,该方法能够在较低的信噪比下达到精确估计的目的。这对于从事卫星导航接收机设计具有一定的参考价值。     

基于Fast-ICA同、异步系统短码CDMA信号扩频序列与信息序列盲估计

本文通过分析短码CDMA信号特性,将接收信号以间隔2倍扩频周期、重叠1倍扩频周期的时间窗进行分割,建模CDMA系统与线性混合的盲源分离模型一致,使建立的CDMA模型同时适用于同、异步系统.利用盲源分离方法,实现了同步系统、异步系统失步时间未知和已知条件下,各用户等功率或非等功率时,扩频序列与信息序列的盲估计.理论分析和...     

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。     

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。      

直扩信号伪码周期及序列的估计与检测方法的研究

直接序列扩频通信的信号检测是通信对抗的关键问题，本文对直接序列扩频通信的信号检测方法进行了综述，并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，其中四阶统计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。     

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.     

Blind joint information and spreading sequence estimation for short-code DS-SS signal in asynchronous and synchronous systems

The problem of blind despreading of short-code direct sequence spread-spectrum signal in asynchronous or synchronous system is considered. A novel blind estimation algorithm for time offset, spreading and information sequences is presented in this paper. Firstly, the received signal is divided into two-information-period-length temporal vectors overlapped by one-information-period and accumulates these vectors one by one to form the accumulated matrix. The algorithm exploits an unbiased estimation of user’s time offset to realize synchronization blindly, and an operation of singular value decomposition is applied to the intercepted matrix, which is intercepted from the accumulated matrix according to user’s time offset. Lastly, the spreading sequence is recovered from a right singular vector blindly; therefore, the shortcomings of traditional algorithms, such as phase ambiguity when make use of two vectors to form the spreading sequence, are avoided. And the information sequence is then recovered blindly from the left singular vector. Simulation results show that the new method is capable of retrieving time offset, the spreading and information sequences with higher accuracy than previous methods.     

基于最小二乘的同步多用户非周期长码直扩信号扩频序列估计

针对低信噪比下同步多用户非周期长码直扩信号的扩频序列估计问题, 提出了一种基于嵌套迭代最小二乘投影算法的扩频序列估计方法.首先, 将同步多用户非周期长码直扩信号等效为含有缺失数据的相应的短码直扩信号.然后, 利用最大似然估计理论对相应的短码直扩信号进行数学分析, 构建扩频序列估计的数学模型.最后, 利用一种嵌套迭代最小二乘投影算法来实现扩频序列的估计.研究表明, 该算法在低信噪比(小于-10 dB)情况下, 对多用户(多达10路)扩频序列的估计有着良好的性能表现.     

基于改进EASI算法的DS-CDMA信息码与伪码盲估计

针对直扩序列码分多址(DS-CDMA)系统多用户检测的问题,提出了一种基于性能指标(PI)变步长EASI算法信息码与伪码盲估计的算法.该算法在比较盲源分离(BSS)和DS-CDMA系统模型的基础上,用自适应的方法估计混合矩阵进而估计出伪码,并利用分离矩阵分离观测信号从而估计出信息码.另外,该算法利用PI值来调整步长,使算法收敛速度和稳定性能达到一个理想平衡点.实验结果显示,该算法具有很好的抗多址干扰(MAI)的能力,伪码和信息码的误码率分别在-10 dB和0 dB时达到10-2以下;对不同用户数,5dB时所有扩频码被完全正确检测的概率几乎都在80％以上.     

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。     

Underdetermined mixing matrix estimation bycomprehensive application of cluster validity indexes

To solve the problem of mixing matrix estimation for underdetermined blind source separation (UBSS) when thenumber of sources is unknown, this paper proposed a novel mixing matrix estimation method based on averageinformation entropy and cluster validity index (CVI). Firstly, the initial cluster center is selected by using fuzzy C-means (FCM) algorithm and the corresponding membership matrix is obtained, and then the number of clusters isobtained by using the joint decision of CVI and average information entropy index of membership matrix, thenmultiple cluster number estimation results can be obtained by using multiple CVIs. Then, according to the results ofthe number of multiple clusters estimation, the number of radiation sources is determined according to the principleof the subordination of the minority to the majority. The cluster center vectors obtained from the clustering operationof the estimated number of radiation sources are fused, that is the mixing matrix is estimated based on the degree ofsimilarity of the cluster center vectors. When the source signal is not sufficiently sparse, the time-frequency singlesource detection processing can be combined with the proposed method to estimate the mixing matrix. Theeffectiveness of the proposed method is validated by experiments.     

数字混沌扩频序列的盲估计

混沌序列具有非线性、宽带类噪声、大的码族、任意长的周期且容易产生的特性,因此在扩频通信系统中很有实用价值。本文将文献[1]中对伪随机扩频序列盲估计的方法推广应用到混沌扩频通信中,并对其不足提出了改进方法。在只知道扩频码周期而无其它任何先验知识的条件下,利用特征值分析的方法可以对数字混沌直扩序列进行盲估计,仿真实验证明了该方法的有效性。     

基于时频分析的混合矩阵估计方法

在盲源分离信号处理中,尤其在欠定条件下(观测信号数目大于源信号数目),精确的估计混合矩阵是具有挑战性的问题。现存部分方法利用信号的稀疏性进行求解,并假设在时域或者时频域中源信号不重叠,然而这类方法在假设条件不满足,即源信号部分重叠情况下随着信号稀疏性降低性能恶化明显。本文针对具有较弱稀疏性的源信号,提出了一种基于时频分析的欠定盲源分离的混合矩阵估计方法。首先,利用源信号时频变换后系数实部与虚部比值的差异性选择单源点;其次,运用经典的聚类方法估计解混合矩阵的各向量。仿真结果表明:提出的方法简易可行并具有较好的估计性能。