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。