基于四阶矩切片循环谱的非周期性直扩信号检测与参数估计

合集下载

基于最小四阶矩准则的RLS空时多用户检测算法

基于最小四阶矩准则的RLS空时多用户检测算法

基于最小四阶矩准则的RLS空时多用户检测算法
郑霖;欧阳缮;仇洪冰
【期刊名称】《西安电子科技大学学报(自然科学版)》
【年(卷),期】2006(023)005
【摘要】为了解决常用高阶准则存在局部极小点问题,提出了一种约束最小四阶矩(LMF)盲多用户信号检测准则,它是最小均方准则(LMS)的一种高阶改进形式.通过Hessian矩阵对LMF目标函数的凸性分析,证明这种检测准则拥有全局收敛的特性.将此检测准则与最小二乘迭代方法相结合,在空时多径CDMA系统中构造出自适应RLS-LMF多址检测算法,继承了前者的稳态解相关性能和后者的计算有效性.在多径CDMA信道和直扩超宽带(DS-UWB)空时信道下的仿真实验表明,该算法在保证高收敛速度的同时,拥有优异的稳态检测性能.
【总页数】6页(P782-787)
【作者】郑霖;欧阳缮;仇洪冰
【作者单位】西安电子科技大学,通信工程学院,陕西,西安,710071;桂林电子工业学院,通信与信息工程系,广西,桂林,541004;桂林电子工业学院,通信与信息工程系,广西,桂林,541004
【正文语种】中文
【中图分类】TN914.5
【相关文献】
1.一种改进的基于MMSE准则的空时多用户检测算法 [J], 王雁华;李茁
2.一种基于约束最小四阶矩的盲自适应多用户检测方法 [J], 郑霖;欧阳缮
3.基于最小误码率准则的多载波CDMA 系统多用户检测算法 [J], 丁宏;何峰;郑林华;黄晓涛
4.基于MMSE准则的空时CDMA多用户检测算法研究 [J], 谢红;杨莘元;蒲书缙
5.基于MMSE准则的空时CDMA多用户检测算法研究 [J], 谢红;杨莘元;蒲书缙因版权原因,仅展示原文概要,查看原文内容请购买。

基于四阶累积量的最小模DOA估计方法

基于四阶累积量的最小模DOA估计方法

基于四阶累积量的最小模DOA估计方法
李广彪;张剑云
【期刊名称】《舰船科学技术》
【年(卷),期】2006(028)003
【摘要】高阶累积量由于对高斯噪声不敏感,在高分辨阵列信号处理中可用来提高参数估计的分辨性能.本文从一个统一的角度来研究基于高阶累积量的高分辨阵列信号处理方法,用四阶累积量构造了一个较通用的累积量矩阵,该矩阵符合最小模(Min-Norm)算法的结构,从而可进行DOA(Direction of Arrival)估计.由于四阶累积量对高斯噪声干扰不敏感,从而可提高估计的分辨性能.本文就这种方法在阵列信号处理中的应用,通过计算机仿真与基于二阶矩的Min-Norm算法进行了较全面的比较.仿真结果表明,该方法在高斯噪声中具有良好的统计性能,是实现高分辨方位估计的有效方法.
【总页数】5页(P48-52)
【作者】李广彪;张剑云
【作者单位】解放军电子工程学院雷达与雷达对抗原理教研室,安徽,合肥,230037;解放军电子工程学院雷达与雷达对抗原理教研室,安徽,合肥,230037
【正文语种】中文
【中图分类】TN911.7;O241.6
【相关文献】
1.基于最小冗余四阶循环累积量阵的DOA估计新方法 [J], 郭映月;黄焱;贾永强
2.基于四阶累积量的DOA估计方法及其分析 [J], 丁齐;魏平;肖先赐
3.基于四阶累积量的DOA估计方法 [J], 李广彪
4.基于四阶累积量的后验稀疏约束迭代DOA估计方法 [J], 万群;杨万麟
5.基于最小冗余线阵的二维DOA估计方法 [J], 张聪;邱鹏宇;卢焕章
因版权原因,仅展示原文概要,查看原文内容请购买。

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

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

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张天骐;强幸子;马宝泽;王俊霞【摘要】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.%This paper studies the problem of estimation of the spread-spectrum sequence for low SNR synchronous multi-user long-code direct sequence spread spectrum (DSSS) signals.An estimation approach of spread-spectrum sequence based on a nested iterative least squares with projection (NILSP) algorithm is presented.First,The synchronous multi-user long-code DSSS signals is constructed as the shortcode ones with missing data.Then the mathematical analysis for the short-code ones with missing data is done based on the theory of maximum likelihood estimation (MLE) to establish a mathematical model of spread-spectrum sequence.After that,the spread-spectrum sequence is estimated by a NILSP algorithm.The theoretical analysis and simulations show that,the proposed algorithm always has a good performance for estimation of multi-users' (more than 10 users) spread-spectrum sequence in low-SNR (lower than-10 dB) scenarios,and under the same conditions,the longer the data size,the better the performance.【期刊名称】《电波科学学报》【年(卷),期】2016(031)006【总页数】11页(P1113-1123)【关键词】长码直扩信号;缺失数据模型;最大似然估计;嵌套迭代最小二乘投影算法【作者】张天骐;强幸子;马宝泽;王俊霞【作者单位】重庆邮电大学信号与信息处理重庆市重点实验室,重庆400065;重庆邮电大学信号与信息处理重庆市重点实验室,重庆400065;重庆邮电大学信号与信息处理重庆市重点实验室,重庆400065;重庆邮电大学信号与信息处理重庆市重点实验室,重庆400065【正文语种】中文【中图分类】TN911直接序列扩频(Direct Sequence Spread Spectrum, DSSS) 信号由于其抗干扰能力强、保密性能好、直扩通信速率高以及便于实现多址通信等优点,在军事和民用通信系统中得到广泛应用,如超长波对潜通信及第三代移动通信CDMA系统等. 在合作通信系统中,合作接收方可利用已知的扩频码序列对接收到的直接序列扩频信号进行解扩提取信息码. 然而在非合作通信系统中,特别是在低信噪比条件下,需要事先对扩频序列进行估计才能完成信号的盲解扩. 因此,扩频序列估计已成为目前研究的热点之一.在非合作直扩通信系统中,针对多用户短码直扩信号(扩频周期等于信息码周期)扩频序列估计的相关文献较多,较为成熟. 目前已有方法大致可分为:基于奇异值分解的方法[1-3]、基于最大似然估计的方法[4-5]、基于子空间的方法[6]、基于模式识别聚类的方法[7-8]、基于盲源分离的方法[9]以及基于神经网络的方法[10]等. 对于相应周期长码直扩信号扩频序列估计的相关工作大多是对短码直扩信号估计方法的扩展. 但是针对多用户非周期长码直扩信号扩频序列估计的相关研究较少[11]. 文献[12]提出一种基于平行因子的长码直扩信号扩频序列盲估计方法,但该方法需要多通道接收技术来保证阶维矩阵低秩分解的唯一性. 文献[13]通过构造缺失数据模型,利用奇异值分解(Singular Value Decomposition, SVD)算法对扩频序列进行估计,该方法实际是利用迭代过程首先估计出与长码直扩信号对应的短码直扩信号,然后利用SVD得到扩频序列子空间的估计值,再将缺失数据矩阵投影到扩频序列子空间,通过期望最大化(Expectation Maximization, EM)算法对扩频序列进行估计. 当用户数较多,且噪声污染比较严重时,该方法运算复杂度明显增强,且估计效果不理想. 本文的核心思想是利用文献[13]的思路,将同步多用户非周期长码直扩信号建模为含有缺失数据的相应短码直扩信号,利用最大似然估计理论对信号模型进行分析,并提出一种嵌套迭代最小二乘投影算法实现各用户扩频序列的估计.定义1 设A,B分别为两个m×n矩阵,A=(aij)m×n,B=(bij)m×n. 记A⊙B=(aijbij)m×n,称A⊙B为A与B的hadamard乘积矩阵.实际非合作场景中,K路用户长码直扩接收信号模型可写为,n=0,1,…,N-1.式中: Ak,fk,φk分别表示第k路信号的幅度、载频及相位; N=LM表示信号样本的长度,M表示扩频码周期个数,L表示扩频码周期; bk(m)q(n-mG),bk为第k个用户的信息码序列,q(n)为矩形函数窗,=[N/G]表示信息码序列的长度,[·]表示对·向上取整,G为信息码元的宽度; ck(n-mL),ck为第k个用户的扩频序列; v(n)是高斯白噪声. 如若信号为非周期长码信号,则L>G,并且L不能被G整除.针对同步多用户长码直扩信号,满足τ1=τ2=…=τk=τ. 在实际情况中,式(2)中各个用户载波的初始相位φk往往是不同的,但考虑到文献[14]可对各个用户的载波相位进行估计,然后将其等效为异步多用户长码直扩信号模型. 对于异步多用户长码直扩信号模型,将另作文章具体分析,本文假设f1=f2=…=fk=f及φ1=φ2=…=φk=φ.假设信号已经过盲同步处理,即τ=0. 此时,基带同步多用户长码直扩信号可写为,n=0,1,…,N-1.信号样本的列向量形式为同时将信息码、扩频码序列以及噪声序列写成矩阵形式:为方便起见,将各用户的信号幅度乘入扩频序列矩阵中,如式(6)所示. 此时,式(2)可以写为如下形式:式中,Z为K个1组成的列向量. 式(8)结构如图1所示.本文假设用户数已知,且每个用户中扩频序列的长度、信息码元的宽度均已事先被估计[2,15]出来.现在用含有缺失数据的同步多用户短码直扩信号虚拟同步多用户长码直扩信号模型. 虚拟一个与该多用户长码直扩信号扩频码序列和信息码序列相同对应的短码直扩信号,则该短码直扩信号加噪并离散化后可写为).将y(n)写成矩阵形式,有式中:V表示噪声矩阵.Y的结构如图2所示.做一个矩阵W,使其满足W(n)L+1,[n/G]+1=1,其余元素为0. 其中,-1,(n)L表示n 除L取余数,[·]表示对向下取整. 则=Y⊙W是一个多用户短码缺失数据矩阵,其结构如图3所示. 在该缺失数据矩阵中,缺失数据所占的比重约为(L-G)/L,未缺失部分组合起来即为. 故缺失数据矩阵可以由多用户长码直扩信号得到,其构造过程为:将序列(n)按照W(n)L+1,[n/G]+1=1依次投影到缺失数据矩阵模型W的对应位置,从而构成. 下面讨论利用Y虚拟多用户短码直扩信号的性质结合缺失数据矩阵估计多用户长码直扩信号的扩频序列.2.1 最大似然理论分析在缺失数据矩阵中,每一列缺失的数据均为L-G个,并且缺失数据的位置也是遍历的. 由于每一列都相互独立,观测量在高斯噪声污染下,概率密度函数为[4]其负对数最大似然函数为依据最大似然估计原理,当式(13)取最小值时对应的C和B为该最大似然函数所对应的最大似然概率估计. 由于式(13)中K和σ均为常数项,上述最大似然估计问题可以转化为如下最小二乘估计问题.2.2 最小二乘估计方法根据最大似然函数的表达式,可以将以上问题建模为‖式中,B中的所有元素Bi,j∈{1,-1}. 由于=Y⊙W,同时, ⊙W. 对于式(14)的数学模型,本文的整体思路是利用最小二乘方法进行求解,首先固定C,然后求出与之对应的B,使得满足式(14); 再固定B,更新C,使其满足式(14),依次迭代,直至收敛(C、B都趋于稳定).在此过程中,如果固定C、B中的任何一个矩阵,这里假设固定C,求与之对应的B使得满足式(14),不失一般性. 该数学模型类似于一个多用户检测的问题,一般情况采用最小二乘算法的解求解其最大似然解. 但实际上,在该问题中直接采用最小二乘算法的解求解出的B只能保证‖取得最小值,而由于CB⊙W≠CB,所以‖与‖取最小值时的B是不一定相等的. 因此,这里需要对式(14)进行变形,将其等效为‖式中,=1-W,1表示的全1矩阵. 此时,当固定C、B中的任何一个矩阵时,可以采用迭代的方法对满足式(15)的另一个矩阵进行求解. 求解思路为:当固定C时,首先利用最小二乘算法求出B1,然后利用对的缺失部分进行补偿,再利用最小二乘算法求解目标函数‖得到B2,依此迭代,直到B收敛(Bn=Bn+1). 当固定B时,C的求解过程与上述方法类似.综上所述,对于目标函数式(15)的求解方法实际上是采用了一种嵌套迭代最小二乘投影算法进行求解[16-17]. 具体步骤如下:1) 初始化C为任意矩阵,B为全零矩阵,n=0.2) n=n+1,j=0,k=0.3) j=j+1,].4) 对步骤3)进行迭代,直到收敛,即与相同,或者二者之间的距离小于某一设定的门限值(本文收敛判别函数取ρ1=‖ ).5) 对中所有元素进行硬判决,将其映射为集合{-1,1}中,对进行更新.6) k=k+1;7) 对步骤6)进行迭代,直到收敛,即与相同,或者二者之间的距离小于某一设定的门限值(本文收敛判别函数取ρ2=‖ ).8) 对步骤2)~7)进行迭代,直到和均趋于稳定,即与以及与相同或者它们之间的距离均小于某一设定的门限值(本文收敛判别函数取ρ=‖ ).9) 对取符号函数即得到扩频序列的估计值.本文所提算法主体是采用最小二乘方法,因此其计算复杂度主要集中在对缺失数据矩阵求伪逆,而求伪逆的计算复杂度又主要由乘法构成,对一个X×Y的矩阵求伪逆,共需要XY2+2Y3次乘法,因此算法步骤3)中迭代过程的计算复杂度为iLM2+2iM3,步骤5)中迭代过程的计算复杂度为jLM2+2jM3,总体的计算复杂度为n(i+j)LM2+2n(i+j)M3,其中i,j,n分别表示步骤3)、步骤5)和整体的迭代次数. 文献[13]首先利用SVD对扩频序列子空间进行估计,然后再利用EM算法对扩频序列进行估计,SVD估计扩频序列子空间的算法复杂度约为(L+M)3; EM算法复杂度主要集中在对矩阵求逆,复杂度约为nLM2+2nM3; 总体算法复杂度为(2n+1)M3+(n+3)LM2+3L2M+L3. 因此,本文算法与文献[13]算法的计算复杂度从数量级上来说是相当的,并且扩频码序列的长度对本文算法计算复杂度影响较小.2.3 收敛性对于式(15),实质上是求使函数f=‖取最小值时对应的[C,B],并且B中的所有元素Bi,j∈{1,-1 }本文使用最小二乘的嵌套方法解决该问题.2.3.1 步骤3)迭代过程中的收敛性证明在步骤3)中,是固定的,此时有‖= ‖,= ‖≥ ‖=‖由于‖对比式(23)和(24),当缺失数据矩阵的补偿部分由更新为时, 应更新为才能保证式(24)取得最小值,即‖≥‖).故,恒有,当且仅当时,等号成立.2.3.2 步骤6迭代过程中的收敛性证明在步骤6中是固定的,同理有‖= ‖=‖≥‖=‖由于‖对比式(32)和(33),当缺失数据矩阵的补偿部分由更新为时,应更新为才能保证式(33)取得最小值,即‖≥‖).故,有,当且仅当时,等号成立.2.3.3 整体迭代过程中的收敛性证明假设在步骤3中迭代结束后目标函数为‖在步骤6中迭代结束后目标函数为‖显而易见,当且仅当Cn=Cn-1,Bn=Bn-1时,等号成立.现在只需要考察与之间的关系,如果,则说明该算法在整体的迭代过程中是收敛的. 实际上,是在固定Cn的情况下,寻找一个合适的Bn+1使目标函数‖取得最小值,又因为‖‖当且仅当Cn=Cn-1,Bn=Bn-1时,等号成立.因此,该算法在整体迭代的过程中也是收敛的.综上分析,该算法在解决形如‖的目标函数时能够有效收敛.2.4 可辨识性为论证本文算法迭代过程中收敛结果的确定性,这里提出可辨识性[16]的定义以及两个性质,性质证明详见附录A.定义2 对于Y=CL×KBK×N,若Y的任意一个关于L×K和K×N的分解矩阵L×K和K×N与CL×K和BK×N之间存在关系K×N,并且K×N只是对K×N进行行交换而已. 此时,我们称Y的K维分解可辨识.性质1 对于YL×N=CL×KBK×N,如若C和B满足以下条件,则Y的K维分解可辨识.1) C和B分别为列满秩和行满秩矩阵;2) B中的任一元素Bi,j∈{+1,-1};3) B中存在着这样的2K-1列:在这2K-1列中既没有完全相同的列,也没有完全相反的列.性质2 对于YL×N=(CL×KBK×N)⊙WL×N,W(n)L+1,[n/G]+1=1,其中,(n)L表示n除L取余数,n=0,1,…,GN-1. 如若C和B满足以下条件,则Y的K维分解可辨识.1) C和B分别为列满秩和行满秩矩阵;2) B中的任一元素Bi,j∈{+1,-1};3) B中存在着这样的2K-1列:在这2K-1列中既没有完全相同的列,也没有完全相反的列.4) C中任意连续的G行所组成的子矩阵均为列满秩矩阵.5) 2G-a-1>K,其中a=GCD(G,L),GCD表示最大公约数.由性质2可知,第2节中缺失数据矩阵模型是可辨识的. 又根据可辨识性的定义,在对进行迭代最小二乘运算时,其收敛结果虽然不唯一,但是任意一个收敛结果都包含了各路用户的扩频序列信息,只是存在各路扩频序列在矩阵C中排列顺序和符号的变化而已. 所以,当多用户长码直扩信号中扩频序列和信息序列满足性质2的条件时,本文所提算法能够对多路的扩频序列进行同时估计.下面用计算机仿真的方法对本文算法的性能进行分析.不失一般性,仿真中扩频及信息码序列采用随机产生的双相移相键控(Binary Phase Shift Keying, BPSK)调制序列,算法收敛判别中参数设置为ρ1=10-4,ρ2=10-4,ρ=10-2. 采用误码率作为该算法性能评价指标. 误码率计算公式为式中:nm表示第m次蒙特卡洛仿真中估计错误的扩频序列的个数; K为用户数; L 为扩频序列长度; M为蒙特卡洛仿真次数. 信噪比计算公式为实验一验证本文算法的可行性,取L=63,G=30,固定信号样本长度(取信息码个数为3 000的数据段). 在信噪比为-7 dB的情况下,对K=5的多用户长码直扩信号扩频序列进行估计. 首先,将信号样本按照第2节中缺失数据模型的构造过程构造成缺失数据矩阵,然后利用3.2节中算法步骤进行迭代运算,直至满足收敛条件,得到各个用户扩频序列的估计值. 计算仿真实验结果如图4(a)和(b)所示.对比图4(a)和(b)可知,本文算法在信噪比为-7 dB的情况能够准确地估计出多路用户所对应的扩频序列.实验二验证本算法在不同用户数下的性能,固定信号样本长度(取信息码个数为3 000的数据段). 在K=7,8,9,10时,信噪比在-15~0 dB时,分别在L=127,G=50和L=1 023,G=500的条件下估计所得扩频序列的误码率,蒙特卡洛仿真200次后所得性能曲线如图5(a)和(b)所示.由图5可知:当信噪比为-10 dB时,该算法能够在L=1 023,G=500时对10路用户的扩频序列进行有效分离; 且在其他条件给定时,随着用户数的减少,性能增强; 扩频周期越长,本文算法的抗噪性能越强.实验三验证信息码长度对算法性能的影响. 取L=1 023,G=500,RSN=-10 dB. 分别在K=8,9,10,信息码个数为500~4 000时,估计所得扩频序列的误码率,蒙特卡洛仿真200次后所得性能曲线如图6所示.由图6可知:随着信息码长度的增加,算法估计性能不断提高; 相同条件下,用户数越少,算法估计性能越好.实验四验证本文算法在不同用户数下的收敛速度,固定信号样本长度(信息码个数为3 000的数据段),取RSN=-10 dB时,在L=1 023,G=500.当K=6,8,10时,本文算法在迭代过程中扩频序列误码率的变化情况如图7所示.由图7可知:本文算法能够通过迭代运算不断降低扩频序列估计值的误码率,直到收敛; 用户数越多,所需的迭代次数越多,收敛速度越慢.实验五固定信号样本长度(取信息码个数为3 000的数据段). 在L=1023,G=500,K=6的条件下,通过200轮蒙特卡洛仿真对照本文算法与文献[13]在不同信噪比(-15~0 dB)条件下扩频序列估计误码率的变化曲线,仿真结果如图8所示.由图8可知,本文算法在整体上优于文献[13]算法. 信噪比越低,本文算法相对于文献[13]算法的优势越明显,说明本文算法的抗噪性能较文献[13]算法要好.本文针对同步多用户非周期长码直扩信号扩频序列估计问题,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,并对该方法的收敛性进行了较为详细的理论推导,研究表明:本文算法在信噪比低于-10 dB时可对L=1 023,G=500的多达10路用户的同步多用户非周期长码直扩信号扩频序列实现准确估计. 本文方法可应用于卫星通信以及电子对抗中扩频序列估计,特别是多用户非周期长码信号扩频序列的估计.附录A性质1证明:假设存在C′、B′同样是Y的分解矩阵,并且C′、B′也满足如上条件. 则有Y=CB=C′B′.由于B′是行满秩矩阵,可得C′=CB(B′)†.式中,(B′)†表示B′的伪逆. 若对两边同时乘以B′,则有CB=C′B′=CB(B′)†B′,即C[B-B(B′)†B′]=0.因为C是列满秩矩阵,故必有.B=B(B′)†B.(A5)又因为B和B′均为行满秩矩阵,所以B(B′)†是一个非奇异的方阵,令T=B(B′)†,即有B=TB′.首先,若K=2,令,由于B′中存在这样的两列:在这两列中,既没有完全相同的列,又没有完全相反的列. 不失一般性,假设存在的这两列为[1,1]T和[1,-1]T,又由于B和B′中的任一元素均为+1或-1,式(A6)展开即有:.方程(A7)的解为:t11和t12中一个为±1,一个为0. 方程(A8)的解与(A7)类似. 结合T为非奇异矩阵,则T满足:每一行中只有一个±1,其它为0,T可逆. 此时,TB′实际上只是对B′进行了行交换,即Y是可辨识的.假设K=k时,Y是可辨识的. 此时,T满足:任意一行中只有一个±1,其它为0,且T可逆.现在考虑K=k+1时,,按照性质中所给条件,不失一般性的假设按照式(A6)展开第一行即有.因为方程组中如若除去第一列,后边k列的排列组合总是成对出现(总有与之完全相反的项出现),根据K=2时的结论,该方程的解应为或者.对于第一种解的情况,显然后边方程组的解各项都为0; 对于第二种解的情况,后边方程组的上半部分是对应K=k时的情况,根据K=k时的假设,方程组的解只能是:存在一个±1的解,其它为0. 综上所述,对于式(A6)在K=k+1的情况下,T的第一行的解只能是:存在一个±1,其它项为0.同理可证,其它各行的解的形式与第一行相同. 同时,由于T可逆,所以T矩阵是一个单纯的行交换矩阵,即Y可辨识.综合以上归纳证明可知,当YL×N=CL×KBK×N,C和B满足性质中所给的三个条件时,Y是可辨识的.性质2证明:令. 此时W矩阵中1的排列位置按列划分以b为周期重复出现,即W中第i列中1的位置与其第i+a列中1的位置完全相同. 在Y中抽取第1,1+b,1+2b,…,1+(2d-1-1)b列,形成的矩阵形为.令,实际上=C1∶GB1∶G.其中是C矩阵中前G行组成的子矩阵. 是B矩阵中按照上述规则抽取出来的矩阵.根据性质是可辨识的,并且通过可以有效分解出YL×2K-1中的部分扩频序列C1∶G,同理,YL×2K-1的其它连续G行的子矩阵也是可辨识的.又由于W矩阵中1的排列位置按列划分以b为周期重复出现,所以总能找到Y″(x∶x+G)×2K-1,其可以有效分解出部分扩频序列Ca∶a+G,该部分扩频序列与C1∶G有G-a行是重叠的,若2G-a-1>K,则子矩阵和Y″(x∶x+G)×2K-1可以进行有效拼接. 同理,此时所有的子矩阵可以进行有效拼接,从而说明YL×2K-1是可辨识的. 故在YL×N=(CL×dBd×N)⊙WL×N中,YL×N是可辨识的.张天骐 (1971-),男,四川人,重庆邮电大学教授,博士,研究方向为扩频信号的盲处理、神经网络实现以及信号的同步处理.强幸子 (1986-),男,陕西人,重庆邮电大学硕士研究生,研究方向为直扩信号盲处理. 马宝泽 (1990-),男,河北人,重庆邮电大学硕士研究生,研究方向为通信信号盲源分离. 王俊霞 (1990-),女,河南人,重庆邮电大学硕士研究生,研究方向为通信信道编码.【相关文献】[1] 张天骐, 张传武, 林孝康. 直扩信号伪码周期及序列的估计算法[J]. 系统工程与电子技术, 2005, 27(8): 1365-1368.ZHANG T Q, ZHANG C W, LIN X K. Algorithms for period and sequence estimation of the PN code in DS-SS signals[J]. Systems engineering and electronics, 2005, 27(8): 1365-1368.(in Chinese)[2] 张天骐, 周正中, 林孝康,等. 低信噪比长伪码直扩信号的盲估计方法[J]. 信号处理, 2008,24(3):370-376.ZHANG T Q, ZHOU Z Z, LIN X K, et al. Approach to blind estimation of lower SNR long code DS signals[J]. Signal processing, 2008, 24(3):370-376.(in Chinese)[3] 沈斌, 王建新. 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[J]. 电子与信息学报, 2014, 36(9): 2098-2103.SHEN B, WANG J X. Blind estimation of the PN sequence and information sequence of a DSSS signal based on SVD[J]. Journal of electronics & information technology, 2014, 36(9): 2098-2103.(in Chinese)[4] ZHANG H G, MOU Q, L H S. A semidefinite relaxation approach to spreading sequence estimation for DS-SS signals[J]. IEICE transactions on communications, 2011,E94-B(11): 3163-3167.[5] 周德强, 陈卫东. 基于Viterbi算法的扩频码与信息序列联合估计[J]. 飞行器测控学报, 2014,33(5): 441-447.ZHOU D Q, CHEN W D. Joint blind estimation of spreading code and information sequence based on Viterbi algorithm[J]. Journal of spacecraft TT&C technology, 2014,33(5): 441-447.(in Chinese)[6] 马超, 张立民, 王建雄. 基于子空间跟踪的长码直扩序列盲估计[J]. 计算机与数字工程,2014,292(42): 223-226.MA C, ZHANG L M, WANG J X. Blind estimation of long code DSSS signal based on subspace tracking[J]. Computer & digital engineering, 2014,292(42): 223-226.(in Chinese) [7] CHENG H, LOU Z H, SUN G L. Non-supervised rule for direct sequence spread spectrum signal sequence acquisition[C]//2014 Ninth International Conference on Broadband and Wireless Computing, Communication and Applications (BWCCA). IEEE, November 8-10, 2014:151-154.[8] 李军伟, 张天骐, 朱洪波,等. 基于聚类的多进制扩频伪码序列盲估计方法[J]. 科学技术与工程, 2014, 14(2): 32-36.LI J W, ZHANG T Q, ZHU H B, et al. Clustering based blind estimation of PN sequences in mary spread spectrum system[J]. Science technology and engineering, 2014, 14(2): 32-36.(in Chinese)[9] 汤辉. 直扩信号参数估计的盲源分离方法研究[D]. [D]. 武汉: 华中科技大学, 2012.TANG H. Parameters estimation of DSSS signals based on blind source separation[D]. Wuhan: Huazhong University of Science & Technology, 2012. (in Chinese)[10] 张天骐, 林孝康, 周正中. 基于神经网络的低信噪比直扩信号扩频码的盲估计方法[J]. 电路与系统学报, 2007, 12(2): 118-123.ZHANG T Q, LIN X K, ZHOU Z Z. A neural network approach to blind-estimation of PN spreading sequence in lower SNR DS/SS signals[J]. Journal of circuits and systems, 2007, 12(2): 118-123.(in Chinese)[11] 赵知劲, 顾骁炜, 沈雷,等. 非周期长码直扩信号的伪随机码盲估计[J]. 通信学报, 2015,36(5): 1-8.ZHAO Z J, GU X W, SHEN L, et al. Blind estimation of pseudo-random codes in non-periodic long code direct-sequence spread-spectrum signals[J]. Journal on communications, 2015,36(5): 1-8.(in Chinese)[12] 赵知劲, 李淼, 吴金沂. 长码直扩信号扩频序列估计[J]. 杭州电子科技大学学报, 2015, 35(2): 1-4.ZHAO Z J, LI M, WU J Y. The spread spectrum code estimation of long-code DSSS signal[J]. Journal of Hangzhou Dianzi University(Natural Sciences), 2015, 35(2): 1-4.(in Chinese) [13] 张花国, 魏平. 同步多用户长码直扩信号的盲解扩[J]. 电子与信息学报, 2011,33(7): 1748-1751. ZHANG H G, WEI P. Blind despreading of synchronous multi-user long-code DS-SS signals[J]. Journal of electronics & information technology, 2011,33(7): 1748-1751.(in Chinese)[14] 张花国, 魏平. 未知频偏下直扩信号的扩频序列估计[J]. 电子科技大学学报, 2013, 42(1): 44-47. ZHANG H G, WEI P. Spreading sequence estimation of direct sequence spread spectrum signals with unknown carrier offset[J]. Journal of University of Electronic Science and Technology of China, 2013, 42(1): 44-47.(in Chinese)[15] 徐海源, 王丰华, 黄知涛,等. 长码直扩信号的符号速率盲估计方法[J]. 国防科技大学学报, 2007, 29(6): 44-48.XU H Y, WANG F H, HUANG Z T, et al. Blind estimation of the Symbol rate of a long code DSSS signal[J]. Journal of National University of Defense Technology, 2007, 29(6): 44-48.(in Chinese)[16] TALWAR S, VIBERG M, PAULRAJ A. Blind separation of synchronous co-channel digital signals using an antenna array. I. algorithms[J]. IEEE transactions on signal processing, 1996, 44(5): 1184-1197[17] TALWAR S, PAULRAJ A. Blind separation of synchronous co-channel digital signals using an antenna array. II. Performance analysis[J]. IEEE transactions on signal processing, 1997, 45(3): 706-718.。

低信噪比下WCDMA信号的盲检测与降耗研究

低信噪比下WCDMA信号的盲检测与降耗研究
收 稿 日期 :09— 7—1 20 0 6
基 金项 目 : 江 省 研 究 生 创 新 科 研 资 助项 目(/ 2 0 07) 浙 "K 0 8 5
作者简 介 : 知劲 (9 9一) 女 , 赵 15 , 浙江宁波人 , 教授 , 士生导师 , 博 主要从事通信信号处理 、 认知无线 电 、 自适应信 号处理 、 语音信 号处理等 方面的
信号 的检 测要 求 ;萋 的 延 时相 乘 检测 法 需 要 知 道 常规 _ 誉 阶 信号 的先验 知识 , 非 协作 通 信 情 况 下其 检 测 性 能 急 在 剧下 降 ; 关 累 积 法 j 信 号 做 相关 处 理 , 用 较 长 相 对 并 时间 来消 除噪声 影 响 , 所需 数据 较长 , 计算 量 和存 储 空
一一 一一一 一一
一 一~ . ~c^ _ ._ 一一一 一 m Ⅲ 吣. 薹 一 磊m ~ 雪 n 彗
“ .
Z HAO Z ii P u -e HA u —a h-n. U J nj ,S NG J nn j i
( c o lo o mnc t n E gn eig S h o fC mn iai n ie r ,Ha gh u Din iUnv ri o n nzo a z ies y,Ha gh u3 0 t n zo 1 1 0 8,C ia hn )
中 图 分 类 号 :N 1 T 94 文 献 标 识 码 : A 文章 编 号 :0 1 4 5 ( 00 0 0 1 0 10 — 5 1 2 1 ) 3— 17— 3
Re e r h o h e u i g p we o s m p i n a d t e b i s a c n t e r d cn o r c n u to n h l nd d t c i n o CDM A i n la o r S e e to f W sg a t l we NR

基于四阶累积量对角切片的水下目标检测

基于四阶累积量对角切片的水下目标检测

基于四阶累积量对角切片的水下目标检测
何光进
【期刊名称】《科技广场》
【年(卷),期】2016(000)010
【摘要】本文针对目标噪声中可能含有对称分布信号的情况,结合三阶统计量具有抑制对称分布信号的特点,提出了用四阶统计量对水下目标噪声进行检测,构造了基于四阶累积量对角切片的检测统计量,并运用该方法对模拟舰船目标信号和潜艇模型信号进行分析,并与双谱方法的检测结果进行了比较.结果表明:基于四阶累积量的检测方法优于双谱检测方法,且具有更小的计算量.
【总页数】3页(P107-109)
【作者】何光进
【作者单位】海军装备部驻广州地区军事代表局,广东广州 510260
【正文语种】中文
【中图分类】TN911.23
【相关文献】
1.基于四阶累积量联合对角化盲分离算法的波束净化方法 [J], 綦敦浩;章新华;范文涛;刘俊星;张本辉
2.基于四阶累积量对角切片的短波自适应通信信号检测 [J], 柯宏发;陈永光;张哲峰
3.基于对角切片谱的小波神经网络水下目标识别 [J], 顾江建;王海燕;申晓红;高婧洁
4.广义对角切片谱及用于水下目标特征提取的性能分析 [J], 鱼海涛;王英民
5.基于四阶累积量张量联合对角化的多数据集联合盲源分离 [J], 龚晓峰; 毛蕾; 林秋华; 徐友根; 刘志文
因版权原因,仅展示原文概要,查看原文内容请购买。

一种改进的低截获概率直扩信号设计

一种改进的低截获概率直扩信号设计
载波 倍频 处 能量抑 制性 能 的影响 。
写 f 0 I . 5 : 0 l—==== — : -u —z - —- c ,= — -
1 8 20
J 6 l
:: z .。 = .. i, : —u - 。 - 。 .。 : —. . . 。 。 。 .。 .. 。 .。.J
O 5 1 0 1 5 2 0
图 7 滤 波 后 M 序 列 与 未 滤 波 M 序 列 波 形 比较 2

图 3滤波后 M 序列与未滤波 M 序列波形 比较 l
未 滤 波 m 列 的 相 关 函数 序
1 _ _ _ l 。_ 二 _ I l_。 =l 二 。 _。 二I I _ _二_ _ — _ _ 星 o5 . 一 一 ^一 ,1 -
Fe u n yk z rq e c (H )
2仿真分析
仿 真 中伪 随机 码采 用 M 序列 ,其 码长 6 3位 。 采样 频 率为 9 Hz 6k ,载波 频率 为 1 Hz 切 普速 率 2 k , 为 3k ,则 M 序列 频谱 主瓣 宽度 为 3k 。 Hz Hz
当陷波 带范 围为 0 2 0 H  ̄ 4 z时 ,滤波 与未滤 波

对于任意的接近于2 c 值,有 f 的a
(= 口 )
(一 ( 厂 ) 一 十 一
() 1 6
将 ( ) 厂 代入 (6 1)式,得
( ) () 第 二 个 积 分 项 b 口的 图 1 () 口两个 积 分 项 的 示 意 图
Ra ()
() =
H( )) 厂一 J 厂一 F (
(2 1)
由于在分 甲我们 仪考愿 XR( 口 ,瓦 ( 4 1 )的
积 仅 二 分中 仅第 项即M( 一 M 一 ) 贡 f ) f 有

基于插值和周期图法的高动态信号载波频偏粗估计

收稿日期:2021 07 03;修回日期:2021 09 01作者简介:魏苗苗(1987 ),女(通信作者),河南鹿邑人,讲师,博士,主要研究方向为时序信号处理(6542@zut.edu.cn);刘洲峰(1962 ),男,河南郑州人,教授,硕导,博士,主要研究方向为数字图像处理;李春雷(1979 ),男,教授,博士,主要研究方向为智能信息处理;孙俊(1982 ),男,河南洛阳人,副教授,博士研究生,主要研究方向为信道测量和噪声估计.基于插值和周期图法的高动态信号载波频偏粗估计魏苗苗1,2 ,刘洲峰1,李春雷1,孙 俊1,2(1.中原工学院电子信息学院,郑州450007;2.郑州大学信息工程学院,郑州450001)摘 要:针对卫星通信系统中接收信号载波动态范围大、信噪比低造成的信号载波同步困难的问题进行了研究。

基于联合插值和频域移位平均周期图法的载波频偏估计算法,通过对半符号周期频域移位平均周期图法中各并行支路输出的功率谱峰值波形进行双谱线插值,以进一步降低载波频偏变化率估计误差,进而改善原算法捕获概率。

仿真结果显示,当比特信噪比为2.5dB时,相比于半符号周期频域移位平均周期图法,该算法只增加了一次插值计算就可以实现将载波频偏变化率估计误差降低27%。

在同等估计精度和参数设置下,相比于半符号周期频域移位平均周期图法和带补零频域移位评价周期图法,基于联合插值和周期图法的载波频偏粗估计算法可达到更高的捕获概率。

关键词:频偏估计;载波同步;频域移位;插值估计;高动态中图分类号:TN927+.23 文献标志码:A 文章编号:1001 3695(2022)02 038 0548 04doi:10.19734/j.issn.1001 3695.2021.07.0303CoarsecarrieroffsetestimationofhighdynamicalsignalbasedoninterpolationandperiodogramalgorithmWeiMiaomiao1,2 ,LiuZhoufeng1,LiChunlei1,SunJun1,2(1.SchoolofElectronics&Information,ZhongyuanUniversityofTechnology,Zhengzhou450007,China;2.SchoolofInformationEnginee ring,ZhengzhouUniversity,Zhengzhou450001,China)Abstract:Insatellitecommunicationsystems,thereceivedsignalusuallyhasthecharacteristicsofhighdynamicrangeandlowsignal to noiseratio(SNR),whichleadstodifficultyofcarriersynchronization.Thecarrierestimationalgorithmbasedoninterpolationandfrequencydomainshiftedaverageperiodogrammethodcouldreducetheestimationerroroffrequencyoffsetderivative,andincreasetheacquisitionprobabilitybybispectruminterpolationonthepeakwaveformofpowerspectrumoutputbyparallelbranchesinthesemi symbolfrequencydomainshiftedaverageperiodogrammethod.ThesimulationresultsshowthatwhenbitSNRis2.5dB,comparedwiththesemi symbolfrequencydomainshiftedaverageperiodogrammethod,theestimationerrorofthefrequencyoffsetderivativecanbereducedby27%withonlyoneinterpolationcalculationadded.Withthesameaccuracyrequirementandparametersetting,comparedwithsemi symbolfrequencydomainshiftedaverageperiodogrammethodandzero paddingfrequencydomainshiftedaverageperiodogrammethod,theproposedalgorithmreachesahigherprobabilityofacquisition.Keywords:frequencybiasestimation;carriersynchronization;frequencydomainshift;interpolationestimation;highdynamics0 引言面对近年来日益增高的卫星应用需求,实现超远距离下的可靠通信是保证空间探测系统有效运行的关键,但是有效载荷通信信号普遍存在运动速度极高、信噪比极低的特点,以火星等深空探测活动为例,接收信号比特信噪比可低至2dB以下,并伴有复杂运动情况[1],致使载波频偏参量不仅包含频率偏差,而且还有更高阶分量[2~4]。

基于MCMC-UKF的直接序列扩频信号盲估计

基于MCMC-UKF的直接序列扩频信号盲估计马超; 张立民【期刊名称】《《计算机工程》》【年(卷),期】2019(045)007【总页数】8页(P95-102)【关键词】直接序列扩频信号; 贝叶斯模型; 无迹卡尔曼滤波; 分段; 序列估计【作者】马超; 张立民【作者单位】海军航空大学信息融合研究所山东烟台264001【正文语种】中文【中图分类】TP3910 概述在非合作直接序列扩频(Direct Sequence Spread Spectrum,DSSS)信号通信系统中,接收者无法截获信号的先验知识,因此,DSSS信号伪随机码的估计对信息的获取是一个关键的、重要的技术。

对于短码DSSS信号的PN码估计,已经有较多的研究。

长码DSSS信号一个扩频周期需调制多位信息符号,截获长码DSSS信号的PN 码的盲估计变得更加困难和具有挑战性。

2000年,文献[1]提出利用特征值分解(EVD)方法估计DSS信号的扩频码,该方法已广泛地应用于工程上,并有许多改进的EVD方法[1-3],其中的一些方法已经应用于长码DSSS信号的PN码估计,其扩频码长为m序列[4-6]。

文献[7]利用爬山算法实现对同步DSSS信号的扩频码估计,通过将扩频波形估计问题视为一个低秩缺失数据矩阵近似问题。

文献[8]提出一个适用于长码DSSS信号的扩频波形估计方法。

文献[9]提出2种基于自相关和主分量分析的方法来估计DSSS信号的序列长度。

三阶统计数据对缺少样本不敏感,可以公开更多的信号信息,因此广泛应用于信号检测和参数估计。

文献[10]将三阶相关函数(TCF)应用于m序列估计。

文献[11]提出三阶统计过程可以用于非合作环境下DSSS信号检测甚至确定码特征。

文献[12]提出对于周期长码信号,可以通过将其等效为周期时变信道来解决。

文献[12]提出一种新的方法解决信号方差矩阵。

该方法首先对接收信号进行码片延迟相乘,然后分析相关矩阵,得到用于长伪随机码DSSS系统的伪随机码转换序列的估计序列。

基于分数阶傅里叶变换的LFM信号参数估计

基于分数阶傅里叶变换的LFM信号参数估计作者:渠莹杨俊来源:《物联网技术》2017年第11期摘要:线性调频信号作为一种典型的非平稳信号,具有大时宽带宽积的特殊优势,广泛应用于雷达、通信、地质探测和声呐信号处理等研究领域。

因此,研究线性调频信号具有十分重要的意义。

分数阶傅里叶变换实质上是一种线性变换,它不仅可以理解为chirp基分解,还没有交叉干扰的问题。

所以,分数阶傅里叶变换特别适合用来处理chirp类信号。

文中基于分数阶傅里叶变换,研究了线性调频信号的检测和参数估计算法。

首先利用Matlab对线性调频信号进行仿真,并分析了其时域波形特性;然后在不同信噪比的背景下,对单分量和多分量的线性调频信号进行了参数估计。

仿真结果表明:在噪声环境中,分数阶傅里叶变换能够检测出线性调频信号的相关参数,设计的线性调频信号参数检测估计仿真软件具有较好的交互性能。

关键词:线性调频信号;分数阶傅里叶变换;信号检测;参数估计中图分类号:TP39;TN953 文献标识码:A 文章编号:2095-1302(2017)11-00-030 引言线性调频(chirp)信号作为最常见的调频信号,具有大时宽带宽积的优势,广泛应用于雷达信号处理、医学成像处理、地质探测、声纳信号处理等领域,因此,该信号的检测与估计具有重要意义[1,2]。

Wigner-Ville分布方法在对线性调频信号进行检测时,会有交叉项干扰[2,3];短时傅里叶变换对线性调频信号检测时,虽然具有较快的速度,但估计精度有待进一步提高[4];小波变换能够较好地完成线性调频信号的时频分析,但实时性能较差[5]。

本文实现了基于分数阶傅里叶变换的线性调频信号检测与估计。

仿真结果验证了算法的有效性和可靠性。

1 分数阶傅里叶变换的线性积分定义定义在时间域的函数 x(t),其p阶分数阶傅里叶变换(FRFT)[6,7]是一种线性积分运算,表示如下:公式(2)给出了FRFT的线性积分定义,但其不具备移不变性。

DS—UWB信号的四阶累积量检测


T l o m nct n , hn qn 00 5 C ia e cm u i i sC og ig 06 , hn ) e ao 4 A s a tT i p pr nlss h e c o er o i c s u neut wd bn D b t c :hs a e a e ed t t nt oy fd et e ec la— i ad( S—U r a y t ei h r q r e WB inl )s a g
第5 0卷 第 2期 21 00年 2月
电讯 技 术
Te e o l c mm u i ain En i e rn n c to g n ei g
Vo . 0 No 2 15 . F b. 2 0 e 01
文章 编号 :0 1— 9 X(0 0 0 0 5 10 8 3 2 1 )2— 0 2—0 5
估计 出码 片宽度 。
关键 词 : 直接 序 列超 宽带 ; 号检 测 ; 信 四阶 统计量 ; 片宽度 估计 码
中 图分类号 : N 7 T 9 文献 标识 码 : A d i1 . 9 9 ji n 1 0 —8 3 . 0 0 0 . 1 o:0 3 6 /.s . 0 1 9 x 2 1 . 2 0 1 s
( hn qn e a oa r f i a a dIfr ai rcs n , hn qn nvr t o ot a d C o g igK yL brt yo Sg l n n m t nPoes g C og igU ie i f s n o n o o i sy P s
a d t e fa i ii fc i dh e tmai n meh d b s d o o r—o d rsa itc lc . Dee t n p ro - n h e sb lt o h p wit si to t o a e n fu y r e ttsis sie t ci e fr o m
  1. 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。

摘 要 t 由于 非周 期性 直扩信 号破 坏 了伪码 的周 期性和 相 关特性 ,原 周期 性直 扩信 号检测 方法 将 失效或 性 能严重 恶
化 。本 文在 信息 序列 不相 关 的前 提下 ,利 用 四阶矩 切片 能有 效抑制 高 斯 白噪 声和 其循 环相 关谱 具有 明显 谱峰 的特 点 ,
基于 四阶矩 切 片循环 谱 的非周 期性
直 扩信 号检 测 与参数估 计
赵知劲 2 , 陈林 , 濮俊杰 , 尚俊娜
(.杭 州 电子 科 技 大 学 ,浙 江 杭 州 , 30 1 ; 1 108 2 .中 国 电子 科 技 集 团 第 3 6研 究所 通 信 系统 信 息控 制 技 术 国家 级 重 点 实 验 室 , 浙 江 嘉 兴 34 0 ) 1 0 1
根据信号频域或时域特征检测性能差的 问题 ,本 文利用 非周期性直扩信号 的四阶矩切片 的循环相关 谱 存 在 明显 谱 峰 的特 点 ,而 平 稳 噪 声 或 近似 伪 平 稳 噪 声无 此 特 点 ,本 文 提 出 了基 于 四 阶矩 切 片循 环 相

关 谱 的非 周 期 性 直 扩 信 号 检测与参数估计方法 。
() 1
A d —t)kt t)k t +dq t) — ks (—t ]i 2ff ) H c (— kS (—t) k q — c t) ̄t k s (ac+ ) ) n
收稿 日期 ・2 1-12 0 0O —7
修订 日期 :2 1-32 0 10 —7
基 金 项 目 ・浙 江 省 研 究 生 创 新 科 研 项 目 ( K2 0 0 7 ;浙 江 省 新 苗 计 划 项 目 ( 0 8 0 2 4 15 Y 085 ) 20 R4 G 0 0 1 )
第 1 6卷 第 4期 21 0 1年 8月
文 章编 号 : 10 .2 9(0 0 —0 40 0 704 2 1) 40 6 .6 1
电 路 与 系 统 学报
J 0UR NAL OF CⅡi ℃UI TSAND YS EM S S T
Vo .6 No 4 11 . Au u t 2 1 g s, 0 1
提 出 一种基 于 四阶矩 切片 循环相 关谱 的非 周期 性直 扩信 号盲 检测 方法 ,该方 法 同时 能精 确估 计信 号 载频 。这种 方法 不 需要先 验信 息 ,计算 简单 ,易于 工程 实现 。仿 真 结果表 明,在 虚警 概率 为 l %,信 噪 比为.1 B时 ,该 方法 的检 测概 率 2d 可达 到 9 %以上 ;当信 噪 比高于.8 B时 ,载 频估 计 的归一 化标准 差低 于 O0 2 0 1d .0 ;该方 法 的检 测和 载频 估计 性 能均优 于
军用的各类通信 系统 中。伴 随着信号检测与估计技术 的 日新月异 ,周期直扩信号容易被侦测并破译 , 这 给 信 息 传 输 的 安全 性 和 可靠 性 提 出 了 新 的挑 战 , 于是 非 周 期 性 直 扩 信 号 孕 育 而 生 。非 周 期 性 直 扩 信
号 也称 长码 信 号 ,是 指 一个 扩 频 码 序 列 周 期 包 括 多 个 信 息 码 元 周 期 , 即不 同信 息 码 元 对 应 的 扩 频 伪码 序 列 是 变 化 的 ,典 型 的 应 用 包 括 J I T DS信 号 、GP .( 码 信 号 等 。和 周 期性 直 扩 信 号相 比 ,非 周 期 性 SPY) 直 扩 信 号 破 坏 了伪 码 的 周 期性 和 相 关 特 性 ,对 其 的非 协 作 侦 收 和 参 数 估 计 更 为 困难 , 目前 已成 为 新 的 研 究 热 点 。基 于 时域 相 关 或 频 域 特 征 的检 测 方 法 将 失 效或 性 能大 大 降低 , 如平 方 倍 频 法 …、 延 时 相 乘 检 测 法 【、 周 期 谱 法 [、二 次谱 法 【 3 ] 钔、倒 谱 法 【、谱 相 关 法 【以及 相应 的 改进 算 法 】 。 5 ] 6 】 等 四阶 矩 切 片 很 好 地 抑 制 了高 斯 白噪 声 , 为更 低 信 噪 比下 信 号检 测提 供 了很好 基 础 I J ;为 解 决 单
信 息

j Q
2 理 论分析
21
取 虚部
种 非 周 期 性 直 扩 信
图 1 非周期 性直 扩信 号模 型
号 的模 型 框 图如 图 1 示 。信 号 表 达 式 为 : 所
(= f ∑ )
k =l
(-t (- k (-t 一 (-t c(- k (-t ]。( H ) t k t t) t k t k t t)k t k cs2 ) ) q ) +
二次 四阶矩 切片 法 、平方 倍频法 和倒 谱法 。
关键词 。非 周期 性直扩 信 号 :四阶矩 切片 ;循 环相 关谱 ;信 号检测 与参 数估 计 中圈分 类号 t N9 4 T 1 文 献标 识码 t A
1 引言
近 年 来 ,直 扩 技 术 由于 它 抗 干 扰 性 强 、低 截 获率 、能 抑 制 多 径 衰 落 效 应 等优 点 ,广 泛 应 用 于 民用 、
第 4期
赵知劲等 :基于 四阶矩切片循环 谱的非周期性直扩信号检测与参数估计
6 5
式中:A 是第 k个用户的信号幅度; ( ) k f , 一 一k t分别为第 k个用户的奇位和偶位信息码; ) Ct t ∈11 V F k — { ) ) , 是O S 信道化码, 一 各小区内用户所用的信道化码各不相同, 互相正交独立; kt t , s( k i— )
S (一 分 别 为 小 区 复 扰 码 的实 部 和 虚 部 , 它 们 互 相 正 交 独 立 ,而 且 各 小 区 间扰 码 也 互相 独 立 。其 中 k f ) q 扰 码 长 度 是 一 次扩 频 码 的 数 倍 ,连 续 数 个 一 次 扩 频 码 组 成 一 串 复数 据 与 复扰 码 对 应 位 相 乘 ;
相关文档
最新文档