Analyze the eigen-structure of DS-SS signals under narrow band interferences

In this paper, an approach of eigen-structure analysis for DS-SS (direct sequence spread spectrum) signals under NBI (narrow band interference) is proposed, which can estimate the PN (pseudo-noise) sequence blindly in lower SNR (signal-to-noise ratio) and SIR (signal-to-interference ratio) DS-SS signals. Of course, some parameters of DS-SS signals (such as period and chip interval of PN sequence) need to be known. First, the received signal is divided into continued nonoverlapping temporal vectors according to the period of PN sequence, and then we calculate and accumulate the correlation matrix of these vectors one by one. An operation of eigenvalue decomposition may be applied to the matrices; we can estimate the eigen-structure (which include the NBI eigen-waveforms and PN sequences) of received signals from the principal component eigenvectors blindly in the end. Based on the estimated NBI eigen-waveforms and PN sequences, the NBI can be rejected, and the DS-SS signals can be de-spreaded without the PN sequence too. Theoretic analysis and experimental results show that the approach is very effective. It can work well on the lower SNR and SIR ambient.     

窄带干扰环境下DS-SS信号的细微特征分析

通过对窄带干扰(NBI)条件下低信噪比直接序列扩频(DS-SS)信号的细微特征分析,得到了NBI特征波形和DS-SS扩频伪码(PN)的盲估计。首先按PN码周期和码速率(假设已获知)对接收DS-SS信号进行取样预处理形成观察向量集,接着用细微特征分析方法对该集合进行处理,最后可以估计出信号所夹杂的NBI特征波形和信号的PN码序列。为了减少所估计PN码的相位模糊性,本文在取样预处理时将取样时间窗口增大到PN码周期的二倍,结果使所估计的PN码或是原码或是反码,从而提高了估计准确性。同时利用所估计的NBI特征波形可消除原始信号所夹杂的NBI,而利用所估计的PN码序列则可以对DS-SS信号实施盲解扩处理。理论分析和数值结果表明,该方法有效,并能工作在较低的输入信噪比和信号干扰比环境下。     

多用户DS-UWB信号的伪码周期估计*

在单用户直接序列超宽带(DS-UWB)信号的伪码(PN)周期估计的基础上,采用信号功率谱二次处理的方法,实现了多用户DS-UWB信号的PN码周期盲估计。该方法对接收信号的功率谱进行二次谱处理,最后得到的二次谱就会在接收的多用户DS-UWB 信号的PN码周期整数倍处出现一系列的尖峰脉冲,通过检测这些脉冲的间距就可以得到PN码周期的估计。通过理论推导表明了该方法的可行性,利用计算机仿真,验证了多用户DS-UWB信号在PN码周期的整数倍确实存在二次功率谱的脉冲串,这些脉冲串还具有类似高斯脉冲二次功率谱的形状。同     

极低信噪比条件下基于平均互相关和特征分解的DS伪码估计算法

文中针对极低信噪比条件下的扩频信号处理要求,基于直接扩频(DS)信号相似性和特征分解原理,提出了一种DS伪码序列的估计算法.该算法在未知直扩信号任何信息的情况下,首先通过对该信号的分段处理和平均互相关确定伪码起始码元,然后采用特征分解(EVD)算法准确估计出伪码序列.通过理论推导和证明得到所提算法估计效率和估计误差的两个重要结论.仿真结果表明:在相同信源条件下,该算法较现有算法不仅抗噪声性能提高了2dB以上,而且有效克服了部分反码问题,从而保证极低信噪比条件下DS伪码序列的准确估计.     

Blind reconnaissance of the pseudo-random sequence in DS/SS signal with negative SNR

This paper introduces a new theory and algorithm that can be used in blind detection of the carrier wave signal and the pseudo-random sequence of the direct sequence spread spectrum (DS/SS) signal with negative SNR. First, without any a priori knowledge of the DS/SS signal, the carrier wave signal can be detected from DS/SS signal with negative SNR by using stochastic differential equations and energy detection method. Based on this, the pseudo-random sequence can also be blindly detected in DS/SS signal with negative SNR by reducing noise of the nonlinear signal and the algorithm of wavelet multiscale decomposition algorithm. Finally, the computer simulation shows that we can detect the carrier wave signal with SNR=-27 dB and the pseudo-random sequence under error code ratio 10-4 with SNR =-10 dB.     

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。     

窄带干扰环境下直扩信号伪码周期估计

研究扩频通信技术中信号优化问题,信道的干扰影响直接序列扩频信号(DSSS)传输的正确性,给直扩信号参数检测与估计带来了困难,需要一种有效的算法来增强抗干扰能力。为了解决上述问题,利用变化域的FFT重叠变换干扰抑制提供一种最有效的方法,可通过对DSSS信号加窗处理和重叠变换,使信号频谱泄露大为降低,而且使信号的损失也大为减小,使误码率可以降到很低。另外提出一种FFT重叠变换干扰抑制算法和信号功率谱二次处理的联合估计窄带干扰环境下DSSS信号的伪码(PN)周期并进行仿真。仿真结果表明,算法在较低的输入信噪比和低信干比条件下能准确地估计DSSS信号PN码周期,证明了FFT重叠变换干扰抑制算法的有效性。     

双衰落信道下OFDM信噪比估计算法

基于最小均方误差方法,在双衰落信道下,提出利用周期PN序列作为导频的信噪比(SNR)估计算法。在导频2侧插入保护间隔降低子载波间干扰对导频的影响,在时域进行相关运算消除噪声干扰,从而得到较精确的信道参数。仿真结果表明,该算法能较准确估计SNR,且可通过改变周期PN序列满足不同信道环境下的性能要求。     

高斯噪声下伪码-线性调频复合信号参数提取方法

针对目前雷达信号参数估计算法在某种环境中性能急剧下降,甚至失效的问题,提出一种基于多相滤波器组和高阶累积量联合处理的伪码-线性调频复合信号参数估计算法.该算法首先利用多相滤波器组实现信号在频域上快速均匀划分,然后对输出的每个子带信号进行三阶累积量对角切片的短时估计,有效抑制高斯噪声的干扰,并经过包络检波后得到复合信号完整的时频矩阵,最后通过时频图像的Radon变换和频率曲线的提取实现信号伪码数目、码元宽度、调频斜率、信号载频、带宽以及起止频率的提取.仿真结果表明,该方法在信噪比大于-11 dB时的估计精度较高.     

基于宽带聚焦矩阵和高阶累积量的OFDM信号的来波方向估计

为了解决正交频分复用(OFDM)宽带信号处理的问题,研究了基于宽带聚焦矩阵和高阶累积量的波达方向(DOA)估计方法。前者是通过傅里叶变换将宽带阵列数据分解为若干窄带信号,再利用一种聚焦矩阵将不同频带下的方向矩阵变换到同一参考频率下,然后用多重信号分类(MUSIC)算法来估计DOA;高阶累积量算法是通过聚焦操作,把各个窄带频率处的阵列输出矢量变换到聚焦频率处,然后求其累积量矩阵。对各个累积量矩阵进行加权平均并特征值分解,再应用MUSIC算法估计DOA。理论分析和仿真结果表明,两种方法都能够精确地估计OFDM信号的DOA,四阶累积量方法的空间分辨率比聚焦矩阵方法有所提高。四阶累积量算法扩展了阵列孔径,信噪比(SNR)较低的时候也有很好的适应性。     

改进的DSSS电磁波随钻测量信号载频估计算法

为了解决随钻测量中电磁波信号的载频估计问题,基于直接序列扩频（ DSSS）通信原理,建立了改进的电磁波信号载频估计法,该方法采用信号自适应干扰对消技术滤除噪声信号,然后再通过带通滤波技术获得DSSS信号的频带,从而提高了信号的信噪比（ SNR）。在此基础上,建立了System View仿真模型,仿真结果表明：改进的载频估计法可以有效滤除噪声信号,精确地检测出电磁波信号的载波频率。     

一种数字通信信号盲信噪比估计方法

针对数字通信信号的信噪比盲估计问题,提出了一种基于子空间理论的盲信噪比估计方法.该方法首先根据信号自相关序列构建特定维数的信号自相关矩阵,并根据实际工程应用需求,利用坐标旋转数字计算(Coordinate rotation digital computer,CORDIC)算法实现Jacobi旋转来完成自相关矩阵的特征值...     

基于平滑伪维格纳分布和最小熵的BPSK信号参数估计

针对低信噪比环境下二相编码（Binary phase shift keying,BPSK）信号的参数估计性能差问题提出了一种新方法。该方法首先对信号进行平滑伪维格纳分布（Smooth pseudo Wigner-Ville distribution,SPWVD）变换得到时频矩阵S_SPWVD（t_m,f_n）,再利用最小熵法对得到的时频矩阵进行处理得到BPSK信号载频的较高精度估计。SPWVD变换将BPSK信号相位突变信息转换为时频域内信号载频处的幅度突变信息,通过搜索相邻负尖峰并进一步处理得到BPSK信号的码宽、码率、码数以及编码序列的估计。仿真结果验证了方法的有效性。     

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。     

低信噪比下的直扩信号检测和多参数估计方法

直扩信号具有较低的功率谱密度,淹没在背景噪声中,信号侦察难度大.根据四阶矩一维切片可以有效地抑制高斯白噪声和充分包含直扩信号的载波、伪码信息这一特性,提出了一种基于四阶矩一维切片的直扩信号检测和多参数估计方法.该方法不需要任何先验信息,不仅能够检测直扩信号,还能同时估计载波频率、伪码周期和伪码速率等参数.仿真结果表明,这种方法可以在低信噪比下工作,具有一定的实用价值.     

时频域联合校正的PN码相干捕获算法

受多普勒频偏和本地时钟漂移的影响,接收信号中存在频偏且码字不同步。针对该问题,提出一种时频域联合校正的PN码相干捕获算法。从接收信号的循环平稳特性出发,进行载波频率和码字同步的联合校正,使校正后的信号与本地PN信号具有近似相干性。基于设计的相关特征函数,实现较长相关长度下的相干检测,完成PN码捕获。仿真结果表明,该算法在低信噪比、大频偏条件下,具有较高的检测概率。     

基于SVD的二维子空间拟合DOA估计

改进传统子空间拟合波达方向(DOA)估计方法,以快拍数据矩阵的奇异值分解代替接收数据协方差矩阵的特征值分解,用奇异值和奇异值矢量进行信源数估计,避免协方差矩阵估计,减少运算量和矩阵估计误差。根据已有子空间拟合的一维修正变化投影(MVP)算法原理,推导出二维MVP算法实现步骤,对基于均匀圆阵的接收信号进行二维DOA估计。     

一种多径信道直扩信号伪码序列盲估计方法

针对多径信道下直接序列扩频信号伪码序列盲估计的难题,拓展了基于加性高斯白噪声信道提出的子空间法,提出了一种基于子空间法和三阶相关函数法相结合的多径信道直扩信号伪码序列盲估计的新算法,进行了理论推导。该算法对接收到的多径直扩信号按照伪码周期的两倍进行分段形成数据向量,构造自相关矩阵并进行特征值分解得到不同增益伪码序列的延迟叠加,运用m序列的三阶相关特性估计生成多项式进而估计伪码序列。计算机仿真结果验证了该算法的有效性。     

MIMO-OFDM信号参数盲估计方法

为解决非协作通信中多输入多输出-正交频分复用(MIMO-OFDM)信号的参数盲估计问题,提出基于循环自相关结合四阶循环累积量的多参数估计方法。求MIMO-OFDM信号的自相关函数,对其傅里叶变换后得到循环自相关函数,通过对循环自相关三维图不同切面的分析估计出符号周期、有用符号时间、循环前缀时间;求MIMO-OFDM信号的四阶循环累积量,通过检测峰值的数目及其对应的循环频率估计出子载波数及子载波频率。仿真结果表明,在较低信噪比下,所提算法可准确估计出MIMO-OFDM信号的多个参数。     

大规模MIMO加权正交匹配追踪信道估计算法

针对大规模多输入多输出系统基站天线数目众多,移动用户很难实时精确完成信道估计等问题。提出了一种加权的正交匹配追踪算法。该算法在每次迭代过程中,计算得到的估计信号值由当前残差信号估计值和迭代之前估计值两部分组合而成;分别对当前残差信号估计值和迭代之前估计值设置不同的权值,以提高信号在低信噪比情况下的估值精度;通过调整不同迭代次数权值大小,可以提升信号在不同信噪比情况下的计算精度。仿真结果表明,在不同的信噪比情况下,该算法都可以获得比标准正交匹配追踪算法更高的估计精度。