直接扩频序列信号伪码周期的估计

针对伪码周期截获的难题,提出了一种基于低信噪比直扩信号功率谱二次处理的新方法,理论分析和计算机仿真表明了此算法的有效性。     

基于脉冲成形扩频信号伪码周期盲估计

针对基带扩频信号的频谱范围较宽,信号在带限的信道中传输时需要对信号进行带宽限制,从而会造成码间干扰和频谱泄露的问题,将基带扩频信号通过脉冲成形器后对其主要参数的抗截获性能进行了研究,并使用两次功率谱的方法对该类信号的伪码周期进行了估计。理论分析证明,做两次功率谱以后的信号以脉冲串的周期来扩展谱线,且信号主要能量将会聚集在一些类似于基带成形脉冲二次谱形状的尖锐脉冲处,通过测量这些尖锐脉冲间的间距即可以估计出基带扩频信号的伪码周期。计算机仿真结果证明,两次功率谱的方法可以在低信噪比的条件下实现对带脉冲成形基带扩频信号伪码周期的估计,且本文算法对伪码周期估计的正确率比文献[1]算法约提高7dB左右。     

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。     

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。     

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。     

MC-DS-CDMA信号的伪码周期盲估计

为解决多载波直扩码分多址(MC-DS-CDMA)信号伪码周期估计的问题,提出基于二次谱的伪码周期估计算法。利用MC-DS-CDMA信号子载波间和不同用户扩频码间的正交性特点,在接收端对该信号求一次功率谱,将得到的功率谱作为输入信号求傅氏变换并取模平方,搜索二次谱上的脉冲尖峰并检测间距,得到MC-DS-CDMA信号的伪码周期。理论推导MC-DS-CDMA信号二次谱表达式,对比二次谱法与二阶矩法的计算复杂度。仿真结果表明,该算法可有效估计MCDS-CDMA信号的伪码周期,适用于低信噪比环境。     

基于盲波束成形的异步CDMA信号伪码估计

在分析阵列天线接收的异步CDMA信号的基础上,利用信号子空间与用户特征序列的关系,提出一种新的基于盲波束成形的伪码序列盲估计算法,能在波达方向未知的情况下,估计各个用户的扩频序列。算法克服了子空间盲波束成形算法信源个数必须小于阵元个数且信源波达方向不能靠近的缺点。同时提出一种基于盲波束形成的多用户检测算法,在低信噪比条件下,性能相比于单天线多用户检测性能有很大提高。     

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。     

一种长伪码DSSS信号的检测方法

直接序列扩频信号具有较低的功率谱密度,信号淹没在背景噪声中,侦查难度较大。针对长伪码直接序列扩频（Direct Sequence Spread Spectrum,DSSS）信号伪码周期、码片速率、载频参数检测难题,提出了一种延时相乘多重自相关的综合性检测方法。首先对延时相乘信号进行多重自相关处理,在频域可以检测出信号的码片速率、载频。在此基础上,设置带通滤波器,同样经过多重自相关处理,可以检测出长伪码的周期。此方法不但可以检测出DSSS信号的码片速率、载频,而且可以同时检测出长伪码的周期,并在一定程度上提高了检测的灵敏度。同时对延时相乘信号多重自相关的适用性进行了推导,理论证明检测的效果与多重自相关的次数并不是成正比,即并不是多重自相关的次数越多,检测效果越好。仿真结果验证了其有效性。     

Blind estimation of the PN sequence in lower SNR DS-SS signals with residual carrier

This paper presents a method of singular value decomposition (SVD) plus digital phase lock loop (DPLL) to solve the difficult problem of blind pseudo-noise (PN) sequence estimation in low signal to noise ratios (SNR) direct sequence spread spectrum (DS-SS, DS) signals with residual carrier. Of course, the method needs to know the parameters of DS signal, such as the period and code rate of PN sequence. Firstly, the received signal is sampled and divided into non-overlapping signal vectors according to a temporal window, whose duration is two periods of PN sequence. Then, an autocorrelation matrix is computed and accumulated by the signal vectors one by one. The PN sequence with residual carrier can be estimated by the principal eigenvector of this autocorrelation matrix. Furthermore, a DPLL is used to deal with the estimated PN sequence with residual carrier, it estimates and tracks the residual carrier, removes the residual carrier in the end. Theory analysis and computer simulation results show that this method can effectively realize the PN sequence estimation from the input DS signals with residual carrier in lower SNR.     

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.     

基于改进混沌扩频序列的多用户混沌扩频通信系统的研究与仿真

提出一种改进混沌扩频序列,并将其应用在多用户混沌扩频通信系统中,给出了多用户混沌扩频通信系统的理论推导和SIMULINK仿真模型。对该系统进行了详细的性能分析,包括信噪比、用户数、改进混沌扩频序列的分形参数和初始值等各自对系统误码率的影响,并比较了改进混沌扩频序列与传统混沌扩频序列的系统误码率随信噪比和用户数的变化情况。结果表明改进混沌扩频序列要好于传统混沌扩频序列的系统误码率,具有较好的抗噪声和抗多址干扰的能力。     

认知无线电中基于多址接入信道的多用户联合频谱感知算法

针对多用户联合感知场景问题,考虑次用户至决策中心之间有损信道的情况,提出了基于多址接入信道（MAC）的联合频谱感知算法。在系统结构和数学建模基础上,分析了传统MAC算法渐近性、中断概率等性能。在次用户平均发射功率约束下,以最大化检测概率为目标,对基于MAC算法中的发射增益进行优化;并考虑了一定服务质量情况下最小化次用户数目的问题。仿真结果表明,MAC算法能够保证良好的检测性能,以决策中心错误概率为例,提出的优化算法取得了指数级的性能提升。     

基于LEAP神经网络的同步DS-CDMA伪码序列盲估计*

针对特征分解方法在实现非等功率同步直接序列码分多址（DS-CDMA）信号伪码序列盲估计时存在的处理数据向量不能太长以及不能工作于非平稳环境中的问题,引入了一种由主分量分析实现自适应特征提取的在线无监督学习（LEAP） 神经网络（NN）。首先将已分段的一周期DS-CDMA信号作为NN的输入信号,用NN各权值向量的符号函数代表DS-CDMA信号各用户的伪码序列,然后通过不断输入信号来反复训练权值向量直至收敛,最终DS-CDMA信号各用户的伪码序列就可以通过各权值向量的符号函数重建出来。此外,采用变步长以提高收敛速度。理论分析与仿真实验表明,LEAP NN至少可以实现-20dB信噪比下10个用户的非等功率同步DS-CDMA伪码序列盲估计,并且比传统的Sanger NN具有更快的收敛速度。     

基于最小均方误差的多用户MIMO下行预编码

在多输入多输出(MIMO)多用户下行链路中,可联合收发处理和功率分配,从而获得更好的通信性能。提出的多用户MIMO预编码方法分解成两步实现:首先消除用户间的干扰使之等效为多个单用户系统,在此基础上以最小均方误差(MMSE)为准则,进行收发的联合优化和功率分配,从而改善系统的误码率(BER)性能。仿真表明,所提出的方法与现有的一些方法相比,可以获得较大的信噪比(SNR)增益。