基于虚拟多用户模型的长码直扩信号伪码估计

针对长码直接序列扩频(DSSS)信号的伪随机码(PN)盲估计问题,提出了一种新的周期 长码直接序列扩频信号(PLC DSSS)模型。该模型等同于虚拟多用户短码扩频DS-CDMA系统, 采用DS-CDMA的谱范数来估计同步偏移,该算法不需要更多假定限制,利用相关函数二阶矩 、特征值分解和模糊酉矩阵方法就可以完成伪码序列的估计。实验结果表明,在较低信噪比 下就可以完成对PN码序列的精确估计,表现出良好的性能。     

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。     

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,5 dB时所有扩频码被完全正确检测 的概率几乎都在80%以上。     

基于快速OPAST算法的直扩信号PN码序列估计

在直接序列扩频（DSSS）通信对抗系统中,伪码（PN）序列估计是一个重要的研究课题。针对在某些情况下权值向量不收敛的问题,提出了一种基于快速正交投影逼近子空间跟踪（OPAST）算法和滑动窗技术的直扩信号PN码序列估计算法,对非同步接收DSSS信号按照宽窗口分段,利用快速OPAST算法提取主特征向量,滑动窗技术实现码同步。该算法迭代权值向量具有正交性以及良好的收敛性,同时解决了常见相位模糊问题。算法具有较低复杂度,数据存储量少,易于硬件实现与实时处理。仿真结果表明,在-10 dB的较低信噪比背景环境中,该快速OPAST算法可以正确有效地估计出PN码序列。     

非周期长码直扩信号扩频码盲估计中的时窗划分准则

针对非周期长码直扩信号扩频码盲估计研究中缺乏时窗划分准则的问题,从时窗宽度和重叠宽度两个方面提出了时窗划分的基本准则。首先,通过分析时窗宽度、扩频比和扩频码周期对信息码跳变概率的影响,推导了时窗宽度、信息码跳变概率与误码率间的函数关系,从而确定了时窗宽度的选择依据;其次,以扩频码子段相位模糊的无误判决为原则,通过构造的相位模糊判决函数,推导出重叠宽度的选择依据。上述研究为扩频码子段的盲估计和相位模糊消除提供了理论支撑,进一步完善了非周期长码直扩信号的扩频码盲估计方法。     

直扩信号检测与估计的改进

对低信噪比下直接序列扩频(DS／SS)信号的检测和估计提出了一种新的改进思路。在通常数值处理前加设一预处理模块，该模块能改善白噪声背景下信号的信噪比，从而为进一步提高低信噪比信号检测与估计的能力给出了一条新的途径。     

线性调频-伪码调相复合信号的伪码盲估计新算法

针对线性调频-伪码调相复合信号的伪码估计问题,提出一种基于离散多项式相位变 换和频谱搬移的伪码盲估计新算法。首先采用平方法消去伪码的相位突变,然后利用离散多 项式相位变换估计调频斜率,利用估计的高精度调频斜率重构二阶指数项,对原复合信号进 行解线调,再对解线调后的信号取实部从而可得正弦载波与伪码调相的复合信号,采用频谱 搬移的方法可恢复出原伪码序列。仿真结果表明,该算法在信噪比大于等于3 dB时可正 确估计出伪码,且性能随子脉冲个数的增加而改善,与FM-AM时频分析方法相比具有更好的 估计效果。     

基于BP神经网络的直扩信号扩频码盲识别

针对微弱直扩信号的盲检测与估计问题,在接收方未知发送方扩频序列的前提下 ,提出了一种恢复直接序列扩频（DSSS）信号扩频码的方法。该方法基于反向传播（B P）神经网络,它的输入是接收到的信号,而其期望输出是和输入相同的信号,根据误差反 向传播来有监督地调节神经网络,网络达到收敛时根据第二层权值的符号函数值即可盲估计 出扩频码序列。实验结果表明,即使是在负信噪比情况下,该方法也能得到一个很好的估计 效果。     

多径环境下接收DS-UWB信号的PN序列周期盲估计

经过密集多径信道的直接序列超宽带(DS-UWB)信号形式变得非常复杂,这给信号的伪随机(PN)序列周期的盲估计带来了困难.基于信号功率谱二次处理,对信号的功率谱进行估计,然后将估计的功率谱作为输入再求取功率谱,最后得到的二次谱就会在接收的DS-UWB信号的PN序列周期的整数倍处得到一序列的尖峰脉冲,通过估计这些脉冲的间距就可以得到PN序列周期的估计.推导得出的接收的DS-UWB信号的二次谱的表达式表明了该方法的可行性,同时为了增强估计性能,使用了二次谱平均累积方法.仿真实验验证了该方法能够在较低的输入信噪比条件下良好地工作.     

直扩/跳频测控信号伪码跟踪抗干扰性能分析

研究了直扩/跳频测控信号伪码跟踪的抗干扰性能,通过加权处理使其归结为分析 干扰条件下直扩信号伪码跟踪性能。采用鉴相曲线的过零点偏移表示干扰对跟踪的影响,推 导了伪码跟踪的最大干扰误差表达式。以单音信号作为输入干扰,对最大干扰误差进行了理 论分析,得出了音频干扰对伪码跟踪的影响规律。仿真结果表明,理论分析与仿真结果吻合 较好,验证了理论分析的正确性。     

基于传播算子的DS-SS信号扩频波形估计

扩频信号波形估计的本质是信号子空间估计。针对直接序列扩频（Direct Sequence Spread Spectrum,DS-SS）信号的扩频波形估计问题,提出了一种基于传播算子的估计算法。针对现有算法估计信号子空间计算量较大的不足,所提算法利用传播算子估计信号子空间。理论分析了所提算法与现有算法的计算量和性能,并进行了仿真实验。仿真结果表明所提算法有效,且计算量远小于现有算法。     

两级相干累加伪码捕获算法的FPGA实现

针对现场可编程门阵列(FPGA)实现的伪码捕获算法中存在逻辑资源消耗大、频率估计精度差 、判决门限计算复杂等问题,首先提出利用直接II型匹配滤波器结构实现第一级相关运算, 做到逻辑资源与计算时间之间的平衡;然后提出利用线性调频Z变换(CZT)代替离散傅里叶变 换(DFT)实现第二级相干累加,提高了频率估计精度并减小了频谱泄露;最后通过对判决量 进行统计分析,给出了判决门限的自适应设置方法,并验证了其有效性。     

快速校正天波雷达电离层相位污染的改进方法

时变的电离层会对天波超视距雷达(OTHR)回波信号相位进行调制,产生相位污染,导致回波谱展宽。最大似然估计(MLE)法具有比相位梯度法更佳的污染校正效果,但计算量非常大。通过引入投影近似子空间跟踪法,提出了一种改进的MLE方法。改进方法采用递归手段估计最大特征值对应的特征向量,避免了特征值分解过程,能够显著降低计算量,污染校正效果与MLE法相当。理论分析与仿真对比表明改进方法普适性强,计算量只有MLE法的万分之一,更适合工程实现。     

基于迭代列消元法的线性分组码参数盲识别

针对线性分组码参数盲识别容错性能差的问题,提出基于迭代列消元法的线性分组码参数盲识别方法。首先对截获矩阵应用迭代列消元法,将其相关列对应各个窗内的转移矩阵中的列向量作为候选校验向量,再根据截获矩阵对偶码空间归一化维数来识别码字长度和同步时刻,最后将对偶码字进行初等行变换识别校验矩阵。仿真结果证明,与以往盲识别方法相比,所提方法容错性能好,适用于各种码率的线性分组码的码字长度、同步时刻和生成多项式识别。     

利用二次谱盲估计多速率DS/CDMA伪码周期

针对可变扩频长度(VSL)的多速率DS/CDMA信号伪码周期的盲估计问题进行了研究,将一般单速率直扩信号二次功率谱伪码周期估计的方法扩展到多速率DS/CDMA模型。该方法首先将接收的多速率DS/CDMA信号进行采样,并对其求一次功率谱,再将一次谱作为输入信号作傅里叶变换并取模、平方,从而得到信号的二次功率谱。通过推导证明,多速率DS/CDMA信号的二次功率谱在扩频码周期的整数倍处出现尖锐的谱线,且不同速率用户的二次谱线幅度是不同的,利用这些幅度差异区分不同速率并通过估计谱线之间的距离即可获得不同速率信号的伪码周期。仿真表明该算法在低信噪比下适用,在-15 dB能够利用较少数据同时估计多组速率的伪码周期。     

一种基于经验模态分解的信噪比盲估计新算法

为了增强未知样式信号的信噪比估计性能,提出了一种基于经验模态分解（EMD） 的信号信噪比估计新算法,通过固有模态函数（IMF）分量平均周期判断信号与噪声界限。 给出了经验模态分解估计法的工作原理和流程图,分析了经验模态分解估计法的性能。仿真 结果表明,与信号空间分解法一样,经验模态分解估计法能够实现盲信号信噪比估计,后者 估计均方误差比前者要小,在0 dB信噪比下均方误差不超过0.3 dB。     

一种改进的基于奇异值分解的信源数目估计算法

信源数目估计问题在盲源分离中具有重要的意义。研究了传感器数目大于信源数目时的源数估计问题。首先分析了用奇异值分解法进行信源数目估计的优势与不足,然后提出了一种改进的基于奇异值分解的信源数目估计算法。该算法首先对含噪混合信号进行奇异值分解,然后检测信号分量与噪声分量之间的转折点,将信号分量与噪声分量区分开来,从而得到信号源的数目。实验仿真表明,该算法在低信噪比以及采样点数较少时仍然具有好的性能。