基于序贯蒙特卡罗的扩频码及信息序列联合估计方法技术

本发明专利技术公开了一种基于序贯蒙特卡罗的扩频码及信息序列联合估计方法，通过建立信号参数的联合后验分布模型，结合分段建模的思想，采用混合重要密度函数对联合后验分布模型进行抽样，同时为了减少算法的计算量，在算法的实现过程中，修正原有的迭代计算重要性权值步骤，以完成所需状态参量的估计，最终拼接得到每个用户完整的扩频码及信息序列。本发明专利技术较好地满足了多径信道环境下非同步长码DS-CDMA信号扩频码及信息序列的快速提取要求，大大提高了扩频参数的估计精度，并且能够适应时变和非时变的多径衰落信道环境。本发明专利技术可直接应用于非协作扩频通信系统，也可用于相应的软件无线电等系统。

【技术实现步骤摘要】
基于序贯蒙特卡罗的扩频码及信息序列联合估计方法
本专利技术属于信号处理领域中非协作通信信号处理技术，具体是指一种非同步长码DS-CDMA信号扩频码及信息序列盲估计方法。
技术介绍
在非合作DS-CDMA通信系统中，由于上行链路是非同步的，如果接收方未知目标用户的扩频码，就无法对接收信号进行解调并获取传输的信息，因此对信号扩频码等参数进行盲估计具有十分重要的意义。目前，对非同步DS-CDMA信号扩频码及信息序列盲估计的相关研究较少。在《SignalProcessing》杂志2007年87期“BlindDespreadingofShort-CodeDS-CDMASignalsinAsynchronousMulti-UserSystems”一文中，Koivisto等人提出了一种特征结构分析方法的扩展方式，利用信号协方差矩阵的F范数估计各用户的失步时间，实现扩频信号的同步。其不足之处是：当两个用户功率相近时难以估计失步时间和提取扩频波形，且在用户数较多时性能明显下降；同时该方法不能适用于长码扩频信号，且对多径信道环境的适应性较差。为了适应同步和非同步系统，Fast-ICA方法将接收信号以间隔两倍扩频周期、重叠一倍扩频周期的长度来分割观测信号，给出了扩频序列与信息序列的盲估计，同样该方法只能应用于短码DS-CDMA信号。针对非同步长码信号，现有的方法只是将重叠分段的思想与复数ICA方法相结合，估计出每个用户的扩频波形，然后进行载波和码片同步得到每个用户的扩频码，但该方法不能适应于多径信道环境。目前，有文献在合作通信条件下提出了一种粒子滤波的方法对多用户信号进行检测，然而针对在非合作条件下的非同步长码DS-CDMA信号，还尚未有采用此方法进行处理的相关报道。由此可以看出，已有的方法还不能满足非同步长码DS-CDMA系统的需要，同时考虑多径信道环境等非线性因素的影响，还需研究一种新的扩频码及信息序列盲估计方法。
技术实现思路
本专利技术所要解决的技术问题是，针对现有技术的不足，提出了一种基于序贯蒙特卡罗分析的非同步长码DS-CDMA信号扩频码及信息序列联合估计方法，同时考虑时变和非时变多径信道环境等非线性因素的影响，它可以较好地满足非协作扩频通信中扩频码及信息序列的快速提取要求，大大提高了扩频参数的估计精度。本专利技术可直接应用于非协作扩频通信系统，也可用于相应的软件无线电等系统。为解决上述技术问题，本专利技术是通过以下技术方案实现的：通过建立信号参数的联合后验分布模型，并对各参量的状态空间模型进行分析，结合分段建模的思想，采用混合重要密度函数对联合后验分布模型进行抽样，同时为了减少算法的计算量，在算法的实现过程中，修正原有的迭代计算重要性权值步骤，以完成所需状态参量的估计。所述的扩频码及信息序列联合估计方法主要用于非同步长码DS-CDMA信号的扩频码及信息序列联合估计，且信号模型的建立不仅考虑了不同用户在多径环境下的时间延迟不同，还考虑了实际应用中每个用户存在的载波频偏和相位偏差，其持续时间为N个扩频周期的接收信号为式中：K为用户个数；{bk(i)}为第k个用户发送的信息序列；Ts为符号周期；T为扩频码周期；Tc为码片周期；R＝T/Tc为扩频序列位数；P＝Ts/Tc为扩频增益；定义扩频比M＝R/P；N0为N个扩频周期内所对应的信息符号数目；sk(t)为第k个用户的扩频波形；L为传播的路径数，和分别为第k个用户第l条路径上的复衰落幅度、时延和相位偏差，△fk为第k个用户的载波频偏。所述的分段建模思想指的是将每个扩频周期内的信号分为R个窗，并将不同扩频周期内对应的窗排列成一组观测矩阵进行迭代处理，最终拼接R个窗对应的状态变量参数，得到每个用户完整的扩频码及信息序列。其观测矩阵为r(n)＝A(h,B(n),D)s(c(n),τ,Δf)+w(n)(1≤n≤R)(2)式中：观测向量r(n)＝[r1(n),r2(n),...,rN(n)]T，rm(n)＝r[(m-1)R+n]，1≤m≤N。扩频向量其中各用户多径时延向量各用户载波频偏向量Δf＝[△f1,△f2,...,△fK]，扩频码向量c(n)＝[c1(n),...,cK(n)]，混合矩阵为式中：信道复衰落幅度信息矩阵符号表示向下取整；相位偏移矩阵为表述方便，作如下定义bm(n)＝[b1(im(n)),b2(im(n)),...,bK(im(n))](4)Bm(n)＝[b1(n),b2(n)...,bm(n)]T(5)θm＝[θ1,θ2,...,θm]T(7)rm(n)＝[r1(n),r2(n),...,rm(n)]T(8)zm(n)＝(bm(n),cm(n),τm,Δfm,θm)(9)Zm(n)＝(Bm(n),cm(n),τm,Δfm,θm)(10)由上式可以看出，当1≤n≤R时，混合矩阵A(h,B(n),D)是时变的，于是采用分段建模的思想，当n取不同值时分别对建立的信号模型进行迭代处理，采用基于序贯蒙特卡罗的方法迭代估计出各用户的状态变量参数，最终拼接得到每个用户的完整扩频码及信息序列。拼接的过程为：对于扩频向量c(n)，当1≤n≤R时，由于不存在序列的模糊问题，可以直接链接得到每个用户的扩频序列，同时受多径信道环境的影响，算法可以估计出各用户在每条路径上的延迟扩频序列，于是就可以对多条路径下的延迟扩频序列求平均得到各用户的准确扩频码。而对于信息序列矩阵B(n)，在n为不同值时，由于在一个完整的扩频周期内包含多个信息序列，致使每个矩阵对应的信息符号不是完整的信息序列。按扩频比M＝R/P为整数和非整数两种情况分别进行讨论，充分考虑序贯蒙特卡罗算法在多径信道环境下估计出的多个信息序列，并利用该信息序列中包含的相位偏移信息来解决信息序列的次序问题。同时利用算法估计出的时延信息就可构建各用户相互重叠的信息序列矩阵，并对该矩阵相互重叠的部分作相关处理，就可得出完整的信息序列。所述的混合重要密度函数指的是根据序贯重要抽样的思想，针对系统模型中估计参量的连续和离散并存特点，将五个未知状态变量(Bm(n),cm(n),τm,Δfm,θm)分成两部分，Bm(n)和cm(n)用后验分布函数来抽样，τm,Δfm,θm用先验分布函数来抽样，将重要密度函数写成混合重要密度函数的形式为...

【技术保护点】
一种基于序贯蒙特卡罗的扩频码及信息序列联合估计方法，其特征在于：通过建立信号参数的联合后验分布模型，并对各参量的状态空间模型进行分析，结合分段建模的思想，采用混合重要密度函数对联合后验分布模型进行抽样，同时为了减少算法的计算量，在算法的实现过程中，修正原有的迭代计算重要性权值步骤，以完成所需状态参量的估计。

【技术特征摘要】
1.一种基于序贯蒙特卡罗的扩频码及信息序列联合估计方法，其特征在于：所述方法主要用于非同步长码DS-CDMA信号，通过建立信号参数的离散化联合后验分布模型，所述离散化联合后验分布模型为：式中：K为用户个数；{bk(i)}为第k个用户发送的信息序列；Ts为符号周期；T为扩频码周期；Tc为码片周期；R＝T/Tc为扩频序列位数；P＝Ts/Tc为扩频增益；定义扩频比M＝R/P；N0为N个扩频周期内所对应的信息符号数目；sk(n)为第k个用户的扩频波形；q(n)为持续时间为P的矩形脉冲；L为传播的路径数，和分别为第k个用户第l条路径上的复衰落幅度、时延和相位偏差，Δfk为第k个用户的载波频偏；为零均值、方差为σ2的加性复高斯白噪声；所述离散化联合后验分布模型的建立不仅考虑了不同用户在多径环境下的时间延迟不同，还考虑了实际应用中每个用户存在的载波频偏和相位偏差，并对各参量的状态空间模型进行分析，结合分段建模的思想，采用混合重要密度...

【专利技术属性】
技术研发人员：钟兆根，张立民，王建雄，林洪文，刘杰，
申请(专利权)人：中国人民解放军海军航空工程学院，
类型：发明
国别省市：山东;37