一种基于Volterra自适应滤波器的混沌扩频因子盲估计方法技术

本发明专利技术属于通信技术领域，具体的说是一种基于自适应滤波器的混沌扩频因子盲估计方法。本发明专利技术本质上是利用混沌扩频序列在符号翻转的时候已经收敛的Volterra自适应滤波器权值会发生剧烈突变这一特性，进行符号翻转点的检测,进而估计出扩频因子这一参数。本发明专利技术的方法具有很强的普适性，对于不同类型的混沌扩频序列，都能较准确的盲估计出其扩频因子。本发明专利技术在低信噪比下依然有很高的估计性能。

【技术实现步骤摘要】
一种基于Volterra自适应滤波器的混沌扩频因子盲估计方法
本专利技术属于通信
，具体的说是一种基于Volterra自适应滤波器的混沌扩频因子盲估计方法。
技术介绍
混沌通信如混沌直接序列扩频通信(简称混沌直扩)，用混沌序列代替伪随机序列作为扩频码，具有较强抗干扰性和鲁棒性，在军用雷达、军用无线电台中具有极强的应用前景。仅就该意义上来说，非合作混沌信号处理的研究就具有重大意义，因而日趋得到重视。同时与合作通信相比，非合作方在面临噪声、未知参数等问题时几乎没有任何先验信息，因而信号提取更为复杂困难,因而保密性极强。目前存在两种混沌直扩破译算法——DM-UKF破译法和IMM-UKF破译法。前者应用广义同步系统，基于二进制信息符号的不同取值建立对应滤波模型拟合截获到的混沌直扩信号，通过拟合误差的二范数来裁决当前的滤波模型，间接求解信息符号取值。后者将混沌直扩信号建模为交替工作的两个子系统的输出结果，而信息符号的不同取值决定了相应子系统的动力学驱动方程。同样通过拟合误差判定当前工作系统，从而提取信息符号取值。但以上两种算法都是在事先知道扩频因子长度(又叫扩频增益),算法才能实现,目前还没有专门盲估计扩频因子的算法，因此本文提出一种基于Volterra自适应滤波器的混沌信号扩频因子盲估计方法。
技术实现思路
本专利技术的目的，就是针对上述混沌直扩破译问题，提供一种基于Volterra自适应滤波器的混沌信号扩频因子盲估计方法。本专利技术本质上是利用混沌扩频序列在符号翻转的时候已经收敛的Volterra自适应滤波器权值会发生剧烈突变这一特性，进行符号翻转点的检测,进而估计出扩频因子这一参数。本专利技术的方法具有很强的普适性，对于不同类型的混沌扩频序列，都能较准确的盲估计出其扩频因子。此外，本专利技术在低信噪比下依然有很高的估计性能。本专利技术所采用的技术方案为：S1：设某个通信接收装置接收的混沌扩频信号为将其归一化：其中N为数据长度。S2：对xn进行相空间重构得到矢量Un。相空间重构技术让人们能够从一个单独的时间序列中重建一个复杂非线性系统的完整动力学。这种重建并不是真正意义上的完美重建，即重建之后的相空间和系统固有的相空间并不是完全一样的，但只要相空间重构恰当，则重构之后的相空间和原来的相空间的拓扑结构是一致的。具体来说，对于一个非线性系统,通过观测,可以得到一组测量值：xn,n＝1,2,...N利用此测量值可以构造一组d维向量:Un＝[x(n),x(n-τ),x(n-2τ),...,x(n-(d-1)τ)],n＝(d-1)τ+1,...N如果参数τ,d选择恰当，则Un可描述原系统。τ称为时间延迟，d称为嵌入维数。由xn构造Un的过程称为相空间重构。具体步骤包括：步骤1：自相关法计算时间延迟τ。先计算出混沌序列自相关函数：当自相关函数R(τ)随着延迟时间变化的图像，当自相关函数下到:R(τ0)＝(1-e-1)R(0)时，所得到的τ0即为重构相空间的延迟时间。步骤2：虚假邻近点法计算嵌入维数d。在d维相空间中，每一个矢量yi(d)＝(x(i),...,x(i+(d-1)τ)),1≤i≤n-(d-1)τ都有一个欧几里德距离的最邻近点yn(i,d)(d)，其距离是：Ri(d)＝||yi(d)-yn(i,d)(d)||2当相空间的维数从d变成d+1时，这两个点的距离就会发生变化，新的距离是Ri(d+1)如果Ri(d+1)比Ri(d)大很多，那么就可以认为这是由于高维混沌吸引子中两个不相邻得点投影到低维坐标上变成相邻的两点造成的，这样的临近点是虚假的，令ai(d)＝||Ri(d+1)-Ri(d)||/Ri(d)当Ri(d)趋于稳定时，即ai(d)小于设定的阈值a0时，可认为混沌吸引子已经完全打开，此时的d即为嵌入维数。步骤3：根据计算所得的τ,d，用xn构造矢量Un。S3：将Un作为Volterra自适应FIR滤波器的输入信号矢量，利用RLS算法计算Volterra自适应滤波器权值H＝[w1n,w2n,...wmn...wMn]，其中M为滤波器阶数，wmn表示自适应滤波器的在n时刻的第m个权值的值。RLS算法的详细步骤如下：步骤1：初始化，δ为小的正数,为单位矩阵；权值向量初值步骤2：对于k＝1,2,3,…N，λ为接近1的数，进行以下迭代运算：S4：在H中任取一个滤波器权值序列wm，作差分处理：dk＝wmk+1-wmk,k＝1,2,...N-1S5：搜索dk中的跳变点：设定一个门限d0，遍历dk,k＝1,2,3...N-1，若有dk＞d0，则记录跳变点索引k并保存,遍历完后，可得到全部跳变点的索引：k＝[k1,k2,...kl]S6：计算相邻索引的间隔：Di＝ki+1-ki,i＝1,2,...l-1S7：扩频因子盲估计值即为所有Di(i＝1,2,...l-1)的最大公约数：G＝gcd{D1,D2,...Dl-1}本专利技术的有益效果为，本专利技术的方法具有很强的普适性，对于不同类型的混沌扩频序列，都能较准确的盲估计出其扩频因子。本专利技术在低信噪比下依然有很高的估计性能。附图说明图1是本专利技术实现过程的流程图；图2是本专利技术实施例1生成混沌序列时域图；图3是本专利技术实施例1中Volterra自适应滤波器权值随时间变化的图，a～f权值w1～w6随时间变化的图。具体实施方式下面结合附图和实施例对本专利技术进行详细的描述，以便本领域的技术人员更好地理解本专利技术。实施例1：本实施例的目的是为了证明混沌扩频序列在符号翻转的时候已经收敛的Volterra自适应滤波器权值会发生剧烈突变这一特性，这一特性是算法的核心所在。仿真平台为matlab，首先产生一段logistic混沌序列，序列长度为N＝1000，叠加高斯白噪声使信噪比为SNR＝30dB，将前500点数据不变，后500点乘以-1，得到的序列如图2所示，将得到的数据进行归一化处理，接着进行相空间重构，然后将相空间重构得到的矢量Un作为Volterra自适应滤波器的输入向量，用RLS算法计算滤波器权值H，仿真得到的滤波器权值w1～w6随时间变化的图如图3(a～f)所示由仿真结果图3可以看到，各个权值w都在500时刻之前已经收敛，而在500到501时刻发生了突变。由此验证了结论，从而对混沌扩频序列可以进一步对任一权值进行跳变点检测，实现扩频因子的盲估计。实施例2：本实施例的目的是对不同信噪比和扩频因子下对本专利技术中算法盲估计正确率的仿真，以此说明算法的有效性。仿真平台为matlab，首先产生一段logistic混沌扩频序列，序列长度为N＝200000，扩频因子为G＝63，叠加高斯白噪声使信噪比为SNR＝3dB，按照技术方案上的步骤S1-S7,进行100次蒙特卡洛仿真实验。然后修改扩频G，信噪比SNR的值重复实验。仿真结果统计如表1所示。由表格的仿真结果数据，我们可以知道此算法在低信噪比下也有较高的盲估计正确率，信噪比20dB以上可以达到100％。表1不同信噪比和扩频因子下100次蒙特卡洛实验正确率本文档来自技高网...

【技术保护点】
1.一种基于Volterra自适应滤波器的混沌扩频因子盲估计方法，其特征在于，包括以下步骤：S1、设某个通信接收装置接收的混沌扩频信号为

【技术特征摘要】
1.一种基于Volterra自适应滤波器的混沌扩频因子盲估计方法，其特征在于，包括以下步骤：S1、设某个通信接收装置接收的混沌扩频信号为将其归一化：其中N为数据长度；S2、对xn进行相空间重构得到矢量Un：根据测量值xn,n＝1,2,...N，构造一组d维向量：Un＝[x(n),x(n-τ),x(n-2τ),...,x(n-(d-1)τ)],n＝(d-1)τ+1,...Nτ为时间延迟，d为嵌入维数，由xn构造Un的过程称为相空间重构，具体步骤包括：S21、采用自相关法计算时间延迟τ，先计算出混沌序列自相关函数：当自相关函数下到:R(τ0)＝(1-e-1)R(0)时，所得到的τ0即为重构相空间的延迟时间；S22、虚假邻近点法计算嵌入维数d：在d维相空间中，每一个矢量yi(d)＝(x(i),...,x(i+(d-1)τ)),1≤i≤n-(d-1)τ都有一个欧几里德距离的最邻近点yn(i,d)(d)，其距离是：Ri(d)＝||yi(d)-yn(i,d)(d)||2当相空间的维数从d变成d+1时，这两个点的距离就会发生变化，新的距离是Ri(d+1)，设Ri(d+1)比Ri(d)大很多，则认为这是由于高维混沌吸引子中两个不相邻的点投影到低维坐标上变成相邻的两点造成的，这样的临近点是虚...

【专利技术属性】
技术研发人员：甘雨，廖红舒，朱胜利，甘露，
申请(专利权)人：电子科技大学，
类型：发明
国别省市：四川,51