一种短码直扩信号伪码序列盲估计方法技术

本发明专利技术涉及一种短码直扩信号伪码序列盲估计方法，解决的是传统SVD算法在对实际无线信道下传输的直扩信号进行伪码序列盲估计时不能满足系统估计性能的要求、抗冲击噪声特性差的技术问题，通过采用方法包括：步骤一，按照两倍伪码周期长度的大小对接收信号进行分段；步骤二，构造接收信号的分数低阶观测矩阵；步骤三，将步骤二的分数低阶观测矩阵使用SVD分解算法求取最大奇异左向量；步骤四，使用改进失步点估计方法，由步骤三的最大奇异左向量估计伪码失步点位置，完成冲击噪声信道下对直扩信号的伪码序列盲估计的技术方案，较好的解决了该问题，可用于伪码序列盲估计中。

A Blind Estimation Method for PN Sequence of Short Code DSSS Signals

The present invention relates to a blind estimation method for pseudo-random sequence of short-code direct spread spectrum signals. It solves the technical problems that the traditional SVD algorithm can't satisfy the requirements of system estimation performance and poor anti-impact noise performance when estimating the pseudo-random sequence of the transmitted direct spread spectrum signals under the actual wireless channel. The method includes the following steps: 1. Receiving the pseudo-random sequence according to twice the length of pseudo-random code cycle; The second step is to construct the fractional low-order observation matrix of the received signal; the third step is to use the SVD decomposition algorithm to obtain the maximum singular left vector of the fractional low-order observation matrix of the second step; the fourth step is to use the improved method of estimating the out-of-step point, and estimate the position of the out-of-step point of the pseudo-code from the maximum singular left vector of the third step, so as to complete the pseudo-code sequence of the DS signal in the impulse noise channel. The technical scheme of column blind estimation solves this problem well and can be used in the blind estimation of pseudo-random sequence.

【技术实现步骤摘要】
一种短码直扩信号伪码序列盲估计方法
本专利技术涉及伪码序列盲估计领域，具体涉及一种短码直扩信号伪码序列盲估计方法。
技术介绍
直接序列扩频通信信号作为一种常见的信号体制，其具备有抗干扰能力强、隐蔽性好、低截获概率，以及保密性好的优点，被广泛应用于码分多址通信、导航定位系统等诸多领域。在通信电子对抗等非合作通讯系统中，由于扩频码信息的缺失，信息截获方并不能从截获信号中提取有用信号，因此直扩信号伪码序列的盲估计就成了实现通信系统有效信息解密的关键步骤和重要手段。为此，许多学者在高斯噪声信道建模的基础上提出了许多伪码序列盲估计算法，这些算法在一定程度上为实现扩频信号盲解扩目的提供了可能。目前，伪码序列盲估计算法主要包括Massey算法、三阶相关算法、特征值分解算法、神经网络算法、投影逼近子空间跟踪算法和奇异值分解算法等。Massey算法主要用于估计线性序列，在低信噪比条件下性能较差；三阶相关算法主要是利用M序列的三阶相关特性估计M序列；特征值分解算法主要是利用信号协方差矩阵分解得到的最大和次大特征向量估计伪码序列，算法抗噪性能强，但计算量大，估计序列存在正负模糊、前后位置不连续和失步点不确定的问题；神经网络算法和投影逼近子空间跟踪算法属于迭代型算法，优点是计算复杂度低，节约运算资源，但是对环境噪声较为敏感；奇异值分解(SVD)算法主要利用左右奇异向量的信息实现伪码和信息码的联合估计，该算法相较特征值分解算法性能有所下降，但复杂度低、稳定性好，且计算量小。另外，一般考虑双伪码周期长度对接收信号进行分段，以解决单伪码周期采样信号时存在的估计向量连接反相问题。现有的方法中对直序扩频信号伪码信息估计问题的分析均是建立在理想高斯信道环境的前提条件下，高斯噪声的功率谱密度服从均匀分布，然而实际无线信道噪声具有很强的非高斯性，其概率密度分布甩尾更为厚重，并且幅度信息具备一定的冲击特性，噪声幅值的变化相较高斯模型更大。存在不能满足系统估计性能的要求、抗冲击噪声特性差的技术问题。因此，提供一种能够解决上述问题的短码直扩信号伪码序列盲估计方法就很有必要。
技术实现思路
本专利技术所要解决的技术问题是现有技术中存在的不能满足系统估计性能的要求、抗冲击噪声特性差的技术问题。提供一种新的短码直扩信号伪码序列盲估计方法，该短码直扩信号伪码序列盲估计方法具有在冲击噪声信道下伪码估计正确率更高的特点。为解决上述技术问题，采用的技术方案如下：一种短码直扩信号伪码序列盲估计方法，所述方法包括：步骤一，按照两倍伪码周期长度的大小对接收信号进行分段；步骤二，构造接收信号的分数低阶观测矩阵；步骤三，将步骤二的分数低阶观测矩阵使用SVD分解算法求取最大奇异左向量；步骤四，使用改进失步点估计方法，由步骤三的最大奇异左向量估计伪码失步点位置，完成冲击噪声信道下对直扩信号的伪码序列盲估计。上述方案中，为优化，进一步地，所述步骤2采用分数低阶联合M估计的方法构造接收信号观测矩阵。进一步地，所述步骤二包括：步骤2.1，采用α稳定分布模型对冲击噪声进行建模，α稳定分布的特征函数为其中，α∈(0,2]是特征因子，β∈[-1,1]为对称参数，γ＞0为分散系数，-∞＜u＜∞为位置系数；步骤2.2，假设q段分段信号两两不相关，且统计独立，信号成分和噪声成分相互独立且均服从相同特征指数大小，及位置系数为零的SαS分布，计算出t时刻的接收信号矩阵k＝1,2,...,q代表接收信号的各分段数，ak(t)代表数据信息，sk(t)代表伪码序列信息，n(t)表示接收信号噪声成分；步骤2.3，假设w(t)＝ak(t)sk(t)，r(t)＝w(t)+n(t)，w(t)与n(t)相互独立，计算出接收信号的共变矩阵：[ri(t),rj(t)]α＝[wi(t)+ni(t),wj(t)+nj(t)]α＝[wi(t),wj(t)]α+[wi(t),nj(t)]α+[ni(t),wj(t)]α+[ni(t),nj(t)]α步骤2.4，计算出噪声分量的共变矩阵[ni(t),nj(t)]α＝γnδi,j；其中，γn＝[nk(t),nk(t)]α，δi,j为Kronecker函数；步骤2.5，根据噪声分量的共变矩阵，计算出接收信号的共变矩阵步骤2.6，计算出观测向量rk的共变矩阵ΓR＝[r(t),r(t)]α＝AΓsA＜α-1＞+γnI其中，步骤2.7，计算出信号协方差矩阵Ri,j＝E{ri(t)rj(t)|rj(t)|p-2sign(ri(t)rj(t))},1＜p＜α；其中，E(■)表示期望。进一步地，步骤二还包括步骤2.8，根据Huber类M估计加权函数，计算由分数低阶联合M估计构造的接收信号观测矩阵：Ri,j＝E(ri(t)rj(t)|rj(t)|p-2sign(ri(t)rj(t))f(ri(t)rj(t)|rj(t)|p-2sign(ri(t)rj(t))))，1＜p＜α；其中，Huber类M估计加权函数为进一步地，步骤4.1，将SVD算法提取出来的包含完整伪码信息的最大奇异左向量r′按照两倍伪码周期长度进行移位分段，得到r′i＝r′(i:i+N)，i＝1,2,...,N；其中，i表示移位数，N为伪码信息的长度，r′(i:i+N)表示从信号r′移位值i处向后截取伪码长度N组成的信号成分；步骤4.2，计算元素补集，r′j＝[r′i(1:i-1),r′i(i+1:2N)]其中，[r′i(1:i-1),r′i(i+1:2N)]表示由信号r′起始位置到移位值i-1处组成的信号分量和信号r′从i+1位置到信号r′末尾2N处的信号分量组成的信号成分步骤4.3，将元素补集和取绝对值后再求和作差，得到失步点t0位置为：本专利技术中，奇异值分解伪码序列盲估计算法利用左右奇异向量的信息实现伪码和信息码的联合估计。假设短码直接序列扩频通信基带信号模型为：其中，{ak＝±1}是周期为Ts的信息序列，并且服从等概率分布；τ是在一个信息序列周期长度范围中均匀分布的随机时延，也称作失步点；n(t)是接收信号中的噪声成分；ci是长度为p的伪码序列信息；p(t)是持续时间为Tc的切普脉冲，并且Ts＝pTc。将上述扩频接收信号按照两倍伪码周期大小的时间长度进行分段，考虑异步通信传输情况，可将接收信号的有用信号向量表示为sk＝dkp1+dk+1p2+dk+2p3由于在非同步条件下分段起始点与伪码起始点不重合，因此按照两倍伪码周期对信号进行分段，有用信号向量sk中将包含sk＝dkp1+dk+1p2+dk+2p3的连续3位的信息码调制信息。其中，k＝1,2,...,K，k为数据组数；dk、dk+1、dk+2为3个处于相邻位置的连续数据码信息；定义L为采样信号长度，T0为失步点，向量p1中包含L-T0长度的伪码信息和L+T0的零向量；p2包含L-T0长度的零向量，完整周期长度L的伪码序列和长度为T0的零向量；p3包含长度为2L-T0的零向量和长度为T0的伪码序列信息。有用信号矩阵S和噪声矩阵N组成接收信号观测矩阵，将观测矩阵Y作SVD分解Y＝S+N令Y＝UΔVH,U和V为酉矩阵，Δ为准对角矩阵，Σ＝diag(σ1,σ2,...,σM),σi(i＝1,2,...,M)为矩阵分解得到的奇异值，从左奇异矩阵U中最大特征向量对应的列向量中提取完本文档来自技高网...

【技术保护点】
1.一种短码直扩信号伪码序列盲估计方法，其特征在于：所述方法包括：步骤一，按照两倍伪码周期长度的大小对接收信号进行分段；步骤二，构造接收信号的分数低阶观测矩阵；步骤三，将步骤二的分数低阶观测矩阵使用SVD分解算法求取最大奇异左向量；步骤四，使用改进失步点估计方法，由步骤三的最大奇异左向量估计伪码失步点位置，完成冲击噪声信道下对直扩信号的伪码序列盲估计。

【技术特征摘要】
1.一种短码直扩信号伪码序列盲估计方法，其特征在于：所述方法包括：步骤一，按照两倍伪码周期长度的大小对接收信号进行分段；步骤二，构造接收信号的分数低阶观测矩阵；步骤三，将步骤二的分数低阶观测矩阵使用SVD分解算法求取最大奇异左向量；步骤四，使用改进失步点估计方法，由步骤三的最大奇异左向量估计伪码失步点位置，完成冲击噪声信道下对直扩信号的伪码序列盲估计。2.根据权利要求1所述的短码直扩信号伪码序列盲估计方法，其特征在于：所述步骤2采用分数低阶联合M估计的方法构造接收信号观测矩阵。3.根据权利要求2所述的短码直扩信号伪码序列盲估计方法，其特征在于：所述步骤二包括：步骤2.1，采用α稳定分布模型对冲击噪声进行建模，α稳定分布的特征函数为其中，α∈(0,2]是特征因子，β∈[-1,1]为对称参数，γ＞0为分散系数，-∞＜u＜∞为位置系数；步骤2.2，假设q段分段信号两两不相关，且统计独立，信号成分和噪声成分相互独立且均服从相同特征指数大小，及位置系数为零的SαS分布，计算出t时刻的接收信号矩阵k＝1,2,...,q代表接收信号的各分段数，ak(t)代表数据信息，sk(t)代表伪码序列信息，n(t)表示接收信号噪声成分；步骤2.3，假设w(t)＝ak(t)sk(t)，r(t)＝w(t)+n(t)，w(t)与n(t)相互独立，计算出接收信号的共变矩阵：[ri(t),rj(t)]α＝[wi(t)+ni(t),wj(t)+nj(t)]α＝[wi(t),wj(t)]α+[wi(t),nj(t)]α+[ni(t),wj(t)]α+[ni(t),nj(t)]α步骤2.4，计算出噪声分量的共变矩阵[ni(t),nj(t)]α＝γnδi,j；其中，γn＝[nk(t),nk(t)...

【专利技术属性】
技术研发人员：纪元法，范灼，孙希延，符强，王守华，严素清，付文涛，
申请(专利权)人：桂林电子科技大学，
类型：发明
国别省市：广西,45