一种非周期调制直扩信号扩频码估计方法

对卫星测控中一类扩频码周期与信息码周期之比为非整数的直扩信号进行了研究,得出这类信号可建模成非周期调制直扩信号,提出并讨论了一种基于差分主元分析（D PCA）的非周期调制直扩信号扩频码估计方法,该方法通过计算与差分序列协方差矩阵的最大特征值对应的特征向量完成信息码个数、子序列、信息码同步点等参数的估计,解决了传统矩阵分解方法在估计码序列时码序列相位模糊问题,理论分析和仿真结果表明该方法可以在低信噪比下进行有效估计。     

直扩通信系统信噪比估计在LDPC译码中的应用

针对LDPC码的信噪比误差使置信传播(BP)译码算法性能下降的问题,提出一种扩频码辅助的直接序列扩频信号信噪比最大似然估计算法,并利用解扩后的相关值序列对存在的小多普勒频偏情况进行修正。仿真结果表明,该算法在较低信噪比时仍可以达到比较好的估计精度,采用估计信噪比作为BP译码先验概率对译码性能影响非常小。     

一种用于卫星侦察的直扩信号参数估计方法

针对卫星通信侦察过程中,信号参数未知的特点,提出了一种直接序列扩频(DS-SS)信号的参数估计算法.首先利用直扩信号中PN序列调制信息码的循环平稳特性,采用循环自相关函数对PN码周期进行估计,再利用相关特性估计出信息码与PN码的同步调制起始点,进行伪码序列的识别.计算机仿真实验验证了该方法的有效性,在极低信噪比条件下可以得到准确的伪码序列估计.     

一种针对短码、周期长码直扩信号扩频序列盲估计方法

提出一种新的针对短码和周期长码直接序列扩频(DSSS,Direct Sequence Spread-Spectrum) 信号的扩频序列盲估计方法。将周期长码DSSS信号建模为多用户短码DSSS信号系统,根据接收信号相关矩阵最大特征值个数,判断一个PN周期内调制信息符号个数,依此盲估计信息速率,同时形成分段相关矩阵矢量。利用改进二阶统计盲辨识（SOBI,Second Order Blind Identification）算法盲估计多用户分段DSSS的PN序列,根据特定约束条件(如m序列、Gold序列)去分段相位模糊,最终形成周期长码PN序列。仿真结果表明该算法的有效性,且适应较低信噪比。     

多径效应对直扩信号扩频序列估计的性能影响分析

研究多径对直扩(DSSS)信号扩频序列估计性能的影响。首先建立多径条件下的直扩信号传输模型,然后采用基于特征结构分析的方法估计DSSS信号的扩频序列,最后通过仿真验证多径条件下基于特征结构分析算法估计扩频序列的有效性。     

基于循环谱的隐蔽通信性能分析

研究了基于扩频技术的隐蔽通信波形设计,采用大信号掩盖技术和跳码扩频技术,其中大信号和隐蔽信号分别以直接序列扩频(Direct Sequence Spread Spectrum, DSSS)和随机跳码扩频方式产生。对DSSS信号和随机跳码扩频信号的二阶循环平稳特性进行了理论分析,并通过仿真证明了循环平稳特性可用于隐蔽通信波形循环谱分析。首先,理论分析揭示DSSS信号的循环谱在与数据符号速率和码片速率相关的循环频率上,具有由信号的循环平稳性所产生的一系列特征峰值;然而,在随机跳码直扩信号中,扩频码带来的循环平稳性被破坏,导致其循环谱仅在与码片速率相关的循环频率上存在特征峰值;最后,利用循环平稳特性,结合判决门限进行隐蔽信号检测的仿真和分析。     

基于FPGA的高动态扩频信号快捕系统的设计与实现

针对高动态扩频信号捕获时间较长的问题,提出利用非均匀采样产生2组相差半个伪码码元的正交信号,直接在基带信号上估计多普勒频偏的方法。方法减少了本地伪码捕获过程中的调整周期。通过软硬件程序仿真,证明了该方法的可行性,与传统捕获方法相比,大大减少了扩频信号的捕获时间。     

高动态高码率解扩接收机的设计

扩频技术首次应用于空间遥测系统，其地面接收站的关键设备──解扩接收机完成扩频遥测信号的数据解调．本文简要介绍一种新型数字化高动态高码率解扩接收机，该接收机应用ＡＳＩＣ电路并按ＰＣ模块化设计，采用串并组合的伪码快捕方式、自适应捕获门限测量、逐次逼近的载波多卜勒扫描以及自适应伪码销定判决和重捕技术等，这些技术通过可编程数字信号处理软件算法灵活地加以实现。     

基于RJ-MCMC的DS-CDMA信号扩频码与信息序列盲估计

针对非合作低信噪比环境下的DS-CDMA信号参数估计问题,在分析信号模型的基础上,提出一种基于可逆跳跃的马尔科夫链蒙特卡罗(RJ-MCMC)扩频序列和信息序列联合估计算法。该算法通过建立信号参数和用户个数的联合后验分布模型,迭代抽样得到待估分布的样本,并有效地在不同维数的子空间中跳转,从而构造一条马尔科夫链,使其平稳分布为待估参数的后验分布。仿真结果表明,该算法在功率相同和不同的条件下均能适应较低的信噪比,并且对不同的用户个数具有较强的适应性,同时算法的估计性能相对现有的方法也有很大的改善。     

一种基于运动补偿的高动态微弱直扩信号捕获算法

针对高动态长时间积累情况下直扩信号能量无法有效积累的问题,提出了一种基于运动补偿的二倍分组块补零（Double Block Zero Padding,DBZP）算法。首先利用Keystone变换对输入信号与本地伪码在频域相乘后的结果进行处理,消除伪码自相关峰走动;再利用分段解线调技术同时补偿掉多普勒扩展和伪码自相关峰弯曲;最后对信号进行相干积累。仿真结果表明,基于运动补偿的DBZP算法能有效地消除动态的影响,大幅减小积累损耗,进而提升捕获灵敏度。该算法能广泛应用于基于直扩信号的高动态微弱目标捕获。     

稳健的欠定混合矩阵盲辨识

主要研究欠定盲源分离中的混合矩阵估计问题。提出了一种改进的欠定混合矩阵估计算法,首先采用短时傅里叶变换得到混合信号的时频表示并检测出时频单源点,然后检测出时频单源点中影响混合矩阵估计性能的时频点并将其去除,最后采用聚类的方法实现混合矩阵的估计。语音信号的仿真实验表明,与已有算法相比较,本文提出的混合矩阵估计算法有更高估计精度和更强的鲁棒性。     

一种非对称PCMA信号盲分离算法

针对卫星通信中非对称成对载波多址(PCMA)信号的盲分离问题，提出一种基于同步挤压小波变换(SWT)的盲分离算法。该算法在混合多个信号前提下，首先按强信号进行同步，接着采用同步挤压小波变换提取时频曲线，最后去除混合信号中的噪声与强信号主频外的弱信号干扰，降低了强信号解调误码率。该算法具有在不具备协作通信方发送的信息序列的先验条件下，实现了非对称PCMA信号盲分离的特点。仿真结果表明，经本文算法处理后强信号解调误码性能比对混合信号直接硬判决时有较大提升。     

基于互相关向量估计的自适应盲均衡算法

基于互相关估计的盲MMSE均衡算法以批处理方式估计信道输出向量和信道输入信号之间不同延时的互相关向量,得到MMSE均衡器系数。由于涉及到大型矩阵乘积,若在线实现,计算量较大。根据该算法对信道阶数过估计不敏感特性,推导出基于互相关向量估计的盲MMSE均衡的自适应实现算法。自适应算法将矩阵和矩阵相乘转换为矩阵和向量的相乘,大大减少了均衡系数更新计算量,计算量仅为O(K2)(K为矩阵维数)。仿真结果显示自适应算法的收敛性能远远优于目前存在的自适应算法。     

基于最大信噪比的带噪测控信号分离算法

在实际卫星测控信号侦察中,混合副载波信号分离比较困难,且耗时较长.为此,提出一种基于小波变换和最大信噪比的副载波盲分离算法.先利用小波阈值算法对混合带噪信号进行消噪处理,然后采用基于最大信噪比的盲分离算法对消噪后的信号实施分离,最后得到测控副载波信号的估计.MATALAB仿真结果表明,该算法计算复杂度低,耗时短,能够较...     

集中式多输入多输出雷达信号盲分离算法研究

在电子对抗领域,对集中式多输入多输出（Multiple Input Multiple Output, MIMO）雷达的信号侦察和分选是一个难点。提出采用盲分离（Blind Source Separation, BSS）算法中的非圆复信号快速独立分量分析（Noncircular Complex Fast ICA, NC FastICA）对MIMO雷达进行信号分选。为了满足盲分离算法的应用条件,提出一种在多视角观测位置采集雷达信号的侦察方法来构建可分离的满秩混合矩阵。仿真结果表明,对相位编码、离散频率编码等典型正交波形进行等角度间隔采样和盲分离时,无论是否存在幅度起伏,在信噪比为10dB时均可以达到低于-14dB的正交波形分离度,对分离后的波形进行相关性对比和时频分析的结果也验证了本文方法的有效性。     

左边带本振SNYFR接收的LFM信号参数估计算法

同步Nyquist折叠接收机（SNYFR）利用双片模数转换器同时完成多Nyquist区域内的宽频段信号采集,为一种新型侦察接收机结构,在SNYFR结构上提出了线性调频（LFM）信号的参数估计算法。首先从频谱关于采样率对称的本振信号出发,指出其Nyquist区域在某些条件下不存在;其次提出了Nyquist区域存在的左边带本振SNYFR;以正弦调频本振信号调制频率为频率抽取因子进行序列构造,并以此序列估计Nyquist区域;最后在区域估计的基础上,得到欠采样的LFM信号,并完成参数估计。仿真表明,LFM参数估计精度在信噪比优于10dB时均已接近克拉美-罗下限。     

双基地MIMO雷达收发角和径向速度联合估计

在双基地MIMO雷达信号模型基础上,提出一种新的目标收发角和径向速度联合估计方法。该方法首先将三参数估计问题转化为非对称联合对角化问题,然后采用最小二乘循环算法对其求解,估计收发导向矩阵和速度矩阵,最后利用谱分析算法恢复收发角和径向速度。同时采用截断高阶奇异值分解(THOSVD)对数据进行压缩处理,减小运算量。该方法充分利用匹配滤波输出的所有信息,无需二维谱峰搜索,每次循环均可得到精确的闭式解。与基于并行因子(PARAFAC)分析的方法相比,该方法可获得更高的参数估计精度,且三参数自动配对。仿真表明了方法的有效性。