CN101425821B - 基于信息优化的迭代伪码捕获装置及捕获方法 - Google Patents

Abstract

本发明提供的是一种基于信息优化的迭代伪码捕获装置及捕获方法。捕获装置由六个模块构成，A/D采样模块采集的信号经过载波解调结构解调后被送入最大似然定时估计器，最大似然估计器对码片定时误差进行定时估计，并根据定时估结果形成对多采样算术均值结构的开启控制信号，当多采样算术均值模块收到开启信号后开始工作，形成M个码片观测量，构成一个观测模块数据，模块数据准备好后，被送入迭代消息传递模块，迭代消息传递模块执行迭代消息传递运算，产生伪码序列的状态向量并将其送入捕获判决模块，捕获判决模块根据状态向量恢复本地序列，与接收信号进行相关运算，判决捕获是否成功。本发明能取得可靠的迭代初始信息、能提高基于IMPA伪码快速捕获方法性能。

Description

基于信息优化的迭代伪码捕获装置及捕获方法

(一)技术领域

本发明涉及的是一种长伪码序列的快速捕获装置，本发明还涉及一种长伪码序列的快速捕获方法。

(二)背景技术

长伪码序列的快速捕获一直是实现一些高性能扩频系统的难点。传统的伪码捕获方法是建立在滑动相关基础上的，串行滑动捕获实现简单，但捕获时间较长，难以满足快速性要求；并行滑动捕获实现复杂度高，难以硬件实现；混合捕获方法是串行和并行的折中，可以满足一些场合的需求，但总的复杂度没有改变，且速度受限。基于FFT的捕获方法对处理器的处理速度和存储容量要求比较高，目前难以实现长伪码序列捕获。为了解决捕获速度和实现复杂度之间的矛盾，以较低的硬件复杂度实现快速捕获，一种基于迭代消息传递算法(Iterative MessagePassing Algorithms，IMPA)的伪码快速捕获方法被提出。

图1给出了基于IMPA的伪码捕获方法的基本原理结构。图1显示，该方法不对本地伪码进行滑动，而是利用类似LDPC译码的消息传递算法直接估计当前时刻的伪码状态，并选择可信度较高的伪码状态向量送入伪码发生器，以立即产生可靠的本地伪码序列。

基于IMPA的伪码捕获的核心思想是迭代消息传递。迭代消息传递是在因子图上反复传递概率信息，其基本运算是根据内部概率和因子图结构计算外部概率和后验概率。下面以一个例子说明IMPA在伪码捕获中的基本应用原理。

设在采用BPSK调制的直接序列扩频系统中，经过加性高斯白噪声信道的接收信号采样为：

$z_k=\sqrt{E_c}{(-1)}^{x_k}{e}^{j{\mathrm{\θ}}_c}+n_k,0\≤k\≤M-1$

其中，E_c是码片能量，一般设为定值；x_k＝0或1，为第k个码片值，n_k是均值为0方差为σ²的白噪声采样值；M是待处理序列的长度，称其为一个数据模块；θ_c是载波相位偏移，即当地载波与接收信号间载波的相位差，讨论伪码捕获时，常假设载波相位对齐，即假设θ_c＝0。

取M个码片的采样值，可得观测向量z＝[z₀，z₁，…，z_M-1]，根据观测向量可以形成初始信息的度量：

${\mathrm{\Δsi}}_k=-\ln \left(\frac{P\left(z_k\right|x_k=1)}{P\left(z_k\right|x_k=0)}\right),0\≤k\≤M-1$

这M个初始信息的度量是迭代算法的输入，当Δsi_k＞0时说明x_k＝0的概率大，Δsi_k＜0时x_k＝1的概率大。

以11级m序列为例，设生成多项式系数为[4005]₈，本原多项式为g(D)＝1+D²+D¹¹，则生成的m序列应满足校验关系

根据因子图理论可以构建m序列的因子图，如图2所示，图中的圆圈表示变量节点，方框表示校验节点，其中所有校验节点均满足校验关系约束。

下面介绍基于迭代消息传递算法(IMPA)的伪码捕获过程.在图2定义的因子图上，考察任意一对有连接关系的变量节点和校验节点(x_i，h_j)，设校验节点到变量节点的消息更新为Δη_j，i，变量节点到校验节点的消息更新为Δu_i，j。

根据类似于LDPC译码所采用的最小和算法定义迭代消息传递算法的基本步骤如下：

分别执行校验节点和变量节点的消息更新：

${\mathrm{\Δu}}_{i,j}={\mathrm{\Δsi}}_i+\underset{\underset{n\≠j}{\∀n:h_n\→c_i}}{\mathrm{\Σ}}\mathrm{\Δ}{\mathrm{\η}}_{n,i}$

${\mathrm{\Δ\η}}_{j,i}=\underset{\underset{n\≠i}{\∀n:c_n\→h_j}}{\mathrm{\Π}}\mathrm{sign}\left({\mathrm{\Δ\μ}}_{n,j}\right)\·\underset{\underset{n\≠i}{\∀n:c_n\→h_j}}{\min }\left|{\mathrm{\Δ\μ}}_{n,j}\right|$

每执行一次上式的消息更新过程，就是一次迭代，每迭代一次，可得到输出软信息的度量：

${\mathrm{\Δso}}_i={\mathrm{\Δsi}}_i+\underset{\∀n:h_n\→c_i}{\mathrm{\Σ}}{\mathrm{\Δ\η}}_{n,i}$

由此可以作出判决：

$x_i=\left\{\begin{array}{cc}1,& {\mathrm{\&Delta;so}}_i<0\\ 0,& {\mathrm{\&Delta;}}_{\mathrm{so}}i>0\end{array}\right.0\&le;k\&le;M-1$

根据判决结果即可恢复出m序列的当前估值，将当前估值划分成每11个码片为一组的互不重合的状态估计向量，当达到迭代终止条件后，统计历次迭代中出现次数最多的状态向量，及其在序列中出现的相对位置，将该状态向量送入伪码发生器，恢复出当前时刻的m序列，将恢复出的m序列与接收信号进行相关处理就可以判断是否实现了对伪码的正确捕获。

基于IMPA的伪码捕获方法在实现复杂度和捕获时间上都取得了较好的性能，现有的理论分析和仿真表明这种方法具有较低的复杂度，但是却有着接近全并行的捕获速度。这种特性使得对长伪码的快速捕获成为现实。

现有的方法只利用了一个码片的单点采样，它更适用于脉冲较窄的超宽带系统，而对于大部分直接序列扩频系统，每个码片内含有丰富的采样点，如果一个码片还是采用一个采样点，将无法取得可靠的迭代初始信息，因而制约了这种迭代捕获方法的性能。

(三)发明内容

本发明的目的在于提供一种适用于直接序列扩频系统，能取得可靠的迭代初始信息，能提高基于IMPA伪码快速捕获方法性能的基于信息优化的迭代伪码捕获装置。本发明的目的还在于提供一种基于信息优化的迭代伪码捕获方法。

本发明的目的是这样实现的：

本发明基于信息优化的迭代伪码捕获装置的构成主要包括：A/D采样模块，载波解调模块，最大似然定时估计模块，多采样算术均值合成模块，迭代消息传递模块和捕获判决模块.A/D采样模块采样信号经过载波解调结构解调后被送入最大似然定时估计器，最大似然估计器产生对码片定时误差进行定时估计、并根据定时估结果形成对多采样算术均值结构的开启控制信号，当多采样算术均值模块收到开启信号后开始工作，形成M个码片观测量，构成一个观测模块数据，模块数据准备好后，被送入迭代消息传递模块，迭代消息传递模块执行迭代消息传递运算、产生伪码序列的状态向量并将其送入捕获判决模块，捕获判决模块根据状态向量恢复本地序列，与接收信号进行相关运算，判决捕获是否成功.

本发明的基于信息优化的迭代伪码捕获装置还可以包括：

1、所述的最大似然定时估计模块的构成为：四个并行支路、一个最大值判决器和一个采样启动脉冲合成结构，其中每个支路中还含有积分起始时刻可调的积分器、平方单元和累加器；信号进入最大似然估计模块后，分为四个支路，每个支路中的积分器按照自己定义的积分区间分别形成不同的积分结果，对积分结果执行平方运算后送给累加器，当四个累加器都达到一定的累加次数后，结果送给最大值判决器形成一次最大值判决，得到对参数的第一次估计，作出第一次估计后，各支路的积分器根据估计结果调整一次积分区间，开始新一轮的运算，直到产生新的估计值。

2、所述的捕获判决模块中包括一种m序列发生装置，该序列发生装置由两个互为镜像的m序列发生器，存储器和序列合成器组成；这里所谓互为镜像是指对于任何一个m序列生成多项式g(D)，都有其对应的生成多项式

与之对应，它们能够产生顺序完全相反的m序列，即镜像序列；状态向量完成对两个互为镜像的m序列发生器初始化，然后m序列发生器分别按照两个方向产生m序列，两个方向m序列产生的长度由状态向量在序列中的位置决定，最后合成器按照一定的规则合成固定长度的m序列。

本发明的基于信息优化的迭代伪码捕获装置的捕获方法为：

步骤一：获取迭代初始信息

(1)获取优化的初始信息，

首先，对接收到的直接序列扩频信号进行采样，采样频率为扩频码速率的N倍，每采样N个点以后求其算术均值，形成观测量z′_k，根据观测量形成优化后的迭代初始信息：

0≤k≤M-1；其中E_c为码片能量，σ²为噪声方差。

(2)用最大似然估计法消除码片定时误差的影响，

首先接收信号，其连续形式为：r(t)＝r_s(t，τ)+n(t)，式中：r_s(t，τ)为有用信号，可以表示为：其中E_c为码片能量x_k＝0或1为第k个码片的值，p(t-(k-1)T-τ)表示基本的脉冲波形，此处为矩形，τ表示波延迟，其范围为0～T，T表示码片宽度，n(t)为噪声，其功率谱密度为N₀，K表示估计器的数据记忆长度。

其次，最大似然估计器计算接收信号的平均对数似然函数：

其中经过简化后的

最后，在τ的取值范围0～T内求使Λ_L(τ)取最大值的τ，该值便是对定时误差的估计值，利用它可以消除码片定时误差对初始信息的影响。

步骤二：迭代消息传递

(1)取迭代初始信息Δsi_k，并对变量更新Δη_j，i与校验更新Δu_i，j赋初值，即执行Δu_i，j←Δsi_i，Δη_j，i←0；

(2)消息更新

I、对校验节点执行校验消息更新：

其中Δμ_n，j在第1次迭代中由初始化决定，在第k次(k≥2)迭代中由第k-1次迭代形成的Δη_n，i以及Δsi_i决定；

II、对变量节点执行变量消息更新：

其中Δη_n，i在第1次迭代中由初始化决定，在第k次(k≥2)迭代中由第k-1次迭代形成的Δμ_n，j决定；

(3)、形成软信息的度量

对所有的校验节点，执行完一次消息更新后就完成了一次迭代，形成软信息的度量：

(4)、统计与判决

根据Δso_i的符号可以对码片作出判决，即：

$x_i=\left\{\begin{array}{cc}1,& {\mathrm{\&Delta;so}}_i<0\\ 0,& {\mathrm{\&Delta;so}}_i>0\end{array}\right.,0\&le;i\&le;M-1$

根据判决结果即可恢复出m序列的当前估值，将当前估值划分成每r个码片为一组的互不重合的状态估计向量、其中r为码片级数，将这些向量存入存储器中，重新执行(2)、(3)、(4)步的消息传递过程，当达到迭代终止条件后，根据向量存储器中的存储结果，统计历次迭代中出现次数最多的状态向量，及其在序列中出现的相对位置；

步骤三：迭代捕获判决

根据步骤二中形成的状态向量及其在序列中出现的相对位置，恢复出当前时刻的m序列，当恢复出m序列后，将恢复出的m序列与当前观测信息进行相关运算，并将产生的相关结果与设定的判决门限进行比较，如果超过门限则判为捕获成功，如果低于判决门限则判为未捕获；

如果捕获成功则伪码捕获终止，如果捕获不成功则需继续进行迭代捕获，即返回到步骤一，进行符号定时估计，重新获取迭代初始信息，执行新的迭代消息传递，并进行新的迭代捕获判决。

下面说明本发明捕获方法的性能，即捕获概率与捕获时间。其性能改进通过与传统捕获方法和未经信息优化的迭代捕获方法比较来说明。

图10给出了这种迭代捕获方法的捕获概率曲线，从捕获概率仿真曲线中可以看到：

(1)与未经信息优化的迭代捕获方法相比，经过信息优化后的迭代捕获方法有了很大的性能改善，从图中可看到经过信息优化后捕获方法可以工作在更低的信噪比下，仿真结果显示性能改进约8dB；

(2)经过信息优化后的迭代伪码捕获方法其捕获性能接近于传统的滑动捕获方法，从图中可以看到经过信息优化后的捕获方法性能略低于传统的捕获方法，其中一部分原因受制于定时估计器在低信噪比下的估计性能。

图11给出了这种迭代捕获方法的捕获时间曲线，从捕获时间的仿真曲线可以看到：

(1)与未经信息优化的迭代捕获时间相比，信息优化后的迭代捕获方法明显的缩短了捕获时间，这主要是因为信息优化提高了单模块的捕获概率，从而使正确捕获所需的总的模块数量有所减少，降低了捕获时间，从图中可以明显的看到，在低信噪比条件下，未经优化的迭代捕获方法时间迅速增加，很快会超过传统的滑动捕获方法，而经过信息优化后的迭代捕获方法，其捕获速度明显提高，在很低的信噪比下，如-20dB捕获时间尚远低于传统的滑动捕获方法，优势明显。

(2)与传统的捕获方法相比，经信息优化后的迭代捕获方法在捕获时间大大的短于传统的捕获方法，从图中看到，对于11级的m序列，两种捕获方法存在数量级上的差别，传统的捕获方法需要数十秒以上才能实现可靠的捕获，而在不低于-20dB的信噪比条件下，经过信息优化后的迭代捕获方法可以在10秒之内完成捕获，在稍高的信噪比条件下完全可以将捕获时间缩短到1秒之内。值得注意的是，迭代捕获方法的捕获时间与m序列的级数没有关系，这意味着，对于更长的m序列，其捕获速度的优势将更加明显。这是迭代捕获方法之所以被研究的主要目的，它使得对长PN码的快速捕获成为可能。

本发明根据以上步骤形成了基于信息优化的迭代捕获方法的迭代伪码捕获结构，示于图3。

(四)附图说明

图1是基于迭代消息传递的伪码捕获方法的基本原理图。

图2是11级m序列的因子图结构。

图3基于信息优化的迭代伪码捕获结构。

图4降低硬件复杂度的最大似然定时估计结构。

图5有限长度m序列发生器结构图。

图6是优化前后互信息量的对比曲线。

图7是码片定时误差对观测量的影响示意图。

图8是码片定时误差对互信息量的影响曲线。

图9-a和图9-b是定时估计器的参数估计效果。

图10是几种捕获方法的捕获概率曲线。

图11是几种捕获方法的捕获时间曲线。

(五)具体实施方式

下面结合附图举例对本发明作更详细的描述：

结合图3，基于信息优化的迭代伪码捕获装置结构组成包括A/D采样模块1，载波解调模块2，最大似然定时估计模块3，多采样算术均值合成模块4，迭代消息传递模块5和捕获判决模块6.捕获过程开始后，采样信号经过载波解调被送入最大似然定时估计器，最大似然估计器产生对码片定时误差的定时估计，并根据定时估计结果形成对多采样算术均值结构的开启控制信号；当多采样算术均值结构收到开启信号后开始工作，形成M个码片观测量，构成一个观测模块的数据；模块数据准备好后，被送入迭代消息传递结构；迭代消息传递结构执行迭代消息传递运算，产生伪码序列的状态向量；捕获判决结构根据状态向量恢复本地序列，与接收信号进行相关运算，判决捕获是否成功.

本发明基于信息优化的迭代伪码捕获装置的构成还包括一种最大似然定时估计器，该估计器能够以较低的复杂度实现较高的定时估计精度。如图4，其构成为：四个并行支路，一个最大值判决器和一个采样启动脉冲合成结构，其中每个支路中还含有积分起始时刻可调的积分器，平方单元，累加器。信号进入最大似然估计器后，分为四个支路，每个支路中的积分器按照自己定义的积分区间分别形成不同的积分结果；对积分结果执行平方运算后送给累加器；当四个累加器都达到一定的累加次数后，结果送给最大值判决器形成一次最大值判决，从而得到对参数的第一次估计；当作出第一次估计后，各支路的积分器根据估计结果调整一次积分区间，开始新一轮的运算，直到产生新的估计值，这样可以在较低的硬件复杂度下获得1/16的定时估计精度。

本发明基于信息优化的迭代伪码捕获装置的构成中的捕获判决模块还包括一种m序列发生装置，该装置可以在给定状态向量及其在序列中相对位置的情形下恢复出局部长度的m序列。如图5，该装置由两个互为镜像的m序列发生器，存储器和序列合成器组成。状态向量完成对两个互为镜像的m序列发生器初始化，然后m序列发生器分别按照两个方向产生m序列，两个方向m序列产生的长度由状态向量在序列中的位置决定，最后合成器按照一定的规则合成固定长度的m序列。

各模块的构成及功能如下：

模块一：A/D采样模块

A/D采样模块接收数字扩频接收机接收到的信号，产生N倍于伪码速率的采样数据。

模块二：相干载波解调模块

相干载波解调模块接收A/D采样信号，产生两路基带信号。

该模块包括载波发生器，乘法器，低通滤波器。

执行过程中，采样信号被分为两路，分别与载波发生器产生的本地载波进行相乘，得到的信号经过低通滤波器后得到基带信号。

模块三：最大似然定时估计模块

最大似然定时估计模块接收一路基带信号，最终产生一个采样启动脉冲。

最大似然定时估计模块中含有四个并行支路，一个最大值判决器和一个控制采样启动脉冲合成的逻辑结构。其中每个支路中含有积分起始时刻可调的积分器，平方器，累加器；脉冲合成逻辑是一个可控的时间延迟单元。

信号在装置中的处理过程如下：

1、基带信号被分成四个并行的支路；

2、对于每一个支路，信号按照积分器规定的积分开始时刻进行积分，积分时间是一个码片周期，其中积分起始时刻由待估计的参数的可能取值范围决定。例如，待估计的参数τ的取值范围是0～T，四个支路的积分起始时刻可以分别定为：t、

3、积分结束后，积分结果被送入平方器，积分器清零并开始新的积分；

4、平方结束后，平方值送入累加器，累加器不断接收1、2、3步产生的平方值，直到K次累加后形成最终的累加值；

5、当形成四个支路的累加值后，累加值被送入最值选择器，进行最大值判决，通过最值比较器来确定τ的初步估值。例如，如果第一支路出现最值，则初步判断τ值为

6、第一次执行完步骤5后，得到关于τ的1/4精度的估计值，根据估值结果改变积分器的起始时刻后重复2、3、4、5中的步骤。例如，如果2步中得到初始判断

则四个并行支路的积分起始时刻分别变为

2、3、4、5步相同，直到第二次形成τ的估值

7、当第二次估值完成后，利用脉冲合成逻辑结构产生一个采样启动脉冲，该脉冲用来控制多采样算术均值合成结构的启动时刻。例如，如果第二次估值结束后得到

那么脉冲合成逻辑在延迟时间

后产生一个脉冲。

模块四：迭代初始信息形成模块

迭代初始信息形成模块接收一路解调后的基带信号，形成M个迭代初始信息。

迭代初始信息形成模块包括采样累加器，除法器，存储器。

最大似然定时估计产生的采样启动脉冲启动迭代初始信息单元的工作；累加器开始对基带信号的采样进行累加，每累加一个码片长度的时间，形成一个累加结果；累加结果送入除法器执行除法运算，同时累加器清零，重复原来的累加工作；除法结果送入存储器，直到产生M个值，形成一个数据模块。该数据模块含M个迭代初始信息。

模块五：迭代消息传递模块

迭代消息传递模块读取M个迭代初始信息，产生一个m序列的状态向量，及其位置信息。

迭代消息传递模块包括的主要结构有：对于每一个校验节点，都含有一个校验更新单元；对于每一个变量节点都含有一个变量更新单元；对于所有的校验节点都含有若干个校验更新消息的存储单元；对于所有的变量节点都含有若干个存储单元与其对应。

另外，迭代消息传递模块还包括以下结构：对于所有的变量点的软信息度量形成单元，中间结果判决存储单元，统计判决单元。

对于任意一个校验节点的校验更新单元，根据式

进行更新，它主要包括以下结构：求各输入数据绝对值中的最小值；求各输入数据符号值的乘积；将各最小值与符号值合成为新数据的结构。

对于任意一个变量节点的变量更新单元，根据式进行更新，它的主要功能就是执行求和计算。

数据存储单元用来存储校验更新与变量更新产生的中间值，它可由双口RAM来实现，用来完成数据的存取和地址的映射。

对于任意一个变量节点的软信息度量形成单元，根据式

它的主要功能是执行该式定义的求和运算。

对于任意一个变量节点的中间结果存储单元，存储每次迭代结束后判定的当前码元值。

统计判决单元是一个二维搜索比较器。迭代结束后将中间存储单元存储的结果按码片级数分组比较，例如，如果m序列是11级，则形成每11个码片为一组的状态向量。首先对于每一组存储值，执行纵向的比较，搜索出现次数最多的那一个向量及其出现的次数；接下来执行横向比较，统计纵向比较中出现的最大值中的最大值，并记住其位置。这样最终形成的最大值的位置所对应的状态向量就是要寻找的状态向量，其位置为要搜寻的状态向量的位置。

模块六：迭代捕获判决模块

迭代捕获判决模块接收状态向量及其位置，读取迭代初始信息存储的初始信息，产生相关峰值，及捕获判决信号。

迭代捕获模块包括：前后向伪码发生器，相关累加器，平方器，求和器，门限判决单元，逻辑控制单元。

其中，前后向伪码发生器，输入信号为状态向量及状态向量在序列中的位置。

前后向伪码发生器包括两个互为镜像的m序列发生器，m序列存储器，序列合成器。

互为镜像的m序列发生器根据状态向量分别产生两个方向m序列，存储在存储器中，序列合成器根据状态向量在序列中的位置将两个方向的序列合成为一个序列，得到的结果为恢复出的m序列。

恢复出的m序列与结构四中存储的迭代初始消息进行相关运算，将结果送入平方单元，然后求和，求和结果与判决门限进行比较，如果超过门限则判为捕获，如果低于判决门限则没有捕获。

逻辑控制单元，受到捕获判决结果的控制，产生捕获指示信号和逻辑控制信号。

在没有捕获到信号的情况下，逻辑控制单元产生逻辑控制信号：一方面它控制迭代消息传递模块，继续从初始信息形成模块中获取迭代初始信息，并对新的数据模块进行迭代消息传递和捕获判决；另一方面，它对捕获模块的数量进行监控，如果达到设定的模块后，还未捕获到信号，则有理由认为最大似然估计模块出现了定时偏差，此时逻辑控制单元产生一路控制信号，该控制信号允许最大似然定时估计器产生新的采样启动脉冲，以对迭代信息形成模块的采样累加时刻作出新的调整。

一般情况下，经过多个数据模块后，都会出现超过设定门限的相关峰值，此时，逻辑控制单元产生捕获指示信号，捕获成功。

本发明基于信息优化的迭代伪码捕获装置的捕获方法主要包括以下几个步骤：

步骤一：迭代初始信息的获取

迭代初始消息是整个迭代过程的基础，它的可靠性直接决定了迭代捕获性能的好坏。下面对其获取方式进行描述：

(1)获取优化的初始信息

首先，对接收到的直接序列扩频信号进行采样，采样频率为扩频码速率的N倍，每采样N个点以后求其算术均值，形成观测量：

$z_k^{\&prime;}=\frac{1}{N}\underset{i=0}{\overset{N-1}{\mathrm{\&Sigma;}}}{z}_{\mathrm{ki}}=\sqrt{E_c}{(-1)}^{x_k}+n_k^{\&prime;},0\&le;k\&le;M-1---\left(1\right)$

其中，x_k＝0或1，为第k时刻的码片值，n′_k是均值为0方差为σ²的白噪声采样值，θ_c是载波相位偏移，即当地载波与接收信号间载波的相位差，讨论伪码捕获时，常假设载波相位对齐，即假设θ_c＝0；E_c是码片能量，一般设为定值。

根据观测量可以形成优化后的迭代初始信息：

${\mathrm{\&Delta;si}}_k=\frac{2\sqrt{E_c}}{{\mathrm{\&sigma;}}^2}{z}_k^{\&prime;},0\&le;k\&le;M-1---\left(2\right)$

相对于单点采样情形，这个迭代初始信息有了显著改善，下面给予说明。

根据信息理论，为了说明信息得到的改善只需计算迭代初始信息Δsi_k与x_k之间的互信息量：

$I(X,{\mathrm{\&Delta;si}}_k)=\frac{1}{2}\underset{x=\mathrm{0,1}}{\mathrm{\&Sigma;}}{\&Integral;}_{-\&infin;}^{+\&infin;}{p}_{{\mathrm{\&Delta;si}}_k}\left(\mathrm{\&xi;}\right|X=x)\&times;{\log }_2\frac{2p_{{\mathrm{\&Delta;si}}_k}\left(\mathrm{\&xi;}\right|X=x)}{p_{{\mathrm{\&Delta;si}}_k}\left(\mathrm{\&xi;}\right|X=0)+p_{{\mathrm{\&Delta;si}}_k}\left(\mathrm{\&xi;}\right|X=1)}\mathrm{d\&xi;}$

$=1-1_{-\&infin;}^{+\&infin;}\frac{e^{-({(\mathrm{\&xi;}-{\mathrm{\&sigma;}}_{{\mathrm{\&Delta;si}}_k}^2/2)}^2/2{\mathrm{\&sigma;}}_{{\mathrm{\&Delta;si}}_k}^2)}}{\sqrt{2\mathrm{\&pi;}{\mathrm{\&sigma;}}_{{\mathrm{\&Delta;si}}_k}^2}}{\log }_2(1+e^{-\mathrm{\&xi;}})\mathrm{d\&xi;}---\left(3\right)$

式中μ_Δsi、σ_Δsi ²分别表示迭代初始信息的均值与方差，通过计算机仿真可以得到优化前后平均互信息量的对比曲线，示于图6。可以看到，优化后平均互信息量显著的大于优化前的平均互信息量，且平均互信息量的值随着样本点数N的增加而增加。根据平均互信息量的定义可以知道，经算术均值优化后的观测量为作出正确的码片判决提供了更多的信息，仿真结果还显示这种优化效果是显著的，因此可以期望从这种优化中获取较大的性能增益。

(2)最大似然估计法消除码片定时误差的影响

通过多点采样的算术均值对初始信息进行优化可以提供更优的迭代初始信息，但是如图7所示，由于受到波形延迟的影响，不能确定一个码片的采样起始时刻，使得迭代初始信息受定时误差的影响较为严重，定时误差对互信息的影响示于图5。图中可以看到，由于码片定时误差的影响，使得观测量提供给初始信息的平均信息量减少，极端情况下τ＝0.5，对于整周期m序列而言，这种观测量提供的信息量只有正常情形下的一半，这对迭代捕获是极为不利，必需对其进行消除，消除方法是在进行多点采样的算术均值操作之前先进行最大似然定时估计，最大似然估计的步骤表述如下。

首先接收信号，其连续形式为：

r(t)＝r_s(t，τ)+n(t)                    (4)

式中，r_s(t，τ)为有用信号，可以表示为：

$r_s(t,\mathrm{\&tau;})=\underset{k=0}{\overset{K-1}{\mathrm{\&Sigma;}}}\sqrt{E_c}{(-1)}^{x_k}p(t-(k-1)T-\mathrm{\&tau;})---\left(5\right)$

其中，x_k＝0或1，为第k个码片的值，p(t-(k-1)T-τ)表示基本的脉冲波形，此处为矩形，τ表示波延迟，其范围为0～T，T表示码片宽度，n(t)为噪声，其功率谱密度为N₀，K表示估计器的数据记忆长度。

其次，最大似然估计器计算接收信号的平均似然比。因m序列等概率分布，根据下式，可得接收信号对数形式平均似然比：

${\stackrel{\&OverBar;}{\mathrm{\&Lambda;}}}_L\left(\mathrm{\&tau;}\right)=\underset{k=0}{\overset{K-1}{\mathrm{\&Sigma;}}}\ln \left[\cosh \left({\mathrm{ch}}_k\left(\mathrm{\&tau;}\right)\right)\right]---\left(6\right)$

式中，

因直接扩频系统中p(t-(k-1)T-τ)表示矩形脉冲时，ch_k(τ)变为：

${\mathrm{ch}}_k\left(\mathrm{\&tau;}\right)=\frac{\sqrt{E_c}}{N_0}{\&Integral;}_{(k-1)T-\mathrm{\&tau;}}^{\mathrm{kT}-\mathrm{\&tau;}}r\left(t\right)\mathrm{dt}---\left(7\right)$

又由于式(6)为复杂的非线性结构，可以作如下近似：

这样根据式(7)、(8)可以得到式(6)中平均似然比的简化表示：

${\stackrel{\&OverBar;}{\mathrm{\&Lambda;}}}_L\left(\mathrm{\&tau;}\right)=\underset{k=0}{\overset{K-1}{\mathrm{\&Sigma;}}}\frac{1}{2}{\left({\mathrm{ch}}_k\left(\mathrm{\&tau;}\right)\right)}^2---\left(9\right)$

这种方法容易用简单的结构实现。

最后，在τ的取值范围0～T内求使Λ_L(τ)取最大值的τ，该值便是对定时误差的估计值，利用它可以消除码片定时误差对初始信息的影响。

以上实现的具体步骤如下，由于要估计的τ值取值范围是0～T，因此可以将τ进行离散化，即取0～T之间的N个值，分别带入(9)式执行该式规定的步骤，得到N个Λ_L(τ)值，这N个值对应了N个并行的运算支路。从N个平均似然比Λ_L(τ)中选择最大的一个，并选择其对应的离散τ值作为τ估计值。

为了降低定时估计的硬件复杂度，本发明形成图4所示的最大似然定时估计结构。该定时估计结构的特点是：结构中只有4个并行支路，工作时它首先完成1/4精度的初步估计，估计结束后得到关于估计量的一个1/4精度的粗略值，然后根据该粗略值同时改变4个支路的积分区间，再进行新一轮估计，此时的估计精度是原有估计精度的1/4，即得到1/16的估计精度。这样在不增加硬件规模的基础上提高了参数估计的精度。

图9给出了在给定最大似然估计的记忆长度后，在信噪比为-18dB时对伪码序列的估计效果，(a)图中为一个典型的捕获结果，可见在较低的信噪比下，基本上能够实现正确的参数估计，图(b)给出的是多次参数估计平均效果，可见多次估计中能够得到较为准确的定时估计。

步骤二：迭代消息的传递

迭代消息传递基本上按照以下几个步骤执行：

(1)取迭代初始信息Δsi_k，并对变量更新Δη_j，i与校验更新Δu_i，j赋初值，即执行Δu_i，j←Δsi_i，Δη_j，i←0；

(2)消息更新

I、对所有的校验节点执行迭代消息更新：

${\mathrm{\&Delta;\&eta;}}_{j,i}=\underset{\underset{n\&NotEqual;i}{\&ForAll;n:c_n\&RightArrow;h_j}}{\mathrm{\&Pi;}}\mathrm{sign}\left({\mathrm{\&Delta;\&mu;}}_{n,j}\right)\&CenterDot;\underset{\underset{n\&NotEqual;i}{\&ForAll;n:c_n\&RightArrow;h_j}}{\min }\left|{\mathrm{\&Delta;\&mu;}}_{n,j}\right|---\left(10\right)$

其中Δμ_n，j在第1次迭代中由初始化决定，在第k次(k≥2)迭代中由第k-1次迭代形成的Δη_n，i以及Δsi_i决定；

II、对所有的变量节点执行变量消息更新：

${\mathrm{\&Delta;u}}_{i,j}={\mathrm{\&Delta;si}}_i+\underset{\underset{n\&NotEqual;j}{\&ForAll;n:h_n\&RightArrow;c_i}}{\mathrm{\&Sigma;}}\mathrm{\&Delta;}{\mathrm{\&eta;}}_{n,i}---\left(11\right)$

其中Δη_n，i在第1次迭代中由初始化决定，在第k次(k≥2)迭代中由第k-1次迭代形成的Δμ_n，j决定。

(3)、形成软信息的度量

对所有的校验节点，执行完一次消息更新后就完成了一次迭代，此时形成软信息的度量：

${\mathrm{\&Delta;so}}_i={\mathrm{\&Delta;si}}_i+\underset{\&ForAll;n:h_n\&RightArrow;c_i}{\mathrm{\&Sigma;}}{\mathrm{\&Delta;\&eta;}}_{n,i}---\left(12\right)$

(4)、统计与判决

根据Δso_i的符号，可以对当前码片作出判决，即：

$x_i=\left\{\begin{array}{cc}1,& {\mathrm{\&Delta;so}}_i<0\\ 0,& {\mathrm{\&Delta;so}}_i>0\end{array}\right.,0\&le;i\&le;M-1---\left(13\right)$

根据判决结果即可恢复出m序列的当前估值，将当前估值划分成每r个(r为码片级数)码片为一组的互不重合的状态估计向量，将这些向量存入存储器中，重新执行(2)、(3)、(4)步定义的消息传递过程。当达到迭代终止条件后，根据向量存储器中的存储结果，统计历次迭代中出现次数最多的状态向量，及其在序列中出现的相对位置。

步骤三：迭代捕获判决

根据步骤二中形成的状态向量及其在序列中出现的相对位置，可以恢复出当前时刻的m序列。当恢复出m序列后，将恢复出的m序列与当前观测信息进行相关运算，并将产生的相关结果与设定的判决门限进行比较，如果超过门限则判为捕获成功，如果低于判决门限则判为未捕获。如果捕获成功则伪码捕获终止，如果捕获不成功则需继续进行迭代捕获，即返回到步骤一，进行符号定时估计，重新获取迭代初始信息，执行新的迭代消息传递，并进行新的迭代捕获判决。

每重复一次步骤一和步骤二便对一个新的数据模块进行处理，在信噪比较低的情况下要经过多个数据模块后才能捕获到正确的伪码相位。捕获模块的个数决定了捕获时间的大小，捕获时间随着信噪比的降低而延长。

Claims (4)

1.一种基于信息优化的迭代伪码捕获装置，其特征是：其构成主要包括：A/D采样模块、载波解调模块、最大似然定时估计模块、多采样算术均值合成模块、迭代消息传递模块和捕获判决模块，A/D采样模块采集的采样信号经过载波解调模块解调后被送入最大似然定时估计模块，最大似然定时估计模块对码片定时误差进行定时估计、并根据定时估计结果形成对多采样算术均值合成模块的开启控制信号，当多采样算术均值合成模块收到开启控制信号后开始工作，形成M个码片观测量，构成一个观测模块数据，模块数据准备好后，被送入迭代消息传递模块，迭代消息传递模块执行迭代消息传递运算、产生伪码序列的状态向量送入捕获判决模块，捕获判决模块根据状态向量恢复本地序列，与接收信号进行相关运算，判决捕获是否成功。

2.根据权利要求1所述的基于信息优化的迭代伪码捕获装置，其特征是：所述的最大似然定时估计模块的构成为：四个并行支路、一个最大值判决器和一个采样启动脉冲合成结构，其中每个支路中还含有积分起始时刻可调的积分器、平方单元和累加器；信号进入最大似然定时估计模块后，分为四个支路，每个支路中的积分器按照自己定义的积分区间分别形成不同的积分结果，对积分结果执行平方运算后送给累加器，当四个累加器都达到一定的累加次数后，结果送给最大值判决器形成一次最大值判决，得到对参数的第一次估计，做出第一次估计后，各支路的积分器根据估计结果调整一次积分区间，开始新一轮的运算，直到产生新的估计值。

3.根据权利要求2所述的基于信息优化的迭代伪码捕获装置，其特征是：所述及的捕获判决模块中包括一种m序列发生装置，该序列发生装置由两个互为镜像的m序列发生器，存储器和序列合成器组成；状态向量对两个互为镜像的m序列发生器初始化，然后m序列发生器分别按照两个方向产生m序列，两个方向m序列产生的长度由状态向量在序列中的位置决定，最后合成器按照一定的规则合成固定长度的m序列。

4.一种基于权利要求1的基于信息优化的迭代伪码捕获装置的捕获方法，其特征是：

步骤一：获取迭代初始信息

(1)获取优化的初始信息，

首先，对接收到的直接序列扩频信号进行采样，采样频率为扩频码速率的N倍，每采样N个点以后求其算术均值，形成观测量z′_k，根据观测量形成优化后的迭代初始信息：

0≤k≤M-1；其中E_c为码片能量，σ²为噪声方差，M是待处理序列的长度，称其为一个数据模块；

(2)用最大似然估计法消除码片定时误差的影响，

首先接收信号，其连续形式为：r(t)＝r_s(t，τ)+n(t)，式中：r_s(t，τ)为有用信号，可表示为：

其中x_k＝0或1，为第k个码片的值，E_c为码片能量，p(t-(k-1)T-τ)表示基本的脉冲波形，此处为矩形，τ表示波延迟，取值范围为0～T，T表示码片宽度；n(t)为噪声，设其功率谱密度为N₀；K表示最大似然定时估计模块的数据记忆长度；

其次，经过线性简化后，最大似然定时估计模块计算接收信号的平均对数似然函数：

其中经过简化后的 ${\mathrm{ch}}_k\left(\mathrm{\&tau;}\right)=\frac{\sqrt{E_c}}{N_0}{\&Integral;}_{(k-1)T-\mathrm{\&tau;}}^{\mathrm{kT}-\mathrm{\&tau;}}r\left(t\right)\mathrm{dt};$

最后，在τ的取值范围0～T内求使Λ_L(τ)取最大值的τ，该值便是对定时误差的估计值，利用它可以消除码片定时误差对初始信息的影响；

步骤二：传递迭代消息

(1)取迭代初始信息Δsi_k，并对变量更新值Δη_j，i与校验更新值Δu_i，j赋初值，即执行Δu_i，j←Δsi_i，Δη_j，i←0；

(2)消息更新

I、对校验节点执行校验消息更新：

其中Δμ_n，j在第1次迭代中由初始化决定，在第k次(k≥2)迭代中由第k-1次迭代形成的Δη_n，i以及Δsi_i决定；

II、对所有的变量节点执行变量消息更新：

其中Δη_n，i在第1次迭代中由初始化决定，在第k次(k≥2)迭代中由第k-1次迭代形成的Δμ_n，j决定；

(3)、形成软信息的度量

对所有的校验节点，执行完一次消息更新后就完成了一次迭代，形成软信息的度量：

(4)、统计与判决

根据Δso_i的符号对码片作出判决，即：

$x_i=\left\{\begin{array}{cc}1,& \mathrm{\&Delta;}{\mathrm{so}}_i<0\\ 0,& {\mathrm{\&Delta;so}}_i>0\end{array}\right.0\&le;i\&le;M-1$

根据判决结果即可恢复出m序列的当前估值，将当前估值划分成每r个码片为一组的互不重合的状态估计向量，其中r为码片级数，将这些向量存入存储器中，重新执行(2)、(3)、(4)步的消息传递过程，当达到迭代终止条件后，根据向量存储器中的存储结果，统计历次迭代中出现次数最多的状态向量，及其在序列中出现的相对位置；

步骤三：迭代捕获判决

根据步骤二中形成的状态向量及其在序列中出现的相对位置，恢复出当前时刻的m序列，当恢复出m序列后，将恢复出的m序列与当前观测信息进行相关运算，并将产生的相关结果与设定的判决门限进行比较，如果超过门限则判为捕获成功，如果低于判决门限则判为未捕获；

如果捕获成功则伪码捕获终止，如果捕获不成功则需继续进行迭代捕获，即返回到步骤一，进行符号定时估计，重新获取迭代初始信息，执行新的迭代消息传递，并进行新的迭代捕获判决。

Images