CN101662305B - 直接序列扩频系统伪随机码估计方法 - Google Patents

Abstract

本发明公开了一种直接序列扩频系统伪随机码估计方法，主要解决现有方法对采样精度要求高，载频估计误差大及普适性差的缺点。其步骤是：1.由二次谱和相关函数二阶矩获得伪码周期和符号周期；2.根据接收信号自相关矩阵确定一个周期伪码的起点；3.对接收信号以伪码起点为起点，以若干个伪码周期为窗长分段，对各段以载频和第一上过零点频率进行固有时间尺度分解，得到各自瞬时幅度值；4.将两瞬时幅度累加值相减得差值信号，做其直方图以设定两个门限；5.记录差值信号一个伪码周期内极小点低于较小门限的时刻；6.设定起始码片极性，从第二个码片开始判断各码片极性，根据伪码性质确定出伪码。本发明具有估计精度高，普适性强的优点，用于对频谱监测。

Description

直接序列扩频系统伪随机码估计方法

技术领域

发明属于通信和信号处理领域，特别涉及伪随机码估计方法，用于非协作情况下直接序列扩频信号伪随机码的估计。

背景技术

以直扩技术为基础的通信体制已广泛应用于军事通信，由于直扩信号通常工作在很低的信噪比下，信号非常微弱，淹没在白噪声内，对于直扩信号特别是扩频伪随机序列的估计一直是通信对抗领域中研究的热点和难点。在民用通信领域，以码分多址为代表的移动通信迅速发展给频谱的监测带来了巨大的挑战，需要快速合适的伪码估计方法。

现有的低信噪比下直接序列扩频伪随机码估计方法主要有：基于自相关矩阵的特征值分解的估计方法，基于神经网络的估计方法，基于三阶相关函数的m序列估计方法，以及基于两个测度函数的估计方法。

基于自相关矩阵的特征值分解的方法，是以扩频序列的周期将信号分段，并以码片速率对信号抽样，计算该矢量信号的自相关矩阵并求出该矩阵的特征值和特征向量。同步情况下，最大特征值对应的特征向量即为扩频伪随机码。失步情况下，通过拼接最大的两个特征值对应的特征向量得到扩频伪随机码。该方法会存在部分反码现象。

基于三阶相关函数的m序列估计方法。利用了m序列的循环移位特性，通过计算m序列的三阶相关函数得到m序列的估计值，该方法只能估计m序列，对于其它的扩频伪随机序列由于不满足循环移位特性而不能采用该方法估计。

以上所提方法都是在基带上完成对伪随机序列的估计，但是用于下变频所估计的载波信号是有误差的，这导致下变频后还有载波残留，影响伪随机码估计精度；同时由于需要以码片速率对信号采样，对定时同步要求高。

发明内容

本发明的目的在于克服以上方法的缺点，提出了一种无需码片速率对信号采样的直接序列扩频系统伪随机码序列的估计方法，以提高估计精度。

实现本发明目的的技术方案是：从接收中频信号时域波形的角度估计扩频伪随机序列，即通过固有时间尺度算法检测载波频率处瞬时幅度的变化得到码片极性变化的信息，进而逐个码片极性判断估计出扩频伪随机序列。具体步骤如下：

(1)由接收信号r(t)的二次谱和相关函数二阶矩得到扩频伪随机码的周期T_s和符号周期T_b；

(2)将接收信号r(t)分成b段互不重叠的时间窗，每段信号窗长为符号周期T_b，记第i段的接收信号为S_i＝{sⁱ ₁，sⁱ ₂，…sⁱ _h}，其中h为每段接收信号的采样点数，计算该段接收信号S_i的自相关矩阵R_i＝S_i*S_i ^H，求这b段接收信号的自相关矩阵的均值 $\stackrel{\‾}{R_b}=\frac{1}{b}\underset{i=1}{\overset{b}{\mathrm{\Σ}}}{R}_i;$

(3)以接收信号的采样点为步进，沿时间轴滑动接收信号r(t)的起点h次，对每次滑动后的接收信号重复(2)中的过程，并计算每次接收信号起点滑动后接收信号的自相关矩阵的均值

，则h次滑动接收信号起点过程中接收信号自相关矩阵的均值

中所有元素的平方和最大时所对应的接收信号的起始点即为伪随机码一个周期码片的起始点；

(4)将(3)中得到的码片起始点作为接收信号r(t)的起始点，并保证接收信号r(t)的长度为M*l，将接收信号r(t)以窗长l＝k*T_s分为互不重叠的M段，其中k，M为设定的自然数，T_s为伪随机码的周期，对每段接收信号以载频f_c和第一上过零点频率f_o进行固有时间尺度分解，得到各自分解后第一层的瞬时幅度值Aci(t)和Azi(t)；

(5)对M段窗长为1的接收信号重复步骤(4)，并将M段的瞬时幅度值Aci(t)和Azi(t)求和得到M段信号所对应的接收信号的载频f_c处和第一上过零点频率f_o处的幅度累加值

和

(6)将(5)中得到的载频处和第一上过零点处的幅度累加值相减得到一个差值信号，记该差值信号为 $d\left(t\right)=\underset{i=1}{\overset{M}{\mathrm{\Σ}}}\mathrm{Azi}\left(t\right)-\underset{i=1}{\overset{M}{\mathrm{\Σ}}}\mathrm{Aci}\left(t\right),$ 求出该差值信号的直方图，通过直方图将该差值幅度信号分成三块，设定这三块幅度值之间的门限t1和t2，t1＜t2；

(7)在一个伪码周期T_s内，记差值信号的幅度值小于门限t1的极小点时刻集合为{t′_c1，t′_c2，…，t′_cn}，记差值信号的幅度值介于门限t1和门限t2之间的极小点时刻集合为{t_b1′，t_b2′，…t_bp′}，其中n，p是集合中元素个数，n＞p，则极小点时刻的集合{t′_c1，t′_c2，…，t′_cn}即为一个扩频序列伪码周期内码片极性跳变时刻点的集合{t_c1，t_c2，…t_cm}，m为一个周期内码片极性跳变次数；

(8)在一个伪码周期T_s内，设定起始码片的极性，从第二个码片开始到最后一个码片，若每个码片和其前一码片的相邻时刻属于步骤(7)中得到的一个伪码周期内码片极性跳变时刻集合{t′_c1，t′_c2，…，t′_cn}，则判断该码片与前一码片极性相反，否则，极性相同，如此逐个判断一个伪码周期内所有码片的极性，得到起始码片极性不同的两个扩频伪随机码序列；

(9)根据扩频伪随机码序列的特性，从步骤(8)中估计出的两个伪随机码序列中确定唯一的扩频伪随机码序列。

本发明具有如下优点：

1.本发明由于采用在接收信号的中频上估计伪随机序列，无需将信号变换到基带处理，因此，克服了传统方法中由于估计载频误差带来的基带伪码估计误差，提高了伪随机码估计的精度。

2.本发明由于对接收信号的采样速率没有特殊的要求，只要保证采样率能够成形接收信号的时域波形即可，而传统的方法要求必须严格的以码片速率对接收信号采样，因此，降低了对采样精度的要求，克服了传统的方法因为采样率的不精准带来的估计误差。

3.本发明由于采用固有时间尺度分解算法分解接收信号，该算法运算速度快，能够实时处理大量数据，且具有很高的时间幅度定位精度，能够克服传统时频分析工具中的时频不确定性原理的影响，因此，具有很高的各种参数估计精度。

4.本发明由于从时域波形的角度估计伪随机码序列，估计过程中并没有涉及伪随机码的数学构造特性，估计过程与所采用的扩频伪随机序列的类型无关，各种伪随机序列都可以估计，因此，具有普适性，克服了某些传统算法只能估计某一种伪随机码序列的缺点。

附图说明

图1是本发明的流程图；

图2是本发明的差值信号时域波形图；

图3是本发明的差值信号幅度的直方图；

图4是本发明的一个扩频伪随机码周期的差值信号图。

具体实施方式

参照图1，本发明的步骤如下：

步骤1，计算接收信号中扩频伪随机码的周期T_s和接收信号的符号周期T_b。

由接收信号r(t)的二次谱得到扩频伪随机码的周期T_s，其二次谱S_r(e)的计算表达式为：S_r(e)＝|DFT(S_r(f))|²                                    (1)

其中S_r(f)表示接收信号的功率谱，DFT表示S_r(f)的功率谱进行傅立叶变换，接收信号的二次功率谱即定义为S_r(f)的功率谱傅立叶变换后模值的平方。对二次谱在一定的范围内进行相邻局部最大值搜索，确定局部最大值所对应的二次功率谱频率，求出其间隔T_max s即为伪随机码的周期T_s。

由接收信号r(t)的相关函数二阶矩得到接收信号的符号周期T_b，为估计接收信号r(t)相关函数二阶矩，将信号分成时间上不重叠的N个数据窗，每个窗持续时间T要求足够大，以致包含几个扩频码周期。每个窗内的接收信号的自相关估计为：

${R_{\mathrm{rr}}}^m=\frac{1}{T}\underset{t_m}{\overset{t_m+T}{\∫}}r\left(t\right)r*(t-\mathrm{\τ})\mathrm{dt},m=\mathrm{1,2}\·\·\·N---\left(2\right)$

其中r_m是每个窗的起始时刻，则N个窗的自相关估计的二阶矩为；

$\mathrm{\ρ}\left(\mathrm{\τ}\right)-\frac{1}{N}\underset{m=1}{\overset{N}{\mathrm{\Σ}}}{\left|R_{\mathrm{rr}}^m\right|}^2---\left(3\right)$

将实际计算的ρ(τ)与仅存在噪声时计算的自相关函数二阶矩的数值作比较，若大于该值则说明此时的接收信号含有直扩信号，且根据该二阶矩峰值的间距估计出符号周期T_b；

步骤2，计算接收信号中一个周期扩频伪随机码的起始时刻。

将接收信号r(t)分为互不重叠的时间窗，每段信号窗长为符号周期T_b，以S表示每一个窗内的数据，每段数据含有h个采样点，则接收信号自相关矩阵R_d的均值为：

R_d＝E{S*S^H}                                (4)

求出该矩阵中所有元素的平方和。

以采样点为步进，沿时间轴滑动接收信号的起点，重复上述过程h次，计算每次滑动后对应的接收信号的自相关矩阵的均值R_d ⁱ，满足R_d ⁱ中元素平方和最大时对应的接收信号的起点即为一个周期扩频伪随机码的起始时刻。

步骤3，求得载频处和第一上过零点频率处瞬时幅度的累加值。

以步骤2中得到的伪随机码的起始时刻为起点，并保证接收信号r(t)的长度为M*l，将接收信号r(t)分为互不重叠的M个时间窗，每段信号窗长l＝k*T_s，其中k通常可以取3到10之间的自然数，以确保每段接收信号包含几个伪随机码周期的接收信号，时间窗的个数M根据接收信号不同的信噪比选择范围是几千到几十万的自然数，T_s为扩频伪随机码的周期。对每段窗内的接收信号以载频f_c和第一上过零频率f_o进行固有时间尺度分解，得到各自分解后第一层的瞬时幅度值Aci(t)和Azi(t)，将M个时间窗内以载频f_c进行固有时间尺度分解后得到的瞬时幅度值累加得到载频处瞬时幅度累加值

以第一上过零点频率f_o进行固有时间尺度分解后得到的瞬时幅度累加得到第一上过零点处瞬时幅度累加值

步骤4，求得差值信号并利用直方图得到两个门限值。

4.1 将步骤3中得到的载频处瞬时幅度累加值

与第一上过零点处瞬时幅度累加值

做差值计算，得到差值信号d(t)：

$d\left(t\right)=\underset{i=1}{\overset{M}{\mathrm{\Σ}}}\mathrm{Azi}\left(t\right)-\underset{i=1}{\overset{M}{\mathrm{\Σ}}}\mathrm{Aci}\left(t\right)---\left(5\right)$ 差值信号的波形图如图2，因载频处瞬时幅度累加值

反映了载频处直接序列扩频信号中伪随机码信号和噪声两者瞬时幅度的和，而第一上过零点处瞬时幅度累加值

只反映了噪声的瞬时幅度，因此，该差值信号反映了无噪声时，载频处信号幅度值的变化情况。

4.2求出差值信号的直方图，如图3所示，通过直方图将该差值信号的幅度值分成三块，分别表示差值信号中连续波的幅度、码元极性跳变点处的幅度和码片极性跳变点处的幅度，以上三种幅度统计不相关且数值范围不同，因此，通过直方图可以将其分开，设定每两个差值信号幅度之间的门限分别为t1和t2，且t1＜t2，以确定以上三种不同的差值信号幅度的数值范围。

步骤5，确定一个扩频伪码周期内码片极性跳变时刻。

根据步骤4中设定的门限t1和t2，在一个扩频码周期内，记差值信号的幅度值小于门限t1的极小点时刻集合为{t′_c1，t′_c2，…，t′_cn}，记差值信号的幅度值介于门限t1和门限t2之间的极小点时刻集合为{t_b1′，t_b2′，…t_bp′}，其中n，p是集合中元素个数，n＞p，如图4所示。考虑到在一个伪码周期内，码片极性跳变的次数要多于码元极性跳变的次数，故将小于门限t1的极小点时刻的集合{t′_c1，t′_c2，…，t′_cn}作为一个伪随机码周期内码片极性跳变时刻点的集合{t_c1，t_c2，…t_cm}，m为一个周期内码片极性跳变次数。

步骤6，根据一个伪随机码周期内码片极性跳变时刻点集合，在设定起始码片极性后逐个码片极性判断估计出对应码片极性相反的两个伪随机序列。

在一个伪随机码周期内，设定起始码片的极性，从第二个码片开始到最后一个码片，若每个码片和其前一码片的相邻时刻属于步骤5中得到的一个伪码周期内码片极性跳变时刻集合{t′_c1，t′_c2，…，t′_cn}，则判断该码片与前一码片极性相反，否则，极性相同，如此逐个判断一个伪码周期内所有码片的极性，得到起始码片极性不同的两个扩频伪随机序列，且这两个伪随机序列对应码片的极性完全相反。

步骤7，估计出唯一的扩频伪随机序列。

结合伪随机码本身固有的特性，在步骤6中估计得到的两个对应码片极性相反的伪随机码序列中估计出唯一的伪随机码序列。如图4所示为一个伪随机码周期的差值信号时域波形图，其中的伪随机码序列是位长为7的m序列。由图4可知在第1个和第2个码片，第4和第5个码片，第5个和第6个码片，第6个和第7个码片处前后两个码片的极性发生变化。根据步骤6，设定起始码片极性为1，则逐个码片极性判断后的伪随机序列是1，-1，-1，-1，1，-1，1。设定起始码片极性为-1，则逐个码片极性判断后的伪随机序列是-1，1，1，1，-1，1，-1。以上两个伪随机码序列对应码片的极性完全相反。m序列的性质要求一个伪码周期内码片为1的个数比码片为-1的个数多一位，据此可得到唯一的伪随机码序列为：-1，1，1，1，-1，1，-1。

Claims (4)

1.一种直接序列扩频系统伪随机码估计方法，包括如下步骤：

(1)由接收信号r(t)的二次谱和相关函数二阶矩得到扩频伪随机码的周期T_s和符号周期T_b；

(2)将接收信号r(t)进行分段，滑动接收信号的起点，计算每次滑动后其自相关矩阵的均值直到该值中所有元素的平方和最大，以确定一个周期伪随机码的起点；

(3)对接收信号r(t)以一个周期伪随机码的起点为起点，以若干个扩频伪随机码的周期T_s为窗长分段，对各段以载频f_c和第一上过零点频率f_o进行固有时间尺度分解，得到各自瞬时幅度值Aci(t)和Azi(t)并分别累加各段信号的瞬时幅度；

(4)将瞬时幅度累加值∑Aci(t)和∑Azi(t)作差值运算得到差值信号d(t)，通过该差值信号的直方图设定门限t1和t2，且t1＜t2，以区分差值信号中三块不同的幅度值；

(5)在一个扩频伪随机码的周期T_s内，记录差值信号d(t)中的极小点对应的数值小于门限t1的时刻集合{t′_c1，t′_c2，…，t′_cn}；

(6)在一个扩频伪随机码的周期T_s内，设定起始码片的极性，从第二个码片开始到最后一个码片，根据每个码片与前一码片相邻时刻是否属于时刻集合{t′_c1，t′_c2，…，t′_cn}判断一个扩频伪随机码的周期内每个码片的极性，得到极性相反的两个伪随机码序列；

(7)从两个极性相反的伪随机码序列中，根据伪随机码的固有特性估计出唯一的伪随机码序列。

2.根据权利要求1所述的伪随机码估计方法，其中将步骤(2)所述的将接收信号r(t)进行分段，是将接收信号r(t)分成若干段互不重叠的时间窗，每段信号窗长为符号周期T_b。

3.根据权利要求1所述的伪随机码估计方法，其中将步骤(3)所述的对各段以载频f_c和第一上过零点频率f_o进行固有时间尺度分解，按如下步骤进行：

首先，滤除掉接收信号中高于载波频率f_c和第一上过零点频率f_o的信号频率分量；

其次，利用固有时间尺度分解算法将以上滤除了高于载波频率f_c和第一上过零点频率f_o的滤波信号分解成一层层的固有旋转分量和一个单调趋势信号；

然后，选取第一次分解后得到的以上两信号各自的固有旋转分量信号，并计算这两个旋转分量信号的瞬时幅度值。

4.根据权利要求1所述的伪随机码估计方法，其中步骤(6)的判断每个码片的极性，是在设定起始码片的极性后，从第二个码片开始到最后一个码片，若每个码片和其前一码片的相邻时刻属于一个扩频伪随机码的周期内码片极性跳变时刻集合{t′_c1，t′_c2，…，t′_cn}，则判断该码片与前一码片极性相反，否则，极性相同，如此判断一个扩频伪随机码的周期内所有码片的极性得到一个周期的伪随机码序列。

Images