CN102447489A - 一种用于非连续抽头模型的跳频序列预测方法 - Google Patents

Abstract

本发明所要解决的技术问题是，针对构造最佳跳频序列族的非连续抽头模型，提出了一种基于移位寄存器的移位特点，能快速获取移位寄存器间隔数，从而快速对跳频序列进行预测的方法。一种用于非连续抽头模型的跳频序列预测方法，以抽头的个数为列长度来构造矩阵，再根据各相邻列的匹配结果得到抽头间的移位寄存器级数的间隔数，再利用移位寄存器的移位特点就对跳频序列进行预测。本发明在预测跳频序列过程中所需已知频点少，建模速度快，能够有效的对高速跳频系统进行预测。

Description

一种用于非连续抽头模型的跳频序列预测方法

技术领域

本发明属于扩频通信处理技术，具体应用于具有非连续抽头模型特点的移位寄存器构造的跳频序列的预测。

背景技术

跳频通信是扩展频谱通信的一个分支，它通过利用伪码序列控制信号的频率在一个带宽范围内以一定速率进行跳变，使得跳频信号具有瞬时带宽宽、频点驻留时间短而降低了被截获的概率，因而广泛的应用于军事无线电抗干扰通信、民用移动通信、现代雷达和声纳等电子系统中。在认知通信领域中，通常对截获到的跳频信号通过检测、分析处理，估计出跳频点的频率，然后引导发射机将本方频率源的频率引导到当前发方正确的频率点，实现跳频通信的实时同步，进而保证收发双方的正常通信。

目前跳频系统的跳速发展越来越快，已经在每秒1000跳以上，部分已经发展到每秒万跳以上。另外跳频频率集中的频点数目前已达到数百，甚至上千。跳频系统的驻留时间也越来越短，通过估计频点引导本方发射机到估计的频率点时通常其发方的跳频信号的频点已经改变，从而无法跟踪高速跳频信号。

为了能对高速跳频信号(≥1000跳/秒)实施有效的跟踪同步，基于预测频点的跳频同步方式被提出来，它根据以截获的频点采用预测的方式来估计跳频信号的未来频点值，这种方法就回避了高速跳频信号驻留时间短，不利于引导和发射相同频率跳频信号的弱点。由于跳频信号的频点由伪码序列控制，不同时刻频点对应的伪码序列不同，因而对伪码序列的准确预测是实施预测式干扰的关键。

跳频伪码序列(或称跳频序列)一般采用m状态序列、M状态序列、R-S码、Gold码和钟控码等产生。由于由m状态序列构造的跳频序列容易产生、规律性强、有许多优良的性能，在跳频通信中最早获得广泛应用。所谓m状态序列就是将n级移位寄存器的内容均抽头输出，然后将得到的n位二进制数以第n级的内容为最高位，以第1级的内容为最低位直接转换成一个十进制数，随着移位寄存器内容的改变可以得到一个十进制数序列，该序列就称为是m状态序列，如果以m状态序列去控制频率合成器，则m状态序列就称为一个跳频序列。

构造跳频序列的移位寄存器结构有多种方式，其中以Lempel-Greenberger模型构造的m序列用于跳频频点的控制效果最好，这是由于序列的汉明自相关及两个序列之间的汉明互相关均达到了理论上的最小值，因此被称为最佳跳频序列。Lempel-Greenberger移位寄存器根据抽头是否连续分为构造最佳跳频序列族的Lempel-Greenberger模型和构造最佳跳频序列族的非连续抽头模型，如图1和图2所示。

最佳跳频序列族的模型是在n级线性移位寄存器中选取r个相邻或不相邻寄存器进行抽头输出，然后将输出的r位二进制数与另一个给定的r位二进制数V_r-1，L，V₀，V₁逐位进行异或运算，最后将运算结果对频率合成器进行控制。其中C_k的取值可以为0或1。基于移位寄存器预测跳频序列的原理可以简单叙述如下：

假设图1中的抽头从左向右依次为第r-1，...，1，0个抽头。由于跳频序列的均匀性，序列中每个频点出现的概率是相同的，并且频点到跳频序列有一个映射关系，假定该映射关系是满足最简单的一一对应关系：h：{1，L，N}→{f₁，L，f_N}，h(i)＝f_i，其中f₁＜f₂＜L＜f_N。在收到足够多的频点后，我们就可认为所有的频点已经出现过至少一次，则可得出跳频频点的总数N，抽头的个数可由公式r＝log₂(N)计算。从图1可以看出，移位寄存器的特性使得第一级寄存器的值在经过n次移位后变成第n级上的值(n小于寄存器级数)，那么就可以从第一位的值推算出以后几个时刻各级将会出现的值。若当前时刻第1级寄存器的值为a_n-1，则下一时刻第2级的值必定为a_n-1，以此类推，若当前时刻寄存器状态为a_n-1，a_n-2，L，a_n-r，则下一时刻将为a_n，a_n-1，L，a_n-r+1，其中，其中a_n-1，L，a_n-r+1可预测，而a_n未知，a_n＝0或1。只要把a_n＝0或1两种情况都考虑在内，就能准确推算出下一时刻寄存器的状态，从而最终实现预测出跳频序列。对于非连续抽头模型，由于相邻抽头的移位寄存器间隔数未知，因此首先需要估计出抽头的间隔数，才能进一步利用移位寄存器的移位特点进行跳频序列的预测。

发明内容

本发明所要解决的技术问题是，针对构造最佳跳频序列族的非连续抽头模型，提出了一种基于移位寄存器的移位特点，能快速获取移位寄存器间隔数，从而快速对跳频序列进行预测的方法。

本发明为解决上述技术问题所采用的技术方案是，一种用于非连续抽头模型的跳频序列预测方法，包括以下步骤：

a、抽头计算步骤：根据接收到的频点值算出频点总数N，得到抽头的个数r，r＝log₂(N)；

b、匹配步骤：将接收到的十进制跳频码转化为r位二进制数后按行依次放入列长度为r的矩阵B中；从矩阵B的第2列开始通过向下移动逐列与相邻的上一列进行匹配，并记录匹配后各列的移位间隔值K(q)，匹配类型值tag(q)，直至第r列匹配完成后，进入预测步骤；

q表示第q列，q∈[2，r]；所述匹配为，第q列向下移位K(q)次之后与第q-1列对应位置值的异或结果为全0或全1，则表示匹配；当异或结果为全0，则认为两列相同，匹配类型值tag(q)为0；当异或结果为全1，则认为两列相反，匹配类型值tag(q)为1；

c、预测步骤：根据已接收到的频点值、以及匹配得到的r-1个移位间隔值K(q)与匹配类型值tag(q)来预测之后的p个的频点值：

$\hat{x}(i+p)=\underset{q=2}{\overset{r}{\mathrm{\Σ}}}(\mathrm{tag}\left(q\right)\⊕b_{i+p-K\left(q\right),q})\·2^{r+1-q}$

或者

$[\underset{q=2}{\overset{r}{\mathrm{\Σ}}}(\mathrm{tag}\left(q\right)\⊕b_{i+p-K\left(q\right),q})\·2^{r+1-q}]+1$

其中，

表示作异或运算，p表示预测步数，p＝1，L，t，t为最大预测步数，t＝K(2)，

表示根据当前已接收的第i个频点预测第i+p个频点的频点值。

本发明以抽头的个数为列长度来构造矩阵，再根据各相邻列的匹配结果得到抽头间的移位寄存器级数的间隔数，再利用移位寄存器的移位特点就对跳频序列进行预测。当已知的跳频个数达到

就能开始进行跳频预测处理。

本发明的有益效果是，在预测跳频序列过程中所需已知频点少，建模速度快，能够有效的对高速跳频系统进行预测。

附图说明

图1为构造最佳跳频序列族的Lempel-Greenberger模型。

图2为构造最佳跳频序列族的非连续抽头模型。

图3为实施例跳频序列预测流程图。

图4为实施例寻找非相邻抽头间隔示意图。

图5为实施例根据移位信息进行预测示意图。

具体实施方式

针对构造最佳跳频序列族的非连续抽头模型的跳频序列方法，如图3所示，包括以下步骤：

步骤1：根据接收到的频点值算出频点总数N，得到抽头的个数r，r＝log₂(N)；

步骤2：将接收到的第i个十进制跳频码x(i)，i＝1，L，T，转化为r位二进制数b_i，1b_i，2Lb_i，r，依次放入列长度为r的矩阵B的第i行，即x(i)→b_i，1b_i，2Lb_i，r；

其中，b_i，1表示最高位，而b_i，r表示最低位；i越小，表示接收数据的顺序越早。T为触发匹配处理的门限值，当接收到的十进制跳频码数达到T时，将第T个十进制跳频码x(T)转换为位二进制数并按行放入矩阵之后，则进入步骤3；

步骤3：将矩阵B的第2列向下移动1位后与第1列相对应位置的值进行异或，若异或结果为全0，则说明匹配发生，记录移位的间隔为K(2)＝1，并认为此两列同相，记为tag(2)＝0；若异或结果为全1，也说明匹配发生，即K(2)＝1，并认为此两列反相，记为tag(2)＝1；若异或结果既有0又有1，则将矩阵B的第2列再向下移动1位后与第1列相对应位置的值进行比较，直到发生匹配为止。

步骤4：将矩阵的第3列与第2列、第4列与第3列、......第r列与第r-1列分别按照步骤(3)进行移位判断，则可找出r-1个移位间隔K(2)，K(3)，L K(r)和控制相邻两列是否同相的tag(2)，tag(3)，L tag(r)，之后进入步骤5。

步骤5：令t＝K(2)，分别给出未知的1至t步的跳频序列的预测值：

$\hat{x}(i+p)=\underset{q=2}{\overset{r}{\mathrm{\Σ}}}(\mathrm{tag}\left(q\right)\⊕b_{i+p-K\left(q\right),q})\·2^{r+1-q}$ 或者 $[\underset{q=2}{\overset{r}{\mathrm{\Σ}}}(\mathrm{tag}\left(q\right)\⊕b_{i+p-K\left(q\right),q})\·2^{r+1-q}]+1,$ p＝1，L，t其中，

表示对x(i+p)的预测值，

表示作异或运算。

本发明能预测的最大步数t是有限的，具体说明如下：

假设N_q表示第q和q+1个相邻抽头间的移位寄存器级数间隔，其中0≤q≤r-2，且N_q≥0。若k为当前已知时刻，j表示即将进行预测的步数，则根据移位原理第0个抽头的值在经过N₀次移位后变为第1个抽头的值，即x₀(k)＝x₁(k+N₀)。反之，第1个抽头第k+j时刻的值等于第0个抽头的第k+j-N₀时刻的值，即x₁(k+j)＝x₀(k+j-N₀)。

第2个抽头第k+j时刻的值等于第1个抽头的第k+j-N₁时刻的值，也等于第0个抽头的第k+j-N₁-N₀时刻的值，即x₂(k+j)＝x₁(k+j-N₁)＝x₀(k+j-N₁-N₀)。

依此类推，第i个抽头第k+j时刻的值为

$x_i(k+j)=x_0(k+j-\underset{q=0}{\overset{i-1}{\mathrm{\Σ}}}{N}_q),$ 1≤i≤r-1

由于当前已知时刻为k，即x₀(k)，x₀(k-1)，L已知，而x₀(k+1)未知，对于任意的i，要使

为已知值，必须满足

$k+j-\underset{q=0}{\overset{i-1}{\mathrm{\Σ}}}{N}_q\≤k$

$\⇒j\≤\underset{q=0}{\overset{i-1}{\mathrm{\Σ}}}{N}_q$

已知N_q≥0，则当i＝1时，

取得最小值为N₀，上式可化简为j≤N₀，即j_max＝N₀。

因此，运用本发明提出的方法进行预测时，能达到的最大预测步数为N₀，即第0个和第1个抽头间的移位寄存器级数的间隔K(2)。利用相邻抽头之间的最大间隔(通常该间隔一般小于移位寄存器长度)，可以确定预测跳频序列需要已知的频点个数为

此外，本发明在每次预测过程中给出了两个可能的跳频序列值，其中一个对应真实的跳频序列值，因此在引导跳频同步时只要考虑覆盖这两个跳频序列对应的频点值，就能达到100％的有效通信。

实施例

本实施例以计算机仿真数据为例进行分析。假设寄存器级数为10，初始值(从左到右)为[10 1111 01 0 0]，加权系数(从左到右)为[00010000001]，抽头位置r₀＝[13679]，跳频序列控制向量v₀＝[1 0 0 0 1]，则基于m序列非相邻抽头构造的跳频序列为{31 13 9 4 8 18 3 18 21 31 28 9 7 9 16 4L}。

假设已收到的跳频序列个数为7个，即已知7个频点对应的跳频序列为{31 13 9 4 8 18 3}。从已知频点中可以推算得出总频点数为32，即5个抽头。首先将前7个频点对应的跳频序列分别转化为5位二进制数，左为最高位，如图4中A所示，然后将A中的第二列向下移动一位得到B，将B中第一列和第二列对应位置的每行进行异或，结果为[111000]，不全为0或1，未匹配，再将第二列向下移一位得到C，对C中的一二列对应位置进行异或，结果为[11111]，匹配，则记录抽头间隔K(2)＝2，且tag(2)＝1，再依次对第二列和第三列、第三列和第四列......进行移位判断，可得出K(3)＝1，tag(3)＝0，K(4)＝3，tag(4)＝0，K(5)＝2，tag(5)＝1，如图4中D所示。根据K(2)＝2可知最大预测步数为2。

根据匹配后的抽头间隔进行预测。由于最大抽头间隔K(4)＝3，因此只需要已知3个频点对应的跳频序列就可预测出后面一个频点对应的跳频序列。K(2)＝2，tag(2)＝1，则第二列的值在经过两次移位后反相出现在第一列上，依次推出第三、四、五列上的相应值，依照图5可预测出第8个频点对应的跳频序列为18或者19，第9个频点对应的跳频序列为20或21，与真实值比较，有一个预测的跳频序列值满足真实情况。对于第10个频点对应的跳频序列，由于有两位为未知值(X)，则认为其不能预测。

通过对数据仿真实验可看出，本发明提出的方法能够有效地对基于m序列非相邻抽头构造的跳频序列进行准确预测，所需已知频点少，建模速度快，只要预测结果覆盖两个预测的频点，则自适应跳频通信的准确率为100％。

Claims (1)

1.一种用于非连续抽头模型的跳频序列预测方法，包括以下步骤：

a、抽头计算步骤：根据接收到的频点值算出频点总数N，得到抽头的个数r，r＝log₂(N)；

b、匹配步骤：将接收到的十进制跳频码转化为r位二进制数后按行依次放入列长度为r的矩阵B中；从矩阵B的第2列开始通过向下移动逐列与相邻的上一列进行匹配，并记录匹配后各列的移位间隔值K(q)，匹配类型值tag(q)，直至第r列匹配完成后，进入预测步骤；

q表示第q列，q∈[2，r]；所述匹配为，第q列向下移位K(q)次之后与第q-1列对应位置值的异或结果为全0或全1，则表示匹配；当异或结果为全0，则认为两列相同，匹配类型值tag(q)为0；当异或结果为全1，则认为两列相反，匹配类型值tag(q)为1；

c、预测步骤：根据已接收到的频点值、以及匹配得到的r-1个移位间隔值K(q)与匹配类型值tag(q)来预测之后的p个的频点值：

$\hat{x}(i+p)=\underset{q=2}{\overset{r}{\mathrm{\Σ}}}(\mathrm{tag}\left(q\right)\⊕b_{i+p-K\left(q\right),q})\·2^{r+1-q}$

或者

$[\underset{q=2}{\overset{r}{\mathrm{\Σ}}}(\mathrm{tag}\left(q\right)\⊕b_{i+p-K\left(q\right),q})\·2^{r+1-q}]+1$

其中，表示作异或运算，p表示预测步数，p＝1，L，t，t为最大预测步数，t＝K(2)，

表示根据当前已接收的第i个频点预测第i+p个频点的频点值。

Images