CN105791184B - 基于相似度的非周期长码直扩信号扩频序列盲估计方法 - Google Patents

基于相似度的非周期长码直扩信号扩频序列盲估计方法 Download PDF

Info

Publication number
CN105791184B
CN105791184B CN201610234704.4A CN201610234704A CN105791184B CN 105791184 B CN105791184 B CN 105791184B CN 201610234704 A CN201610234704 A CN 201610234704A CN 105791184 B CN105791184 B CN 105791184B
Authority
CN
China
Prior art keywords
signal
information code
sequence
period
direct sequence
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201610234704.4A
Other languages
English (en)
Other versions
CN105791184A (zh
Inventor
张天骐
强幸子
崔莹莹
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Chongqing University of Post and Telecommunications
Original Assignee
Chongqing University of Post and Telecommunications
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Chongqing University of Post and Telecommunications filed Critical Chongqing University of Post and Telecommunications
Priority to CN201610234704.4A priority Critical patent/CN105791184B/zh
Publication of CN105791184A publication Critical patent/CN105791184A/zh
Application granted granted Critical
Publication of CN105791184B publication Critical patent/CN105791184B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L25/00—Baseband systems
    • H04L25/02—Details ; arrangements for supplying electrical power along data transmission lines
    • H04L25/0202—Channel estimation
    • H04L25/0238—Channel estimation using blind estimation
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B1/00—Details of transmission systems, not covered by a single one of groups H04B3/00 - H04B13/00; Details of transmission systems not characterised by the medium used for transmission
    • H04B1/69—Spread spectrum techniques
    • H04B1/707—Spread spectrum techniques using direct sequence modulation

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Power Engineering (AREA)
  • Complex Calculations (AREA)
  • Position Fixing By Use Of Radio Waves (AREA)

Abstract

本发明请求保护一种相似度的非周期长码直扩信号扩频序列盲估计方法，属于信号处理技术领域。首先，根据信号特性构造单个扩频周期内的信息码库然后利用相似度分析对单个扩频周期内的信息码序列进行识别，依次循环，构造出一组与直扩信号中信息码数量相等的“新信息码”。将“新信息码”乘入该直扩信号，形成一种“新直扩信号”。然后将“新直扩信号”按照扩频周期分段构造矩阵，求该矩阵的自相关函数，再对其进行特征分解，得到的最大特征值对应的特征向量即为扩频序列估计值。本方法可以在低信噪比下精确地估计非周期LC‑DSSS信号的扩频序列，从而对长码直扩信号的盲解扩提供了有利条件，且该算法易于操作，具有重要的工程实际意义。

Description

基于相似度的非周期长码直扩信号扩频序列盲估计方法
技术领域
本发明涉及直接序列扩频通信信号处理，具体为一种基于相似度的非周期长码直扩信号扩频序列盲估计方法。
背景技术
直接序列扩频(Direct Sequence Spread Spectrum,DSSS)通信信号是利用扩频序列(或称为PN码)技术将原始窄带数字信号扩展到一个非常宽的频谱范围后再进行传输，使得信号频谱被展宽并降低信号功率谱密度，可工作于负信噪比环境即信号淹没于噪声之中，具有强的抗干扰、抗多径、低截获概率、多址复用等优点，在民用和军事通信领域中得到了广泛的应用。如现在的第三代通信中的CDMA系统就采用了直接序列扩频技术，而在美国最新的联合战术分配系统(JTIDS)中，也利用了直接序列扩频和跳频的混合方式进行通信。
对于合作DSSS通信接收者，可利用已知的扩频序列对接收信号进行解扩以提取传输信息，而信道噪声和窄带干扰信号的频谱则由于被展宽，很容易被抑制掉；但对于非合作接收者，由于扩频序列未知难以实现传输信息的有效恢复，需要事先完成扩频序列的估计，以达到盲解扩的目的。因此，开展DSSS信号扩频序列盲估计研究具有重要的民用价值和军事意义。
DSSS信号根据其扩频序列宽度和信息序列宽度的比例关系一般可分为短码直扩信号(Short Code-DSSS,SC-DSSS)和长码直扩信号(Long Code-DSSS,LC-DSSS)。SC-DSSS信号指一个信息码由一个周期的扩频序列进行调制，目前大多直扩电台、GPS C/A码信号都属于该模型；LC-DSSS信号又可分为周期LC-DSSS信号和非周期LC-DSSS信号。周期LC-DSSS信号指扩频波形周期是信息码元宽度的整数倍，非周期LC-DSSS信号指扩频序列周期为信息码元宽度的非整数倍，该模型下的典型应用包括美军联合战术信息发布系统(JTIDS)、GPS-P(Y)码信号等。
目前，针对SC-DSSS信号的扩频序列盲估计已经得到了广泛而深入的研究，主要方法有特征分解法、三阶相关法、信息子空间估计法和神经网络算法等。这些算法主要是利用SC-DSSS信号的周期性对扩频序列进行提取；对于周期LC-DSSS信号，该模型仍然存在如同SC-DSSS信号的周期性，因此对于该模型的扩频序列盲估计方法通常是在SC-DSSS信号扩频序列盲估计方法上的扩展，其研究也较为成熟；对于非周期LC-DSSS信号，由于直扩信号的周期性被严重破坏，因此在SC-DSSS信号中采用的方法已经不再适用，针对此类信号扩频序列的盲估计研究较少。
文献(Agee B G,Kleinman R J,Reed J H.Soft synchronization of directsequence spread-spectrum signals[J].Communications IEEE Transactions on,1996,44(11):1527-1536.)最早提出应用主模式解扩算法估计非周期LC-DSSS信号扩频序列，该算法首先对信道进行频域信道化，将协方差矩阵主特征向量的反傅里叶变换作为扩频波形的估计。
文献(Qui P Y,Huang Z T,Jiang W L,et al.Improved blind-spreadingsequence estimation algorithm for direct sequence spread spectrum signals[J].Iet Signal Processing,2008,2(2):139-146.)针对非周期LC-DSSS信号，提出一种基于SC-DSSS信号的改进方法，将信号划分为多个宽度远小于信息码宽的相互重叠时窗，近似认为各个时窗只包括一个信息码元，利用特征分析法实现扩频波形的分段估计，并根据分段估计的重叠部分通过拼凑方式得到完整的扩频波形估计。
文献(何涛,李志强,梁旭文.一种非周期调制直扩信号扩频码估计方法[J].宇航学报,2013,34(4):546-511.)提出了一种基于差分主元分析的非周期长码DSSS信号扩频序列估计方法，通过协方差矩阵特征分解完成信息码元个数以及扩频码子序列的估计。
上述方法均为已知的短码DSSS信号扩频序列估计方法的一种扩展应用，没 有针对非周期长码的特性进行分析。本发明结合非周期长码DSSS信号的结构特性，提出一种基于相似度的非周期长码直扩信号扩频序列盲估计方法。
发明内容
本发明所要解决的技术问题，是针对当前非周期LC-DSSS信号扩频序列在低信噪比下难以估计的问题，提出一种基于相似度的非周期长码直扩信号扩频序列盲估计方法。解决了在低信噪比条件下，此类信号扩频序列盲估计的难题。该方法在低信噪比条件下，能够准确估计出长码直扩信号的扩频序列，并且随着数据组数的增加，估计精度明显提高。
本发明解决上述技术问题的技术方案是：一种基于相似度的非周期长码直扩信号扩频序列盲估计方法。其估计步骤为：首先利用已知的扩频序列周期和信息码序列周期构造单个扩频周期内的信息码库。用该信息码库分别与与之对应的连续两个扩频周期的直扩信号相乘，然后对这两个连续的扩频周期进行相似度分析，选取信息码库中能够让两个连续扩频周期中直扩信号相似度最大的一组信息码作为新信息码的一部分。对不同扩频周期的直扩信号重复以上操作，然后对各个扩频周期得到的新信息码片段进行拼接，构造出一个新的信息码序列。将新信息码乘入该直扩信号形成一个“新直扩信号”(“新直扩信号”具有SC-DSSS信号的性质)。再然后将“新直扩信号”按照扩频周期分段构造矩阵，求该矩阵的协方差矩阵，最后对协方差进行特征分解，得到最大特征值对应的特征向量即为扩频序列估计值。
接收的周期LC-DSSS信号经过同步和基带处理后，可表示为：
y(n)＝Ac(n)d(n)+v(n) (1)
其中A＞0为信号幅度，是扩频序列。L是扩频序列周期，表示信息码序列，G表示信息码周期，q(n)为窗函数有：M＝N/G为接收到观 测样本中信息码的个数。利用相似度函数：
其中为直扩信号与信息码库中每一组信息码分别相乘之后的信号。搜索相似度最大时对应的“新信息码”序列，再用“新信息码”与直扩信号相乘，得到“新直扩信号”。然后用“新直扩信号”按照扩频周期分段构造矩阵，求该矩阵的协方差矩阵，之后再对协方差矩阵进行特征分解即可得到扩频序列的估计值。
本发明运用相似度函数对直扩信号的信息码进行剥离，然后运用特征值分解对扩频序列进行估计，阐述了相似度函数对信息码剥离的可行性，并通过仿真实验，对相似度函数剥离信息码的抗噪性能进行了分析；对采用该方法估计长码直扩信号扩频序列的性能进行分析。同时，利用仿真实验，验证了该方法随着观测样本的增多，性能会有明显提升。
附图说明
图1本发明非周期LC-DSSS信号扩频序列盲估计方法流程图；
图2本发明非周期LC-DSSS信号结构示意图；
图3本发明“新信息码”乘入直扩信号结构示意图；
图4本发明扩频序列盲估计随信噪比变化性能图
图5本发明扩频序列盲估计随数据组数变化性能图；
图6本发明无噪情况相邻扩频周期间的相似度
图7本发明有噪情况相邻扩频周期间的相似度
具体实施方式
以下结合附图和具体实例，对本发明的实施作进一步的描述。
图1所示为本发明伪码扩频序列盲估计方法流程图，具体步骤：利用已知的扩频序列周期和信息码序列周期构造单扩频周期内的信息码库，用该信息码库分别与与之对应的连续两个扩频周期的直扩信号相乘，然后对这两个连续的 扩频周期进行相似度分析，选取信息码库中能够让两个连续扩频周期中直扩信号相似度最高的一组信息码作为一个新的信息码片段。对不同扩频周期的直扩信号重复以上操作，然后对各个扩频周期得到的新信息码片段进行拼接，构造出一个新的信息码序列。将新信息码乘入该直扩信号形成一个“新直扩信号”(“新直扩信号”具有SC-DSSS信号的性质)。再然后将“新直扩信号”按照扩频周期分段构造矩阵，求该矩阵的协方差矩阵，最后对协方差进行特征分解，得到最大特征值对应的特征向量即为扩频序列估计值。
图2所示为非周期LC-DSSS信号结构示意图。对于非周期LC-DSSS，若a＝LCM(L,G)，a为整数且，(1≤a＜G)，则令L＝aX，G＝aY。其中，LCM(x,y)表示x,y之间的最大公约数。图中，Tc表示码片宽度。在每一个扩频周期中包含信息码的个数是不确定的，并且信号的周期性被破坏。但该结构下的信号模型仍然存在以下特征：
特征1：SC-DSSS信号的周期一般为一个扩频周期，而该信号的周期为XYTc。
特征2：在每一个周期内存在b＝XY/L个扩频序列
特征3：在一周期内的每一个扩频序列的起点位置对应的信息码的截断位置均不同。并且具体来说，在一周期内，所有扩频序列的起点位置对应的信息码序列的位置包括{0,a,…,(b-1)a}。
特征4：每个扩频序列内包括的信息码个数虽然不确定，但只可能是个或个，表示向上取整。
由上述分析可知，当LC-DSSS信号同步并已知扩频码宽度和信息码宽度时，即有：其中i＝mod(n,L)，mod(x,y)表示x除以y的余数，表示向下取整。此时可以计算出，第k个扩频周期中含有 个信息码。进一步还可以计算出每个扩频周期内起点处对应信息码的具体位置为：因此， 可以按照时延τ截取相应的信息码库中与直扩信号中信息码对应的信息码组。
图3所示为“新信息码”乘入直扩信号结构示意图，由于信息码库中信息码的所有可能性为2k-1或2k种，其中此处取而非是因为有正负号反向重复，故向下取整减少运算量而不影响估计性能。因此信息码库也有2k-1和2k两种的全排列，按照图2中计算出的信息码时延τ截取信息码后，对于不同信息码乘入直扩信号后，利用相似度函数计算相邻两个扩频周期的相似度，在截取的信息码组中搜索使得相似度函数最大时对应的一组信息码，依次循环向前，并对每一次得到的信息码进行拼接，从而得到一组序列，定义为“新信息码”。将“新信息码”乘入直扩信号即为图3。
图4和图5为该方法估计扩频序列的性能图。图4为扩频序列长度为1023，信息码序列长度为301，观测信号样本长度为30个扩频周期时，本发明所提算法在信噪比为-15dB—0dB时，通过1000次蒙特卡洛仿真得到的扩频序列误码率曲线。图4同时给出了相同观测样本长度时，扩频序列长度为1023的相应的短码直扩信号在该信噪比区间，通过1000次蒙特卡洛仿真得到的扩频序列误码率曲线。并且也给出了对本次放着所用到的长码信号直接进行特征值分解得到的扩频序列的误码率曲线。由图可知，本发明所提算法对长码直扩信号的扩频序列估计性能接近于相应的短码直扩信号扩频序列估计性能。同时，也验证了当一个扩频序列周期内调制多个信息码时，直接采用特征分解无法准确估计出其扩频序列。图5中扩频序列和信息码长度与图4相同，信噪比为-10dB，观测样本长度为30-300个扩频周期时，图4中3种情况分别估计扩频序列误码率性能曲线。由图可知，随着观测信号样本长度的增加，短码直扩信号利用特征值分解的方法估计扩频序列性能显著增强，本发明所提针对长码直扩信号扩频序列盲估计算法性能也有明显增强。
图6是无噪情况下相邻扩频周期间的相似度。为经过相似度分析，乘入“新信息码”的直扩信号相邻两个扩频周期间的相似度，以及相应短码直扩信号和 未乘入“新信息码”的直扩信号相邻两个扩频周期间的相似度。由表可知，短码直扩信号和经过相似度处理后的长码直扩信号，根据相似度函数 计算的相邻扩频周期间的相似度均为1，而未经处理的长码直扩信号，其相邻扩频周期间的相似度平均都非常小，这说明长码直扩信号中的信息码严重破坏了扩频序列的周期性。但经过本发明所提出的算法进行相似度处理后，长码直扩信号中扩频序列的周期性又得以恢复。
图7为有噪情况下相邻扩频周期间的相似度。在加入-10dB的噪声后，仍然对相邻扩频周期间的相似度进行计算。由表可知，在加入-10dB噪声后，短码直扩信号和经过相似度处理后的长码直扩信号，其相邻扩频周期间的相似度有所变化，但仍然处于相似度较高的水平，而未做处理的长码直扩信号相邻扩频周期间的相似度仍然处于很低的取值。由此来看，即便是在低信噪比情况下，本发明所提算法仍然有效。
本发明通过对非周期LC-DSSS信号进行相似度分析，乘入“新信息码”以剥离原信息码在直扩信号中的影响，然后对信号按照扩频周期进行分段构造矩阵，再对矩阵做自相关处理，最后利用特征分解得到扩频信号的估计值。该算法在使用较少的观测样本时，性能接近于相同条件下的短码信号估计性能，并且该算法较为简单，易于工程实现，且能够适应低信噪比的工作条件，从而对长码直扩信号的盲解扩及后续处理提供了有利条件。

Claims (4)

1.一种基于相似度的非周期长码直扩信号扩频序列盲估计方法，具体步骤：首先利用已知的扩频序列周期和信息码序列周期构造单个扩频周期内的信息码库，用该信息码库分别与与之对应的连续两个扩频周期的直扩信号相乘；然后对这两个连续的扩频周期进行相似度分析，选取信息码库中能够让两个连续扩频周期中直扩信号相似度最大的一组信息码作为新信息码的一部分，对不同扩频周期的直扩信号重复以上操作，然后对各个扩频周期得到的新信息码片段进行拼接，构造出一个新的信息码序列，将新信息码乘入该直扩信号形成一个“新直扩信号”；再然后将“新直扩信号”按照扩频周期分段构造矩阵，求该矩阵的协方差矩阵，最后对协方差进行特征分解，得到最大特征值对应的特征向量即为扩频序列估计值。
2.根据权利要求1所述的估计方法，其特征在于：建立非周期LC-DSSS信号结构示意图，利用已知的扩频码周期和信息码周期将原始的信号数学模型y(n)＝Ac(n)d(n)+v(n)改造为：其中A＞0为信号幅度；是扩频序列，L是扩频序列周期；表示信息码序列，G表示信息序列周期，q(n)为窗函数有：M＝N/G为接收到观测样本中信息码个数，N表示信号序列码片长度；i＝mod(n,L)，mod(x,y)表示x除以y的余数，表示向下取整；此时可以计算出，第k个扩频周期中含有个信息码，进一步还可以计算出每个扩频周期内起点处对应信息码的具体位置为：因此，可以按照时延τ截取相应的信息码库中与直扩信号中信息码对应的信息码组。
3.根据权利要求2所述的估计方法，其特征在于：对非周期LC-DSSS信号结构做以下分析：若a＝LCM(L,G)，a为整数且，1≤a＜G，则有L＝aX，G＝aY，其中，LCM(x,y)表示x,y之间的最大公约数；在每一个扩频周期中包含信息码的个数是不确定的，并且信号的周期性被破坏，但该结构下的信号模型仍然存在以下特征
特征1：SC-DSSS信号的周期为一个扩频周期，而该信号的周期为XYTc其中Tc表示码片宽度；
特征2：在每一个周期内存在b＝XY/L个扩频序列；
特征3：在一周期内的每一个扩频序列的起点位置对应的信息码的截断位置均不同，在一周期内，所有扩频序列的起点位置对应的信息码序列的位置包括{0,a,…,(b-1)a}；
特征4：每个扩频序列内包括的信息码个数虽然不确定，但只可能是个或个，表示向上取整。
4.根据权利要求3所述估计方法，其特征在于：信息码库中信息码的所有可能性为2k-1或2k种，其中此处取而非是因为有正负号反向重复，故向下取减少运算量而不影响估计性能，因此信息码库也有2k-1和2k两种的全排列，用计算出的信息码时延τ截取信息码后，对于不同信息码乘入直扩信号后，利用相似度函数计算相邻两个扩频周期的相似度，其中，为直扩信号与信息码库中每一组信息码分别相乘之后的信号；在截取的信息码组中搜索使得相似度函数最大时对应的一组信息码，依次循环向前，并对每一次得到的信息码进行拼接，从而得到一组序列，定义为“新信息码”，将“新信息码”乘入直扩信号构造出一种“新直扩信号”，依次对其进行矩阵构造、自相关处理和特征分解。
CN201610234704.4A 2016-04-15 2016-04-15 基于相似度的非周期长码直扩信号扩频序列盲估计方法 Active CN105791184B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610234704.4A CN105791184B (zh) 2016-04-15 2016-04-15 基于相似度的非周期长码直扩信号扩频序列盲估计方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610234704.4A CN105791184B (zh) 2016-04-15 2016-04-15 基于相似度的非周期长码直扩信号扩频序列盲估计方法

Publications (2)

Publication Number Publication Date
CN105791184A CN105791184A (zh) 2016-07-20
CN105791184B true CN105791184B (zh) 2019-05-10

Family

ID=56396552

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610234704.4A Active CN105791184B (zh) 2016-04-15 2016-04-15 基于相似度的非周期长码直扩信号扩频序列盲估计方法

Country Status (1)

Country Link
CN (1) CN105791184B (zh)

Families Citing this family (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106817326B (zh) * 2016-12-23 2020-06-23 杭州电子科技大学 多用户周期长短码直扩信号的伪码盲估计方法
CN107682041B (zh) * 2017-10-19 2019-12-10 杭州电子科技大学 一种多天线lc-ds-cdma信号扩频码盲估计方法
CN109150236B (zh) * 2018-08-01 2020-05-19 东南大学 一种基于变步长leap神经网络的直扩信号伪码序列估计方法
CN109150776B (zh) * 2018-08-15 2021-06-08 桂林电子科技大学 一种短码直扩信号伪码序列盲估计方法
CN110048976B (zh) * 2019-03-06 2021-07-02 中国人民解放军战略支援部队信息工程大学 面向中频的短码直扩信号数组盲解扩方法及装置
CN112702080B (zh) * 2020-12-16 2022-10-28 中国人民解放军国防科技大学 基于K-means算法的直扩信号和伪码估计方法
CN113078914B (zh) * 2021-03-26 2023-08-08 重庆邮电大学 对单个非完整Turbo码分量编码器参数盲识别方法
CN114070353B (zh) * 2021-11-15 2022-10-04 电子科技大学 一种同步长码ds-cdma信号盲解扩方法
CN116232809B (zh) * 2023-01-12 2024-04-19 电子科技大学 一种同步长码ds-cdma信号盲估计方法

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1816026A (zh) * 2005-02-05 2006-08-09 东南大学 信道估计方法及装置

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6647077B1 (en) * 2000-07-31 2003-11-11 Rf Micro Devices, Inc. Multipath parameter estimation in spread-spectrum communications systems

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1816026A (zh) * 2005-02-05 2006-08-09 东南大学 信道估计方法及装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
Detection of DSSS/UQPSK Signal Based on Fourth-order Cumulant Algorithm;Sui Shi 等;《IEEE》;20141016;全文

Also Published As

Publication number Publication date
CN105791184A (zh) 2016-07-20

Similar Documents

Publication Publication Date Title
CN105791184B (zh) 基于相似度的非周期长码直扩信号扩频序列盲估计方法
JP3373746B2 (ja) Ｄｓ−ｃｄｍａ基地局間非同期セルラ方式における初期同期方法および受信機
Jovic et al. A robust sequence synchronization unit for multi-user DS-CDMA chaos-based communication systems
US7126981B2 (en) Method and apparatus for cell search for W-CDMA with effect of clock offset
Kaddoum et al. Theoretical performance for asynchronous multi-user chaos-based communication systems on fading channels
CN101282139B (zh) 一种用于非合作低信噪比直接序列扩频信号的实时伪码周期同步技术
CN103199888B (zh) 在宽带码分多址(wcdma)系统中使用的装置、方法和移动终端
US8228971B2 (en) Technique for searching for a preamble signal in a spread spectrum signal using a fast Hadamard transform
CN104168233A (zh) 基于特征分解和梅西算法的dsss/uqpsk信号的伪码序列估计方法
CN105915480A (zh) 基于正交混沌信号发生器的高效混沌通信方案
CN103684521A (zh) 一种扩频水声通信的快速精确同步方法
CN105490705A (zh) 基于ilsp算法的同步ds-cdma信号盲解扩方法
CN108111189A (zh) 基于Hebb规则优化的扩频码序列识别与同步方法
CN104539312B (zh) 基于序贯蒙特卡罗的扩频码及信息序列联合估计方法
Peng et al. Fast method for spreading sequence estimation of DSSS signal based on maximum likelihood function
CN105812300A (zh) 消除信息码跳变的长码dsss信号盲估计方法
CN103178913A (zh) 一种lte中zc参考序列参数估计方法
CN102185631B (zh) 一种码道激活方法及装置
CN107786296A (zh) 一种用于gold序列的重构方法
Sha et al. Blind spreading sequence estimation based on hill-climbing algorithm
Li et al. A novel snr estimator for ds-uwb wireless sensor network
Bychenkov et al. Fast acquisition of PN sequences in DS-CDMA systems with incoherent demodulator
US6741637B1 (en) Method and apparatus of joint detection of a CDMA receiver
Zhao et al. Blind Estimation of PN Codes in Multi-user LSC-DSSS Signals.
CN113676215B (zh) 一种高动态环境下双m元编码扩频方法及系统

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant