CN107124252A - 含残余频偏的同步ds‑cdma信号伪码序列盲估计 - Google Patents

Abstract

本发明请求保护一种基于特征分解和DPLL结合的含残余频偏的同步DS‑CDMA信号伪码序列盲估计方法，属于信号处理技术领域。本文在已知伪码序列周期和码片宽度的前提下，以单倍的伪码周期对接收信号进行分段构造信号协方差矩阵并对其进行特征值分解，通过MDL准则估计DS‑CDMA信号的用户数以进一步提取与用户数相等的最大特征值所对应的特征向量，从而实现各用户伪码序列的粗提取，最后将粗估计的伪码序列输入DPLL中进行残余频偏的消除，经DPLL输出的I路信号即为最终盲估计的伪码序列。本方法通过DPLL消除了伪码序列中混叠的残余频偏，有效解决了在低信噪比下含残余频偏的DS‑CDMA信号伪码序列估计问题，且算法易于操作、不受扩频码类型的限制，具有重要的工程实际意义。

Description

含残余频偏的同步DS-CDMA信号伪码序列盲估计

技术领域

本发明涉及通信领域中直接序列扩频信号的盲处理，具体涉及一种低信噪比下含残余频偏的同步DS-CDMA信号伪码序列盲估计方法。

背景技术

直接序列码分多址(Direct Sequence-Code Division Multiple Access,DS-CDMA)系统是直接序列扩频(Direct Sequence Spread Spectrum,DSSS)通信系统之一，DS-CDMA信号由于采用了多路伪随机编码调制信息码，使其频谱得以展宽，较之常规的窄带通信信号具有隐蔽性好、抗干扰、低截获概率、保密性强等优点被广泛地应用于军事通信和民用通信。如：通信、雷达、GPS全球卫星定时定位系统、遥感和遥控等领域。然而，在非协作的扩频通信系统中，如：电子作战、通信对抗等，由于接收方未知晓信号调制所用的扩频码序列，即使截获到DS-CDMA信号，也难以获取信号中传输的有用信息。因此，对DS-CDMA信号的盲解扩问题成为通信领域研究的重点和热点。

目前在低信噪比条件下，针对DS-CDMA信号伪码序列的盲估计已提出多种方法，文献(陆凤波,黄知涛,姜文利.基于Fast-ICA的CDMA信号扩频序列盲估计及性能分析[J].通信学报,2011,32(8):136-142.)提出使用Fast-ICA方法对LC-DS-CDMA信号的伪码序列进行估计，该方法先把接收信号分成若干个重叠的分段，然后估计出每个用户的伪码序列片段，最后对估计出的伪码序列片段进行拼接从而估计出每个用户完整的伪码序列。文献(张天骐,赵军桃,江晓磊.基于多主分量神经网络的同步DS-CDMA伪码盲估计[J].系统工程与电子技术,2016,38(11):2638-2647.)提出使用主分量神经网络的方法对DS-CDMA信号的伪码序列进行估计，该方法将观测信号送入神经网络对权值进行更新、训练直至收敛，最后对权向量取符号即可完成对DS-CDMA信号的伪码序列盲估计。文献(赵知劲,李淼,尚俊娜.基于矩阵填充和三阶相关的长短码DS-CDMA信号多伪码盲估计[J].电子与信息学报,2016,38(7):1788-1793.)针对长短码DS-CDMA信号，提出基于矩阵填充和三阶相关的DS-CDMA信号伪码序列盲估计方法，该方法首先将长码建模为含缺失数据的短码直扩信号模型，然后通过盲源分离和三阶相关方法实现了对伪码序列的盲估计，但是该方法只能估计m序列，无法对gold、M序列等其他伪随机编码序列进行估计，具有一定的局限性。

以上方法都是建立在理想基带DS-CDMA信号模型下实现了对信号伪码序列的盲估计。然而，在实际通信中，接收端接收到的DS-CDMA信号通常还含有残余频偏，这使得对DS-CDMA信号伪码序列的盲估计更为困难，从而进一步影响对信号的盲解扩性能。为此，本发明提出一种基于特征分解和数字锁相环(Digital Phase Lock Loop,DPLL)相结合的含残余频偏的同步DS-CDMA信号伪码序列盲估计方法。

发明内容

本发明所要解决的技术问题是，针对当前在低信噪比情况下含残余频偏的同步DS-CDMA信号伪码序列难以估计的问题，提出一种特征分解和DPLL结合的含残余频偏的同步DS-CDMA信号伪码序列盲估计方法。该方法在低信噪比条件下，能够对含残余频偏的同步DS-CDMA信号的伪码序列进行准确的估计，并且随着信号数据组数的增加，伪码序列估计的正确率也不断增加。而且该方法适用于任何伪码序列类型的DS-CDMA信号。

本发明解决上述技术问题的技术方案是，提出一种特征分解和DPLL结合的含残余频偏的同步DS-CDMA信号伪码序列盲估计方法。该方法的具体实施步骤如下：在接收端对含残余频偏的DS-CDMA信号进行同步和离散化，并以单倍伪码周期对数据进行分段并计算信号的自相关矩阵；再对构造的自相关矩阵进行特征值分解，使用MDL准则求出信号中的用户数，取与用户数相等的最大特征值所对应的特征向量以完成各用户伪码序列的粗估计；最后将粗估计的伪码序列送入DPLL中进行残余频偏的消除，经DPLL工作稳定后会输出I、Q两路信号，而其中的I路信号即为最终所要估计的伪码序列。

不失一般性，假定伪码周期，信息码速率已知。设接收机端中频DS-CDMA信号经过采样后，可表示为：

其中，

式(1)、式(2)、式(3)中，A_k、d_k、p_k分别表示DS-CDMA信号中第k个用户的幅度、信息码序列、伪码序列；Δf表示下变频后的残余频偏、θ∈[0,2π]表示随机初始相位；τ_k表示第k个用户信息符号起始时刻相对于第一个用户的延迟，当τ₁＝τ₂＝…＝τ_k＝0时即为同步DS-CDMA信号；v(n)表示均值为零、方差为的复高斯白噪声；d(j)∈{±1}、p(i)∈{±1}且T_s表示信息序列的周期，T_c表示伪码码片宽度，因为扩频信号采用短码的扩频方式，则T_s＝NT_c，这里的N表示伪码序列的长度；q(n)和h(n)表示矩形脉冲函数。

将接收信号以伪码码片宽度进行采样，并以单倍的伪码周期进行分段，则分段后的观测数据矩阵为：

Y＝[y₁,y₂,…,y_K]^H (4)

其中，y_m表示第m组分段数据，m＝0,1,…,M，[·]^H表示取复共轭转置。

下面对Y的自相关矩阵R_Y进行特征分解，由式(4)可得信号自相关矩阵R_Y的估计值为：

其中，Λ＝diag(λ₁,λ₂,…,λ_K)表示DS-CDMA信号中K个用户特征值所组成的对角矩阵；u_s＝[u₁,u₂,…,u_K]表示R_Y的特征值所对应的特征向量矩阵；C＝[c₁,c₂,…,c_K]且c_k(n)＝e^{j(2πΔfn+θ)},n＝1,2,…,N；且n＝1,2,…,N。将K个最大特征值所对应的特征向量分别送入DPLL中进行残余频偏的消除，待DPLL工作稳定后(即完成了相位的跟踪)输出的I路信号即为DS-CDMA信号伪码序列的估计值。

本发明首先对构造的数据自相关矩阵进行特征分解并使用MDL准则估计用户数，以实现含残余频偏的同步DS-CDMA信号伪码序列的粗估计；在此基础上，进一步通过DPLL消除粗估计伪码序列中的残余频偏以完成对各用户伪码序列的精确估计。通过仿真实验，验证了该方法的有效性，并在不同用户数、不同数据长度、不同频偏和不同伪码长度的条件下，对该方法的估计性能进行了分析。综上所述，本发明在实际应用中操作简单、易于实现，具有重要的应用价值。

附图说明

图1为同步DS-CDMA信号通信系统的原理图。

图2为DPLL工作的原理图。

图3(a)～(f)为4用户DS-CDMA信号伪码序列真实值和估计值的样本图。

图4为同步DS-CDMA信号在不同用户数下采用MDL准则估计信号用户数的性能曲线图。

图5为5用户DS-CDMA信号在不同数据长度下对伪码序列估计的性能曲线图。

图6为DS-CDMA信号在不同用户数下对伪码序列估计的性能曲线图。

图7为5用户DS-CDMA信号在不同残余频偏下对伪码序列估计的性能曲线图。

图8为5用户DS-CDMA信号在不同伪码序列长度下对伪码序列估计的性能曲线图。

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表示同步DS-CDMA通信系统的原理图。该图中存在K个用户，且每个用户都是采用短码扩频的方式，其中，d_k(t)、p_k(t)、s_k(t)分别表示第k个用户的信息序列、伪码序列和扩频信号，Δf表示残余频偏、θ∈[0,2π]表示随机初始相位。将K个用户的信号叠加在一起构成了本文含残余频偏的同步DS-CDMA信号。

图2表示DPLL的工作原理图。DPLL由正弦/余弦信号发生器、相位旋转变换器、鉴相器和环路滤波器构成，将第k个用户粗估计伪码序列的实部和虚部送入DPLL中可得：

式(7)经过相位旋转变换器后变为I、Q两路信号，即：

在DPLL中鉴相器的表达式e(n)为：

当DPLL工作稳定后，即[(2πΔfn+θ)-θ′(n)]→0时，有：

式(10)中的即为去除残余频偏后的第k个用户的伪码序列的估计值。

图3(a)为自相关矩阵特征值分解的特征值谱图，图3(b)～图3(f)为4用户DS-CDMA信号伪码序列真实值和估计值的样本图。图3中DS-CDMA信号的用户数为K＝4，伪码长度N＝255bit，数据组数M＝1000组，信噪比SNR＝-5dB，归一化残余频偏Δf＝0.02，初始相位θ∈[0,2π]，每一个伪码码片的上采样值Sa＝4bit/chip，使用本发明的方法进行仿真实验。其中图3(b)为用户伪码序列的真实值；从图3(a)中的特征值谱图可以看出，存在4个最大的特征值，且最大特征值的个数与用户数的个数相等，所以这4个最大特征值所对应的特征向量即为用户的伪码序列的粗估计；从图3(c)、图3(d)中可以看出，粗估计的伪码序列的实部和虚部都含有残余频偏，这将影响后续的盲解扩性能；从图3(e)、图3(f)为经过DPLL消除残余频偏后的I、Q路信号，且图3(e)即为DS-CDMA信号各用户的伪码序列的精确估计值、图3(f)为Q路信号，其幅值近似为零，这与式(10)的理论分析相一致。

图4为同步多用户DS-CDMA信号在不同用户数下使用MDL准则估计用户数的性能曲线。图4中DS-CDMA信号的伪码序列长度N＝255bit，数据组数M＝1000，归一化频偏Δf＝0.02，初始化相位θ∈[0,2π]，每一个码片的上采样值Sa＝4bit/chip，信噪比SNR＝-21～-5dB，在用户数K＝4、K＝5、K＝7、K＝10下分别进行200次蒙特卡罗仿真实验。从图4的仿真结果可以看出，用户数估计的正确率随着信噪比的不断减小而减小，且随着用户数的增加估计的正确率也随之减小，当用户数K＝10、信噪比SNR＝-10dB时，用户数的估计正确率可达到100％。

图5～图8为DS-CDMA信号在不同数据分组、不同用户数、不同归一化频偏和不同伪码长度下对伪码序列估计的性能曲线图。其中，图5中DS-CDMA信号的用户数K＝5，伪码序列长度N＝255bit，归一化频偏Δf＝0.02，初始化相位θ∈[0,2π]，每一个码片的上采样值Sa＝4bit/chip，信噪比SNR＝-20～0dB，在数据组数M＝500、M＝1000、M＝1500、M＝2000下分别进行200次蒙特卡罗仿真实验。从图5的仿真结果可以看出，伪码序列估计的错误率随着信噪比的不断降低而增加，且随着数据组数的不断增加，伪码序列估计的错误率也随着降低。图6中的数据组数M＝1000，伪码序列长度N＝255bit，其它参数与图5中的参数设置相一致，在不同用户数K＝4、K＝5、K＝7、K＝10下进行仿真实验。从图6中可以看出，伪码序列估计的错误率在同一信噪比下随着用户数的增加也随之增加，当用户数为K＝10、信噪比为SNR＝-10dB时，伪码序列估计的错误率在0.1以下。图7中的数据组数M＝1000，N＝255，用户数K＝5，其它参数与图5中的参数设置相一致，在不同归一化频偏Δf＝0、Δf＝0.02、Δf＝0.04下进行仿真实验。从图7中可以看出，伪码序列估计的错误率随着Δf的增加而不断增加，说明残余频偏会对伪码序列的估计产生影响，从而进一步影响信号的盲解扩性能，这与前面的理论分析相一致。且当信噪比SNR＝-10dB，通过DPLL对残余频偏进行消除后可达到与无残余频偏几乎一致的伪码序列估计错误率。图8中的数据组数M＝1000，用户数K＝5，其它参数与图5中的参数设置相一致，在不同伪码序列长度N＝127bit、N＝255bit、N＝512bit、N＝1023bit下进行仿真实验。从图8中可以看出，伪码序列估计的错误率随着信噪比的增加而不断降低，当伪码序列长度N＝1023bit、信噪比为SNR＝-19dB时，伪码序列估计的错误率可达到0.1以下。

Claims (5)

1.一种基于特征分解和DPLL结合的含残余频偏的同步DS-CDMA信号伪码序列盲估计方法，其具体步骤为：在接收端对含残余频偏的DS-CDMA信号进行同步和离散化，并以单倍伪码周期进行分段并计算信号的自相关矩阵；再对构造的自相关矩阵进行特征值分解，使用MDL准则求出信号中的用户数，取与用户数相等的最大特征值所对应的特征向量以完成各用户伪码序列的粗估计；最后将粗估计的伪码序列送入DPLL中进行残余频偏的消除，经DPLL工作稳定后会输出I、Q两路信号，而其中的I路信号即为最终所要估计的伪码序列。

2.根据权利要求1所述的方法，其特征在于，对受残余频偏和噪声影响的DS-CDMA信号，以单倍的伪码周期T_s进行数据分段构造数据的自相关矩阵R_y，对R_y进行特征分解得到并使用MDL准则对DS-CDMA信号的用户数进行估计。

3.根据权利要求1、2所述的方法，其特征在于，估计出DS-CDMA信号的用户数K后，提取自相关矩阵R_y的前K个最大的特征值所对应的特征向量以实现各用户伪码序列的粗估计，即且 因为此时各用户的伪码序列中还存在残余频偏。

4.根据权利要求1所述的方法，其特征在于，将各用户粗估计的伪码序列送入DPLL中进行残余频偏的消除，粗估计的伪码序列经过DPLL的相位变换器输出I、Q两路信号当DPLL工作稳定之后，可得此时输出的I路信号即为去除残余频偏后的伪码序列。

5.根据权利要求1、2、3、4所述的方法，其特征在于该方法不受扩频码伪码类型的限制，如：m序列、gold序列、M序列等。