CN108111189A - 基于Hebb规则优化的扩频码序列识别与同步方法 - Google Patents
基于Hebb规则优化的扩频码序列识别与同步方法 Download PDFInfo
- Publication number
- CN108111189A CN108111189A CN201711400781.3A CN201711400781A CN108111189A CN 108111189 A CN108111189 A CN 108111189A CN 201711400781 A CN201711400781 A CN 201711400781A CN 108111189 A CN108111189 A CN 108111189A
- Authority
- CN
- China
- Prior art keywords
- code sequence
- spreading code
- spread spectrum
- spreading
- identification
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 47
- 238000001228 spectrum Methods 0.000 title claims abstract description 45
- 240000002627 Cordeauxia edulis Species 0.000 title claims abstract description 20
- 238000005457 optimization Methods 0.000 title claims abstract description 19
- 230000001360 synchronised effect Effects 0.000 title abstract description 4
- 230000007480 spreading Effects 0.000 claims abstract description 55
- 239000011159 matrix material Substances 0.000 claims abstract description 17
- 238000004364 calculation method Methods 0.000 claims abstract description 9
- 238000005070 sampling Methods 0.000 claims abstract description 8
- 230000005540 biological transmission Effects 0.000 claims description 4
- 230000004044 response Effects 0.000 claims description 4
- 238000004422 calculation algorithm Methods 0.000 abstract description 14
- 238000005259 measurement Methods 0.000 abstract description 3
- 238000012545 processing Methods 0.000 description 10
- 230000006870 function Effects 0.000 description 8
- 238000004891 communication Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000004088 simulation Methods 0.000 description 4
- 238000007476 Maximum Likelihood Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 3
- 238000000354 decomposition reaction Methods 0.000 description 3
- 238000013461 design Methods 0.000 description 3
- 230000001149 cognitive effect Effects 0.000 description 2
- 238000007796 conventional method Methods 0.000 description 2
- 238000005314 correlation function Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000010295 mobile communication Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000000737 periodic effect Effects 0.000 description 2
- 108010076504 Protein Sorting Signals Proteins 0.000 description 1
- 239000000654 additive Substances 0.000 description 1
- 230000000996 additive effect Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000005315 distribution function Methods 0.000 description 1
- 238000005562 fading Methods 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 230000008054 signal transmission Effects 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Classifications
-
- 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
- H04B1/7073—Synchronisation aspects
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明公开了一种基于Hebb规则优化的扩频码序列识别与同步方法，包括如下步骤：步骤一、将采样后的扩频码序列划分为M部分，每部分包含(L+1)N个采样点；步骤二、把i和j的初始值分别设为0和1；步骤三、用第i部分构建确立优化矩阵步骤四、计算的值；步骤五、将j的值增加1，判断是否满足j≤N‑1，若是则返回步骤三，若否，则搜索的最大值，从而得出相应j(i)即为扩频码同步点估计结果。本发明适用于多种情况，抗噪性能好，具有计算量相对较小，数值稳定性好，易于工程实现的优点。本发明还设计了新型的扩频码相关性度量函数作为最优同步点估计器，提高了算法效率，在低信噪比的复杂电磁环境中性能优越。
Description
技术领域
本发明涉及一种基于Hebb规则优化的扩频码序列识别与同步方法。
背景技术
直接序列扩频通信(Direct Sequence Spread Spectrum，DSSS)技术由于具有较好的抗干扰性，高通信速率、易于实现码分多址和隐蔽性强等特点，当前已被广泛的运用于军事通信、民用通信和导航领域，如GPS导航系统、通信电台、移动通信CDMA、WCDMA和WiFi标准等。扩频通信中的扩频码一般采用伪随机序列与待传输信息进行模二相加使得调制信号的频谱得以扩展，单位带宽上的功率很小即信号的功率谱密度很低，因此外界很难截获传送的信息。在非合作通信条件下实现对DSSS信号的扩频码序列识别，是后续成功解扩接收信息的前提，对认知无线电、频谱监测、网络安全分析等领域具有重要意义。由于扩频码序列识别是在缺少先验知识的情况下进行，具有较大难度。典型的DSSS信号发射和接收系统原理框图如图1所示。
接收到并经过采样后的DSSS信号表达式为：
其中，{d(kTc)}代表原始数据符号，{c(kTc)}表示扩频码序列的离散采样点表达式，Tc为各采样点的时间间隔，S代表信号能量，{n(kTc)}表示零均值，方差为σ2的高斯白噪声。为了表述方便，以下用{c1,...,cN}，ci∈{±1}表示扩频码序列，且di表示第i个传输的BPSK调制信息符号，di∈{±1}。在实际中，通常选取伪随机PN序列作为扩频码序列，在扩频之前的信噪比可表示为：
扩频码序列识别的作用即为从截获的信号序列{rk}中识别得到{c1,...,cN}。
传统方法是通过基于特征值分解(EVD)的方法对信号扩频码开展识别和分析，计算量较大，易受噪声影响，在低信噪比条件下性能不理想。在常见的基于特征值分解的算法中接收到的DSSS信号样本点根据非重叠的时间窗口进行划分，窗长度为扩频码周期，然后计算自相关矩阵的特征向量和特征值，经证明通过最大两个特征值和特征向量则可正确识别出扩频码序列，这种算法的缺点是计算复杂度较高，并且由于需要精确获取扩频码起始位置，在实际应用中有较大局限性，不适合工程实现。另一方面，采用了长码扩频的DSSS信号伪码周期较长，接收端通常无法收到一个完整周期的序列，且一个伪码周期内包含多个信息码元，传统方法包括基于特征值子空间分解的算法，对长码的识别性能较差，以及需要采集较多的信号样本点，计算处理量大，在很多实际场合中容易失效，还有如Frobenius范数法等利用了短码信号的结构，因而不能用于长码DSSS信号。
对于扩频码盲同步处理而言，在实际DSSS通信例如CDMA系统中，用户扩频码不可能完全正交，且在传输过程中，恶劣的信道也会使得扩频码的正交性严重恶化，必然会产生多址干扰、远近效应和多径效应，使得第三方在截获过程中获取用户信号同步的难度进一步加大。
目前，通过专利检索，尚未发现对DSSS信号进行盲同步处理的解决方案。检索到的、已提出专利申请的类似方法有：1.“基于序贯蒙特卡罗的扩频码及信息序列联合估计方法”，(公开号：104539312A，申请号：201410850610.0，申请人：中国人民解放军海军航空工程学院，发明人：钟兆根，张立民，王建雄等)。该方法设计了一种基于序贯蒙特卡罗的扩频码及信息序列联合估计方法，通过建立信号参数的联合后验分布模型，并对各参量的状态空间模型进行分析。该方法不能对DSSS信号长码扩频序列进行完全有效识别估计，也不适用于对多用户的情况；2.“直接序列扩频系统伪随机码估计方法”，(公开号：101662305，申请号：200910024051.7，申请人：西安电子科技大学，发明人：安金坤，田斌，易克初等)。该专利设计了一种直接序列扩频系统伪随机码估计、识别方法，由二次谱和相关函数二阶矩获得伪码周期、扩频码序列。该方法计算量较大，并未研究对长码扩频调制及多用户扩频码的识别思路。
DSSS信号具有低信噪比、低截获概率等特点，给信号的接收处理带来很大难度。要成功解扩DSSS信号，需要实现同步以及正确识别出扩频码序列。
发明内容
为了克服现有技术的上述缺点，本发明提供了一种基于Hebb规则优化的扩频码序列识别与同步方法。
本发明解决其技术问题所采用的技术方案是：一种基于Hebb规则优化的扩频码序列识别与同步方法，包括如下步骤：
步骤一、将采样后的扩频码序列划分为M部分，每部分包含(L+1)N个采样点；
步骤二、把i和j的初始值分别设为0和1；
步骤三、用第i部分构建确立优化矩阵
步骤四、计算的值；
步骤五、将j的值增加1，判断是否满足j≤N-1，若是则返回步骤三，若否，则进入步骤六；
步骤六、搜索的最大值，从而得出相应j(i)即为扩频码同步点估计结果。
与现有技术相比，本发明的积极效果是：
本发明提出了一种基于Hebb规则优化的扩频码序列识别和同步方法的新方法，适用于多种情况，抗噪性能好。该方法具有计算量相对较小，数值稳定性好，易于工程实现的优点。针对目前扩频信号盲同步方法效果不理想，运算处理复杂的问题，本发明还设计了新型的扩频码相关性度量函数作为最优同步点估计器，提高了算法效率，在低信噪比的复杂电磁环境中性能优越。本发明方法可以在认知无线电、频谱监测和网络安全分析等方面发挥作用。
附图说明
本发明将通过例子并参照附图的方式说明，其中：
图1为DSSS信号发射和接收系统处理流程图；
图2为对DSSS信号非合作接收系统的原理框图；
图3为扩频相关性度量J(Rk)函数曲线；
图4为周期长码扩频信号等效多用户模型；
图5为本发明的扩频码识别方法与传统方法性能对比曲线；
图6为本发明的同步估计正确概率曲线。
具体实施方式
本发明提出了一种扩频码序列识别和同步方法，采用基于Hebb规则的优化思路和长码分段模型，从而成功的估计出长码、短码扩频序列；在新方法中进行了特征矩阵维数的化简处理；并分析完成了对扩频码的盲同步处理。
短码扩频模型——在扩频周期内仅调制一位信息码元，基带模型可采用下式表示：
其中，ai表示信息符号的序列，{ai＝±1}，A表示信号幅度，Ts表示符号周期，n(t)表示方差为的高斯白噪声。P表示扩频码序列长度，信息符号的波形可表示为并且有：
上式中ck表示扩频码序列，{ck＝±1,k＝0,...,P-1}以及Tc为码周期，pc(t)表示传输信道及滤波器的响应，h(t)表示扩频码序列与信道响应的卷积。基带数据波形一般为矩形脉冲形式。
长码扩频模型——对应于每个扩频周期内调制多个信息码元，其基带模型还可表示为下式：
其中，dk代表独立同分布的数据信息序列，n(t)表示高斯白噪声变量，Ts表示数据符号的周期，cu(u＝0,1,,...,KN-1)表示扩频长码序列的第u个码元，Tc表示码元宽度且Tc＝Ts/N，N表示扩频长码序列对应于数据符号的划分长度。将接收到的LN个扩频码元分成L部分，因此每部分都包含了一个完整的伪码周期。根据最大似然准则可得出：
其中f(r|c)表示接收信号的条件概率分布函数，以及指的是待估计的扩频码序列。扩频信号数据向量d是随机的，用r(n)和d(n)分别表示在第n部分符号中的接收和发送的数据符号，对于DSSS/BPSK调制信号，将d进行平均处理，得到下式，其中cosh表示偶函数。
扩频码序列识别方法对于非合作情况下的DSSS信号处理具有重要的意义。DSSS信号非合作接收系统的原理框图如图2所示。
本专利申请中采用对Hebb规则优化后的识别思路，进一步简化运算，达到良好性能。基于Hebb规则的识别估计器实质是一种自适应FIR滤波器，通过对计算进行改进，可以得到扩频码相关矩阵主特征向量，并且优化后的估计器结构简单，易于实现。各扩频码符号对应的权系数表达式为：
wi(n+1)＝wi(n)+ηy(n)[xi(n)-y(n)wi(n)]
其中，η代表步长因子，wi表示第i个权系数矩阵元素，xi表示第i个输入采样点，并且表示识别估计器的输出。y(n)wi(n)表示归一化的约束向量部分。优化后Hebb权系数的更新可通过扩频码序列的输入-输出向量矩阵相关函数完成计算，Hebb规则中的学习过程可由权向量适当的引导，从而增强了扩频码序列输入-输出向量矩阵的相关性。
在上式中，权系数矩阵的更新项主要体现在乘积的符号，而不是幅度，从而影响权值更新的方向。优化后的Hebb识别估计器权系数更新计算式为：
wi(n+1)＝wi(n)+ηz(n)[xi(n)-z(n)wi(n)]
z(n)＝sgn[y(i)]
其中，
由于z(n)＝±1，计算式还可进一步化简为：
wi(n+1)＝(1-η)wi+ηz(n)xi(n)
通过采用最优估计器思路，可以实现计算量的简化，还能在一定程度上增加低信噪比时的估计精度。
在估计码元{c2,...,cN}的过程中，只需1维子空间即可得出两种可能的正确序列；而若采用最大似然准则的方式，则需要N维空间获取2N种可能的序列，且每种情况都须通过校验得到最可能的结果，计算复杂度较高。因此基于本专利申请中的思路可实现符号矩阵的降维处理。另一方面，对方法中第二步的乘法运算进行了优化。当进行在空间的搜索运算时，可使用和符号函数，即分别与±1相乘的处理技巧，以此代替计算复杂度高的浮点乘法。在完成对c1的正确估计后，对c2可采取同样的处理流程。该识别估计方法可得到更高的估计准确性，对c2的表达式为：
该方法还能够对扩频码序列实现盲同步。定义基于扩频码的相关性测量式为：
其中，Re(·)表示对复信号取实部，上标*表示复数的共轭运算，ri,j表示矩阵R的第i行第j列元素，满足0≤i≤L-1，0≤j≤N-1。并且，J(Rk)有以下的特征——当L＞＞1时，对于1≤k≤N-1有J(R0)≥J(Rk)。
下面对J(Rk)度量函数进行分析。设信号的调制方式为BPSK，扩频码序列采用m序列，特征多项式为f(x)＝1+x+x2+x5+x6。因为扩频码序列是周期的，所以J(Rk)是偶函数。通过上式可搜索出扩频码序列的同步点位置。图3表示J(Rk)的函数关系曲线，其中横轴k表示扩频信号采样点序号，J(Rk)表示基于扩频相关性得到的度量函数值。
对于扩频调制方式，有下述关系式：
本专利申请中的算法实现扩频码序列同步位置估计的步骤如下——
(1)将采样后的扩频码序列划分为M部分，每部分包含(L+1)N个采样点；
(2)把i和j的初始值分别设为0和1；
(3)用第i部分构建确立优化矩阵
(4)根据上面各算式对进行计算；
(5)将j的值增加1，若j≤N-1，则返回(3)；
(6)搜索的最大值，从而得出相应j(i)即为扩频码同步点估计结果。
长码DSSS信号与虚拟多用户系统模型是等效的，如图4所示。
设第u个用户(u＝1,2,...,G)扩频码表示为cu(t)，数据速率为1/T。对于以前一些方法而言，由于存在模糊矩阵，效果并不理想。但改进后的方法可以通过等价为各分段用户短码扩频信号，识别得到长码DSSS扩频序列的结果。设信号采样周期为T/p。可表示为信号的过采样形式，如下：
其中，
且
表示第u个虚拟用户的扩频码，下面将利用该特征进行扩频码估计，设信号和噪声序列是零均值的，因此相关矩阵分别为：
为了对本专利申请中的方法进行验证，采用MATLAB仿真得到性能曲线。试验依据实际移动通信系统应用中的CDMA2000标准，DSSS信号采样率设为200MHz，载波频率为70MHz，以不同的初始偏置区分各用户，扩频码长215，仿真信道为抽头L＝5的多径瑞利衰落信道，信道中的噪声是零均值的加性高斯噪声。仿真次数为1000次，噪声为高斯白噪声，分别采用本专利申请中的新算法和过去的基于最大似然准则算法，在不同的信噪比条件下进行仿真比较分析。并且，使用扩频码的互相关系数对算法估计性能进行衡量。互相关系数即为盲估计算法推导得出的码序列与真实扩频码每个码元比较时，一致的数目与不同的数目之差。图5表示本文算法与传统算法的性能曲线。横轴代表信噪比，纵轴代表估计结果与真实码元的互相关系数。
从图5中可以看出，在低信噪比的环境中，本专利申请中的扩频码识别方法性能要优于传统的算法，而且基于最优逼近准则的算法在信噪比为-4dB左右时互相关系数为1，即能够在低信噪比条件下正确的估计出扩频码序列，是一种性能优越的方法。
图6表示本专利申请的方法在观测数据组数分别为N＝200、250、300、400时的同步估计正确概率曲线。其中每种算法在各个信噪比点同步次数为1000次。可以看出，当采样组数在250组以上，信噪比大于-10dB的情况下正确同步估计概率大于90％。
Claims (5)
1.一种基于Hebb规则优化的扩频码序列识别与同步方法，其特征在于：包括如下步骤：
步骤一、将采样后的扩频码序列划分为M部分，每部分包含(L+1)N个采样点；
步骤二、把i和j的初始值分别设为0和1；
步骤三、用第i部分构建确立优化矩阵
步骤四、计算的值；
步骤五、将j的值增加1，判断是否满足j≤N-1，若是则返回步骤三，若否，则进入步骤六；
步骤六、搜索的最大值，从而得出相应j(i)即为扩频码同步点估计结果。
2.根据权利要求1所述的基于Hebb规则优化的扩频码序列识别与同步方法，其特征在于：在对扩频码序列进行划分时，建立如下短码扩频模型：
<mrow>
<mi>s</mi>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mi>A</mi>
<mi>h</mi>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
<mi>b</mi>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
<mo>+</mo>
<mi>n</mi>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mi>A</mi>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mo>-</mo>
<mi>&infin;</mi>
</mrow>
<mi>&infin;</mi>
</munderover>
<mi>h</mi>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>-</mo>
<msub>
<mi>jPT</mi>
<mi>c</mi>
</msub>
<mo>)</mo>
</mrow>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mo>-</mo>
<mi>&infin;</mi>
</mrow>
<mi>&infin;</mi>
</munderover>
<msub>
<mi>a</mi>
<mi>i</mi>
</msub>
<mi>q</mi>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>-</mo>
<msub>
<mi>iT</mi>
<mi>s</mi>
</msub>
<mo>)</mo>
</mrow>
<mo>+</mo>
<mi>n</mi>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
</mrow>
其中，ai表示信息符号的序列，{ai＝±1}，A表示信号幅度，Ts表示符号周期，n(t)表示方差为的高斯白噪声，P表示扩频码序列长度，b(t)表示信息符号的波形，h(t)表示扩频码序列与信道响应的卷积，式中ck表示扩频码序列，{ck＝±1,k＝0,...,P-1}，pc(t)表示传输信道及滤波器的响应，Tc为码周期。
3.根据权利要求2所述的基于Hebb规则优化的扩频码序列识别与同步方法，其特征在于：在对扩频码序列进行划分时，建立如下长码扩频模型：
<mfenced open = "" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<msub>
<mi>r</mi>
<mi>l</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mi>d</mi>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
<mi>p</mi>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
<mo>+</mo>
<mi>n</mi>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mo>=</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>k</mi>
<mo>=</mo>
<mo>-</mo>
<mi>&infin;</mi>
</mrow>
<mi>&infin;</mi>
</munderover>
<msub>
<mi>d</mi>
<mi>k</mi>
</msub>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>u</mi>
<mo>=</mo>
<mi>N</mi>
<mo>&CenterDot;</mo>
<mi>mod</mi>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>,</mo>
<mi>K</mi>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<mi>N</mi>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mi>mod</mi>
<mo>(</mo>
<mrow>
<mi>k</mi>
<mo>,</mo>
<mi>K</mi>
</mrow>
<mo>)</mo>
<mo>+</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
<mo>-</mo>
<mn>1</mn>
</mrow>
</munderover>
<msub>
<mi>c</mi>
<mi>u</mi>
</msub>
<mi>q</mi>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>-</mo>
<msub>
<mi>kT</mi>
<mi>s</mi>
</msub>
<mo>-</mo>
<mi>mod</mi>
<mo>(</mo>
<mrow>
<mi>u</mi>
<mo>,</mo>
<mi>N</mi>
</mrow>
<mo>)</mo>
<mo>&CenterDot;</mo>
<msub>
<mi>T</mi>
<mi>c</mi>
</msub>
<mo>)</mo>
</mrow>
<mo>+</mo>
<mi>n</mi>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
其中，dk代表独立同分布的数据信息序列，n(t)表示高斯白噪声变量，cu(u＝0,1,,...,KN-1)表示扩频长码序列的第u个码元，Tc＝Ts/N，N表示扩频长码序列对应于数据符号的划分长度。
4.根据权利要求3所述的基于Hebb规则优化的扩频码序列识别与同步方法，其特征在于：构建确立优化矩阵的方法为：
(1)建立各扩频码符号对应的权系数表达式为：
wi(n+1)＝wi(n)+ηy(n)[xi(n)-y(n)wi(n)]
其中，η代表步长因子，wi表示第i个权系数矩阵元素，xi表示第i个输入采样点，y(n)表示识别估计器的输出，并且y(n)wi(n)表示归一化的约束向量部分；
(2)建立优化后的Hebb识别估计器权系数更新计算式为：
wi(n+1)＝wi(n)+ηz(n)[xi(n)-z(n)wi(n)]
z(n)＝sgn[y(i)]
其中，
(3)对优化后的Hebb识别估计器权系数更新计算式进行化简为：wi(n+1)＝(1-η)wi+ηz(n)xi(n)。
5.根据权利要求4所述的基于Hebb规则优化的扩频码序列识别与同步方法，其特征在于：按如下公式计算的值：
<mrow>
<mi>J</mi>
<mrow>
<mo>(</mo>
<mi>R</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mi>Re</mi>
<mrow>
<mo>(</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>b</mi>
<mo>=</mo>
<mn>0</mn>
</mrow>
<mrow>
<mi>L</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
</munderover>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>a</mi>
<mo>=</mo>
<mn>0</mn>
</mrow>
<mrow>
<mi>N</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
</munderover>
<munderover>
<munder>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>0</mn>
</mrow>
</munder>
<mrow>
<mi>i</mi>
<mo>&NotEqual;</mo>
<mi>b</mi>
</mrow>
<mrow>
<mi>L</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
</munderover>
<munderover>
<munder>
<mo>&Sigma;</mo>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mn>0</mn>
</mrow>
</munder>
<mrow>
<mi>j</mi>
<mo>&NotEqual;</mo>
<mi>a</mi>
</mrow>
<mrow>
<mi>N</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
</munderover>
<mo>(</mo>
<mrow>
<msub>
<mi>r</mi>
<mrow>
<mi>b</mi>
<mo>,</mo>
<mi>a</mi>
</mrow>
</msub>
<msubsup>
<mi>r</mi>
<mrow>
<mi>b</mi>
<mo>,</mo>
<mi>j</mi>
</mrow>
<mo>*</mo>
</msubsup>
</mrow>
<mo>)</mo>
<msup>
<mrow>
<mo>(</mo>
<mrow>
<msub>
<mi>r</mi>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mi>a</mi>
</mrow>
</msub>
<msubsup>
<mi>r</mi>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mi>j</mi>
</mrow>
<mo>*</mo>
</msubsup>
</mrow>
<mo>)</mo>
</mrow>
<mo>*</mo>
</msup>
<mo>)</mo>
</mrow>
</mrow>
其中，Re(·)表示对复数信号取实部，上标*表示复数的共轭运算，ri,j表示矩阵R的第i行第j列元素，满足0≤i≤L-1，0≤j≤N-1；并且，当L>>1时，对于1≤k≤N-1有J(R0)≥J(Rk)。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711400781.3A CN108111189A (zh) | 2017-12-22 | 2017-12-22 | 基于Hebb规则优化的扩频码序列识别与同步方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711400781.3A CN108111189A (zh) | 2017-12-22 | 2017-12-22 | 基于Hebb规则优化的扩频码序列识别与同步方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN108111189A true CN108111189A (zh) | 2018-06-01 |
Family
ID=62212003
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201711400781.3A Pending CN108111189A (zh) | 2017-12-22 | 2017-12-22 | 基于Hebb规则优化的扩频码序列识别与同步方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108111189A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109033952A (zh) * | 2018-06-12 | 2018-12-18 | 杭州电子科技大学 | 基于稀疏自编码器的m序列识别方法 |
| CN109905226A (zh) * | 2019-03-28 | 2019-06-18 | 鹤壁天海电子信息系统有限公司 | 一种数据处理方法及装置 |
| CN114205199A (zh) * | 2021-11-30 | 2022-03-18 | 成都中科合迅科技有限公司 | 一种复杂电磁环境下wifi信号识别的方法 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20060002485A1 (en) * | 2004-07-01 | 2006-01-05 | Icefyre Semiconductor Corporation | Systems and methods for rapid signal detection and identification |
| CN101079653A (zh) * | 2007-06-27 | 2007-11-28 | 哈尔滨工程大学 | Pn序列码型盲估计方法与装置 |
| CN101515911A (zh) * | 2009-04-08 | 2009-08-26 | 哈尔滨工程大学 | 抑制扩频系统窄带干扰的高性能预测码辅助方法 |
-
2017
- 2017-12-22 CN CN201711400781.3A patent/CN108111189A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20060002485A1 (en) * | 2004-07-01 | 2006-01-05 | Icefyre Semiconductor Corporation | Systems and methods for rapid signal detection and identification |
| CN101079653A (zh) * | 2007-06-27 | 2007-11-28 | 哈尔滨工程大学 | Pn序列码型盲估计方法与装置 |
| CN101515911A (zh) * | 2009-04-08 | 2009-08-26 | 哈尔滨工程大学 | 抑制扩频系统窄带干扰的高性能预测码辅助方法 |
Non-Patent Citations (4)
| Title |
|---|
| YINGWEI YAO等: "EM-Based Blind Demodulation of Synchronous CDMA", 《IEEE》 * |
| 张红波: "DSSS/BPSK信号扩频码序列估计方法研究", 《中国优秀硕士学位论文全文数据库》 * |
| 曹二皇: "DSSS/BPSK扩频信号盲估计的研究", 《中国优秀硕士学位论文全文数据库》 * |
| 熊刚，胡宗恺，蒋天瑜，刘丹: "一种基于最优逼近准则的扩频码盲估计方法研究", 《通信技术》 * |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109033952A (zh) * | 2018-06-12 | 2018-12-18 | 杭州电子科技大学 | 基于稀疏自编码器的m序列识别方法 |
| CN109033952B (zh) * | 2018-06-12 | 2022-05-27 | 杭州电子科技大学 | 基于稀疏自编码器的m序列识别方法 |
| CN109905226A (zh) * | 2019-03-28 | 2019-06-18 | 鹤壁天海电子信息系统有限公司 | 一种数据处理方法及装置 |
| CN109905226B (zh) * | 2019-03-28 | 2021-12-17 | 鹤壁天海电子信息系统有限公司 | 一种数据处理方法及装置 |
| CN114205199A (zh) * | 2021-11-30 | 2022-03-18 | 成都中科合迅科技有限公司 | 一种复杂电磁环境下wifi信号识别的方法 |
| CN114205199B (zh) * | 2021-11-30 | 2023-10-20 | 成都中科合迅科技有限公司 | 一种复杂电磁环境下wifi信号识别的方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US6907270B1 (en) | Method and apparatus for reduced rank channel estimation in a communications system | |
| 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 | |
| CN108111189A (zh) | 基于Hebb规则优化的扩频码序列识别与同步方法 | |
| CN111953380B (zh) | 基于范数拟合的非周期长码直扩信号时延估计方法及系统 | |
| Zhang et al. | Estimating spreading waveform of long-code direct sequence spread spectrum signals at a low signal-to-noise ratio | |
| CN107124252A (zh) | 含残余频偏的同步ds‑cdma信号伪码序列盲估计 | |
| Koivisto et al. | Blind despreading of short-code DS-CDMA signals in asynchronous multi-user systems | |
| CN105812300B (zh) | 消除信息码跳变的长码dsss信号盲估计方法 | |
| CN109951406B (zh) | 联通异步wcdma实采信号用户数和扰码盲估计方法 | |
| Peng et al. | Fast method for spreading sequence estimation of DSSS signal based on maximum likelihood function | |
| Lohan | Multipath delay estimators for fading channels with applications in CDMA receivers and mobile positioning | |
| KR20100009981A (ko) | 첫번째 다중 경로 성분에서의 동기화를 통한 초광대역 무선 통신 수신기에서의 동기화 방법 및 이를 이용한 초광대역 무선 통신 수신기 | |
| CN107959513A (zh) | 一种采用时延参数进行测距的方法和装置 | |
| Sahmoudi et al. | A Maximum-Likelihood synchronization scheme for GPS positioning in multipath, interference, and weak signal environments | |
| Qi et al. | Mitigation of sampling-induced errors in delay estimation | |
| Ma et al. | A Viterbi algorithm for blind estimation of periodic long-code DSSS signals | |
| Shiqiang et al. | A blind synchronization method for long code DS-SS signal | |
| Mehboodi et al. | Two algorithms for spread-spectrum sequence estimation for DSSS signals in non-cooperative communication systems | |
| Sha et al. | Blind spreading sequence estimation based on hill-climbing algorithm | |
| Zhang et al. | Research on blind reconstruction method of PN sequence for period DSSS signals in low SNR conditions | |
| Xie et al. | Blind estimation method of the pseudo-noise sequence of ds-ss signals based on improved propagator | |
| CN103607217B (zh) | 基于子空间跟踪的脉冲uwb通信系统干扰抑制方法 | |
| CN115580317B (zh) | 一种用于超宽带的同步捕获方法及装置 | |
| Benedetto et al. | A novel" single-path" vs." few-path" test based on higher order statistics to possibly start-up coherent combining | |
| Wei et al. | The performance of several time delay estimation methods in multipath channel |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180601 |