CN114614861A - 基于混合聚类算法的直扩信号伪码周期及序列估计方法 - Google Patents
基于混合聚类算法的直扩信号伪码周期及序列估计方法 Download PDFInfo
- Publication number
- CN114614861A CN114614861A CN202210149899.8A CN202210149899A CN114614861A CN 114614861 A CN114614861 A CN 114614861A CN 202210149899 A CN202210149899 A CN 202210149899A CN 114614861 A CN114614861 A CN 114614861A
- Authority
- CN
- China
- Prior art keywords
- pseudo code
- sequence
- value
- signal
- calculating
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 41
- 238000001228 spectrum Methods 0.000 title claims abstract description 35
- 230000003595 spectral effect Effects 0.000 claims description 17
- 238000005070 sampling Methods 0.000 claims description 10
- 102100029469 WD repeat and HMG-box DNA-binding protein 1 Human genes 0.000 claims description 8
- 101710097421 WD repeat and HMG-box DNA-binding protein 1 Proteins 0.000 claims description 8
- 239000013598 vector Substances 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 5
- 238000009825 accumulation Methods 0.000 claims description 4
- 230000001360 synchronised effect Effects 0.000 claims description 4
- 238000003491 array Methods 0.000 claims description 3
- 238000000354 decomposition reaction Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000011897 real-time detection Methods 0.000 description 1
- 238000010845 search algorithm Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
Images
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
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明涉及通信技术领域,涉及了一种基于混合聚类算法的直扩信号伪码周期及序列估计方法,该方法首先估计伪码周期,然后结合层次聚类与Kmeans聚类算法,形成新的混合聚类算法,完成估计信息序列,最后对信息序列进行累加处理,再估计得到伪码序列。本发明所设计的基于混合聚类算法的直扩信号伪码序列实时估计方法用于解决低信噪比时,直扩信号伪码周期及伪码序列估计,易于实现,运算量小,因此具有实际应用价值。
Description
技术领域
本发明涉及通信技术领域,具体涉及一种基于混合聚类算法的直扩信号伪码周期及序列估计方法。
背景技术
针对直扩信号伪码周期及序列估计问题,现有的矩阵分解算法,及一些搜索迭代算法,算法运算量都比较大,估计速度慢,且对噪声敏感,对低信噪比下的直扩信号伪码周期及序列无法准确、快速地获取,难以满足应用需求。
发明内容
本发明所要解决的技术问题在于避免上述背景技术中的不足之处而提供一种新的易于实现的直扩信号伪码周期及序列估计方法。
本发明所采取的技术方案是:
一种基于混合聚类算法的直扩信号伪码周期及序列估计方法,包括以下步骤:
(1)计算信号二次功率谱,搜索谱峰的位置,用匹配法统计出谱峰的间距,即得到伪码周期;
(2)将信号按照伪码周期进行数组排列,通过混合聚类算法对数组进行聚类处理,估计出信息序列;
(3)将估计得到的信息序列进行积累,并去均值,然后判决得到伪码序列。
进一步的,步骤(1)具体包括以下步骤:
(101)计算信号二次功率谱,即先计算信号的功率谱,然后将信号的功率谱再次计算一次功率谱,即得到信号的二次功率谱,并搜索谱峰位置,将相邻位置两两相减,计算出谱峰的间距值Dis={dis1,dis2,…,disn},n为谱峰间距值的个数;
(102)从谱峰的间距值中,采用匹配法统计出正确的间距;具体为:根据码片速率Rs计算过采样率PPS,PPS=Fs/Rs,Fs为信号采样率,并根据已知的K种常见伪码周期P={P1,P2,…,Pi,…Pk},计算PPS*P,得到伪码采样周期可能存在的初始值D={D1,D2,…Di,…Dk},Di=PPS*Pi;
(103)计算谱峰间距Dis的所有元素与各初始值D的相似度,相似度为计算每个Dis值与D的余数,即mod(disj,Di),j=1,2,…,n,i=1,2,…,k,将disj归于余数最小值对应的Di的集合,完成计算后,统计每个集合所包含的元素个数,元素最多且大于一定数量的集合所对应的初始值Di,即为伪码采样周期,Pi则为对应伪码周期估计值,用PN表示,PN=Pi。
进一步的,步骤(2)具体包括以下步骤:
(201)找到信号最佳起始采样点,按过采样率PPS进行抽取,得到同步后的信号,并按照伪码周期进行数组排列,得到数组X=(x1,x2,…xi,…xN)T,其中xi=(xi1,xi2,…,xiPN),N为信息码片数量,PN为伪码周期,每一行为一个信息码片,包含一个完整周期的伪码序列;
(202)对层次聚类法及Kmeans算法进行改进,结合信息序列的特点,形成新的混合聚类算法,对数组进行聚类处理,具体方法为:
首先伪码序列为+1和-1,因此数组X中的对象通过聚类分为两类,定义为C1和C2;计算数组X中每两个对象的欧氏距离,即M(i,j)=dist(xi,xj),i,j=1,2,…,N;选取距离值最大的两个对象,分别作为C1的聚类中心u1和C2的聚类中心u2;
计算X中所有对象与u1和u2的欧氏距离dist(xi,uk),i=1,2,…,N,k=1,2;若dist(xi,u1)小于dist(xi,u2),则xi属于C1,否则,xi属于C2;
完成聚类后,将C1和C2对应的样本分别赋值为+1和-1,即对数组X=(x1,x2,…xi,…xN)T进行处理,xi若属于C1,则赋值为+1,若属于C2,则赋值为-1,由此得到一个由+1和-1组成的长度为N的序列,即为信息序列。
进一步的,步骤(3)具体包括以下步骤:
(301)对已完成聚类处理的信息码片向量作同相相加,反相相减的累加处理;具体为:将所有属于C1的xi相加,得到s1,将所有属于C2的xi相加,得到s2,再用s1-s2,得到向量M,M=(m1,m2,…mPN),即完成累加处理;
(302)对序列M去均值处理,再进行判决,大于0的为+1,小于0的为-1,即得到伪码序列。
本发明与现有技术相比具有如下优点:
1、本发明的伪码周期估计算法,对伪码周期进行匹配并统计,相比于其它搜索算法,算法运算量小,能在低信噪比下准确、快速地完成伪码周期估计。
2、本发明采用的混合聚类算法进行码元信息序列估计,避免了层次聚类法合并或分裂点的选择及反复的迭代过程,也避免了Kmeans算法由于初始中心的选择错误,导致会形成局部最优解或迭代运算时间过长。该算法对象的分组更加合理,能得到更加稳定的聚类结果,且降低了计算复杂度,节约了聚类运算的时间,提高了算法运算速度,更利于工程实时检测估计。
附图说明
图1是本发明的工作过程示意图。
具体实施方式
参照图1,本发明基于混合聚类算法的直扩信号伪码周期及序列估计方法,工作过程包括:匹配法估计伪码周期1、混合聚类算法估计信息序列2、估计伪码序列3。具体包括以下步骤:
(1)计算信号二次功率谱,搜索谱峰的位置,用匹配法统计出谱峰的间距,即得到伪码周期;
具体包括以下步骤:
(101)计算信号二次功率谱,即先计算信号的功率谱,然后将信号的功率谱再次计算一次功率谱,即得到信号的二次功率谱,并搜索谱峰位置,将相邻位置两两相减,计算出谱峰的间距值Dis={dis1,dis2,…,disn},n为谱峰间距值的个数;
(102)谱峰的间距,即为伪码周期。在信噪比低时,部分谱峰已经被噪声淹没,导致检测失败,也可能检测到虚假的谱峰,因此估算的谱峰之间的距离也存在虚警,对应估计出的伪码周期的准确率也随之下降。本发明采用匹配法从谱峰的间距值中,统计出正确的间距;具体为:根据码片速率Rs计算过采样率PPS,PPS=Fs/Rs,Fs为信号采样率,并根据已知的K种常见伪码周期P={P1,P2,…,Pi,…Pk},计算PPS*P,得到伪码采样周期可能存在的初始值D={D1,D2,…Di,…Dk},Di=PPS*Pi;
(103)计算谱峰间距Dis的所有元素与各初始值D的相似度,相似度为计算每个Dis值与D的余数,即mod(disj,Di),j=1,2,…,n,i=1,2,…,k,将disj归于余数最小值对应的Di的集合,完成计算后,统计每个集合所包含的元素个数,元素最多且大于一定数量的集合所对应的初始值Di,即为伪码采样周期,Pi则为对应伪码周期估计值,用PN表示,PN=Pi。
(2)得到伪码周期后,将信号按照伪码周期进行数组排列,通过混合聚类算法对数组进行聚类处理,估计出信息序列;
步骤(2)具体包括以下步骤:
(201)将同步后的信号,即找到信号最佳起始采样点,按过采样率PPS进行抽取,得到同步后的信号,并按照伪码周期进行数组排列,得到数组X=(x1,x2,…xi,…xN)T,其中xi=(xi1,xi2,…,xiPN),N为信息码片数量,PN为伪码周期,每一行为一个信息码片,包含一个完整周期的伪码序列;
(202)对层次聚类法及Kmeans算法进行改进,结合信息序列的特点,形成新的混合聚类算法,对数组进行聚类处理,具体方法为:
首先伪码序列为+1和-1,因此数组X中的对象通过聚类分为两类,定义为C1和C2;计算数组X中每两个对象的欧氏距离,即M(i,j)=dist(xi,xj),i,j=1,2,…,N;选取距离值最大的两个对象,分别作为C1的聚类中心u1和C2的聚类中心u2;
计算X中所有对象与u1和u2的欧氏距离dist(xi,uk),i=1,2,…,N,k=1,2;若dist(xi,u1)小于dist(xi,u2),则xi属于C1,否则,xi属于C2;
完成聚类后,将C1和C2对应的样本分别赋值为+1和-1,即对数组X=(x1,x2,…xi,…xN)T进行处理,xi若属于C1,则赋值为+1,若属于C2,则赋值为-1,由此得到一个由+1和-1组成的长度为N的序列,即为信息序列。
(3)将估计得到的信息序列进行积累,并去均值,然后判决得到伪码序列。
具体包括以下步骤:
(301)对已完成聚类处理的信息码片向量作同相相加,反相相减的累加处理;具体为:将所有属于C1的xi相加,得到s1,将所有属于C2的xi相加,得到s2,再用s1-s2,得到向量M,M=(m1,m2,…mPN),即完成累加处理;
(302)对序列M去均值处理,再进行判决,大于0的为+1,小于0的为-1,即得到伪码序列。
Claims (4)
1.一种基于混合聚类算法的直扩信号伪码周期及序列估计方法,其特征在于,包括以下步骤:
(1)计算信号二次功率谱,搜索谱峰的位置,用匹配法统计出谱峰的间距,即得到伪码周期;
(2)将信号按照伪码周期进行数组排列,并通过混合聚类算法对数组进行聚类处理,估计出信息序列;
(3)将估计得到的信息序列进行积累,并去均值,然后判决得到伪码序列。
2.根据权利要求1所述的基于混合聚类算法的直扩信号伪码周期及序列估计方法,其特征在于,步骤(1)具体包括以下步骤:
(101)计算信号二次功率谱,即先计算信号的功率谱,然后将信号的功率谱再次计算一次功率谱,即得到信号的二次功率谱,并搜索谱峰位置,将相邻位置两两相减,计算出谱峰的间距值Dis={dis1,dis2,…,disn},n为谱峰间距值的个数;
(102)从谱峰的间距值中,采用匹配法统计出正确的间距;具体为:根据码片速率Rs计算过采样率PPS,PPS=Fs/Rs,Fs为信号采样率,并根据已知的K种常见伪码周期P={P1,P2,…,Pi,…Pk},计算PPS*P,得到伪码采样周期可能存在的初始值D={D1,D2,…Di,…Dk},Di=PPS*Pi;
(103)计算谱峰间距Dis的所有元素与各初始值D的相似度,相似度为计算每个Dis值与D的余数,即mod(disj,Di),j=1,2,…,n,i=1,2,…,k,将disj归于余数最小值对应的Di的集合,完成计算后,统计每个集合所包含的元素个数,元素最多且大于一定数量的集合所对应的初始值Di,即为伪码采样周期,Pi则为对应伪码周期估计值,用PN表示,PN=Pi。
3.根据权利要求2所述的基于混合聚类算法的直扩信号伪码周期及序列估计方法,其特征在于,步骤(2)具体包括以下步骤:
(201)找到信号最佳起始采样点,按过采样率PPS进行抽取,得到同步后的信号,并按照伪码周期进行数组排列,得到数组X=(x1,x2,…xi,…xN)T,其中xi=(xi1,xi2,…,xiPN),N为信息码片数量,PN为伪码周期,每一行为一个信息码片,包含一个完整周期的伪码序列;
(202)对层次聚类法及Kmeans算法进行改进,结合信息序列的特点,形成新的混合聚类算法,对数组进行聚类处理,具体方法为:
首先伪码序列为+1和-1,因此数组X中的对象通过聚类分为两类,定义为C1和C2;计算数组X中每两个对象的欧氏距离,即M(i,j)=dist(xi,xj),i,j=1,2,…,N;选取距离值最大的两个对象,分别作为C1的聚类中心u1和C2的聚类中心u2;
计算X中所有对象与u1和u2的欧氏距离dist(xi,uk),i=1,2,…,N,k=1,2;若dist(xi,u1)小于dist(xi,u2),则xi属于C1,否则,xi属于C2;
完成聚类后,将C1和C2对应的样本分别赋值为+1和-1,即对数组X=(x1,x2,…xi,…xN)T进行处理,xi若属于C1,则赋值为+1,若属于C2,则赋值为-1,由此得到一个由+1和-1组成的长度为N的序列,即为信息序列。
4.根据权利要求3所述的基于混合聚类算法的直扩信号伪码周期及序列估计方法,其特征在于,步骤(3)具体包括以下步骤:
(301)对已完成聚类处理的信息码片向量作同相相加,反相相减的累加处理;具体为:将所有属于C1的xi相加,得到s1,将所有属于C2的xi相加,得到s2,再用s1-s2,得到向量M,M=(m1,m2,…mPN),即完成累加处理;
(302)对序列M去均值处理,再进行判决,大于0的为+1,小于0的为-1,即得到伪码序列。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210149899.8A CN114614861B (zh) | 2022-02-18 | 2022-02-18 | 基于混合聚类算法的直扩信号伪码周期及序列估计方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210149899.8A CN114614861B (zh) | 2022-02-18 | 2022-02-18 | 基于混合聚类算法的直扩信号伪码周期及序列估计方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114614861A true CN114614861A (zh) | 2022-06-10 |
CN114614861B CN114614861B (zh) | 2024-05-28 |
Family
ID=81858810
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210149899.8A Active CN114614861B (zh) | 2022-02-18 | 2022-02-18 | 基于混合聚类算法的直扩信号伪码周期及序列估计方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114614861B (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101282139A (zh) * | 2008-03-11 | 2008-10-08 | 电子科技大学 | 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 |
US8488578B1 (en) * | 2010-09-27 | 2013-07-16 | Rockwell Collins, Inc. | Identifying a CDMA scrambling code |
-
2022
- 2022-02-18 CN CN202210149899.8A patent/CN114614861B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101282139A (zh) * | 2008-03-11 | 2008-10-08 | 电子科技大学 | 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 |
US8488578B1 (en) * | 2010-09-27 | 2013-07-16 | Rockwell Collins, Inc. | Identifying a CDMA scrambling code |
Also Published As
Publication number | Publication date |
---|---|
CN114614861B (zh) | 2024-05-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110764063B (zh) | 一种基于sdif与pri变换法结合的雷达信号分选方法 | |
CN108595539B (zh) | 一种基于大数据的行迹相似对象识别方法与系统 | |
CN103297851B (zh) | 长视频中目标内容的快速统计与自动审核方法及装置 | |
CN102521534B (zh) | 一种基于粗糙熵属性约简的入侵检测方法 | |
CN110927660A (zh) | 一种基于互质阵列的混合信号波达方向估计方法 | |
CN1576805A (zh) | 定位全球定位系统相关峰值信号的方法和系统 | |
CN110633154B (zh) | 一种数据全排序方法及系统 | |
CN112180433A (zh) | 地震初至波拾取方法及装置 | |
CN103885071A (zh) | 一种卫星信号捕获的方法和设备 | |
CN107728104A (zh) | 一种改进的卫星导航干扰测向方法 | |
CN114614861A (zh) | 基于混合聚类算法的直扩信号伪码周期及序列估计方法 | |
CN111624632B (zh) | 一种卫星导航信号捕获方法及装置 | |
CN101206259A (zh) | 基于数字匹配滤波器的多星座导航弱信号的捕获方法 | |
CN111901266A (zh) | 面向低信噪比和高动态场景的载波多普勒频偏捕获方法 | |
CN116132311B (zh) | 一种基于时间序列的网络安全态势感知方法 | |
CN110146841B (zh) | 一种提高阵列波达方向估计性能的优化方法 | |
CN111914109A (zh) | 一种基于深度度量学习的服装检索技术 | |
CN115171058A (zh) | 目标车辆的轨迹追踪方法、设备及存储介质 | |
CN115664814A (zh) | 网络入侵检测方法、装置、电子设备及存储介质 | |
CN111585611B (zh) | 基于cffh/ds系统的帧同步方法及装置 | |
CN115629365A (zh) | 一种高密度背景信号中少样本信号分选方法及装置 | |
Yuan et al. | Efficient mining of repetitions in large-scale TV streams with product quantization hashing | |
CN109633707B (zh) | 一种基于预平均处理的变系数匹配滤波的快速捕获方法 | |
CN110376436B (zh) | 一种多尺度噪声功率谱线谱检测方法 | |
CN113163424A (zh) | 用于检测设备的nr小区pss搜索方法与检测设备 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |