论文部分内容阅读
直接序列扩频(Direct Sequence Spread Spectrum,DSSS)通信作为扩频通信中最主要的一种工作方式,由于其出色的隐蔽性和抗干扰性,被广泛应用于军事和民用通信中。在电子侦察和通信对抗领域,如何高效完成低信噪比下对直扩信号的检测和参数估计始终是国内外学者研究的重要课题。本文从DSSS/BPSK信号检测和参数估计的角度展开研究。在直扩信号盲检测方面,研究了时域自相关算法和四阶累积量切片算法。在传统算法的基础上,利用小波分解和延时相乘技术对两种算法进行改进,提出基于小波分解和延时相乘的时域自相关改进算法以及基于小波分解和延时相乘的四阶累积量改进算法。仿真表明,改进后算法在所有伪码周期整数倍位置上均具有明显相关峰,更易于检测直扩信号的有无。在信噪比不低于-12dB的情况下,对直扩信号的平均正确检测概率可达到90%以上,有效的提升了DSSS/BPSK信号的检测性能,同时完成了对伪码周期的准确估计。在参数估计方面,研究了延迟相乘算法和循环谱算法,对其理论进行了分析,对算法的性能进行了仿真。延迟相乘算法主要用于估计直扩信号的伪码速率,而循环谱算法可以同时得到载频和伪码速率的估计值。另外,用于DSSS/BPSK信号检测的时域自相关法和四阶累积量切片法也可以在检测信号的同时得到伪码周期的信息,其中后者还可以估计信号载频。最后本文对四种参数估计方法的性能及优缺点进行了对比分析。在PN(pseudo noise)码序列估计方面,研究了用于单用户的特征分解法(Eigen Value Decomposition,EVD)和变步长神经网络算法以及用于多用户的快速独立成分分析算法(FastICA)。在分析传统算法的基础上,针对异步情况下特征分解法存在的相位模糊问题,利用二倍窗口法对其进行改进,并对改进算法进行了仿真分析。为了解决特征分解法计算量大复杂度高的问题,引入了变步长神经网络算法作为特征分解法的一种快速计算方法,并结合仿真对两种方法的估计性能进行了对比。最后,本文还利用独立分量分析(Independent Component Algorithm,ICA)技术,对用于多用户的PN码序列盲估计方法展开研究。在充分考虑应用背景的基础上,针对经典的FastICA算法进行了优化,引入核熵分量分析(Kernel Entropy Component Analysis,KECA)代替主分量分析(Principle Component Analysis,PCA)用于信号的白化处理,提出了基于KECA-ICA的改进算法,使得最终的码序列估计结果更加准确可靠。