CN101237250A - 基于奇异值分析的扩频波形盲估计方法 - Google Patents

Abstract

本发明公开了一种基于奇异值分析的扩频波形盲估计方法，利用接收到的多个扩频周期的信号，构造分段的信号观测矩阵，通过奇异值分解估计各段数据中的扩频波形和信息序列，最终完成各段扩频波形的连接。本发明较好地满足了非协作通信以及软件无线电中对未知扩频信号快速提取扩频波形的要求，大大提高了扩频波形估计的速度，并且能够适应短码扩频和长码扩频两种直扩体制信号。本发明可直接应用于非协作扩频通信***，也可用于相应的软件无线电等***。

Description

基于奇异值分析的扩频波形盲估计方法

技术领域

本发明属于信号处理领域中非协作通信信号处理技术，具体是指一种基于奇异值分析的扩频波形盲估计方法。

背景技术

扩频波形是直接序列扩频信号赖以实现频谱扩展，进而获得低截获概率、抗窄带干扰等诸多优良特性的关键参数，也是码分多址通信***(CDMA)中实现多址通信的关键参数之一。在非协作直接序列扩频通信信号的处理中，获取扩频波形是一个不可或缺的重要环节。否则，将难以对扩频信号进行解调，通信信息的获取就无从谈起。因此，进行扩频波形的盲估计具有重要意义。

对扩频波形的盲估计需要解决多个难点，主要包括：(1)具有低信噪比适应能力。扩频信号的频谱通常较宽，其特性类似于噪声，而且扩频信号信噪比往往较低；(2)能适应不同类型的扩频序列，包括线性移位寄存器序列(常见序列如m序列、Gold序列)和非线性序列等；(3)能适应不同的扩频体制，包括短码扩频体制和长码扩频体制。

目前，对扩频波形的盲估计技术研究主要集中在扩频序列估计方面，主要有BM算法、三阶相关算法、MLE禁忌搜索方法等。BM算法可以利用少量的基带信号样点通过求解方程组的方法估计线性移位寄存器序列，但是该方法不能适应低信噪比环境，而且无法估计非线性序列；三阶相关算法利用m序列的三阶相关特性可以估计较长的m序列，但是目前的研究也仅限于m序列；MLE禁忌搜索算法的性能略优于基于特征值分析的盲估计算法，但是它同样不能适应长码扩频信号，同时其计算量也比较大。而且上述方法和技术都是基于信号解调后的码序列实现的，然而在实际***中由于扩频信号功率弱、信噪比低，很难获得理想的解调数据。

由此可以看出，已有的扩频波形盲估计方法还不能满足实际***的需要。为了有效获取扩频体制信号的扩频波形，满足实际***应用的需求，需要研究新扩频波形盲估计技术。

发明内容

本发明所要解决的技术问题是，针对现有技术的不足，提出一种基于奇异值分析的扩频波形盲估计方法，它可以较好地满足非协作通信以及软件无线电中对未知扩频信号快速提取扩频波形的要求，大大提高了扩频波形估计的速度，并且能够适应短码扩频和长码扩频两种直扩体制信号。本发明可直接应用于非协作扩频通信***，也可用于相应的软件无线电等***。

为解决上述技术问题，本发明采用的解决方案是：利用接收到的多个扩频周期的信号，构造分段的信号观测矩阵，通过奇异值分解估计各段数据中的扩频波形和信息序列，最终完成各段扩频波形的连接。本发明包括如下步骤：

A，检测扩频信号，估计扩频信号周期；

B，将接收的扩频信号分段，并估计各段数据中的扩频波形和信息序列；

C，完成各段扩频波形的连接。

以下对本发明做出进一步说明。

本发明的工作原理及过程详细描述如下：

A，接收中频采集数据或基带数据，计算接收数据的二阶矩，估计扩频信号的扩频周期。由于信号中含有信息序列，扩频波形的周期性受到很大削弱，尤其是在长码扩频体制信号中扩频波形的周期性不再明显，因此需要首先消除信息序列的影响。其做法如下：首先将接收信号通过带通滤波器，消除带外噪声；其次，对接收信号复包络的绝对值进行相关处理；最后，通过对相关数据进行峰值检测来判断是否存在扩频信号，并利用峰值间隔估计扩频周期。

B1，根据步骤A得到的扩频周期将每个扩频周期内的信号分为K个窗，并将不同扩频周期内对应的窗排列成观测矩阵；首先，将每个扩频周期中的信号分为K个时间窗，分别记为W_i，j(i＝1，2，…，K)，将分段后的数据排列成如下格式的矩阵

$Y_i=\left(\begin{array}{c}{W}_{i,1}\\ W_{i,2}\\ \·\\ \·\\ \·\\ W_{i,m}\end{array}\right)---\left(1\right)$

其中，时间窗W_i，j中的数据排列为行矢量，下标i为窗序号，下标j为各周期扩频波形的序号。

B2，通过奇异值分解完成第i个窗内扩频波形估计和信息码序列估计。将每个Y_i进行奇异值分解

                     Y_i＝U_iΔ_iV_i ^H             (2)

其中U_i和V_i为酉矩阵，V_i ^H为V_i的共轭转置，Δ_i为准对角矩阵

其中α_i，j(j＝1，2，…，n)为Y_i的非零奇异值，且α_i，1≥α_i，2≥…≥α_i，n＞0。

当且仅当信号为短码扩频，且窗W_i包含信息跳变时Δ_i含有两个较大奇异值，其他情况下Δ_i仅有一个较大奇异值。

当步骤B2中所述窗内奇异值分解成只含有一个较大奇异值时，直接完成该窗内扩频波形的连接；当所述奇异值分解含有两个较大奇异值时，则根据信息码序列完成该窗内扩频波形的连接：

1)当Δ_i只含有一个较大奇异值时，第i个窗内的扩频波形和信息序列的估计值分别为

${\widehat{\stackrel{\→}{h}}}_i=\±\frac{{\mathrm{\α}}_{i,1}}{\sqrt{m}}{v}_1^H=\±\frac{1}{\sqrt{m}}{u}_{i,1}^H{Y}_i---\left(4\right)$

${\hat{A}}_i=\±\sqrt{m}{u}_{i,1}=\±\frac{\sqrt{m}}{{\mathrm{\α}}_{i,1}}{\mathrm{Yv}}_{i,1}---\left(5\right)$

其中，和

分别为第i个窗的扩频波形和信息序列，u_i，j为U_i的第j个向量，v_i，j为V_i的第j个向量

2)当Δ_i含有两个较大奇异值时，则该窗内的扩频波形分为两段

${\widehat{\stackrel{\→}{h}}}_i^1=\±\frac{{\mathrm{\α}}_{i,1}}{\sqrt{m}}{v}_1^H=\±\frac{1}{\sqrt{m}}{u}_{i,1}^H{Y}_i$

${\widehat{\stackrel{\→}{h}}}_i^2=\±\frac{{\mathrm{\α}}_{i,2}}{\sqrt{m}}{v}_2^H=\±\frac{1}{\sqrt{m}}{u}_{i,2}^H{Y}_i---\left(6\right)$

${\hat{A}}_i^1=\±\sqrt{m}{u}_{i,1}=\±\frac{\sqrt{m}}{{\mathrm{\α}}_{i,1}}{\mathrm{Yv}}_{i,1}$

${\hat{A}}_i^2=\±\sqrt{m}{u}_{i,2}=\±\frac{\sqrt{m}}{{\mathrm{\α}}_{i,2}}{\mathrm{Yv}}_{i,2}---\left(7\right)$

当Δ_i含有两个较大奇异值时，对

和进行相关分析，若相关峰为正，则两部分扩频波形直接连接；若相关峰为负则将一个取相反后与另一个相接；若相关峰位于相关序列中间偏左，则

在前而

在后；反之，则

在前而

在后。

如果步骤B2处理的不是第一个窗，则完成该窗估计扩频波形与前面估计扩频波形的连接；如果处理的是第一个窗则直重复步骤B2，处理下一个窗；最后判断是否处理完所有窗，如果没有处理完则返回B2步处理后续窗，否则结束。

由以上可知，本发明首先利用加窗相关的思想对扩频波形进行估计，解决了长码扩频体制的扩频波形估计问题；其次，利用奇异值分析的思想重构扩频波形，因而不受扩频波形类型的限制；第三，利用数据的相关积累获得处理增益，使本方法可以适应较低的信噪比。它的技术优点主要有：

(1)能够适应短码扩频信号和长码扩频信号，对两种体制信号统一用一种技术处理，可以有效降低***的复杂度，提高***的适应能力。

(2)能够同时估计扩频波形和信息序列，在软件无线电或需要获得信息序列的非协作通信***中可以省去解扩和解调的过程，极大地简化了***。

(3)本发明可以完成对中频信号的处理，同时也可以完成对基带信号或解调码流的处理，适应数据类型广泛。

本发明基于奇异值分析的扩频波形盲估计方法能够有效地满足扩频通信中无预知参数及低信噪比条件下的信号处理需求，可以以此作为核心设计低复杂度的扩频通信***和含有扩频信号的软件无线电***。

附图说明

图1本发明所述基于奇异值分析的扩频波形盲估计方法的流程图；

图2是实施例的内场试验***结构框图；

图3是实施例中估计得到的部分扩频波形；

图4是实施例中估计得到的部分扩频波形与实际扩频波形比较；

图5是实施例中估计的信息码序列，坐标的横轴表示信息位数，竖轴表示信息幅度。

具体实施方式

图1是本发明的总体流程图，本实施例所述基于奇异值分析得扩频波形盲估计方法包括：

1，接收中频采集数据或基带数据，计算接收数据的二阶矩，估计扩频信号的扩频周期，并将扩频周期和原始数据传送到扩频波形估计模块。

2，根据扩频周期将每个扩频周期内的信号分为K个窗，并将不同扩频周期内对应的窗排列成观测矩阵：首先，将每个扩频周期中的信号分为K个时间窗，分别记为W_i，j(i＝1，2，…，K)，将分段后的数据排列成如下格式的矩阵

$Y_i=\left(\begin{array}{c}{W}_{i,1}\\ W_{i,2}\\ \·\\ \·\\ \·\\ W_{i,m}\end{array}\right)---\left(1\right)$

其中，时间窗W_i，j中的数据排列为行矢量，下标i为窗序号，初始值为1，下标j为各周期扩频波形的序号。

3，通过奇异值分解完成第i个窗内扩频波形估计和信息码序列估计：将每个Y_i进行奇异值分解

            Y_i＝U_iΔ_iV_i ^H                    (2)

其中U_i和V_i为酉矩阵，V_i ^H为V_i的共轭转置，Δ_i为准对角矩阵

其中α_i，j(j＝1，2，…，n)为Y_i的非零奇异值，且α_i，1≥α_i，2≥…≥α_i，n＞0。

当且仅当信号为短码扩频，且窗W_i包含信息跳变时Δ_i含有两个较大奇异值，其他情况下Δ_i仅有一个较大奇异值。

4，若该窗内奇异值分解含有两个较大奇异值，则根据信息码序列完成该窗内扩频波形的连接，否则直接进入下一步。

1)当Δi只含有一个较大奇异值时，第i个窗内的扩频波形和信息序列的估计值分别为

${\widehat{\stackrel{\→}{h}}}_i=\±\frac{{\mathrm{\α}}_{i,1}}{\sqrt{m}}{v}_1^H=\±\frac{1}{\sqrt{m}}{u}_{i,1}^H{Y}_i---\left(4\right)$

${\hat{A}}_i=\±\sqrt{m}{u}_{i,1}=\±\frac{\sqrt{m}}{{\mathrm{\α}}_{i,1}}{\mathrm{Yv}}_{i,1}---\left(5\right)$

其中，

和

分别为第i个窗的扩频波形和信息序列，u_i，j为U_i的第j个向量，v_i，j为V_i的第j个向量

2)当Δ_i含有两个较大奇异值时，则该窗内的扩频波形分为两段

${\widehat{\stackrel{\→}{h}}}_i^1=\±\frac{{\mathrm{\α}}_{i,1}}{\sqrt{m}}{v}_1^H=\±\frac{1}{\sqrt{m}}{u}_{i,1}^H{Y}_i$

${\widehat{\stackrel{\→}{h}}}_i^2=\±\frac{{\mathrm{\α}}_{i,2}}{\sqrt{m}}{v}_2^H=\±\frac{1}{\sqrt{m}}{u}_{i,2}^H{Y}_i---\left(6\right)$

${\hat{A}}_i^1=\±\sqrt{m}{u}_{i,1}=\±\frac{\sqrt{m}}{{\mathrm{\α}}_{i,1}}{\mathrm{Yv}}_{i,1}$

${\hat{A}}_i^2=\±\sqrt{m}{u}_{i,2}=\±\frac{\sqrt{m}}{{\mathrm{\α}}_{i,2}}{\mathrm{Yv}}_{i,2}---\left(7\right)$

5，如果处理的不是第一个窗，即i＞1，则完成该窗估计扩频波形与前面估计扩频波形的连接，即完成与

的连接，并将连接后的波形记为

如果处理的是第一个窗则直接返回第3步，处理下一个窗，并将窗序号i加1。

6，判断是否处理完所有窗，如果没有处理完则返回第3步，将窗序号i加1，处理后续窗；否则结束。

图2是实施例的内场试验***结构框图。试验中扩频通信辐射源采用S频段。

图3是实施例中内场试验的扩频波形估计效果，扩频波形采用511位的m序列生成，其中输入为基带信号，采样频率为扩频信号码速率的5倍，信噪比为0dB，输入数据长度为50个扩频周期，图中显示了部分扩频波形。图4是部分估计波形与真实扩频波形的蹩脚。图5是上述条件下估计的码序列值，对图5所示的估计信息序列进行二值处理可以得到二进制码序列。

本发明可以采用PC计算机或DSP处理器作为信号处理设备。由于DSP处理器速度快、操作控制简单，因此更适合用于实际设备中。此外，还可以根据***要求的接口选择其他处理器。

Claims (6)

1、一种基于奇异值分析的扩频波形盲估计方法，其特征在于，包括如下步骤：

A，检测扩频信号，估计扩频信号周期；

B，将接收到的扩频信号分段，并估计各段信号中的扩频波形和信息序列；

C，完成各段扩频波形的连接。

2、根据权利要求1所述基于奇异值分析的扩频波形盲估计方法，其特征在于，所述步骤A中，检测扩频信号时，首先接收中频采集数据或基带数据，计算接收数据的二阶矩，再来估计扩频信号的扩频周期。

3、根据权利要求1所述基于奇异值分析的扩频波形盲估计方法，其特征在于，所述步骤B分为：

B1，根据步骤A得到的扩频周期将每个扩频周期内的信号分为K个窗，并将不同扩频周期内对应的窗排列成观测矩阵；

B2，通过奇异值分解完成第i个窗内扩频波形估计和信息码序列估计。

4、根据权利要求3所述基于奇异值分析的扩频波形盲估计方法，其特征在于，当步骤B2中所述奇异值分解含有两个较大奇异值时，则根据信息码序列完成该窗内扩频波形的连接；当所述窗内奇异值分解成只含有一个较大奇异值时，直接完成该窗内扩频波形的连接。

5、根据权利要求3所述基于奇异值分析的扩频波形盲估计方法，其特征在于，如果步骤B2处理的不是第一个窗，则完成该窗估计扩频波形与前面估计扩频波形的连接；如果处理的是第一个窗则直接重复步骤B2，处理下一个窗；最后判断是否处理完所有窗，如果没有处理完则返回B2步处理后续窗，否则结束。

6、根据权利要求1所述基于奇异值分析的扩频波形盲估计方法，其特征在于，步骤A中，检测扩频信号时，如果扩频波形周期性不明显时，首先消除信息序列的影响，其做法如下：首先将接收信号通过带通滤波器，消除带外噪声；其次，对接收信号复包络的绝对值进行相关处理；最后，通过对相关数据进行峰值检测来判断是否存在扩频信号，并利用峰值间隔估计扩频周期。

Images