针对长短码直接扩频序列(long and short code direct sequence spread spectrum, LSC-DSSS)信号序列估计难题,在已知LSC-DSSS信号参数的条件下,提出一种基于新信息准则(novel information criterion, NIC)神经网络联合梅西算法的长短...针对长短码直接扩频序列(long and short code direct sequence spread spectrum, LSC-DSSS)信号序列估计难题,在已知LSC-DSSS信号参数的条件下,提出一种基于新信息准则(novel information criterion, NIC)神经网络联合梅西算法的长短码信号序列估计方法。将LSC-DSSS信号输入NIC神经网络以估计随机采样起点,再通过不断输入数据训练NIC神经网络权值向量。当网络收敛时,权值向量的符号值即为LSC-DSSS信号的复合码序列片段。使用延迟相乘,消除幅度模糊与短扩频码序列的影响,再利用梅西算法获得扰码序列的生成多项式。仿真实验结果表明,NIC神经网络较特征值分解法的抗噪声性能提高6 dB,同时较Hebbian准则神经网络所需学习组数减少50%。展开更多
由于长短码直扩码分多址(LSC-DS-CDMA)信号包含了多个用户的长码和短码,已有的直扩码分多址信号的盲伪码估计方法不再适用。为此该文提出一种基于矩阵填充和三阶相关的伪码估计方法。首先从理论上将结构复杂的LSC-DS-CDMA信号构建为多...由于长短码直扩码分多址(LSC-DS-CDMA)信号包含了多个用户的长码和短码,已有的直扩码分多址信号的盲伪码估计方法不再适用。为此该文提出一种基于矩阵填充和三阶相关的伪码估计方法。首先从理论上将结构复杂的LSC-DS-CDMA信号构建为多用户短码扩频的缺失矩阵模型,将复合码矩阵估计建模为盲源信号分离问题;然后将矩阵填充理论应用于复合码矩阵估计,提出基于奇异值阈值算法和快速独立成分分析算法的各用户复合码序列估计方法;最后利用m序列的移位相加性特性,提出延迟三阶相关算法,从各用户复合码序列中估计其包含的长短伪码序列。仿真表明,当信噪比高于-2 d B时,该文算法的长短伪码估计平均误码率低于0.1%。展开更多
短码扩频长码加扰的直扩信号可视为特殊的长码直扩信号,将其短扩频码和长扰码作为复合码。首先通过特征值分解和酉矩阵去位置模糊实现复合码的盲估计;然后利用m序列的三阶相关函数特性识别短扩频码的类型;最后根据识别结果采用三阶相关...短码扩频长码加扰的直扩信号可视为特殊的长码直扩信号,将其短扩频码和长扰码作为复合码。首先通过特征值分解和酉矩阵去位置模糊实现复合码的盲估计;然后利用m序列的三阶相关函数特性识别短扩频码的类型;最后根据识别结果采用三阶相关法或延迟三阶相关法实现长短伪码的盲估计。仿真表明,复合码估计在信噪比-7.5 d B以上可达到1%以下的误码率;当信噪比高于-6 d B时,三阶相关法估计长短伪码本原多项式的正确率可以达到90%以上;当信噪比高于-4 d B时,延迟三阶相关法估计长短伪码序列的误码率低于1%。展开更多
文摘针对长短码直接扩频序列(long and short code direct sequence spread spectrum, LSC-DSSS)信号序列估计难题,在已知LSC-DSSS信号参数的条件下,提出一种基于新信息准则(novel information criterion, NIC)神经网络联合梅西算法的长短码信号序列估计方法。将LSC-DSSS信号输入NIC神经网络以估计随机采样起点,再通过不断输入数据训练NIC神经网络权值向量。当网络收敛时,权值向量的符号值即为LSC-DSSS信号的复合码序列片段。使用延迟相乘,消除幅度模糊与短扩频码序列的影响,再利用梅西算法获得扰码序列的生成多项式。仿真实验结果表明,NIC神经网络较特征值分解法的抗噪声性能提高6 dB,同时较Hebbian准则神经网络所需学习组数减少50%。
文摘由于长短码直扩码分多址(LSC-DS-CDMA)信号包含了多个用户的长码和短码,已有的直扩码分多址信号的盲伪码估计方法不再适用。为此该文提出一种基于矩阵填充和三阶相关的伪码估计方法。首先从理论上将结构复杂的LSC-DS-CDMA信号构建为多用户短码扩频的缺失矩阵模型,将复合码矩阵估计建模为盲源信号分离问题;然后将矩阵填充理论应用于复合码矩阵估计,提出基于奇异值阈值算法和快速独立成分分析算法的各用户复合码序列估计方法;最后利用m序列的移位相加性特性,提出延迟三阶相关算法,从各用户复合码序列中估计其包含的长短伪码序列。仿真表明,当信噪比高于-2 d B时,该文算法的长短伪码估计平均误码率低于0.1%。
文摘短码扩频长码加扰的直扩信号可视为特殊的长码直扩信号,将其短扩频码和长扰码作为复合码。首先通过特征值分解和酉矩阵去位置模糊实现复合码的盲估计;然后利用m序列的三阶相关函数特性识别短扩频码的类型;最后根据识别结果采用三阶相关法或延迟三阶相关法实现长短伪码的盲估计。仿真表明,复合码估计在信噪比-7.5 d B以上可达到1%以下的误码率;当信噪比高于-6 d B时,三阶相关法估计长短伪码本原多项式的正确率可以达到90%以上;当信噪比高于-4 d B时,延迟三阶相关法估计长短伪码序列的误码率低于1%。
