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
针对多径环境下异步长短码直扩码分多址信号(long and short code direct sequence code division multiple access,LSC-DS-CDMA)伪码估计难的问题,提出一种基于张量分解和联合估计的伪码估计方法,采用重叠窗对接收信号进行分段并构建...针对多径环境下异步长短码直扩码分多址信号(long and short code direct sequence code division multiple access,LSC-DS-CDMA)伪码估计难的问题,提出一种基于张量分解和联合估计的伪码估计方法,采用重叠窗对接收信号进行分段并构建张量模型。为改善传统线性步长搜索算法结合梯度下降的方法分解因子矩阵收敛较慢的问题,提出改进的线性步长搜索算法,结合使用动量梯度下降法对各子张量进行Tucker分解得到各因子矩阵,所需的迭代次数大大减少;利用接收增益矩阵和移位相乘解决复合码的排序模糊和幅度模糊问题;利用最大似然准则联合估计复合码和多径信道后,使用梅西算法和相关运算估计每个用户的长码和短码。仿真结果表明,该方法能够有效估计多径异步LSC-DS-CDMA信号的伪码。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%。
文摘针对多径环境下异步长短码直扩码分多址信号(long and short code direct sequence code division multiple access,LSC-DS-CDMA)伪码估计难的问题,提出一种基于张量分解和联合估计的伪码估计方法,采用重叠窗对接收信号进行分段并构建张量模型。为改善传统线性步长搜索算法结合梯度下降的方法分解因子矩阵收敛较慢的问题,提出改进的线性步长搜索算法,结合使用动量梯度下降法对各子张量进行Tucker分解得到各因子矩阵,所需的迭代次数大大减少;利用接收增益矩阵和移位相乘解决复合码的排序模糊和幅度模糊问题;利用最大似然准则联合估计复合码和多径信道后,使用梅西算法和相关运算估计每个用户的长码和短码。仿真结果表明,该方法能够有效估计多径异步LSC-DS-CDMA信号的伪码。
