论文部分内容阅读
扩频通信是扩展信号频谱通信的简称,是宽带数字通信模式的一种,其应用十分的广泛。其中,直接序列扩频(Direct Sequence Spread Spectrum,DSSS)技术作为重要的扩频方法之一,近几十年来在移动、战术通信等方面得到了成功的应用。非协作通信时,在少量先验信息条件下对扩频序列进行盲重构是整个通信系统急需解决的问题。因此,在低信噪比环境下对扩频序列的盲重构方法的研究有着及其重要的意义。本文针对在DSSS信号的检测和参数提取已经完成的基础上,重点分析了直扩信号的PN(pseudo noise)码序列盲重构问题,主要有以下几点内容:首先,简要介绍了直扩通信系统的基本组成,分别建立了非同步和同步直扩信号的数学模型并研究了DSSS信号的相关解扩方案。其次,研究了针对非同步DSSS信号的盲同步算法,盲同步算法能够解决非同步情况下重构PN码序列时出现的相位模糊问题,从另一个角度重构PN码序列。研究了基于信号矩阵特征分解(Eigen Value Decomposition,EVD)的扩频码盲重构方法。从DSSS信号的特征分解以及算法原理等方面详细分析了EVD算法,并对非同步情况下两个主特征向量的拼接方式提出了改进算法,解决了之前算法存在的两个主特征向量拼接方式不确定性问题。最后,研究了PCA(Principal Component Analysis)神经网络算法,从算法原理和实现方法等方面对神经网络算法进行了详细分析,并对传统的PCA神经网络算法对扩频码的盲重构方法进行了有效的改进。在相同的条件下,同步时改进算法重构PN码序列在取得相同的重构概率时相比于传统算法在性能上要提高1个dB左右,非同步情况下改进算法重构PN码序列在取得相同的重构概率时相比于2倍周期神经网络算法在性能上至少要提高2个dB左右。对本文所研究的盲同步算法、EVD算法和PCA神经网络算法在序列相关性、收敛速度和算法稳定性三个方面进行了性能比较。