因子圖上基于迭代檢測(cè)的偽隨機(jī)序列快速捕獲算法及其應(yīng)用.pdf

1、偽隨機(jī)序列的同步是獲得擴(kuò)頻技術(shù)優(yōu)越性的前提，其中捕獲過(guò)程是偽碼同步的關(guān)鍵。傳統(tǒng)的偽碼捕獲方法包括：串行捕獲、并行捕獲和混合捕獲等，它們都是建立在大量相關(guān)操作基礎(chǔ)上的，雖然都有各自的優(yōu)點(diǎn)，但是總的運(yùn)算復(fù)雜度沒(méi)有發(fā)生變化。為了解決實(shí)現(xiàn)復(fù)雜度和捕獲速度之間的矛盾，有些學(xué)者開(kāi)始考慮將偽隨機(jī)序列看作一種特殊的信道編碼，采用單入單出(SISO，single input single output)迭代譯碼的方法，實(shí)現(xiàn)快速、低復(fù)雜度捕獲。Chugg和

2、Zhu將m序列在因子圖(factor graph)上展開(kāi)，并將消息傳遞譯碼算法(MPA，Message Passing Algorithm)應(yīng)用到偽碼捕獲中，提出迭代偽碼捕獲算法(iMPA，iterative MPA)；相比傳統(tǒng)的捕獲方法，iMPA在速度和復(fù)雜度上都取得了較好的改進(jìn)；這也是一個(gè)全新的研究方向。本文在研究迭代檢測(cè)思想、因子圖的基礎(chǔ)上，圍繞迭代偽碼捕獲算法展開(kāi)深入研究、改進(jìn)并拓展其應(yīng)用。論文的主要工作如下：
　　 首

3、先從迭代檢測(cè)原理、因子圖理論以及通過(guò)證明m序列是一種特殊的線性分組碼這幾個(gè)方面詳細(xì)解釋了迭代偽碼捕獲原理；并通過(guò)建立m序列的行為模型和概率模型，得到了m序列因子圖的一般表示。然后，分析了迭代偽碼捕獲的計(jì)算復(fù)雜度；然后提出了一種基于逐位比較的向量判決選擇算法，該方法降低了計(jì)算復(fù)雜度并有效的提高了檢測(cè)概率：參考傳統(tǒng)捕獲方法的性能分析思路，采用馬爾科夫鏈(Makov chain)來(lái)分析偽碼迭代捕獲過(guò)程，推導(dǎo)了平均捕獲時(shí)間的解析表達(dá)式；通過(guò)密度

4、進(jìn)化的思想，分析了迭代偽碼捕獲的收斂特性；同時(shí)通過(guò)分析迭代過(guò)程中軟消息的概率密度，推導(dǎo)了檢測(cè)概率的解析表達(dá)式。
　　 然后針對(duì)基于迭代偽碼捕獲的同步問(wèn)題，分析了同步相位誤差對(duì)迭代初始信息以及對(duì)檢測(cè)概率的影響：提出了一個(gè)低復(fù)雜度的定時(shí)誤差開(kāi)環(huán)最大似然估計(jì)器；由于迭代捕獲輸出軟信息的均值隨同步誤差的增加而減小，且相對(duì)誤差零點(diǎn)對(duì)稱，由此提出了基于“超前-滯后”門(mén)限的符號(hào)定位誤差迭代估計(jì)算法。
　　 對(duì)于衰減信道下的迭代偽碼捕獲

5、問(wèn)題，提出了聯(lián)合信道估計(jì)與偽碼迭代捕獲算法。首先分析了Rician和Rayleigh衰落信道模型，修正了瑞利信道下迭代捕獲的初始信道軟信息；采用AR模型建模Rayleigh衰減信道；將信號(hào)最佳接收表達(dá)式進(jìn)行因子圖上的分解，提出了聯(lián)合信道估計(jì)和偽碼迭代捕獲的聯(lián)合因子圖模型；采用卡爾曼前后向算法來(lái)進(jìn)行迭代信道估計(jì)；給出了聯(lián)合因子圖上消息迭代規(guī)則。
　　 針對(duì)iMPA算法捕獲概率較低的缺點(diǎn)，基于m序列等價(jià)約束的原理，給出了增加約束的冗

6、余iMPA算法，即R-iMPA。給出了R-iMPA算法的因子圖模型以及消息傳遞規(guī)則；同時(shí)，根據(jù)冗余約束的思想，給出了Gold碼的分層因子圖結(jié)構(gòu)，給出了分成因子圖上迭代GOLD碼捕獲的消息傳遞規(guī)則；對(duì)于“非稀疏的，，生成多項(xiàng)式得到的多抽頭因子圖，可以搜索等價(jià)高階“稀疏的”多項(xiàng)式來(lái)組成冗余因子圖，提高檢測(cè)概率；給出了搜索等價(jià)“稀疏”高階多項(xiàng)式的Zech算法。
　　 最后將iMPA快速捕獲算法應(yīng)用到海洋無(wú)線電導(dǎo)航系統(tǒng)中進(jìn)行天波干擾抵消