直接序列擴(kuò)頻信號(hào)的截獲分析研究.pdf

1、直接序列擴(kuò)頻信號(hào)具有低截獲概率和抗窄帶干擾等特點(diǎn)，在軍用/民用通信以及其它許多領(lǐng)域中有著廣泛的應(yīng)用。不知道偽碼和其它參數(shù)，即非合作條件下，對(duì)它的截獲和分析面臨挑戰(zhàn)，尤其在低信噪比情況下更是如此。
　　 雖然過(guò)去三十年來(lái)針對(duì)非合作直擴(kuò)信號(hào)的研究已經(jīng)在截獲和分析方面取得了很多進(jìn)展，但是理論性的分析和新方法比較少，仍存在一些重要問(wèn)題沒(méi)有獲得滿意的解決。例如，對(duì)于直擴(kuò)信號(hào)分析很重要的偽碼周期檢測(cè)和估計(jì)問(wèn)題，在傳統(tǒng)的譜相關(guān)理論下，就一直沒(méi)

2、有被嚴(yán)格地對(duì)待過(guò)；盲信道辨識(shí)算法用于直擴(kuò)信號(hào)估計(jì)的實(shí)際性能還很少?gòu)姆呛献鞯慕嵌确治鲞^(guò)。
　　 本文針對(duì)上述問(wèn)題展開(kāi)了深入的理論研究，同時(shí)還將研究對(duì)象擴(kuò)展至長(zhǎng)碼直擴(kuò)信號(hào)和軟擴(kuò)頻信號(hào)。本文的貢獻(xiàn)歸納起來(lái)包括以下幾個(gè)方面：
　　 1．對(duì)于短碼直擴(kuò)信號(hào)的偽碼周期檢測(cè)和估計(jì)問(wèn)題，首次嚴(yán)格地研究了未知參數(shù)模型下的直擴(kuò)信號(hào)最優(yōu)檢測(cè)器。在高斯混合信號(hào)模型下，推導(dǎo)了一致最大勢(shì)不變量檢測(cè)器和幾種次優(yōu)不變量檢測(cè)器。結(jié)果展現(xiàn)了不變量檢測(cè)器和多循

3、環(huán)檢測(cè)器之間的關(guān)系。得到的非相干加權(quán)多循環(huán)檢測(cè)器可作為所有基于二階循環(huán)平穩(wěn)統(tǒng)計(jì)量的檢測(cè)器的性能上限。而且提出的漸進(jìn)局部最大勢(shì)不變量(ALMPI)檢測(cè)器在有限樣本下比多循環(huán)檢測(cè)器具有更好的性能而又沒(méi)有明顯增加計(jì)算復(fù)雜度。在ALMPI檢測(cè)器的基礎(chǔ)上提出了一種新的偽碼周期估計(jì)器，和傳統(tǒng)方法相比，它不需要人工判讀。
　　 2．同時(shí)從信號(hào)截獲分析和盲信道辨識(shí)領(lǐng)域的角度綜述了估計(jì)短碼直擴(kuò)信號(hào)的各種方法，指出了它們的理論聯(lián)系和區(qū)別。首次指出即

4、使是正確地估計(jì)了信道階數(shù)（或有效階數(shù)），盲信道辨識(shí)算法用于直擴(kuò)信號(hào)也存在固有的魯棒性問(wèn)題。為此提出了平衡信道矩陣的概念，并提出一種新的最大化特征值乘積算法用于解決這個(gè)問(wèn)題。
　　 3．分析了長(zhǎng)碼直擴(kuò)信號(hào)的信息碼碼寬估計(jì)問(wèn)題。認(rèn)識(shí)到信息碼碼寬估計(jì)需要克服偽碼周期的干擾，同時(shí)現(xiàn)有方法依賴于具體使用的偽碼且在低信噪比下性能不佳。為此提出了一種新的基于差分偽碼解擴(kuò)的信息碼碼寬估計(jì)方法，它在低信噪比時(shí)性能明顯改善而且與偽碼無(wú)關(guān)。
　

5、　 4．完整地研究了長(zhǎng)碼直擴(kuò)信號(hào)的估計(jì)問(wèn)題。針對(duì)非周期長(zhǎng)碼信號(hào)的統(tǒng)計(jì)性模型和確定性模型，使用加權(quán)低秩逼近優(yōu)化工具，提出了迭代low-SNR UML算法和基于缺失數(shù)據(jù)模型的特征分解法，后者將非周期長(zhǎng)碼信號(hào)和短碼信號(hào)統(tǒng)一起來(lái)，幾乎達(dá)到了二階統(tǒng)計(jì)量意義上的性能最優(yōu)。同時(shí)對(duì)于周期長(zhǎng)碼直擴(kuò)信號(hào)，考察了確定性復(fù)指數(shù)基展開(kāi)的時(shí)變SIMO信道盲辨識(shí)方法用于估計(jì)多徑情況下的性能，并與截獲分析領(lǐng)域常用的特征分解方法進(jìn)行了性能比較。
　　 5．研究