直擴(kuò)信號(hào)擴(kuò)頻碼序列盲估計(jì)方法設(shè)計(jì)與實(shí)現(xiàn).pdf

1、直接序列擴(kuò)頻(Direct Sequence Spread Spectrum，DSSS)通信技術(shù)作為重要的擴(kuò)頻方式之一，近幾十年來在移動(dòng)通信、戰(zhàn)術(shù)通信等方面得到了成功應(yīng)用。DSSS信號(hào)以其抗干擾能力強(qiáng)、保密性好、易于實(shí)現(xiàn)多址通信等優(yōu)點(diǎn)而越來越受到人們的重視，與之相應(yīng)的擴(kuò)頻碼檢測技術(shù)也成為了目前研究的重點(diǎn)。非協(xié)作通信時(shí)，在少量先驗(yàn)條件下對擴(kuò)頻序列進(jìn)行盲估計(jì)是整個(gè)通信系統(tǒng)急需解決的問題。因此，研究在低信噪比環(huán)境下擴(kuò)頻序列的盲估計(jì)問題具有重要

2、的意義。本文針對DSSS信號(hào)的檢測和參數(shù)估計(jì)問題，重點(diǎn)研究了DSSS信號(hào)PN碼序列的盲估計(jì)問題，主要研究內(nèi)容如下：
　　首先，簡要介紹了DSSS通信系統(tǒng)的基本組成，建立了DS/MSK信號(hào)的數(shù)學(xué)模型。在此基礎(chǔ)上研究了基于有限時(shí)間平均循環(huán)自相關(guān)(Time-variant Finite-average Cyclic Autocorrelation，簡記為CA)算法的DS/MSK信號(hào)的檢測并對載波頻率和碼速率進(jìn)行了估計(jì)。
　　其次，

3、研究了基于信號(hào)矩陣分解(Signal Matrix Decomposition，SMD)的碼序列盲估計(jì)算法，分別介紹了基于特征分解(Eigen Value Decomposition，EVD)的碼序列盲估計(jì)算法和基于奇異值分解(Singular Value Decomposition，SVD)的碼序列盲估計(jì)算法。從DSSS信號(hào)的特征分解以及算法原理等方面詳細(xì)分析了EVD算法。SVD算法采用不同的分段方式組成新的信號(hào)矩陣，解決了EVD算法

4、在信號(hào)異步情況下通過拼接得到PN碼序列時(shí)存在的相位模糊問題。研究了基于壓縮投影逼近子空間跟蹤(Projection Approximation Subspace Tracking density，PASTd)的碼序列盲估計(jì)算法，結(jié)合SVD算法的優(yōu)點(diǎn)改進(jìn)了PASTd算法在信號(hào)異步情況下存在的相位模糊問題。對本文所研究的EVD算法、SVD算法和PASTd算法在序列相關(guān)性、收斂速度和算法穩(wěn)定性三個(gè)方面進(jìn)行了性能比較。
　　最后，研究了同