[发明专利]一种基于Volterra自适应滤波器的混沌扩频因子盲估计方法

说明书

本发明属于通信技术领域，具体的说是一种基于自适应滤波器的混沌扩频因子盲估计方法。本发明本质上是利用混沌扩频序列在符号翻转的时候已经收敛的Volterra自适应滤波器权值会发生剧烈突变这一特性，进行符号翻转点的检测,进而估计出扩频因子这一参数。本发明的方法具有很强的普适性，对于不同类型的混沌扩频序列，都能较准确的盲估计出其扩频因子。本发明在低信噪比下依然有很高的估计性能。

技术领域

本发明属于通信技术领域，具体的说是一种基于Volterra自适应滤波器的混沌扩频因子盲估计方法。

背景技术

混沌通信如混沌直接序列扩频通信(简称混沌直扩)，用混沌序列代替伪随机序列作为扩频码，具有较强抗干扰性和鲁棒性，在军用雷达、军用无线电台中具有极强的应用前景。仅就该意义上来说，非合作混沌信号处理的研究就具有重大意义，因而日趋得到重视。同时与合作通信相比，非合作方在面临噪声、未知参数等问题时几乎没有任何先验信息，因而信号提取更为复杂困难,因而保密性极强。

目前存在两种混沌直扩破译算法——DM-UKF破译法和IMM-UKF破译法。前者应用广义同步系统，基于二进制信息符号的不同取值建立对应滤波模型拟合截获到的混沌直扩信号，通过拟合误差的二范数来裁决当前的滤波模型，间接求解信息符号取值。后者将混沌直扩信号建模为交替工作的两个子系统的输出结果，而信息符号的不同取值决定了相应子系统的动力学驱动方程。同样通过拟合误差判定当前工作系统，从而提取信息符号取值。

但以上两种算法都是在事先知道扩频因子长度(又叫扩频增益),算法才能实现,目前还没有专门盲估计扩频因子的算法，因此本文提出一种基于Volterra自适应滤波器的混沌信号扩频因子盲估计方法。

发明内容

本发明的目的，就是针对上述混沌直扩破译问题，提供一种基于Volterra自适应滤波器的混沌信号扩频因子盲估计方法。本发明本质上是利用混沌扩频序列在符号翻转的时候已经收敛的Volterra自适应滤波器权值会发生剧烈突变这一特性，进行符号翻转点的检测,进而估计出扩频因子这一参数。本发明的方法具有很强的普适性，对于不同类型的混沌扩频序列，都能较准确的盲估计出其扩频因子。此外，本发明在低信噪比下依然有很高的估计性能。

本发明所采用的技术方案为：

S1：设某个通信接收装置接收的混沌扩频信号为将其归一化：

其中N为数据长度。

S2：对x_n进行相空间重构得到矢量U_n。

相空间重构技术让人们能够从一个单独的时间序列中重建一个复杂非线性系统的完整动力学。这种重建并不是真正意义上的完美重建，即重建之后的相空间和系统固有的相空间并不是完全一样的，但只要相空间重构恰当，则重构之后的相空间和原来的相空间的拓扑结构是一致的。具体来说，对于一个非线性系统,通过观测,可以得到一组测量值：x_n,n＝1,2,...N利用此测量值可以构造一组d维向量:

U_n＝[x(n),x(n-τ),x(n-2τ),...,x(n-(d-1)τ)],n＝(d-1)τ+1,...N

如果参数τ,d选择恰当，则U_n可描述原系统。τ称为时间延迟，d称为嵌入维数。由x_n构造U_n的过程称为相空间重构。具体步骤包括：

步骤1：自相关法计算时间延迟τ。先计算出混沌序列自相关函数：

当自相关函数R(τ)随着延迟时间变化的图像，当自相关函数下到:R(τ₀)＝(1-e^-1)R(0)时，所得到的τ₀即为重构相空间的延迟时间。