[发明专利]基于MLDC和逐位判决的直扩信号扩频码估计方法

说明书

本发明公开了一种基于MLDC和逐位判决的直扩信号扩频码估计方法，解决了现有技术中无法兼顾计算复杂度和低信噪比条件下估计性能的问题，其实现包括有：建立直扩信号数学模型，利用基于MLDC构造的内积和函数对随机生成的待判决序列进行逐位判决，接着重复进行逐位判决得到最终的扩频码估计序列。本发明中内积和函数直接表征了待判决序列与扩频码的似然程度，逐位判决法将待判决序列分为前后两部分分别进行判决，拼接得到扩频码的估计。本发明完成了非合作扩频通信中直扩信号扩频码的估计，在低信噪比条件下的估计性能良好，具有较低的计算复杂度。本发明可直接应用于非合作扩频通信系统中，也可用于相应的软件无线电等系统。

技术领域

本发明属于信号处理技术领域，主要涉及非合作通信信号处理技术，具体是一种基于最大似然译码准则(MLDC)和逐位判决的直扩信号扩频码估计方法，主要用于直扩信号扩频码的提取估计。

背景技术

直接序列扩频(DSSS)信号具有低发射功率谱密度、强抗截获性和强抗干扰特性，且能够抑制多径效应，因而广泛应用于当代民用通信、军事对抗、探测导航、GPS定位等多个领域中。对直扩信号的侦察和破译是通信对抗领域的热点和难点之一，特别是非合作通信中，若无法得到正确的直扩信号扩频码，则很难恢复出原始信息。因此，直扩信号的扩频码盲估计方法研究具有重要意义。

目前，针对直扩信号扩频码的估计方法主要有特征分解法(EVD)、压缩投影近似子空间跟踪法(PASTd)、神经网络法以及相关运算法等。基于主成分分析(PCA)的思想，特征分解法可从信号协方差矩阵的较大特征向量中提取得到扩频码估计，如张花国于(CCSP-2003)会议论文《一种改进的DS/SS信号PN码序列估计算法》一文中提出的方法，但特征分解法计算复杂度高、占用存储空间大；PASTd法通过压缩投影逼近主特征向量而得到扩频码估计，省去了复杂的特征分解计算，降低了计算复杂度，如Lv Ming在《System Engineeringand Electronics》杂志2006年第10期《Blind estimation of PN spreading sequencebased on subspace tracking》一文中提出的方法，但PASTd法在低信噪比条件下估计性能不佳；神经网络方法利用基于Hebb学习规则的无监督神经网络来自适应提取主特征向量，计算复杂度较低，实时处理性能较好，如赵德芳在《现代防御技术》杂志2010年第6期《通信侦察中基于神经网络的伪码序列估计》一文中提出的方法，但神经网络法同样在低信噪比条件下估计性能不佳。基于直扩信号的循环平稳性，相关运算法通过对码片间相关函数的判决对比，最终得到扩频码的正确估计，如金艳在《控制与决策》杂志2018年第12期《基于平均内积和相关判决函数的DSSS信号伪码序列盲估计》一文中提出的方法，但相关运算法受噪声影响较大。

特征分解法计算复杂度高、占用存储空间大，在扩频周期较长时工作效率低下；PASTd法、神经网络法和相关运算法的计算复杂度较低，但在低信噪比条件下估计性能不佳。由此可以看出，现有的方法无法同时兼顾计算复杂度与低信噪比条件下的估计性能，同时考虑存储所需硬件资源，还需要研究一种更有效的扩频码估计方法。

发明内容

本发明所要解决的问题是，针对现有技术的不足，提出一种计算复杂度低、低信噪比下估计性能良好的一种基于最大似然译码准则(MLDC)和逐位判决的直扩信号扩频码估计方法，其特征在于，假设直扩信号的扩频码序列未知，基于MLDC和逐位判决对扩频码进行估计，包括有以下步骤：