利用矩阵性质消除短码直扩信号伪码盲估计中的酉模糊

摘要

在短码直扩信号伪码(pseudo-noise,PN)序列的盲估计中,特征值分解(eigenvalue decomposition,EVD)算法、奇异值分解(singular value decomposition,SVD)算法和压缩投影逼近子空间跟踪(projection approximation subspace tracking with deflation,PASTd)算法常被用来估计PN序列。然而,当非同步时延未知时,最大特征值和次大特征值可能相近,此时估计出的最大特征向量实际上是最大特征值和次大特征值对应特征向量的任一非零线性组合,即估计出的最大特征向量存在酉模糊,这会导致从最大特征向量中估计PN序列的算法性能可能很差。针对此问题提出了一种利用协方差矩阵性质估计PN序列的算法。仿真结果表明:所提算法不仅能解决非同步时延未知时估计PN序列算法性能可能很差的问题,还能在低信噪比下获得良好的估计性能。