基于神经网络的低信噪比直扩信号扩频码的盲估计方法

摘要

针对低信噪比直扩信号扩频码的盲估计问题,本文首先用离散卡-洛(K-L)变换的方法对直扩信号进行了研究,得出了在已知信号伪码参数的前提下对低信噪比直扩信号的伪码序列进行盲估计是可行的,并将该问题抽象为一个信号主分量提取问题.然而该K-L变换在伪码序列很长时的计算存储量和计算量都比较大,于是进一步提出了一种主分量神经网络(N. N.或Neural Networks)的解决方法,该方法充分利用了无监督N. N.的自适应主分量提取特性,能较好完成直扩信号伪码序列的盲估计,从而使直扩信号的盲解扩成为可能.理论分析和数值结果都表明本方案能工作在较低的输入信噪比条件下.