法律状态公告日
法律状态信息
法律状态
2019-12-10
授权
授权
2018-03-09
实质审查的生效 IPC(主分类):H04B1/7073 申请日:20171019
实质审查的生效
2018-02-09
公开
公开
技术领域
本发明属于通信对抗中直接序列扩频信号的盲参数估计领域,具体涉一种多天线LC-DS-CDMA信号扩频码盲估计方法。
背景技术
直接序列扩频(Direct Sequence Spread Spectrum,DSSS)是扩频通信技术的主要方式之一。它具有抗干扰能力强,隐蔽性好,易于码分多址等优点,在军事、民用通信中具有广泛应用。直接序列码分多址DS-CDMA(direct sequence code division multipleaccess)信号由多个用户的直扩信号叠加而成,在时域和频域都是完全重叠的。根据扩频码周期与信息符号宽度的关系,可分为短码扩频SC-DS-CDMA(short-code direct sequencecode division multiple access)和长码扩频LC-DS-CDMA(long-code direct sequencecode division multiple access)两种类型。在非合作通信中,如果接收方未知目标用户的扩频码,就无法对接收信号进行解调并获取信息,因此对DS-CDMA信号的扩频码盲估计具有十分重要的意义。
张量分解是高维数据分析的有力工具,可以有效降低数据维数,并从中挖掘出有用信息。近年来,张量分解开始广泛应用于通信领域。现有的张量分解方法一般应用于多径传播中的SC-DS-CDMA信号扩频码盲估计,在LC-DS-CDMA信号扩频码盲估计方面,目前研究成果较少,且采用平行因子(PARAFAC)分解,需要更进一步研究。因此针对非合作通信中多天线LC-DS-CDMA信号扩频码盲估计问题,提出一种基于张量TUCKER分解的扩频码盲估计方法,从而解决了多天线LC-DS-CDMA信号的扩频码估计问题。
发明内容
本发明的目的是提出一种多天线LC-DS-CDMA信号扩频码盲估计方法。
本发明的具体步骤如下:
步骤一、将多天线LC-DS-CDMA信号以扩频码码片速率采样并转化为基带信号,根据扩频码周期将基带信号构建成张量模型,再根据扩频增益对张量分块得到子张量,将子张量构建成TUCKER分解模型;
步骤二、利用变步长梯度下降算法对步骤一中得到的子张量进行分解,得到多个用户的扩频码片段和天线对各个用户的接收增益矩阵。
步骤三、将每个子张量分解,利用子张量中接收增益矩阵相同的特点,对每个子张量分解得到的接收增益矩阵计算相关性,得到置换矩阵,利用置换矩阵调整扩频码片段次序,按照对应用户进行拼接。
步骤四、利用扩频码自相关性好旁瓣能量低的性质去除幅度模糊,得到正确相位的扩频码。
进一步的,所述的步骤一具体如下:
1-1.将多天线LC-DS-CDMA信号以扩频码码片速率采样,则接收第k个天线的基带接收信号表示为式(1):
式中,l表示第l个接收信号码片,l=1,2,…,L;用户个数为R,接收天线个数为K,br(m)和cr(l)分别表示第r个用户的信息码和扩频码,m表示整个接收信号信息码中第m个信息码,cr(l)∈{-1,+1},αkr为第k个天线对第r个用户的接收增益,G为扩频增益,N为扩频码长度,L为第k个天线接收信号样本长度且含有J个扩频码周期即L=JN,接收信号中含有
1-2.将K个天线的接收信号矩阵式(2)建立成一个三维张量,三维张量形式表示为
当扩频码周期能被扩频增益整除时,每个分段信号的长度P=G;否则,
式中,
将子张量
式中,Φ是一个大小为R×R×R的核心张量且
进一步的,所述的步骤二具体如下:
2-1.构建张量分解的最优化模式如下,定义目标函数为式(5):
||·||F表示Frobenius范数。
根据
2-2.利用高阶奇异值分解初始化
2-3.因子矩阵
⑵计算误差函数
⑶当
2-4.利用变步长梯度下降算法估计因子矩阵步骤如下:
令
式中,G1表示f对
基于梯度下降算法的TUCKER分解的矩阵
其中,
2-5.因子矩阵
令Δf=f(d)-f(d-1)。当Δf<ε(ε是一个极小的数)时,表示算法收敛,迭代结束;或迭代次数d达到最大迭代次数,迭代结束。对所有子张量进行张量分解后得到
进一步的,所述的步骤三具体如下:
3-1.根据从子张量中估计得到的因子矩阵具有相同的置换矩阵,而每个子张量中的接收增益矩阵是相同的,只存在次序模糊和幅度模糊,得到式(11)。
Z表示任意置换矩阵。因此,利用接收增益矩阵
假设
搜索
A1和
3-2.利用
本发明针对插补法效果不佳的多天线长码直扩CDMA信号扩频码盲估计问题,采用分段思想。将多天线LC-DS-CDMA信号建模为张量分解问题,通过该建模可以将结构复杂的信号模型简化。通过高阶奇异值分解、线性搜索算法和变步长梯度下降算法降低了TUCKER分解的计算量,提高了收敛性能。在得到扩频码片段后,利用接受增益矩阵的互相关性和扩频码的自相关性的特性,去除张量分解的次序模糊和幅度模糊问题。利用扩频码自相关性好的性质,计算扩频码的旁瓣能量系数,筛选得到正确相位的扩频码。
附图说明
图1(a)为三维张量示意图;
图1(b)为张量分块模型示意图;
图1(c)为张量前切面示意图;
图1(d)为1模矢量示意图。
具体实施方式
下面进一步详细说明本发明的实施步骤。
一种多天线LC-DS-CDMA信号扩频码盲估计方法,包括如下步骤:
步骤一、将多天线LC-DS-CDMA信号以扩频码码片速率采样并转化为基带信号,根据扩频码周期将基带信号构建成张量模型,再根据扩频增益对张量分块得到子张量,将子张量构建成TUCKER分解模型;具体如下:
1-1.将多天线LC-DS-CDMA信号以扩频码码片速率采样,则接收第k个天线的基带接收信号表示为式(1):
式中,l表示第l个接收信号码片,l=1,2,…,L;用户个数为R,接收天线个数为K,br(m)和cr(l)分别表示第r个用户的信息码和扩频码,m表示整个接收信号信息码中第m个信息码,cr(l)∈{-1,+1},αkr为第k个天线对第r个用户的接收增益,G为扩频增益,N为扩频码长度,L为第k个天线接收信号样本长度且含有J个扩频码周期即L=JN,接收信号中含有
1-2.根据扩频码周期将基带信号构建成张量模型,再根据扩频增益对张量分块得到子张量,将子张量构建成TUCKER分解模型,具体如下:
第k个天线的接收信号矩阵形式表示为式(2):
如图1(c)所示,将K个天线的接收信号矩阵如式(2)建立成一个如图1(a)所示的三维张量,三维张量形式表示为
当扩频码周期能被扩频增益整除时,每个分段信号的长度P=G;否则,
式中,
将子张量
式中,Φ是一个大小为R×R×R的核心张量且
步骤2、利用变步长梯度下降算法对步骤一中得到的子张量进行分解,得到多个用户的扩频码片段和天线对各个用户的接收增益矩阵。具体如下:
2-1.构建张量分解的最优化模式如下,定义目标函数为式(5):
||·||F表示Frobenius范数。
根据
2-2.利用高阶奇异值分解初始化
2-3.因子矩阵
⑴初始化步长μ0=1,固定系数β∈(0,1);
⑵计算误差函数
⑶当
2-4.利用变步长梯度下降算法估计因子矩阵步骤如下:
令
式中,G1表示f对
基于梯度下降算法的TUCKER分解的矩阵
其中,
2-5.因子矩阵
令Δf=f(d)-f(d-1)。当Δf<ε(ε是一个极小的数)时,表示算法收敛,迭代结束;或迭代次数d达到最大迭代次数,迭代结束。对所有子张量进行张量分解后可得到
步骤3、将每个子张量分解,利用子张量中接收增益矩阵相同的特点,对每个子张量分解得到的接收增益矩阵计算相关性,得到置换矩阵,利用置换矩阵调整扩频码片段次序,按照对应用户进行拼接。具体如下:
3-1.从子张量中估计得到的因子矩阵具有相同的置换矩阵,而每个子张量中的接收增益矩阵是相同的,只存在次序模糊和幅度模糊,如式(11)所示。
Z表示任意置换矩阵。因此,利用接收增益矩阵
假设分别估计得到第一个和第
假设
搜索
A1和
3-2.利用
步骤4、利用扩频码自相关性好旁瓣能量低的性质去除幅度模糊,得到正确相位的扩频码;由于扩频码取+1或-1,因此对
机译: CDMA通信系统中使用扩频码生成扩频码和扩频信道信号的装置和方法
机译: CDMA通信系统中使用扩频码生成扩频码和扩频信道信号的装置和方法
机译: 在CDMA通信系统中使用扩频码生成扩频码和扩频信道信号的装置和方法