本發(fā)明屬于通信對抗中直接序列擴頻信號的盲參數(shù)估計領域，具體涉及非合作通信下短碼擴頻長碼加擾的多用戶周期直擴信號的偽碼估計方法。

背景技術：

直接序列擴頻(Direct Sequence Spread Spectrum，DSSS)是擴頻通信技術的主要方式之一。它具有抗干擾能力強，保密性好，易于碼分多址等優(yōu)點，在軍事、民用通信中具有廣泛應用。根據(jù)信號結構，DSSS信號可分為：短碼直擴信號，長碼直擴信號，短碼擴頻長碼加擾直擴信號(簡稱為長短碼直擴信號)。

在通信對抗中，正是由于直擴信號的抗干擾能力強、隱蔽性好等特點，使得非合作通信情況下的直擴信號偵測和盲參數(shù)估計相當困難。在非合作通信中，偽隨機(PN)碼估計是信息截獲的前提和關鍵。短碼直擴信號的PN碼估計研究已比較成熟，長碼直擴信號的PN碼估計研究也已經(jīng)取得了一定的成果。但長短碼直擴信號由于結構復雜、保密性更強，給PN碼估計帶來了更大的困難和挑戰(zhàn)。

現(xiàn)有的直擴信號擴頻碼估計方法主要有：相關矩陣特征分解法、神經(jīng)網(wǎng)絡法、匹配濾波法和三界相關法。對于多用戶長短碼直擴信號，其中不僅包含多個用戶，且各個用戶中又包含兩個偽碼，上述方法均不適用。目前關于多用戶長短碼直擴信號的偽碼估計研究還處于起步階段，需要更深入的探索。

技術實現(xiàn)要素：

本發(fā)明的目的是針對非合作通信中無法估計多用戶周期長短碼直擴信號的偽碼問題，提出一種基于Fast-ICA算法和三階相關的偽隨機碼盲估計方法，從而解決了多用戶周期長短碼直擴信號的偽碼估計問題。

本發(fā)明中多用戶周期長短碼直擴信號偽碼盲估計方法的步驟是：

步驟1、將多用戶周期長短碼直擴信號以擴頻碼碼片速率采樣轉化為基帶信號，根據(jù)短擴頻碼和長擾碼周期對基帶信號分段并構建成盲分離模型，通過快速獨立成分分析(Fast-ICA)算法分離得到各用戶混合PN序列片段；

步驟2、估計第一個用戶的混合PN序列時，拼接分離得到的序列片段得到完整的混合PN模糊序列，利用m序列的移位疊加性，采用二次延遲相乘法消除信息碼和擴頻碼影響；

步驟3、結合分圓陪集理論計算延遲信號的三階相關函數(shù)值，得到可能的峰值點坐標；

步驟4、計算可能峰值點坐標集合處的正反向三階相關函數(shù)平均值，最大平均值所對應的序列即為正確的用戶混合PN序列；

步驟5、根據(jù)矩陣斜消法完成用戶的擾碼估計，對用戶的混合PN序列解擾，用分段延遲互相關法完成擴頻碼估計；

步驟6、清除步驟1中的已估計用戶的所有混合PN序列片段，重復步驟2-5即可依次得到所有用戶的混合PN序列、擾碼和擴頻碼。

本發(fā)明充分利用多用戶周期長短碼直擴信號的結構特點，通過信號分段構建盲分離模型，通過Fast-ICA算法實現(xiàn)各用戶混合PN序列片段的分離。

本發(fā)明將得到的全部混合PN序列片段按順序拼接，得到全部可能的混合PN模糊序列，則正確的用戶混合PN序列必定存在于其中。

本發(fā)明通過兩次延遲相乘法消除信息碼影響和擴頻碼影響，從而可通過三階相關特性估計擾碼。結合分圓陪集理論計算信號的三階相關函數(shù)來確定可能峰值點，大大降低了計算復雜度和減少了計算量。

本發(fā)明為減少噪聲對偽碼估計的影響，利用峰值點的性質，計算可能峰值點坐標處的正反向三階相關函數(shù)的平均值，從而提高了正確混合PN序列的搜索精度。

本發(fā)明將每個峰值點表示為多項式形式，并兩兩求最大公約式，則可以得到信號長擾碼的本原多項式估計。

本發(fā)明在估計得到信號的長擾碼之后，利用m序列的線性移位疊加特性，巧妙分段，利用分段相關法對信號解擾，再通過分段延遲互相關的信號同步法實現(xiàn)擴頻碼估計。

本發(fā)明的有益效果是：

1、將多用戶周期長短碼直擴信號建模為盲源信號分離問題，通過該建模可以將結構復雜的信號模型簡化。

2、通過兩次延遲相乘法消除了信息碼和擴頻碼對長擾碼估計的影響，利用m序列的三階相關特性、分圓陪集理論、峰值點性質等，不僅運算量減低，還大大提高了確定混合PN序列的準確度，從而提高擾碼估計性能。

3、在混合PN序列解擾后，用分段延遲互相關的信號同步法完成對短擴頻碼估計，最終實現(xiàn)了信號中各用戶的長擾碼和短擴頻碼的估計。

具體實施方式

下面進一步詳細說明本發(fā)明的實施步驟。

多用戶周期長短碼直擴信號的偽碼盲估計方法，具體包括如下步驟：

步驟1、將多用戶周期長短碼直擴信號以擴頻碼碼片速率采樣轉化為基帶信號，根據(jù)短擴頻碼和長擾碼周期對基帶信號分段并構建成盲分離模型，通過快速獨立成分分析(Fast-ICA)算法分離得到各用戶混合PN序列片段；具體如下：

1-1.將接收到的多用戶周期長短碼直擴信號以擴頻碼碼片速率采樣，則第i個用戶的基帶信號表示為：

u_i(n)＝A_id_i(n)h_i(n)k_i(n),n＝1,2,3…N (1)

其中，n為采樣時刻，N為基帶信號長度；A_i為第i個用戶的信號幅度；d_i(n)、h_i(n)、k_i(n)分別表示第i個用戶的信息碼、擴頻碼以及擾碼。擴頻碼選用周期為L_s的OVSF碼，擾碼選用周期為L_l的m序列，且滿足條件L_l＝VL_s，其中V是一個正整數(shù)。所有用戶具有相同的擴頻碼周期和擾碼周期，則每個用戶信號可分成Z＝N/L_l個片段。

多用戶周期長短碼直擴信號表示為：

其中M是用戶個數(shù)，w(n)是零均值高斯白噪聲，方差為σ²。

1-2.根據(jù)短擴頻碼和長擾碼周期對基帶信號分段并構建成盲分離模型，具體如下：

首先根據(jù)擾碼周期，將接收信號分成Z＝N/L_l個序列片段，每個序列片段長度為L_l，可看成Z個陣元接收到的信號。再根據(jù)擴頻碼周期對每個陣元信號分段，得到V＝L_l/L_s個序列片段，長度為L_s。則第v個片段的接收信號可表示為：

構建成盲分離模型：

r(v,a)＝A(v)B(v,a)+W(v,a),a＝1,2,3,…,L_s (4)

其中

B(v,a)＝[s₁(v,a) s₂(v,a) … s_M(v,a)]^T；s_i(v,a)＝h_i(a)k_i((v-1)·L_s+a)；

W(v,a)＝[w₁((v-1)·L_s+a) w₂((v-1)·L_s+a) … w_Z((v-1)·L_s+a)]^T；

用Fast-ICA算法分離得到各用戶混合PN序列片段，記為i＝1,2,…M，v＝1,2,…V。

步驟2、估計第一個用戶的混合PN序列時，拼接分離得到的序列片段得到完整的混合PN模糊序列，利用m序列的移位疊加性，采用二次延遲相乘法消除信息碼和擴頻碼影響。具體如下：

2-1.將步驟1中分離得到的序列片段按順序拼接即可得到M^V個不同的模糊序列α_t(n)，t＝1,2,…M^V，長度為L_l，α_t(n)表示為：

其中i₁,i₂,…i_V＝1,2,…M。所有的α_t(n)是由V個連續(xù)的子段拼接構成的但只有M個是所求的用戶混合PN序列，這M個特殊序列記為

2-2.估計第一個用戶的混合PN序列，假設為用戶的第一個序列片段，則該用戶的可由(V-1)M個剩余子段來拼接，其中i₂,…i_V＝1,2,…M，中的t＝1,2,…M^V-1。

2-3.為消除信息碼和擴頻碼對擾碼估計的影響，利用m序列的移位疊加特性，兩次延遲相乘：

步驟3、結合分圓陪集理論計算延遲信號的三階相關函數(shù)值，得到可能的峰值點坐標。

確定擾碼的分圓陪集，假設存在J個有限集，將這J個有限集的陪集頭記入集合{η_j|j＝1,2,3,…,J}。計算延遲相乘得到的延遲信號的正向三階相關函數(shù)(TCF)，其中t＝1,2,…M^V-1：

其中j＝1,2,…J，q＝1,2,…L_l，找到J個最大的對應的坐標，即最有可能的TCF峰值點坐標，記入集合

步驟4、計算可能峰值點坐標集合處的正反向三階相關函數(shù)平均值，最大平均值所對應的序列即為正確的用戶混合PN序列；

m序列正、反向三階相關函數(shù)具有C⁺(p,q)＝C^-(p,p-q)(其中p＞q)的性質，即若(p,q)是正向TCF峰值點，則(p,p-q)是反向TCF峰值點坐標。為降低噪聲對擾碼估計的影響，可利用這一性質來提高PN混合序列的搜索精度，利用下式計算正反向三階相關函數(shù)平均值：

步驟5、根據(jù)矩陣斜消法完成用戶的擾碼估計，對混合PN序列解擾，用分段延遲互相關法完成擴頻碼估計；

找到最大的其對應的模糊序列就是要求的第一個用戶的混合PN序列。將求得的混合PN序列對應的每個峰值點表示為多項式形式，并兩兩求最大公約式，從而得到信號長擾碼的本原多項式估計。隨后對混合PN序列解擾，并用分段延遲互相關的信號同步法完成對短擴頻碼估計。

步驟6、清除步驟1中的已估計用戶的所有混合PN序列片段，重復步驟2-5即可依次得到所有用戶的混合PN序列、擾碼和擴頻碼。

通過步驟2重構(M-1)^V-1個可能的和其中t＝1,2,…(M-1)^V-1，得到第二個用戶的混合PN序列，再通過步驟3-5估計出第二個用戶的擾碼和擴頻碼。重復以上過程即可得到所以用戶的PN混合序列、擾碼和擴頻碼，最終完成多用戶周期長短碼直擴信號的偽碼估計。