一種同頻混合信號偽隨機序列盲估計方法的研究

李在林++王松波

摘 要： 通常采用獨立分量分析法（ICA）采集同頻混合信號時存在盲分離隨機性問題，不能分離出同頻混合信號偽隨機序列，無法對信號進行準確檢測。為解決該問題，提出融合獨立分量分析法以及Massye算法的同頻混合信號偽隨機序列盲估計方法。先采集同頻混合信號，再通過PCA方法對同頻混合信號進行白化預處理，對同頻混合信號的協方差矩陣的特征值進行分解，確保信號間相互獨立，為后續ICA方法進行數據分割提供基礎。采用基于峰度的固定點ICA算法對白化處理后的同頻混合數據進行劃分，融合ICA和Massye算法，對同頻混合信號的偽隨機序列進行盲估計。實驗結果說明，該方法可以獲取準確的同頻混合信號偽隨機序列，具有較強的信號分離性能。

關鍵詞： 同頻混合信號； 偽隨機序列； 盲估計； Massye算法

中圖分類號： TN911?34 文獻標識碼： A 文章編號： 1004?373X（2017）09?0010?04

Abstract： The independent component analysis （ICA） method is usually used to collect the co?frequency mixed signal， but it has the problem of blind separation randomness， and it can′t separate the pseudorandom sequence of the co?frequency mixed signal， nor can it detect the signal accurately. In order to solve the above problems， a co?frequency mixed signal′s pseudorandom sequence blind estimation method based on ICA method and Massye algorithm is proposed. The co?frequency mixed signal is acquired， and performed with the whitening pretreatment by means of PCA method. The eigenvalue of the covariance matrix of the co?frequency mixed signal is decomposed to ensure the mutual independence among the signals， and provide the basis for data segmentation with the follow?up ICA method. The fixed?point ICA algorithm based on kurtosis is used to divide the co?frequency mixed data after whitening treatment. The ICA algorithm and Massye algorithm are fused to perform the blind estimation to the pseudorandom sequence of the co?frequency mixed signal. The experimental results show that the proposed method can obtain the accurate pseudorandom sequence of the co?frequency mixed signal， and has strong signal separation performance.

Keywords： co?frequency mixed signal； pseudorandom sequence； blind estimation； Massye algorithm

0 引 言

擴頻通信是當前通信領域中的重要通信手段，其中的直擴頻系統可將待發送信息通過偽隨機序列擴展到更寬的頻帶中[1]。干擾信號和偽隨機序列間相互獨立，極大地降低了信號頻帶中有干擾信號的功率，可增強總體擴頻通信系統的抗噪性。直擴頻技術廣泛應用在通信抗干擾、導航以及保密通信等領域[2]。因此，對直擴頻系統中偽隨機序列的檢測方法進行研究，實現信息的準確偵察，具有重要的應用價值。

1 融合獨立分量分析法和Massye算法的偽隨

機序列盲估計

本文融合獨立分量分析法ICA和Massye算法完成多用戶中的同頻混合信號的檢測，可分離出有價值的同頻混合信號，解決了單純盲分離存在的隨機性問題[3]。本文方法的總體操作流程如圖1所示。

1.1 采集同頻混合信號

通過邏輯的方法，利用逆矩陣求解聯立方程組，進而解得偽隨機序列的線性反饋移位寄存部件的抽頭系數最終將同頻混合信號的偽隨機序列還原。

2 實驗仿真

采用Matlab仿真實驗驗證本文方法的有效性，實驗對兩個同頻混合信號進行分析，設置信噪比是-5 dB，其中同頻混合信號1為單徑，信號幅度是1，包含7個滯后偽隨機序列，其偽隨機序列產生的多項式是。同頻混合信號2是兩徑混合，信號多徑幅度是1，0.5，設置觀測樣本數量為600。

實驗過程中可以看出，采用本文方法迭代運算時逐步向穩定靠近，如圖2所示。

圖3（a）為對迭代結果進行逆運算獲取的內同同頻混合信號1的對應列向量圖3（b）為單徑同頻混合信號的偽隨機序列。分析圖3可得，在不存在多徑影響的狀態下，采用本文方法獲取的可估計出同頻混合信號的偽隨機序列。

圖5（a）～（c）分別表示同頻混合信號以及對應內的3個列向量，圖5（d）是3個列向量之和對其中的序列采集比特運算抽頭系數，進而獲取多項式，可以看出得到的結果是準確的。

從圖6描述的本文方法分離同頻混合信號信息的性能曲線可以看出，本文方法進行同頻混合信號劃分的誤比特率隨著信號偽隨機序列數量的增加而降低，信息分離性能較強。

3 結 論

本文融合獨立分量分析法和Massye算法對同頻混合信號偽隨機序列進行盲估計。采用該種方法對同頻混合信號進行檢測的過程中，能夠將分離出的同頻混合信號信息同偽隨機序列對應，實現信息的準確偵察。

圖6 本文方法的信號分離性能

參考文獻

[1] 馬歡，江樺.一種時變信道下基于粒子濾波的同頻混合信號盲分離方法[J].信息工程大學學報，2014，15（2）：181?186.

[2] 趙義正.一種利用矩陣譜范數的直擴信號盲同步方法[J].微型機與應用，2015，34（9）：57?58.

[3] 楊勇，張冬玲，彭華，等.利用Gibbs采樣的同頻混合信號單通道盲分離[J].通信學報，2015，36（4）：156?162.

[4] 景增增，李杰，范成葉，等.旋轉彈用微慣性測量組合數模混合信號采編系統設計[J].科學技術與工程，2014，14（14）：206?211.

[5] 易輝，侯孝民，吳濤.一種基于頻率校正的BPSK信號高精度載頻估計算法[J].現代電子技術，2015，38（22）：4?7.

[6] 趙知勁，顧驍煒，沈雷，等.基于缺失數據模型的長碼直擴信號的偽碼估計[J].通信學報，2015，36（5）：23?30.

[7] 同鳴，田偉娟.一種INMF的抵抗強幾何攻擊視頻水印構架[J].西安工程大學學報，2016，30（1）：58?65.

[8] 曾現巍，許凌云，江曉波.基于快速EEMD單通道混合信號分離算法的研究[J].電子設計工程，2015，23（14）：20?22.

[9] 程凱，董雪.基于小波分解和Duffing振子的變尺度微弱信號檢測[J].計算機測量與控制，2014，22（6）：23?43.

[10] 王唯賢.多樣性音頻視頻混合信號抗干擾模型仿真[J].計算機仿真，2014，31（9）：212?215.