基于分層處理的短碼直擴信號盲解擴算法

羅名君，史英春，張 旻

(1.解放軍電子工程學院，安徽 合肥 230037; 2.安徽省電子制約技術重點實驗室，安徽 合肥 230037)

基于分層處理的短碼直擴信號盲解擴算法

羅名君1,2，史英春1,2，張 旻1,2

(1.解放軍電子工程學院，安徽 合肥 230037; 2.安徽省電子制約技術重點實驗室，安徽 合肥 230037)

針對實際截獲的短碼直擴(Direct Sequence Spread Spectrum,DSSS)信號信噪比存在波動、以及在低信噪比下偽噪聲(Pseudo Random,PN)碼盲估計困難的問題，提出了分層解調與解擴的處理方法。該算法將信噪比存在較大起伏的信號分為兩層進行處理，首先從篩選出的高信噪比信號中估計擴頻周期、短碼序列起始位兩個參數，然后利用估計出的參數，通過滑動窗口法實現全部信號的盲解擴。算法直接對調制過的BPSK信號進行處理，不需要數字相干信號、不需要估計PN碼序列。仿真實驗表明，用于參數估計的部分信號信噪比為0 dB時，可以實現信噪比大于等于-12 dB的信號的準確解擴。

短碼直擴信號；盲解擴；參數估計；分層處理；滑動窗口法

0 引言

直接序列擴頻是一種重要的擴頻方式，具有保密性強、抗窄帶干擾、抗多徑效應、抗頻率選擇性衰落、可多址復用等優點，廣泛應用于無人機、衛星測控等軍用及民用通信領域。直擴信號典型特征是利用高速率的擴頻碼序列與被傳輸的信息碼元相乘，使得信號頻譜被展寬，合作接收方可以利用擴頻碼帶來的擴頻增益，將有用信息從噪聲中提取出來。而對于無線電頻譜監管、通信對抗等非合作通信的情況，低信噪比下的盲解擴問題是一個難點，也是當前國內外研究的熱點之一。

通常直擴系統采用周期性PN序列作為擴頻碼序列，根據信息碼元寬度與PN序列周期的相對長度，可以將直擴信號分為長碼和短碼兩大類。其中短碼直擴信號的信息碼元寬度等于PN碼周期，其盲解擴的基本思路是先精確估計PN碼，實現同步后利用合作解擴的方法得到解擴輸出。目前，針對短碼DSSS信號的擴頻波形估計問題已取得了大量研究成果[1-6]，在低信噪比下可實現PN碼波形的精確估計[7]，雖然這些算法逐漸提高了PN碼序列的估計精度，但以上文獻均假設信號是碼片速率采樣的基帶直擴信號，這樣的假設給算法的實際應用帶來了一定困難。針對以上問題，本文提出了一種針對短碼直擴信號的分層盲解擴算法。

1 理論基礎

1.1 信號模型

短碼BPSK/DSSS信號表達式為[8]：

(1)

(2)

(3)

(4)

圖1 短碼直擴采樣信號的結構
Fig.1 Structure of digital medium-frequency short-code DSSS signals

1.2 分層處理的總體思路

由于信號發射、接收平臺(典型的如無人機等)的運動性、信道中存在時變噪聲等因素，非合作接收方截獲的信號的信噪比會存在較大起伏，根據信號的這一特性可以進行分層處理，總體思路如圖2所示。

先將信號篩選成兩層，從信號中選擇一段信噪比較高的部分，估計出擴頻周期N(即每個信息碼字被采樣的次數)及短碼序列的起始位；然后通過滑動窗口法對全部信號進行解擴。其中信號篩選是通過直接觀察時域/頻域波形、噪聲估計[10-12]等方法，從截獲信號中分離出信噪比較高的一段信號的過程。

2 短碼直擴信號的分層盲解擴算法

2.1 參數估計

2.1.1 擴頻周期估計

周期平穩過程與其自相關函數具有相同的周期，利用這一性質可以從質量較好的部分信號中估計出擴頻周期[8]。若直接對信號進行自相關運算，譜峰搜索函數的峰值容易淹沒在噪聲中；相關函數二階矩法[12]使用集平均的方法對噪聲進行平滑，同時使相關峰更加突出，算法模型如圖3所示[13]。

算法首先將信號等分成M段，分別求自相關函數的模平方后再取平均，最后通過譜峰搜索估計擴頻周期。對于輸入是數字信號的情況，算法表達式為：

(5)

(6)

2.1.2 短碼序列起始位估計

從短碼DSSS采樣信號中任意位置連續截取兩個長度為N的樣本矢量w1、w2，見圖4。

由于取樣位置是任意的，不失一般性，僅考慮其在某一完整碼字rk上的情況。在rk上遍歷取樣位置w1，則不同碼字組合下w1·w2的取值曲線如圖5所示：(仿真信號參數：PN碼：1 023位Gold碼，數據速率：12.8 Kb/s，碼片速率：13.094 4 Mc/s，載頻：26.188 8 MHz，采樣率：48.012 8 MHz，無噪聲；原圖彩色，4種不同形狀的曲線代表不同的碼字組合。)

改變各項參數重新仿真的結果類似，僅曲線最大、最小值不同。由圖5可以得出以下結論：

2) 估計誤差小于N/2時，可以通過w1·w2的符號判斷dkdk+1的相對極性。

實際應用中w1的遍歷起點在某一完整碼字rk上是均勻分布的，此時w1·w2的變化曲線為圖5中任意兩種曲線的組合。由結論1)得出，只要兩段曲線不是相同的常值函數，就可以將曲線類型的轉換點估計為當前短碼序列的起始位。算法流程如圖6所示。

2.2 滑動窗口法解擴原始信號

2.2.1 算法原理

短碼BPSK/DSSS信號具有圖7所示的時域特征。

不同碼字對應的短碼序列波形相位相差π。因此，任意兩個碼字dmdn的相對極性可以通過各自采樣序列rmrn內積的符號進行判斷：

(7)

由于已經從一段信噪比較高的信號中估計出了偽碼周期以及短碼序列起始位，可以取出一整周期的短碼序列rp作為滑動窗口解擴原始信號。原始信號中任意第k個碼字估計如下：

(8)

使rp以偽碼周期N為步進，從原始信號的第一個短碼序列起始點開始滑動，同時按照式(8)進行計算則可以得到全部信號的盲解擴輸出。

2.2.2 算法總體步驟

基于分層處理的短碼BPSK/DSSS信號盲解擴算法總體步驟如下：

4)初始化迭代次數i=1；

3 仿真實驗與結果分析

參照實際無人機上行鏈路遙控信號，短碼BPSK/DSSS信號參數設置如表1所示。

表1 仿真信號參數設置

3.1 實驗1PN碼周期估計算法驗證

信噪比SNR=-10dB，分別采用直接自相關法與相關函數二階矩法對信號進行處理，得到譜峰搜索函數如圖8所示。

對比圖8(a)、(b)可知，相關函數二階矩法具有更強的抗噪聲能力。

3.2 實驗2PN碼周期估計算法性能

以“估計誤差=0”作為有效估計的標準，在不同信噪比下分別進行500次MonteCarlo實驗，正確率隨信噪比的變化曲線如圖9所示。

從圖中可以看出，信噪比大于等于-12dB時，PN碼周期估計的正確率可以達到100%，這表明相關函數二階矩法具有較強的抗噪聲能力。

3.3 實驗3 短碼序列起始位估計算法性能

以“估計誤差=0”作為有效估計的標準，在不同信噪比下分別進行500次MonteCarlo仿真實驗，正確率隨信噪比的變化情況如圖10所示。

從圖中可以看出，信噪比大于等于19dB時，短碼序列起始位估計正確率可以達到100%。與實驗2中的算法相比該算法對噪聲更加敏感，這是因為該算法參與運算的數據量較少，沒有對噪聲進行平滑。

3.4 實驗4 盲解擴算法總體性能

用于參數估計的部分信號的信噪比為0dB；以誤碼率作為解擴性能指標，在不同信噪比下分別進行500次MonteCarlo仿真實驗，得到的性能曲線圖11所示。

結合圖10、圖11可以看出，雖然信噪比大于、等于19dB時短碼序列起始位估計算法才能實現100%的正確率，但只要信噪比大于等于-12dB，本文算法就能實現0誤碼率，這表明解擴算法可以抵御較大的短碼序列起始位估計誤差。

4 結論

本文提出了基于分層處理的短碼直擴信號盲解擴算法。該算法將信噪比存在較大起伏的信號分為兩層進行處理：首先從篩選出的高信噪比信號中估計擴頻周期、短碼序列起始位兩個參數，然后利用估計出的參數，通過滑動窗口法實現全部信號的盲解擴。算法直接對調制過的BPSK信號進行處理，不需要數字相干信號、不需要估計PN碼序列。仿真實驗表明，用于參數估計的部分信號信噪比為0dB時，可以實現大于等于-12dB信噪比信號的準確解擴。

下一步擬對非整數倍碼片速率采樣的短碼直擴信號的盲解擴問題展開研究。

[1]BouderC,AzouS,BurelG.Arobustsynchronizationprocedureforblindestimationofthesymbolperiodandthetimingoffsetinspreadspectrumtransmissions[C]//IEEESeventhInternationalSymposiumonSpreadSpectrumTechniquesandApplications.US:IEEE, 2002:238-241.

[2]BouderC,AzouS,BurelG.Performanceanalysisofaspreadingsequenceestimatorforspreadspectrumtransmissions[J].JournaloftheFranklinInstitute, 2004, 341(7):595-614.

[3]TsatsanisMK,GiannakisGB.Blindestimationofdirectsequencespreadspectrumsignalsinmultipath[J].SignalProcessingIEEETransactionson, 1995, 45(5):403.

[4]PengY,TangB,LuM.FastmethodforspreadingsequenceestimationofDSSSsignalbasedonmaximumlikelihoodfunction[J].JournalofSystemsEngineering&Electronics, 2010, 21(6):948-953.

[5]付衛紅, 楊小牛, 劉乃安. 基于盲源分離的CDMA多用戶檢測與偽碼估計[J]. 電子學報, 2008, 36(7):1319-1323.

[6]任嘯天, 徐暉, 王翔,等. 一種針對短碼、周期長碼直擴信號擴頻序列盲估計方法[J]. 宇航學報, 2011, 32(12):2596-2600.

[7]張花國, 李鑫, 張建華,等. 基于半定松弛的長碼DSSS信號擴頻波形估計[J]. 電子學報, 2016, 44(2):334-339.

[8]張天騏.直擴信號的盲處理[M].北京：國防工業出版社,2012.

[9]謝然, 張效義, 田鵬武. 一種基于循環譜的MPSK信號符號速率估計方法[J]. 計算機應用研究, 2011, 28(6):2294-2296.

[10]鄧自立,許燕.基于Kalman濾波的白噪聲估計理論[J].自動化學報,2003,29(1):521-524.

[11]孟憲波,鮑長春.基于最小控制GARCH模型的噪聲估計算法[J].電子學報,2016,44(3):747-752.

[12]勞子軒,劉子揚,彭濤,等.全盲頻譜感知:噪聲估計與能量檢測聯合迭代算法[J].電子與信息學報,2013(8):1958-1963.

[13]張雪梅.直擴信號檢測與參數估計方法研究[D].西安：西安電子科技大學,2014.

A Blind Despreading Algorithm for Short-code BPSK/DSSS SignalsBased on Hierarchical Processing

LUO Mingjun1,2,SHI Yingchun1,2,ZHANG Min1,2

(1.Electronic Engineering Institute of PLA, Hefei 230037, China; 2.Key Laboratory Electronic Restricting Technique, Hefei 230037, China)

Aiming at the fact that the signal-to-noise ratio(SNR) of real BPSK/DSSS signal often undulates, and that it is hard to estimate the pseudo-noise sequence under severe noisy circumstances, a method which hierarchically demodulate and despread signal was proposed. The algorithm firstly figured out the pseudo-noise sequence by using a sample from the received signal with high SNR, where coherent demodulation was employed. Then, by using the estimated pseudo-noise sequence the entire signal could be despread and demodulated in a cooperative way. Simulation showed the algorithm’s performance curves under various SNR values, and the results showed that, by using the proposed method, effective despreading could be achieved when treating signal with undulating SNR values.

BPSK/DSSS; software demodulation; pseudo-noise sequence estimation;autocorrelation

2016-07-02

國家自然科學基金項目資助(60972161)；安徽省自然科學基金項目資助(1408085QF115)

羅名君(1993—)，男，湖南張家界人，碩士研究生，研究方向：通信信號分析與處理。E-mail: luomingjuncl@163.com。

TP391.41

A

1008-1194(2017)01-0026-05