[发明专利]一种短码直扩信号伪码序列盲估计方法

权利要求书

1.一种短码直扩信号伪码序列盲估计方法，其特征在于：所述方法包括：

步骤一，按照两倍伪码周期长度的大小对接收信号进行分段；

步骤二，构造接收信号的分数低阶观测矩阵；

步骤三，将步骤二的分数低阶观测矩阵使用SVD分解算法求取最大奇异左向量；

步骤四，使用改进失步点估计方法，由步骤三的最大奇异左向量估计伪码失步点位置，完成冲击噪声信道下对直扩信号的伪码序列盲估计；

改进失步点估计方法包括：

步骤4.1，将SVD算法提取出来的包含完整伪码信息的最大奇异左向量r′按照两倍伪码周期长度进行移位分段，得到

r_i′＝r′(i:i+N)，i＝1,2,...,N；

其中，i表示移位数，N为伪码信息的长度，r′(i:i+N)表示从信号r′移位值i处向后截取伪码长度N组成的信号成分；

步骤4.2，计算元素补集，

r′_j＝[r_i′(1:i-1),r_i′(i+1:2N)]

其中，[r_i′(1:i-1),r_i′(i+1:2N)]表示由信号r′起始位置到移位值i-1处组成的信号分量和信号r′从i+1位置到信号r′末尾2N处的信号分量组成的信号成分；

步骤4.3，将元素补集和取绝对值后再求和作差，得到失步点t₀位置为：

2.根据权利要求1所述的短码直扩信号伪码序列盲估计方法，其特征在于：所述步骤2采用分数低阶联合M估计的方法构造接收信号观测矩阵。

3.根据权利要求2所述的短码直扩信号伪码序列盲估计方法，其特征在于：所述步骤二包括：

步骤2.1，采用α稳定分布模型对冲击噪声进行建模，α稳定分布的特征函数为

其中，α∈(0,2]是特征因子，β∈[-1,1]为对称参数，γ＞0为分散系数，-∞＜u＜∞为位置系数，jut为预先定义的常数值；

步骤2.2，假设q段分段信号两两不相关，且统计独立，信号成分和噪声成分相互独立且均服从相同特征指数大小，及位置系数为零的SαS分布，计算出t时刻的接收信号矩阵

k＝1,2,...,q代表接收信号的各分段数，a_k(t)代表数据信息，s_k(t)代表伪码序列信息，n(t)表示接收信号噪声成分；

步骤2.3，假设w(t)＝a_k(t)s_k(t)，r(t)＝w(t)+n(t)，w(t)与n(t)相互独立，计算出接收信号的共变矩阵：

[r_i(t),r_j(t)]_α＝[w_i(t)+n_i(t),w_j(t)+n_j(t)]_α

＝[w_i(t),w_j(t)]_α+[w_i(t),n_j(t)]_α+[n_i(t),w_j(t)]_α+[n_i(t),n_j(t)]_α，i和j为正整数；

步骤2.4，计算出噪声分量的共变矩阵

[n_i(t),n_j(t)]_α＝γ_nδ_i,j；

其中，γ_n＝[n_k(t),n_k(t)]_α，δ_i,j为Kronecker函数；

步骤2.5，根据噪声分量的共变矩阵，计算出接收信号的共变矩阵

为第k个γ_s；

步骤2.6，计算出观测向量r_k的共变矩阵

Γ_R＝[r(t),r(t)]_α＝AΓ_sA^α-1+γ_nI

其中，A和I为预设的常数值，γ_sq为第q个γ_s，q为大于1的正整数；

步骤2.7，计算出信号协方差矩阵

R_i,j＝E{r_i(t)r_j(t)|r_j(t)|^p-2sign(r_i(t)r_j(t))},1＜p＜α；

其中，E(·)表示期望。

4.根据权利要求2或3所述的短码直扩信号伪码序列盲估计方法，其特征在于：步骤二还包括：

步骤2.8，根据Huber类M估计加权函数，计算由分数低阶联合M估计构造的接收信号观测矩阵：

R_i,j＝E(r_i(t)r_j(t)|r_j(t)|^p-2sign(r_i(t)r_j(t))

f(r_i(t)r_j(t)|r_j(t)|^p-2sign(r_i(t)r_j(t))))，

1＜p＜α；

其中，Huber类M估计加权函数为θ为限幅值。