[发明专利]一种基于Volterra自适应滤波器的混沌扩频因子盲估计方法

摘要

本发明属于通信技术领域，具体的说是一种基于自适应滤波器的混沌扩频因子盲估计方法。本发明本质上是利用混沌扩频序列在符号翻转的时候已经收敛的Volterra自适应滤波器权值会发生剧烈突变这一特性，进行符号翻转点的检测,进而估计出扩频因子这一参数。本发明的方法具有很强的普适性，对于不同类型的混沌扩频序列，都能较准确的盲估计出其扩频因子。本发明在低信噪比下依然有很高的估计性能。

主权项

1.一种基于Volterra自适应滤波器的混沌扩频因子盲估计方法，其特征在于，包括以下步骤：S1、设某个通信接收装置接收的混沌扩频信号为将其归一化：其中N为数据长度；S2、对xn进行相空间重构得到矢量Un：根据测量值xn,n＝1,2,...N，构造一组d维向量：Un＝[x(n),x(n‑τ),x(n‑2τ),...,x(n‑(d‑1)τ)],n＝(d‑1)τ+1,...Nτ为时间延迟，d为嵌入维数，由xn构造Un的过程称为相空间重构，具体步骤包括：S21、采用自相关法计算时间延迟τ，先计算出混沌序列自相关函数：当自相关函数下到:R(τ0)＝(1‑e‑1)R(0)时，所得到的τ0即为重构相空间的延迟时间；S22、虚假邻近点法计算嵌入维数d：在d维相空间中，每一个矢量yi(d)＝(x(i),...,x(i+(d‑1)τ)),1≤i≤n‑(d‑1)τ都有一个欧几里德距离的最邻近点yn(i,d)(d)，其距离是：Ri(d)＝||yi(d)‑yn(i,d)(d)||2当相空间的维数从d变成d+1时，这两个点的距离就会发生变化，新的距离是Ri(d+1)，设Ri(d+1)比Ri(d)大很多，则认为这是由于高维混沌吸引子中两个不相邻的点投影到低维坐标上变成相邻的两点造成的，这样的临近点是虚假的，令：ai(d)＝||Ri(d+1)‑Ri(d)||/Ri(d)当Ri(d)趋于稳定时，即ai(d)小于设定的阈值a0时，认为混沌吸引子已经完全打开，此时的d即为嵌入维数；S23、根据计算所得的τ,d，用xn构造矢量Un；S3、将Un作为Volterra自适应FIR滤波器的输入信号矢量，利用RLS算法计算Volterra自适应滤波器权值H＝[w1n,w2n,...wmn...wMn]，其中M为滤波器阶数，wmn表示自适应滤波器的在n时刻的第m个权值，RLS算法的详细步骤如下：S31、初始化，δ为小的正数，为单位矩阵；权值向量初值S32、对于k＝1,2,3,…N，λ为接近1的数，进行以下迭代运算：S4、在H中任取一个滤波器权值序列wm，作差分处理：dk＝wmk+1‑wmk,k＝1,2,...N‑1S5、搜索dk中的跳变点：设定一个门限d0，遍历dk,k＝1,2,3...N‑1，若有dk＞d0，则记录跳变点索引k并保存,遍历完后，可得到全部跳变点的索引：k＝[k1,k2,...kl]S6、计算相邻索引的间隔：Di＝ki+1‑ki,i＝1,2,...l‑1S7、扩频因子盲估计值即为所有Di(i＝1,2,...l‑1)的最大公约数：Gain＝gcd{D1,D2,...Dl‑1}。