一种同频混合信号伪随机序列盲估计方法的研究

李在林++王松波

摘 要： 通常采用独立分量分析法（ICA）采集同频混合信号时存在盲分离随机性问题，不能分离出同频混合信号伪随机序列，无法对信号进行准确检测。为解决该问题，提出融合独立分量分析法以及Massye算法的同频混合信号伪随机序列盲估计方法。先采集同频混合信号，再通过PCA方法对同频混合信号进行白化预处理，对同频混合信号的协方差矩阵的特征值进行分解，确保信号间相互独立，为后续ICA方法进行数据分割提供基础。采用基于峰度的固定点ICA算法对白化处理后的同频混合数据进行划分，融合ICA和Massye算法，对同频混合信号的伪随机序列进行盲估计。实验结果说明，该方法可以获取准确的同频混合信号伪随机序列，具有较强的信号分离性能。

关键词： 同频混合信号； 伪随机序列； 盲估计； Massye算法

中图分类号： TN911?34 文献标识码： A 文章编号： 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

扩频通信是当前通信领域中的重要通信手段，其中的直扩频系统可将待发送信息通过伪随机序列扩展到更宽的频带中[1]。干扰信号和伪随机序列间相互独立，极大地降低了信号频带中有干扰信号的功率，可增强总体扩频通信系统的抗噪性。直扩频技术广泛应用在通信抗干扰、导航以及保密通信等领域[2]。因此，对直扩频系统中伪随机序列的检测方法进行研究，实现信息的准确侦察，具有重要的应用价值。

1 融合独立分量分析法和Massye算法的伪随

机序列盲估计

本文融合独立分量分析法ICA和Massye算法完成多用户中的同频混合信号的检测，可分离出有价值的同频混合信号，解决了单纯盲分离存在的随机性问题[3]。本文方法的總体操作流程如图1所示。

1.1 采集同频混合信号

通过逻辑的方法，利用逆矩阵求解联立方程组，进而解得伪随机序列的线性反馈移位寄存部件的抽头系数最终将同频混合信号的伪随机序列还原。

2 实验仿真

采用Matlab仿真实验验证本文方法的有效性，实验对两个同频混合信号进行分析，设置信噪比是-5 dB，其中同频混合信号1为单径，信号幅度是1，包含7个滞后伪随机序列，其伪随机序列产生的多项式是。同频混合信号2是两径混合，信号多径幅度是1，0.5，设置观测样本数量为600。

实验过程中可以看出，采用本文方法迭代运算时逐步向稳定靠近，如图2所示。

图3（a）为对迭代结果进行逆运算获取的内同同频混合信号1的对应列向量图3（b）为单径同频混合信号的伪随机序列。分析图3可得，在不存在多径影响的状态下，采用本文方法获取的可估计出同频混合信号的伪随机序列。

图5（a）～（c）分别表示同频混合信号以及对应内的3个列向量，图5（d）是3个列向量之和对其中的序列采集比特运算抽头系数，进而获取多项式，可以看出得到的结果是准确的。

从图6描述的本文方法分离同频混合信号信息的性能曲线可以看出，本文方法进行同频混合信号划分的误比特率随着信号伪随机序列数量的增加而降低，信息分离性能较强。

3 结 论

本文融合独立分量分析法和Massye算法对同频混合信号伪随机序列进行盲估计。采用该种方法对同频混合信号进行检测的过程中，能够将分离出的同频混合信号信息同伪随机序列对应，实现信息的准确侦察。

图6 本文方法的信号分离性能

参考文献

[1] 马欢，江桦.一种时变信道下基于粒子滤波的同频混合信号盲分离方法[J].信息工程大学学报，2014，15（2）：181?186.

[2] 赵义正.一种利用矩阵谱范数的直扩信号盲同步方法[J].微型机与应用，2015，34（9）：57?58.

[3] 杨勇，张冬玲，彭华，等.利用Gibbs采样的同频混合信号单通道盲分离[J].通信学报，2015，36（4）：156?162.

[4] 景增增，李杰，范成叶，等.旋转弹用微惯性测量组合数模混合信号采编系统设计[J].科学技术与工程，2014，14（14）：206?211.

[5] 易辉，侯孝民，吴涛.一种基于频率校正的BPSK信号高精度载频估计算法[J].现代电子技术，2015，38（22）：4?7.

[6] 赵知劲，顾骁炜，沈雷，等.基于缺失数据模型的长码直扩信号的伪码估计[J].通信学报，2015，36（5）：23?30.

[7] 同鸣，田伟娟.一种INMF的抵抗强几何攻击视频水印构架[J].西安工程大学学报，2016，30（1）：58?65.

[8] 曾现巍，许凌云，江晓波.基于快速EEMD单通道混合信號分离算法的研究[J].电子设计工程，2015，23（14）：20?22.

[9] 程凯，董雪.基于小波分解和Duffing振子的变尺度微弱信号检测[J].计算机测量与控制，2014，22（6）：23?43.

[10] 王唯贤.多样性音频视频混合信号抗干扰模型仿真[J].计算机仿真，2014，31（9）：212?215.