论文部分内容阅读
直接序列扩频信号的伪随机码估计的研究一直是比较热门的研究领域，目前已经有了数种方法可以做到对直接序列扩频信号中伪随机码序列的估计，如特征分析法，相位叠加法等，从特征分析法的原理还引出了诸如神经网络的方法和自适应FIR滤波器的方法等。 由于人工神经网络良好的并行计算能力和非线性等特性，因此本文主要研究使用基于神经网络的方法估计直接扩频序列信号中伪随机码的问题，通过理论分析和仿真试验，得到了在较低信噪比条件下伪随机码估计的有效方法。同时对不同伪随机码的估计方法作了性能分析及比较，验证了算法的有效性。主要的内容和创新如下： 1、对特征分析法作了较为详细的讨论和性能分析，同时由于一般的特征分析法存在估计伪随机码序列时相位不确定的缺陷，因此又探讨了两种改进算法，即宽窗口特征分析法和盲同步特征分析法，并对他们做了算法分析和仿真试验，试验的结果证明了这两种方法很好的改进了原算法存在的缺陷。 2、对使用约束Hebb算法的人工神经网络作了具体的分析，并介绍了该神经网络的突触权值最终将收敛于DS／SS信号的伪随机码序列。同时还对使用广义Hebb算法的神经网络做了理论分析，通过计算机仿真试验证明了使用GHA算法的神经网络的突触权值也将最终收敛于伪随机码。 3、分析了使用APEX算法的神经网络在实现估计DS／SS信号PN码序列的理论基础，这是一种具有前向连接和反馈连接的一种网络，由于反馈连接的存在使它能够有效地抑制突触权值在迭代过程中的溢出问题。还对一种基于广义PCA算法的人工神经网络模型作了探讨，根据该广义PCA算法可以推出一系列的线性PCA算法。 4、分析了一种使用误差反向传播算法的神经网络的方法用来估计DS／SS信号的PN码序列。首先从理论上分析了该算法的有效性，并对该算法的学习参数经过改进和分析，提出一种变步长的算法，使得原算法的收敛迭代步数大大减少。