利用FastICA和三階相關函數的多天線輔助NPLC-DS-CDMA擴頻碼盲估計

尹 輝 趙知勁

(杭州電子科技大學通信工程學院，浙江杭州 310018)

1 引言

長碼直擴CDMA(long-code direct sequence code division multiple access，LC-DS-CDMA)信號在一個擴頻周期內有多個信息符號，具有很強的保密性，因此在軍事和民用通信系統(tǒng)廣泛運用[1-3]。由于長碼周期過長，通常在接收端很難截獲包含一個完整擴頻碼周期的信號，因此擴頻碼盲估計更加困難。

針對周期LC-DS-CDMA擴頻碼盲估計，文獻[4]將LC-DS-CDMA信號等效為含有缺失數據的短碼直擴信號，再利用嵌套迭代最小二乘投影算法估計擴頻序列；文獻[5]利用m序列的三階相關函數(triple correlation function，TCF)峰值點不同的特點構造TCF的特征信息矩陣，然后將LC-DS-CDMA信號TCF值與特征信息矩陣匹配，估計各用戶擴頻碼；文獻[6]和文獻[7]對LC-DS-CDMA信號分段，再利用FastICA算法估計擴頻碼片段，將擴頻碼片段拼接得到擴頻碼。上述LC-DS-CDMA信號的擴頻碼盲估計方法都只針對周期信號，截獲的接收信號需要包含完整的擴頻碼周期。針對非周期(non-periodic，NP)擴頻碼盲估計，文獻[8]利用不同周期m序列三階相關函數存在共同峰的特點，計算NPLC-DS-DSSS信號TCF值，篩選共同峰得到擴頻碼本原多項式；文獻[9]在此基礎上采用擬合優(yōu)度檢驗對共同峰進行篩選，提高了估計正確率。文獻[8]和文獻[9]針對的是單用戶長碼直擴信號。對于非周期LC-DS-CDMA信號，由于信號結構更加復雜，且接收信號沒有包含一個完整周期擴頻碼，所以擴頻碼的盲估計難度很大，關于此類信號的研究成果還未見公開報道。

本文針對多天線NPLC-DS-CDMA信號，將接收信號矩陣進行奇異值分解，對左奇異向量張成的信號子空間利用FastICA算法進行盲源分離[10]，得到各個用戶的擴頻信號；對擴頻信號利用延遲相乘法消除信息碼影響，然后計算三階相關函數[11]，通過比較TCF估計值與理論值的距離篩選估計的TCF峰值點，最后利用矩陣斜消法得到擴頻碼本原多項式。

2 信號模型

第k個天線的接收信號基帶模型可表示為

l=1,2,…,L

(1)

式(1)可表示為矩陣形式

yk=Sak+vk

(2)

其中，ak為第k個天線的接收增益，ak=[ak1ak2…akr]T，S為擴頻信號矩陣，S=[s1s2…sR]，S是一個L×R的矩陣。則K個天線接收信號矩陣為

Y=SA+V

(3)

式中，Y為接收信號矩陣；A為接收增益矩陣。

3 算法

3.1 基于FastICA算法的擴頻信號盲估計

對式(3)中接收信號Y進行奇異值分解得到最大的R個奇異值對應的左奇異特征向量U，特征向量U的列向量張成的子空間與擴頻信號矩陣S的列向量張成的子空間屬于同一個子空間，假設它們之間存在的線性變換為T，則：

U=TS

(4)

式(4)是一個典型的盲源分離模型，估計擴頻信號矩陣S就相當于從特征向量U中分離源信號，利用FastICA算法可以完成擴頻信號矩陣的估計。

首先對U進行白化預處理，從而簡化獨立分量提取過程，提高算法收斂性。如式(5)所示，白化矩陣為B0，白化后得到白化向量為Z。

Z=B0U

(5)

利用主分量分析，得到白化矩陣為

(6)

其中Λ和Us分別代表信號U的協方差矩陣的特征值矩陣和特征向量矩陣。得到白化向量Z后，估計分離矩陣W的FastICA算法的迭代如下：

wt=wt/‖wt‖

(7)

(8)

3.2 擴頻碼TCF估計值

理論上，m序列cr(l)的TCF為：

Cr(p,q)=E{cr(l)cr(l+p)cr(l+p)}

(9)

完整周期的cr(l)的TCF值為：

(10)

(11)

(12)

3.3 擴頻碼TCF峰值點檢測

根據式(12)可以得到擴頻碼cr(l)的TCF值。TCF值表示成矩陣形式如下：

理論上，m序列的TCF峰值點和非峰值點可以清楚區(qū)分，但是由于噪聲干擾、接收長度受限和延遲相乘帶來的誤差，估計得到的TCF與理論值存在較大偏差，如果僅通過設置門限值提取峰值點，容易產生漏檢和錯檢，而且計算量較大，因此本文根據m序列性質，對TCF峰值點進行篩選，以獲得更準確的峰值點。

(13)

通過粗篩選得到I個坐標點后，需要對這些坐標點進行更精確的篩選。由m序列的性質[13]可知，若m序列在(p,q)處存在峰值點，則(2ipmodNr,2iqmodNr),i=0,1,2,3,…處也存在峰值點。

(14)

根據m序列的三階相關性質可知，不同m序列具有不同分布的TCF峰值點，利用矩陣斜消法從兩個TCF峰值點多項式得到m序列的本原多項式[14]，即為擴頻碼本原多項式。

綜上所述，本文提出的多天線輔助NPLC-DS-CDMA信號的擴頻碼本原多項式盲估計算法主要步驟如下：

(1)將多天線NPLC-DS-CDMA信號按式(2)和式(3)構建成矩陣信號Y；

(2)對Y進行奇異值分解，得到左奇異特征向量U;

(4)根據式(13)和式(14)對三階相關值進行篩選求出峰值點，利用矩陣斜消法估計擴頻碼本原多項式。

4 算法仿真與性能分析

①算法性能與天線個數的關系。用戶個數R=3，3個用戶依次使用表1中11階m序列作為擴頻碼，接收信號長度為L=1000，天線個數分別為K=10、K=15和K=20時，本文算法的正確率曲線如圖1所示。

從圖1可知，天線個數越多，擴頻碼本原多項式估計正確率越高，算法性能越好。由于每個天線接收的信號承載著相同的擴頻碼信息，天線個數越多，獲得的擴頻碼信息越多，FastICA方法從中分離出的擴頻信號誤差減少，因此擴頻碼本原多項式估計正確率提高。

②算法性能與信號長度的關系。天線個數K=10，用戶個數R=3，3個用戶依次使用表1中11階m序列作為擴頻碼，接收信號長度分別為L=500、L=1000和L=1500時，本文算法的正確率曲線如圖2所示。

表1 不同用戶使用的擴頻碼

圖1 算法性能與天線個數的關系

圖2 算法性能與信號長度的關系

從圖2可知，接收信號越長，擴頻碼本原多項式估計正確率越高。因為接收信號越長，估計得到的延遲后擴頻碼片段越長，計算的TCF值越接近于完整周期擴頻碼的TCF值，更容易篩選得到正確的TCF峰值點，因此擴頻碼本原多項式估計正確率更高。

③算法性能與用戶個數的關系。天線個數K=10，接收信號長度為L=1000，依次使用表1中11階m序列作為擴頻碼，用戶個數為R=2、R=3和R=4時，本文算法的正確率曲線如圖3所示。

由圖3可知，用戶個數增多，本文算法估計性能下降。因為用戶個數增多，用戶之間的干擾增大， FastICA算法分離的擴頻碼誤差增加，從而使本文算法的估計正確率下降。

圖3 算法性能與用戶個數的關系

④算法性能與擴頻碼周期長度的關系。天線個數K=10，接收信號長度為L=1000，用戶個數R=3，信號1的3個用戶分別使用表1 中10階、11階和12階m序列的用戶1的本原多項式產生周期為N1=1023、N2=2047和N3=4095的擴頻碼，信號2中3個用戶依次使用表1中11階m序列作為擴頻碼即N1=N2=N3=2047。信號1和信號2的R個用戶擴頻碼本原多項式估計正確率如圖4(a)所示；信號1中每個用戶擴頻碼本原多項式估計正確率如圖4(b)所示。

圖4(a) 算法性能與擴頻碼長度的關系

圖4(b) 信號1各個用戶擴頻碼估計性能

由圖4可知，本文算法適用于各個用戶擴頻碼周期長度不同的情況；當接收信號長度一定時，擴頻碼周期越小，本原多項式估計正確率越高。因為擴頻碼周期越小，接收信號中包含的該擴頻碼的信息越完整，TCF峰值點估計越準確，擴頻碼本原多項式估計正確率越高。

⑤與文獻[5]和文獻[9]算法對比。目前無公開報道關于NPLC-DS-CDMA信號擴頻碼盲估計算法，文獻[5]針對周期LC-DS-CDMA信號，文獻[9]針對單用戶NPLSC-DSSS信號，同樣適用于單用戶NPLC-DSSS信號，為了更好地驗證本文算法性能，比較本文算法與文獻[5]、文獻[9]算法對NPLC-DS-CDMA信號擴頻碼估計性能。用戶個數R=3，3個用戶依次使用表1中11階m序列擴頻碼即N1=N2=N3=N=2047，接收信號長度分別為L=N/2，天線個數K=10，對每個天線接收到的信號應用文獻[5]以及文獻[9]算法估計擴頻碼本原多項式，統(tǒng)計從所有天線接收信號中估計得到的擴頻碼本原多項式，選取出現次數最多的R個本原多項式作為文獻[5]及文獻[9]算法估計所得的擴頻碼本原多項式。本文算法和文獻[5]、文獻[9]算法的R個用戶擴頻碼估計正確率如圖5所示。

由圖5可知，對于NPLC-DS-CDMA信號擴頻碼盲估計，本文算法性能優(yōu)于文獻[5]和文獻[9]算法。文獻[5]算法適用于周期CDMA信號，文獻[9]算法適用于單用戶非周期直擴信號，二者對NPLC-DS-CDMA信號估計性能嚴重惡化，本文算法能夠實現NPLC-DS-CDMA信號的擴頻碼盲估計，且隨著信噪比增加，估計正確率增大。

圖5 算法性能對比

5 結論

本文針對NPLC-DS-CDMA信號的擴頻碼盲估計，利用多天線輔助、奇異值分解和FastICA算法從接收信號矩陣中估計得到擴頻信號，利用延遲相乘法去除擴頻信號中的未知信息碼，再估計三階相關函數的峰值點，最后利用峰值點估計得到擴頻碼本原多項式。

[1] Mirbagheri A, Yoon Y C. A blind adaptive receiver for interference suppression and multipath reception in long-code DS-CDMA[C]∥IEEE International Conference on Communications. IEEE, 2015:242-246.

[2] 熊剛, 彭勃. 一種改進的周期長碼擴頻序列盲估計方法研究[J]. 通信技術, 2015, 48(3):272-277.

Xiong Gang, Peng Bo. A Modified Blind Estimation in PLC DSSS Communications[J]. Communications Technology, 2015,48(3):272-277.(in Chinese)

[3] Xia W, Zhou Y, Meng Q. Run-length method for determining the segmentation length based on the segmentation long-code blind estimation[J]. Iet Signal Processing, 2016, 10(7):732-736.

[4] 張?zhí)祢U, 強幸子, 馬寶澤,等. 基于最小二乘的同步多用戶非周期長碼直擴信號擴頻序列估計[J]. 電波科學學報, 2016, 31(6):1113-1122.

Zhang Tianqi，Qiang Xingzi, Ma Baoze，et al. Estimation of the spread spectrum sequence for synchronous multi-user a periodic long-code DSSS signals based on least squares[J]. Chinese Journal of Radio Science,2016, 31(6):1113-1122. (in Chinese)

[5] 趙知勁, 強芳芳, 顧驍煒,等. 利用三階相關特征信息的周期長碼擴頻信號偽碼盲估計[J]. 信號處理, 2016, 32(6):739-745.

Zhao Zhijin, Qiang Fangfang, Gu Xiaowei,et al. Blind Estimation of Pseudo-Random Codes in Period Long Code Spread Spectrum Signals by Using Triple Correlation Feature Information[J]. Journal of Signal Processing,2016, 32(6):739-745. (in Chinese)

[6] 陸鳳波, 黃知濤, 姜文利. 基于FastICA的CDMA信號擴頻碼盲估計及性能分析[J]. 通信學報, 2011, 32(8):136-142.

Lu Fengbo, Huang Zhitao, Jiang Wenli. Blind estimation of spreading sequence of CDMA signals based on Fast-ICA and performance analysis[J]. Journal on Communications, 2011, 32(8):136-142. (in Chinese)

[7] 任嘯天, 徐暉, 黃知濤,等. 基于FastICA的CDMA信號擴頻碼優(yōu)化盲估計[J]. 電子學報, 2012, 40(8):1532-1538.

Ren Xiaotian, Xu Hui, Huang Zhitao, et al. Fast-ICA Based Optimize Blind Estimation of Spreading Sequence of CDMA Signals[J]. Acta Electronica Sinica, 2012, 40(8):1532-1538. (in Chinese)

[8] 趙知勁, 顧驍煒, 沈雷,等. 非周期長碼直擴信號的偽隨機碼盲估計[J]. 通信學報, 2015, 36(5):23-30.

Zhao Zhijin, Gu Xiaowei,Shen Lei, et al. Blind estimation of pseudo-random codes in non-periodic long code direct-sequence spread-spectrum signals[J]. Journal on Communications, 2015, 36(5):23-30. (in Chinese)

[9] 趙知勁, 強芳芳, 李淼,等. 利用擬合優(yōu)度檢驗的NPLSC-DSSS信號偽碼盲估計[J]. 電子與信息學報, 2017, 39(3):749-753.

Zhao Zhijin, Qiang Fangfang, Li Miao, et al. Blind Estimation of Pseudo-random Noise Codes in NPLSC-DSSS Signals Based on Goodness of Fit Test[J]. Journal of Electronics & Information Technology, 2017, 39(3):749-753. (in Chinese)

[10] Singh A, Anand R S. Overview of the performance of fast ICA and DUET for blind source separation of multiple speakers[C]∥Recent Advances in Electronics & Computer Engineering. IEEE, 2016:296-300.

[11] 俎云霄, 汪芙平, 王贊基. m-序列的三階相關函數及其峰值特性[J]. 天津大學學報, 2004, 37(9):836- 841.

Zu Yunxiao, Wang Fuping, Wang Zanji. Triple Correlation Function of m-Sequence and Its Peak Feature[J]. Journal of Tianjin University, 2004, 37(9):836- 841. (in Chinese)

[12] 張?zhí)祢U, 易琛, 張剛,等. 基于高斯列消元法的線性分組碼參數盲識別[J]. 系統(tǒng)工程與電子技術, 2013, 35(7):1514-1519.

Zhang Tianqi, Yi Chen, Zhang Gang, et al. Blind identification of parameters of linear block codes based on columns Gaussian elimination[J]. Systems Engineering & Electronics, 2013, 35(7):1514-1519. (in Chinese)

[13] 邱秩修. 長碼直擴信號中的擴頻序列估計[D].成都：電子科技大學, 2012.

Qiu Zhixiu. Estimation of the Spreading Codes of the Long-Code Direct Sequence Spread Spectrum[D]. Chengdu: University of Electronic Science and Technology of China,2012. (in Chinese)

[14] 張曉林, 佟婧, 李佑虎. 高階統(tǒng)計分析的m序列檢測新方法[J]. 哈爾濱工程大學學報, 2010, 31(3):386-390.

Zhang Xiaolin, Tong Jing, Li Youhu. A New Method for m-sequence Detection using Higher-order Statistics[J]. Journal of Harbin Engineering University, 2010, 31(3):386-390. (in Chinese)