基于重采样技术的短码直扩信号伪码估计

探测与控制学报Vol. 40 No. 2Apr. 2018

2〇18年4月

Journal of Detection & Control

基于重采样技术的短码直扩信号伪码估计

吴培培，史英春，张旻

(国防科技大学电子对抗学院，安徽合肥232037)

J商要：针对以非整数倍码元速率的采样率对空中截获到的短码直扩信号采样给伪码估计造成的抽样判决困

难,提出了有效利用重采样技术实现伪码估计的方法。该方法首先利用短码直扩信号的强自相关特性,滑动信 号窗口找出伪码起始点;在此基础上计算采样率的变化情况,完成对信号的重采样，从而使得每个直扩信号码 元上的采样点数变为相等的整数个，即将非整数倍采样问题简化为整数倍采样问题;最后用数字正交解调实现 伪码估计。实验结果表明，方法能够克服非整数倍码元速率的采样率情况下伪码估计时抽样判决点选取的不 确定性，实现有效可靠的伪码估计。

关键词：短码直扩信号;非整数倍采样;重采样技术;伪码估计

中图分类号:TP391. 41 文献标志码：A 文章编号= 1008-1194(2018)02-0135-06

Short-code DSSS Pseudo Code Estimation Signals

Based on Resampling Technique

WUPeipei，SHIYingchun，ZHANG Min

(Electronic Engineering Institute of PLA，Hefei 230037，Anhui)

Abstract: In order to overcome the difficulty of sampling decision in pseudo code estimation based on non inte­ger multiple symbol rate sampling for short-code DSSS signals intercepted from air , an efficient method using re­sampling technique was proposed for pseudo code estimation Firstly，the strong autocorrelation characteristicsof short-code DSSS signals was used to find the initial sampling points of pseudo code by sliding signBased on this，the change of sampling rate was calculated ，then the resampling of signals was completed，sothat the number of sampling points on each DSSS element changed to the equtl integer. Finally , pseudo code es­timation was realized by digittl quadrature demodulation Experimental results showed that the method could o­vercome the uncertainty of sampling decision point selection in pseudo code estimation based on non integer mul­tiple symbol rate sampling，and realized pseudo code estimation with validity and reliability.Key words: short-code DSSS； non integer multiple sampling； resampling technique； pseudo code estimation

在通信对抗行动中，通信侦察方期望获得敌方

0引言

直接序列扩频

直扩通信的扩频伪码序列，进而解扩得到信息序列。 然而作为非合作方所能获得的有关通信协议十分有

（Direct SequenceSpreadSpec-

限，因此如何利用有限的先验知识快速而准确地从 截获信号中估计扩频伪码序列就是极为重要和迫切

的。

目前常见的短码直扩信号的伪码估计方法有神 经网络方法)]、时域相关检测方法)4]、矩阵特征分 解方法)7]等。这些方法要求先以整数倍码元速率 的采样率对空中信号进行采样，然后从采样信号解

trum，DSSS)通

信具有优异的抗干扰能力、多址能

力、保密和抗多径性能，因而被广泛地应用于无人机 遥控、卫星导航和3G蜂窝手机等军事和民用通信 系统中。短码直接序列扩频是用一个周期伪码序列

(PseudoNoise Code, PN Code)去调制一■个信息码

元，是目前应用较为广泛和研究较多的直扩体制）]。

\"收稿日期=2017-10-22

作者简介:吴培培(1995—)，男，安徽无为人，硕士研究生，研究方向:通信信号分析与处理。E-mail:321455652@qq. com。

136探测与控制学报

得到基带0/1 提取出

较

大

采样序列，再 间隔从中

般

基带0/1序列性带来很大

，采样致，

。然而 ，给

方侦收到的信 估计的 以 为零 加性高斯 声。

以采样率/s对rG)进行等间隔采样，得到离散 的数字中频信号：

r(n)= d(n)p(n) cos\"〇n)$ nO

质量较差，直接从空中采样信 影响;另一方面，实际中 设备所能提供的采 整数倍关系，使得每 (2)

取采样信

信号码

上的采样点数不

式⑵中，采样信号r(n)的矢量形式为r = )$ r2， ，…]，采样时刻n = 1，2,3,…。记^为第i段伪码 采样信号，rSi为 始点，位于采样信号r的

提取

的

点的

选择变得十分，方法估计性能大为

，鲁棒性难以得到满

足，

的工程

还有较大

&

本文针对上述估计方法 的 ，提出了基

于重采样技术的 信

估计方法。该方

法能够克服非整数倍 的采

估计点选取的不 性，实验验证了方

法的

性和

性。

1基本理论

1.1信号

模型

1

所示为短码直扩信号的发射和接收处理模

型)]。

y

—Tp(f)

U

I伪码I I振荡器I

Y

I *r

T

IT/l

处理

fs

本

振

I

图1短码直扩通信侦收原理

Fig. 1 Principle of short-code DSSS reconnaissance

假设

信

过加性高斯

声信道，接收

机收到信 过混频滤波，得到中频信号)]%r(z〇 = d(Z〇p(Z〇cos(\"G)十 n()

(1)

式中，基带信号 d() = & \"=〇d„g (― nTQ )， dn =±1}为信息序列，TQ为信息

宽度；基带

信号 p( = & :=0&/=\"PY(( — mTp —

n4d)，{Pn =±1}为

序列，Tp为 宽度，

+P为

度'（）为发送滤波器、信道、接收滤波

器所构成的 系统 冲激响应\"t = 2-/c为射

频载波

\"a = 2-/a为收机本振角

_ =2-/〇 = 2-(/。一/a)为中频信

'（)

第G位；由于非整数倍

采样，各

•码周

期上的采样点数风实际上不尽相同，但在某个值N附近波动，本文将N称为伪码采样信号周期。

1.2

重采样机理

于本文研究的是基于非整数倍 的采

，因而 做非整数倍的采 变换。可以先作n咅内插再作D倍抽取来实现，即将采 变为原来的I/D倍，

的

内

前、抽取

，以 中间序列的谱宽度满足信号无.恢复的最

。非整数倍采

变换的实现

）]

2

。

图2 非整数倍采样率变换的实现框图

Fig. 2 Block diagram of non integer

multiple sample rate conversion

中将2个级联的

波器

为1个低通

滤波器，带宽为mm(-/D，-/7) $表示J倍内插器，

D表示D倍抽取器。

2 伪码 方法

到空中噪声污染的短码直扩信号的中频

采样信号波 3 &

,X10-3实际截获短码直扩信号波形

M

o

l

_50

0,5 1.0 1.5

t/s2.0

2.5 3.0 3.5

x 104

4.0

图3中频采样信号波形

Fig.；Waveform of intermediate frequency sampling signal

吴培培等:基于重采样技术的短码直扩信号伪码估计

本文方法 处理，处

程

4

收端中频采样的空中信号做

&

137

图中可以看到明显的相关谱尖峰，相邻谱尖峰N中频采样信号

图4

伪码估计处理流程

Fig. 4 Resampling estimation pseudo code process

先估计出 采样信 期和 始点两

参数，在此基础上进行信 采样，最后实现

估计。

2.1相关参数2.1.1

采样信

期估计

根据 信号的强

关性，可以由信号

的

关谱图估计出 采样信

期。为

信

中噪声对信 关尖峰的影响，可先对采样信

数据分段，各 关，再 关值叠加求和并画出谱图，这

以使信

关尖峰更加突

出[1M1]，相邻谱峰间

为伪码采样信号周期

N。

处理过程的数学表达为：

\"m(x) =

( r)sm( * $ t)1!# =

I

⑶

中，？为数据分段数，L为每段数据包含的采样点 数\"

m!

)为第

m段

数据的 关值，1!)为分段自

关的模和。

3

的中频采样信号进行采样数据分， 画出

关叠加谱

5

。

1 4 02 00 08 06 04 020

Ilf时延/s

X 104

s

图5 分段自相关叠加谱

Fig. 5 Segmented autocorrelation superimposed spectrum

间距即为。

2.1. 2

始点估计

设有3

的

0/1序

列

1

、

1

2、

13,当

1 #1#

一 1 = 12 = 13时，相邻伪码序

列内积值正负不同，即1，12 6 =—〈12，13 6。可以利用上述性质，在估计出 采样信

期N

的基

础上，通过滑动信 口找出 始

点

，滑动

信号窗口

6

&

信号窗口 2起点

_ -----------I1n-i

I

I ___________I

—

ri+i伪码走始点rs

ti\\\\：：m

J范围

伪码起始点r5ff+1

图6滑动信号窗口示意

Fig. 6 Schematic of sliding signal windows

滑动信 口确定采样信号r

中的 始点

的方法 ：设

信

口，窗口 1的起点

为伪码起始点

rs$，长

度为窗口 2的起点为后一始点rt#，长度

为

N。考虑到 '并不一

于采样信

号r的

，则窗口 1的起点从

r

开

始滑动;另考虑到伪码采样信号

r

的实际点数在估

计值

N

附近波动，因此设置波动区间办〜则窗口 2

的起点在范围1$N—dyn， rS1+S$Q&]内滑动。

口 1每滑

采样点，窗口 2要滑动一个

区间的采样点，计算内 rt =

〈的，％〉，则可得

到

内

数组，以其中的最值作为窗口1的起

点 前采样点时的前后信

口内 。逐个采

点地滑 口 1

，

当前后信

口内

变并且

发生改变时，改变之前的内积最

'应

的窗口 1起点即为rffi1。

2.2

信号重采样实现已经估计出

信

&的条件下，可以

采 /

s计

算出每

信

上的非整数

采样点数为/s/?,。现将其重采样至

的整数采样点/s/?,，进 计算出重采

的新的

采

为：

/s=「/s/?,l

.?, ⑷

138

式中，/为重采

的新的采样率，•‘

探测与控制学报

^向上取整。

始

表1

实验参数设置

2.1节中，已经找出采样信号

点

r中的

Tab. 1 Parameters forexperiment used

方

，从该点取出之后的采样信号：

2DPSK1 024 位 Gold 码

12.813.107226.2144r⑴

=

)$，r!)+i，r!)+2，…]

(5)

采样％

伪码波特率/kBoud码元速率/(Mchips/s)

以式(4)确定的新的采

r()重

r(2) = resample(r(1) ,/；,/,)=

[r##，rf+i，rf+2，…]

式中，resample!)表示以采 /;对采

(6)

载频/MHz为/;的离散信号

r()做

重采样，得到新的离散信号

r()。

以上即完成了 收端数字中频采样信号的重

采

。

2.3 伪码估计

完成信

采样之后，每

期上

相等的采样点数，从

始点提取出^

的伪

采样信号，分析其 ，再以软件无线电的方法)

]

现

得到

序列。下面以

的

2DPSK

为例，说

估计的具体方法。已经估计出

度为

的条

件下，可以

计算出重采

每

期上的采样点数为

没=/;/% .^。从离散信号

r()的

始，连

续取出为奇数）段伪码重采样信号ri()，r#(2)，

…，，#

，各

度均为没，即：

r⑶ # )i ⑵，r#(2)，…r ⑵]

(7)

式中

，r(2) = [r()+ (―1).汾，，2+ ( )1 )+1，…

，，#+•—1 ]，

i =

1，2,…，。

取出的6

采样信号r()数

字 解，得到各个采样点

的信

序列

r⑷=1,3))。。 分，得到差分相位序列，5)=diff(r(4))，并

补0表示第

采样点的

分相位，

持序列长度不变。假设“0”表示“

=

0-，“1” 表示“~

=± -，，，对

，5)取模值，6)=

abs(r(5))。通

过信道受到噪声污染的信号进人接收机

时幅度已 ，为

能带来的误判，将序列，6)

以重采

的

期采样点数没为间隔分为6段，即:，6) = )(6

)

，…，《 ]，

加

段新

的差分相位序列，7) = & 6=，6)，长度为没，每个伪

/;/&个序列点，等间隔选取抽样判决

点，得到最优

序列。

3 实验与结果分析

实验的相关参数设置如表1所示。

米样率/MHz

50

3.1伪码估计实验3.1.1

始点估计实验

已扩信号的码率为13.107 2 Mchips/s，采样率为 50 MHz，则每

信号码元上的采样点数为

50/13.107 2 = 3. 814 7个，进而伪码采样周期N为

1

024 • (50/13.1 072) = 3 906. 25,约为 3 906。

根据2.1节中的方法，将数字中频采样的信号数 据分段，画出自相关叠加谱图如2.1节图5所示。图中 出现明显的相关谱峰，相邻谱峰间距为3 906则U

论计算值

N—

致。

滑动信 口，画出前 口内 7所示，寻找 始点；1;'

寻找各

始点，进而计算出各

采样点数况

8

。

图7 信号滑动窗口前后内积值表示

Fig. 7 Representation of the inner values of signal

sliding windows before and behind

3 910

s

3 909 3 908 3 907 3 906 3 905 3 904 3 903 3 902

图8各段伪码采样点数表示

Fig. 8 Representation of each segment of the

PN code symbol points sampled

吴培培等：基于重采样技术的短码直扩信号伪码估计

7，可以明显发现内 始点'

的改变，找到

OIII11K01Q011I0101100010011000

100110010010101111100010110000 loosooooioiiioiotoiootooooon lOlliiOlOUOlOlOOUl 00 01100000 Moioooaooiuooniooooioooooio 01001011101110100110010110101】 lOIOOOUOOOlOOOiOOOIlOOllOOOlO llllOOOllOlOOOOOIlOlOllOOllOi 001010010110011101101000111K lOIOOOOlllOlOIOOOOIOOPIOlOIK 0011110000001000111011000001： IIIIOIIIIIIOMOIUOIMIIOOIK OOlOOlOOlllllllllOOIlltlOOIOl OIllOOOOIIOOOOlOOtOOtOikMIl! OlOOllllIOllOOllOlllOlOlllOOlOliooiiioiooioooioitnooiototoo

ollolloooolllloo

oQlQlo

-lolll

ilo^oolloo

lllltlolloool

loollooooco

oolllooolooltol

looolo

ollkloololloolololloooollooooo

•oloolootto — 1

Oo

IlOoOoIoOlIllloloollolllooolll

900

139

于整个采样信号的第9 630位。图％

显示，大多数伪码周期采样点数和没一致为3 906,但

分发生了波动，波动范围在2以内，这与 吻合，极少部分波动较大 的。

3.1.2信号重采样实验

已扩信

信

上

的

采

样

点

和采样率，可以计算出每 数

为

扩

于采样不准

l

o llolllloi11 o1ol1 o

0 o o0o •

馨籲

—

01

OOO图10恢复的伪码序列

Fig. 10 The restored PN sequences

3.2对比实验

3. 814 7个，现将其重采样 至整数个，即4个，

采样后每

期采样

点数即为々# 1 024 • ! # ! 096,新的采样率为/s #

13.107 2 . 4 # 52. 428 8 MHz。

验1

的 始点

'，取出之后的采

样信号，以新的采

/对其重采样，选择其中的5

信号画出信 波形，重采样前后波

比

9

&

xl〇-3

重采样前的信号时域波形

is

-2

40

400

800

1200

1600

2000

时间

,Xl〇-3

重采样后的信号时域波形

I

-2

'0

400

800

1200

1600

2000

时间

图9重采样前后的信号时域波形对比

Fig. 9 Signal time domain waveform

before and after resampling

过重采

，信

上的采样点更加密

集，时域波形更加 &

3.1.3

复实验采

的采样信

#3节的方法处理，遵

循伪码〇、1分布平衡的原则，等间隔选取合适的抽样

点，输出最优伪码序列，结

1〇

&验设置的伪码序列比较，恢复出的伪码序列

达到了 100%的

&以经典的矩阵特征分解方法为对比，说明本文方

法在非整数倍I

的采

的可靠性。矩

特征分¥方法恢复的伪码采样序列如图11所示。

M0

500 1000 1500 2I1000 25I00H

3000 35004000

序号

图11矩阵特征分解方法恢复的伪码采样序列

Fig. 11 The restored PN sampling sequences by matrix

eigenvalue decomposition method

每 信 上的采样点数为3.814 7

个，伪码采样周期为及=3 906. 25;实际做矩阵特征 分

，选取的数据窗长度[7]为3 906,因而恢复的采样序列有3 906个0/1值;此时如若能够正 选择

点就可以恢复出原始的1 024

-

序列，但

于

采样点数为非整数个，导

上每 上的采样点数不

，

叫点的

选择就变得十分

，

以得

到 复。

4结论

本文提出了基于重采样技术实现 信号估计的方法。该方法 中 的中频采信号进行处理，通过重采 得每

信号码上的采样点数变为

的整数个， 整数倍采为整数倍采

，最

数字

：

现

估计。实验结果表明，方法能够克服

整数倍

的采

估计

样

140探测与控制学报

判决点选取的不确定性，实现有效可靠的伪码估计。 方法克服了采样设备的采样率限制，提高了伪码估 计的鲁棒性，估计出的伪码序列可为之后进行欺骗 干扰提供有效支持，具有较高的工程应用价值。

[5] 强幸子，张天琪,赵军桃，等.非合作直扩信号伪码及信

息序列联合盲估计[J].重庆邮电大学学报（自然科学 版 #2016,28(4)468-472.

[6] 张花国，李立萍，陈天麒.一种DS/SS信号盲同步算法

[J].电子科技大学学报,2007,36(2) :207-209.

[7] 张天琪，张传武,林孝康，等.直扩信号伪码周期及序列

的估计算法[J]1365-1368.

.

参考文献：

[1] 赵鸿图，茅艳.通信原理MATLAB仿真教程[M].北

京:人民邮电出版社,2010.

系统工程与电子技术，2005,27 (8):

[8] 张天琪.直扩信号的盲处理[M].北京：国防工业出版

社,2012.

[2] 张天琪，周正中.直扩信号的谱检测和神经网络估计

[J].系统工程与电子技术,2001,23(12) :12-15.

[3] 罗军辉,姬红兵，江莉.直接序列扩频信号PN序列盲估

计方法[J].电子科技大学学报,2008,37(4) :480-492.

[9] 杨小牛，楼才义,徐建良.软件无线电原理与应用[M].

北京：电子工业出版社，2001.

[10] 罗名君，史英春，张旻.基于分层处理的短码直扩信号

盲解扩算法[J].探测与控制学报,2017,39(1) :26-30.[11] 张“梅.直扩信号检测与参数估计方法研究[D].西

安:西安电子科技大学，2014.

[4] 秦怡，田斌.直扩信号伪码的盲估计方法的研究[J].现

代电子技术,2007(3)54-56.

(上接第134页）

南京:南京邮电大学，2016.

[6] 詹曙，王俊，杨福猛，等.基于Gabor特征和字典学习的

4结论

本文提出了基于字典学习的图像稀疏去噪算

高斯混合稀疏表示图像识别[J].电子学报，2015, 43

(3)523-528.

示的SAR图像降斑方法：中国，CN103077503A[P].

[7] 钟桦，焦李成，潘秋丰，等.基于DCT字典同步稀疏表

2013.

[8] 练秋生，周婷.结合字典稀疏表示和非局部相似性的自

适应压缩成像算法[J].电子学报，2012，40(7): 1416­

法。该算法对图像进行分块处理，通过基于噪声图 像块训练字典，采用

K - SVD算

法对初始化

DCT

字典训练，然后用训练得到的字典对图像块进行稀 疏分解。仿真实验结果得出，不同稀疏字典的稀疏 去噪方法对具有不同细节信息的图像去噪性能影 响，在不考虑算法复杂度前提下，基于噪声图像训练 字典的图像稀疏去噪算法与其他两种算法相比去噪 性能较好。

1422.

中科技大学，2008.

[9] 邓承志.图像稀疏表示理论及其应用研究[D].武汉:华 [10] 高广春，尚丽娜，熊凯，等.冗余字典在压缩感知中的

应用研究[J].电路与系统学报，2012(6)107-110.

文 献：

)1] Aharon M，Elad M，Bruckstein A. The K- SVD： An

algorithm for designing overcomplete dictionaries for sparse representation)]. IEEE Transactions on Signal Processing，2006，54(11) ：4311-4322.

[2] 张敏.基于KSVD的双字典学习算法及其在图像处理

中的应用[D].北京:北京工业大学，2015.

[11] 刘世凯.基于稀疏表示的边缘保持图像去噪方法研究 [D].北京:北京理工大学，2015.[12] Tropp J, Gilbert A. Signal recovery from random meas­

urement via Orthogonal matching pursuit [J]. IEEE Trans. Inf. Theroy，2007，53(12)： 4655-4666.[13] Cri TT，Xu G, Zhang J. On recovery of sparse signals

via <1 minimization[J]. IEEE Transactions on Informa- tionTheory，2009，55(7) ：3388-3397.

[14] MohimaniH，Babaie-Zadeh M，Jutten C. A fast ap­

proach for overcomplete sparse decomposition based on smoothed <〇 norm [ J ] . IEEE Transactions on Signal Processing，2008，57(1) ：289-301.

[15] Ranjan Maitra，Thomas Mathew. Analysis of variance

in statistical image processing [ J ] . Technometrics， 2000，42(2) ：212-213.

[3] 何俊飞，李峰，张建明，等.使用双稀疏的图像去噪算法

[J].小型微型计算机系统，2015, 36(5)1109-1112.[4] 高美凤，王晨.基于联合滤波的聚类稀疏表示图像去噪

算法[J].计算机工程与应用，2015, 51(24)180-185.

[5] 宋成伶.基于稀疏表示的图像去噪的研究与实现[D].