基于LEAP神经网络同步DS-CDMA伪码序列盲估计

摘要：

针对特征分解方法在实现非等功率同步直接序列码分多址(DS-CDMA)信号伪码序列盲估计时存在的处理数据向量不能太长以及不能工作于非平稳环境中的问题,引入了一种由主分量分析实现自适应特征提取的在线无监督学习(LEAP)神经网络(NN).首先将已分段的一周期DS-CDMA信号作为NN的输入信号,用NN各权值向量的符号函数代表DS-CDMA信号各用户的伪码序列,然后通过不断输入信号来反复训练权值向量直至收敛,最终DS-CDMA信号各用户的伪码序列就可以通过各权值向量的符号函数重建出来.此外,采用变步长以提高收敛速度.理论分析与仿真实验表明,LEAP NN至少可以实现-20 dB信噪比下10个用户的非等功率同步DS-CDMA伪码序列盲估计,并且比传统的SangerNN具有更快的收敛速度.

关键词：主分量、特征提取、神经网络、码分多址、伪码序列、盲估计

所属期刊栏目：34

分类号：TN911.23

资助基金：国家自然科学基金资助项目61371164,61275099;信号与信息处理重庆市市级重点实验室建设项目CSTC2009CA2003;重庆市杰出青年基金项目CSTC2011jjjq40002;重庆市教育委员会科研项目J130524;重庆市研究生科研创新项目CYS14140

在线出版日期：2017-05-10（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：552-556