基于循环谱的DSSS信号检测方法研究

基于循环谱的DSSS信号检测方法研究

周钱;臧国珍;宋慧颖

【摘要】DSSS (Direct sequence spread spectrum) communication is widely used in military communications for its excellent performance in anti-interception and anti-jamming. Aiming at the cyclic spectrum detection of DSSS signals, a method of signal detection performance optimization based on set average is proposed. With the simulation on spectrum-spectrum peak searching, the blind detection of DSSS signals is realized in several typical jamming environments and conditions without signal carrier frequency, pseudo-code sequence and rate and other priori information, and the corresponding signal detection scheme is given in this paper. The simulation results indicate that the cyclic spectrum detection optimization method based on set average could further improve the detection performance of LPI signal detector in complex electromagnetic environment.%直接序列扩频(DSSS)通信以其在抗截获、抗干扰等方面的优良性能,在军事通信中得到了广泛应用.针对DSSS信号的循环谱检测,提出一种基于集平均的信号检测性能优化方法.通过对循环谱谱峰搜索仿真,实现了几种典型干扰环境中无信号载频、伪码序列与速率等先验信息情况下对DSSS信号的盲检测,并给出了相应的信号检测方案.仿真结果表明,采用基于集平均的循环谱检测优化方法能够进一步提高复杂电磁环境中低截获概率信号检测器的检测性能.

【期刊名称】《通信技术》

【年(卷),期】2017(050)011

【总页数】7页(P2419-2425)

【关键词】DSSS通信;循环谱;信号检测;集平均

【作者】周钱;臧国珍;宋慧颖

【作者单位】解放军理工大学通信工程学院,江苏南京 210007;解放军理工大学通信工程学院,江苏南京 210007;解放军理工大学通信工程学院,江苏南京210007

【正文语种】中文

【中图分类】TN975

直接序列扩频（DSSS）通信具有信号功率谱密度低、保密性好和抗干扰能力强等突出特点，在通信、遥测和导航等领域得到了广泛应用[1]。DSSS信号的低功率谱密度特性使其在复杂多变的电磁环境中的检测变得十分困难，常被作为典型的低截获概率信号用于通信对抗等军事通信领域。因此，对DSSS信号的检测成为通信对抗过程中非常重要的组成部分，近些年得到了军内外科研工作者们的广泛关注。目前，DSSS信号检测的常用方法主要有自相关检测法[2-4]、高阶累积量[5]、神经网络[6]、循环谱检测法[7-10]等。这些方法本质上都是在较低的信噪比条件下揭示和加强被伪随机信号掩盖的DSSS信号的特征，从而实现对信号的检测。1986年，W.A.Gardner将BPSK直扩信号的统计参数如均值、相关函数等建模为周期平稳随机过程，创立了循环谱相关理论[7-8]。DSSS信号的均值和自相关函数是循环平稳过程，利用它的循环平稳特性可以对DSSS信号进行循环谱检测。循环谱检测的效果主要取决于信号的采集长度。在有限数据条件下，它的检测效果并不理想，而且低信噪比情况下受噪声的影响较大。如果要改善其性能，必须要增加数据长度和采样时间，而这有时较难获得[10]。本文在现有文献的基础上，研究周

期平稳随机信号的循环谱检测原理，提出了一种基于集平均的循环谱检测性能优化方法，讨论实际通信过程中存在高斯白噪声、单音干扰、窄带干扰等几种典型干扰环境下的DSSS信号检测问题，并给出了相应的信号检测方案。

1.1 循环自相关函数

设x(t)是一个零均值的非平稳信号，其时变自相关函数定义为：

若Rx(t,τ)是周期为T0的周期函数，统计特性具有二阶周期性，则可用傅里叶级数将其展开为[11]：

其中，(τ)表示循环频率为α的循环自相关强度，且它还是τ的函数，简称为循环（自）相关函数。由式（3），可得循环自相关函数的最原始解释：它表示延迟乘积信号yτ(t)=x(t)x*(t-τ)在频率α处的傅里叶系数。习惯上，常把(τ)≠0的频率α称为信号x(t)的循环频率。一个循环平稳信号的循环频率α可能有多个，包括零循环频率和非零循环频率，而由这些循环频率α构成的集合称为信号x(t)的循环谱。其中，零循环频率对应信号的平稳部分，只有非零循环频率才表示信号的循环平稳特性。

1.2 谱相关密度函数

信号x(t)的循环自相关函数τ)的傅里叶变换为：

f )称为循环谱密度（Cyclic Spectrum Density，CSD）或者循环谱函数，f 为频谱频率。为了便于更清楚地看出循环谱密度的含义，下面将式（3）改写为：令 u(t)=x(t)e-jπαt、v(t)=x(t)ejπαt，则循环自相关函数τ)可写成 u(t)和 v(t)的互相关函数：

可以看出，互相关函数即为u(t)和v*(-t)的卷积。根据卷积定理：信号在时域的卷积在频域里表现为乘积，可知(τ)的傅里叶变换可以用u(t)和v*(-t)两者的频谱

U( f )和V *( f )的乘积表示为：

式中，X( f )、U( f )、V( f )分别是 x(t)、u(t)、v(t)的傅里叶变换即频谱。式