预览加载中,请您耐心等待几秒...
1/10
2/10
3/10
4/10
5/10
6/10
7/10
8/10
9/10
10/10

亲,该文档总共12页,到这已经超出免费预览范围,如果喜欢就直接下载吧~

如果您无法下载资料,请参考说明:

1、部分资料下载需要金币,请确保您的账户上有足够的金币

2、已购买过的文档,再次下载不重复扣费

3、资料包下载后请先用软件解压,在使用对应软件打开

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN114172616A(43)申请公布日2022.03.11(21)申请号202111188764.4(22)申请日2021.10.12(71)申请人浙江传媒学院地址310018浙江省杭州市下沙高教园区学源街998号(72)发明人张丽郝身刚(74)专利代理机构桂林文必达专利代理事务所(特殊普通合伙)45134代理人白洪(51)Int.Cl.H04L1/00(2006.01)G06F17/18(2006.01)G06K9/62(2022.01)权利要求书3页说明书7页附图1页(54)发明名称一种同步扰码的盲识别方法(57)摘要本发明涉及一种同步扰码的盲识别方法,解决的是识别复杂,精确度低的技术问题,通过采用选取实时盲识别组,抽取实时盲识别组的状态表征值;运行第一动态融合权值分配算法分别对扰码阶数识别子单元和多项式判别子单元的状态表征值进行状态融合得到第一融合结果和第二融合结果;运行第二动态融合权值分配算法计算出混合最优权值,对扰码阶数识别子单元和多项式判别子单元的状态表征值进行状态混合得出第三融合结果;在几个融合结果均符合预期时,扰码阶数识别子单元进行扰码阶数识别,进而通过判断扰码序列和输出序列的关联性,完成扰码多项式和扰码多项式初态估计的技术方案,较好解决了问题,可用于无线通信中。CN114172616ACN114172616A权利要求书1/3页1.一种同步扰码的盲识别方法,其特征在于:所述同步扰码的盲识别方法包括:步骤一,设置x个扰码阶数识别子单元组成扰码阶数识别单元,设置y个多项式判别子单元组成多项式判别单元;x个扰码阶数识别子单元均与y个多项式判别子单元控制连接;多项式判别单元连接到盲识别综合计算单元;其中x为大于等于2的正整数,y为大于等于2的正整数;步骤二,任意选取开通至少2个扰码阶数识别子单元和至少2个多项式判别子单元作为实时盲识别组,其余的扰码阶数识别子单元和多项式判别子单元关断;步骤三,抽取实时盲识别组中的扰码阶数识别子单元和多项式判别子单元的状态表征值;运行第一动态融合权值分配算法分别对扰码阶数识别子单元和多项式判别子单元的状态表征值进行状态融合得到第一融合结果和第二融合结果;步骤四,运行第二动态融合权值分配算法计算出混合最优权值,对扰码阶数识别子单元和多项式判别子单元的状态表征值进行状态混合得出第三融合结果;步骤五,在第一融合结果、第二融合结果、第三融合结果均符合预定义结果情况下,扰码阶数识别子单元进行扰码阶数识别,再执行步骤六,否则返回步骤二;步骤六,通过计算并判断扰码序列和输出序列的关联性,进行扰码多项式和扰码多项式初态估计;步骤七,对多项式和扰码多项式初态估计进行误差消除后,通过计算出x'k完成同步扰码的盲识别。2.根据权利要求1所述的同步扰码的盲识别方法,其特征在于:步骤五中的扰码阶数识别包括:步骤1,定义xk为待加扰的信息序列,yk为用来加扰的LFSR序列,zk为输出的扰码序列,定义t时刻待识别的扰码序列为步骤2,对接收的扰码序列集合进行关联值α(ti)计算;其中,ti为小于t的时刻值,N为同步扰码序列长度;步骤3,定义阈值遍历阶数来比较阈值与关联值α(ti)的大小,将大于阈值的关联值挑出,计算出关联值对应的移动值τ,将移动值τ最大公约数计算为初始扰码阶数L。3.根据权利要求2所述的同步扰码的盲识别方法,其特征在于:步骤六包括:步骤A,提取阶数为L的全部本原多项式构成集合{G(n)},其中1≤n≤m;步骤B,根据集合{G(n)}中的各本原多项式及各多项式初态,根据的各本原多项式及各多项式初态计算LFSR加扰序列与扰码序列的关联度值其中1≤n≤m,1≤i≤2L‑1;步骤C,判断相关度大小,定义最大值时所对应的{G(n)}中的本原多项式及多项式初态为待识别同步扰码正确的多项式及初态作为yk。2CN114172616A权利要求书2/3页4.根据权利要求3所述的同步扰码的盲识别方法,其特征在于:第一动态融合权值分配算法包括:步骤a,定义扰码阶数识别子单元或多项式判别子单元为判别标的,计算判别标的状态表征值的每个周期位置的中心点Hb(s)为第b个判别标的的状态表征观测函数:其中,s为当前观测周期,r为判别标的个数,b为小于r的正整数;步骤b,计算各判别标的的状态表征值实际测量值与中心点的偏差ΔHr(s)其中,Hr(s)为r个判别标的的观测函数;步骤c,计算各判别标的偏差的和θr1与偏差平方的和θr2:其中,ΔHr(c)为观测周期中c时刻的偏差,c小于s;步骤d,计算各判别标的偏差的均值s步骤e,计算各判别标的偏差的标准差δr:步骤f,以各判别标的的标准差计算出各判别标的的权值wr:步骤g,根据权值wi计算融合结果X(s):其中,r为