[发明专利]基于K-means算法的直扩信号和伪码估计方法

权利要求书

1.一种基于K-means算法的直扩信号和伪码估计方法，其特征在于，包括以下步骤：

步骤1、对接收机的接收信号进行采样，得到接收信号向量；

步骤2、对接收信号向量按照信息码片宽度进行分割，得到M个信息码片向量；

步骤3、使用K-means算法对信息码片进行二分类，并且将两类码片分别设置为+1和-1；

步骤4、将分类后的码片按照分割的顺序进行排列，得到信息序列盲估计；

步骤5、对分类后的码片进行同相相加反相相减的处理，然后按照伪码宽度进行分割，得到N个伪码码片；

步骤6、使用K-means算法对伪码码片进行二分类，并且将两类码片分别设置为+1和-1；

步骤7、将分类后的伪码码片按照分割的顺序进行排列，得到伪码序列盲估计。

2.根据权利要求1所述的基于K-means算法的直扩信号和伪码估计方法，其特征在于，步骤1所述对接收机的接收信号进行采样，得到接收信号向量，具体如下：

步骤1.1、接收机接收的信号r(t)为：

r(t)＝s(t)+n(t)＝m(t)p(t)+n(t)

其中s(t)为基带直接序列扩频信号，a_k为取值为{+1,-1}的等概率分布的信息序列，T_b为信息码片宽度，g(t)为宽度为T_b的矩形窗函数；b_j为取值为{+1,-1}的伪码序列，T_c为伪码码片宽度，q(t)为发射滤波器、信道冲激函数，接收滤波器的卷积；N为伪码序列的长度，设定信号是采用短码扩频，即一周期伪码扩展一位信息码，则有T_b＝NT_c；n(t)是均值为零、方差为σ_n²的高斯白噪声且与s(t)不相关；

步骤1.2、采样后接收信号向量r为：

r＝r(nT_s)n＝1,2,3...

其中T_s为采样周期。

3.根据权利要求2所述的基于K-means算法的直扩信号和伪码估计方法，其特征在于，步骤2所述的对接收信号向量按照信息码片宽度进行分割，得到M个信息码片向量，具体如下：

将采样后的信号按照信息序码宽度L＝T_b/T_s进行分割，得到M个信息码片向量：

x(k)＝s(k)+n(k)k＝1,2,3...M

其中s(k)为信号s(t)采样后按照信息码宽度L＝T_b/T_s分割后的第k个码片，n(k)为每个码片带有的高斯白噪声。

4.根据权利要求3所述的基于K-means算法的直扩信号和伪码估计方法，其特征在于，步骤3所述的使用K-means算法对信息码片进行二分类，并且将两类码片分别设置为+1和-1，具体如下：

步骤3.1、从分割后的码片{x(1),x(2),...x(k)}中随机选择2个样本作为初始类簇中心向量{μ₁,μ₂}，对应的类簇分别为{C₁,C₂}；

步骤3.2、计算数据集中各样本点x(k)到各类簇中心向量之间的马氏距离d_jk：

d_jk＝||x_j-μ_k||

步骤3.3、将x(k)划到距离最近的类簇中，并得到各类簇的向量个数n_k；

步骤3.4、计算新的类簇中心μ'_k：

步骤3.5、重复步骤3.2～步骤3.4，直到类簇中心不再发生变化或改变小于所设置的阈值；

步骤3.6、将属于类簇C₁的码片向量x(k)码片值设置为+1，将属于类簇C₂的码片向量x(k)码片值设置为-1。