盛世强**a,杨文革b,陈晓威

(航天工程大学a.研究生管理大队；b.光电装备系；c.研究生管理大队,北京101416)

1 引 言

直接序列扩频(Direct Sequence Spread Spectrum，DS-SS)技术因其良好的隐蔽性、抗干扰能力和码分多址特性而被广泛地应用于卫星导航系统、航天测控、JTIDS等军事和民用通信领域中。在通信对抗领域中，DS-SS信号的盲处理研究成为热点问题，其中最关键的是伪随机(Pseudo Noise,PN)码的盲估计问题[1]。

PN码盲估计方法目前主要包括基于特征分析估计方法[2]、基于特征多项式估计方法[3-4]和基于相关运算估计方法[5-6]。与其他两种方法相比，基于特征分析估计方法估计精度高，且不受PN码类型限制，是主要的PN码盲估计方法。

根据主特征向量提取方式的不同，基于特征分析估计方法可以分为矩阵分解法、PAST方法[7-8]和神经网络法[9-10]。矩阵分解法估计精度最高，但需要对数据进行批处理，计算复杂度高，且跟踪环境变化的能力不强，难以满足实时性处理的需要。针对该问题，神经网络法和投影逼近子空间(Projection Approximation Subspace Tracking,PAST)方法在牺牲一定精度前提下均可以实现主特征向量快速提取，且PAST方法几乎不受初值设定、训练样本等因素影响，稳定性更好且估计精度更高。但PAST方法存在以下两个问题：一是固定遗忘因子无法兼顾收敛速度和精度，且不能跟踪信噪比变化，从而影响估计精度；二是在迭代进行时，依赖人工判读而不能实现迭代是否收敛的自动判断，限制了其在实际中的应用。

针对上述问题，本文提出了一种基于改进PAST算法的DS-SS信号PN码盲估计方法。……