弱相关非高斯环境下基于局部最佳检测器的伪码捕获方法 pn code acquisition based on the locally optimum detector in weakly dependent non-gaussian impulsive channels.pdfVIP

下载本文档

0
0
约2.05万字
约 5页
2017-08-22 发布于上海
举报
版权申诉

弱相关非高斯环境下基于局部最佳检测器的伪码捕获方法 pn code acquisition based on the locally optimum detector in weakly dependent non-gaussian impulsive channels.pdf

1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
7、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

弱相关非高斯环境下基于局部最佳检测器的伪码捕获方法 pn code acquisition based on the locally optimum detector in weakly dependent non-gaussian impulsive channels

第32卷第4期电子与信息学报 Vbl．32No．4 Journalof 2010年4月 ElectronicsInformation Technology Apr．2010 弱相关非高斯环境下基于局部最佳检测器的伪码捕获方法沈锋孙枫 (哈尔滨工程大学自动化学院哈尔滨150001) 摘要：该文为解决弱相关非高斯噪声环境下的伪码捕获问题，提出了一种基于局部最佳检测算法的伪码捕获方法，将伪码捕获等价为假设检验问题，将弱相关非高斯噪声建模为一阶滑动平均SaS噪声模型，利用局部最佳检测算法推导出弱相关非高斯噪声环境下的伪码捕获检测统计量，在此基础上对检测统计量进行了简化，给出了其实现结构，并与传统的伪码捕获方法进行了性能仿真对比，仿真结果表明该文所提出的捕获方法在弱相关非高斯噪声环境下检测性能有较大幅度的提高，且非高斯噪声脉冲特性越明显，所设计的检测器优势越明显。关键词：伪码捕获；局部最佳检测；弱相关噪声；非高斯信道；检测概率中图分类号：TN914．4 文献标识码：A DOI：10．3724／SP．J．1146．2009．00475 PN Code Basedonthe Detectorin Acquisition LocallyOptimum Non-GaussianChannels WeaklyDependent Impulsive Shen Sun Feng Feng (CollegeoyAutomation，HarbinEngineeringUniversity，Harbin 150001，China) newmethodof in Abstract：A is this torealizethecode pseudonolse(PN)codeacquisitionproposedpaper in non-Gaussian the issueasa dependent acquisitionweakly impulsivechannels．Modelingacquisitionhypothesis detectori8derivedfor non-Gamman is as issue，a noise，whichmodeledFirstOrder testing dependent impulsive noise onthe detection thebaseofthe model，based optimum MovingAverage(FOMA)SaS locally technique．On isalso show