高动态扩频信号的快速捕获算法研究

来源 :中国科学院大学 | 被引量 : 7次 | 上传用户:anan52ok
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
随着科技的飞速发展,飞机、卫星等高速移动体的应用和服务逐渐深化,在军用及民用领域均具有广阔的应用前景。由于信号传输对抗干扰、保密性等的要求,扩频技术得到了广泛使用。但在高动态下,速度、运动轨迹可能不断变化,接收信号中既包含大范围变化的多普勒频率,还包含多普勒频率的一次甚至高次变化率,同时多径效应等因素使扩频伪码产生了相位延时。这些影响增大了高动态信号快速捕获的难度,而传统捕获算法捕获能力有限,因此研究高动态扩频信号的快速捕获算法具有重要意义。本文主要研究扩频信号的快速捕获算法。首先分析了扩频信号传统的捕获算法,如基于滑动相关的捕获算法以及基于FFT的捕获算法。传统算法捕获时间受伪码长度或多普勒频偏范围大小的影响,捕获时间较长,多普勒频偏捕获范围窄,难以用于高动态大多普勒频偏信号的快速捕获。本文针对高动态信号捕获存在的问题,改进了接收信号模型,引入了多普勒频率变化率,提出了基于延时自相关的FFT频率估计与基于FFT的伪码并行估计的联合捕获算法。该算法将传统对多普勒频率和伪码延时的二维捕获化为了先捕获多普勒频率变化率和多普勒频偏,再捕获伪码相位的二步捕获。本文算法在多普勒频率变化率和多普勒频偏估计上,首先分析了匹配傅里叶变换算法,利用特定的基函数聚集信号的能量,具有抗噪声能力强、捕获精度高的优点,但直接计算运算量庞大,捕获时间长,无法直接用于实时捕获;然后针对降低计算量进行了研究,提出了基于延时自相关的FFT频偏估计算法,通过延时相乘去除伪码对多普勒频偏估计的影响,再经FFT运算先后估计出多普勒频率变化率和多普勒频偏。算法计算量显著减小,且捕获精度较高,但延时相乘降低了信噪比。最后分析了信噪比恶化的机理并提出了改善信噪比的方法,改进后能在接收信号信噪比为?15dB且不做任何降噪处理的情况下完成捕获。本文算法在伪码相位延时估计上,使用了基于FFT的伪码并行捕获算法。在频率估计算法捕获并补偿了多普勒频率变化率和多普勒频偏之后,伪码捕获算法无需频率搜索,只需一轮伪码捕获,显著降低了计算量。然后针对低信噪比情况改进了算法,分析了相干累加次数以及多普勒频率变化率和多普勒频偏的捕获精度对伪码捕获性能的影响。通过分析和仿真,验证了本文算法的捕获时间受伪码长度和多普勒频偏范围影响小,较传统方案降低了算法的计算量,减小了信号捕获时间,并且在一定信噪比范围内具有较高的捕获精度,适用于高动态扩频信号的快速捕获。
其他文献
该文分析和改进了现有的波长路由算法,并设计了基于光纤FP滤波器的光信号质量监测模块.论文用统计方法分析了同频串扰积累与采用的波长路由算法之间的相互影响、相互作用关系
景观可视化是近30年来逐步发展起来的,特别是计算机软件、硬件技术的发展,使人们对复杂的自然系统进行模拟和可视化成为可能。并且,在环境决策中,公众的参与越来越普遍,积极的公众
现代无线通信技术发展迅速,系统对容量、速率和带宽的要求越来越高。可重构天线由于具有可实时重构天线特性的优点,不仅能满足现代通信系统信道环境多变的要求,又能极大地降低通
GSM网络优化智能辅助系统采用专家系统为其核心思想,以事例(case)为知识表示方式,进行基于事例的推理CBR(Case Based Reasoning).该论文提出用KDD理论和技术来解决事例瓶颈的
骆驼刺(Alhagi sparsifolia Shap.)作为策勒绿洲—荒漠过渡带内的主要建群种,具有防风固沙的生态价值,也是当地重要的牧草资源,具有重要的经济价值。但由于当地民众对过渡带内地下
该文就深亚微米MOS器件所面临的问题进行了相关的文献调研,在此基础上提出了非对称栅场效应晶体管(Asymmetric Gate FET)、组合栅场效应晶体管(Combined Material Gate FET
胼胝体是脑内最大的联合系统,负责两侧大脑皮层之间的信息整合。胼胝体纤维起源于一侧大脑皮层的锥体神经元(主要来自Ⅱ/Ⅲ层和Ⅴ层),并经过大脑中线,以特定的模式投向对侧皮层
该论文提出了一种全新的凹槽环绕栅结构,并对器件模拟和制备工艺技术进行了深入研究,获得的研究成果如下:1.在调研了器件尺寸缩小所面临的挑战和各种新型结构的基础上,创新地
NBS-LRR类型基因是植物中主要类型的抗病基因,且抗病性是这类基因的所发现的唯一功能。目前对抗病基因的研究主要集中于草本植物,对木本植物的NBS-LRR类型基因的进化模式知之甚
该文主要的工作包括以下四个方面:(1)对功率因数校正的原理和技术进行了较系统的综合和评述.(2)在深入理解等效小参量法的基础上,总结了它的推广及应用,并提出了用等效小参量法分