基于神经网络的低信噪比CBOC信号组合码序列盲估计

针对低信噪比下复合二进制偏移载波(composite binary offset carrier,CBOC)信号的组合码序列盲估计问题。首先采用奇异值分解(singular value decomposition,SVD)的算法对CBOC的组合码序列进行可行性验证,可得在已知相关参数的情况下对CBOC信号组合码序列盲估计是可行的;其次就SVD在长序列估计中计算量和存储量需求大的问题,进一步提出主分量神经网络解决上述问题,同时引入最优变步长收敛模型改善神经网络(neural network,NN)收敛速度。利用无监督NN的自适应主分量提取信号特性,避免批处理运算,实现CBOC信号组合码序列盲估计。实验表明,NN能在-20dB下达到精确估计序列的目的,且算法有稳定性高、复杂度低、收敛速度快等优点。

GNSS CBOC信号快速无模糊度捕获算法研究

新型CBOC导航信号的自相关函数存在多个过零点和侧峰,因此其捕获更具挑战性。针对CBOC信号提出了一种基于FFT的快速无模糊度捕获方法,该方法利用两路正交的本地亚载波消除了CBOC信号自相关函数的多峰特性,并采用了基于FFT的并行捕获结构来加速导航信号的捕获。此外,针对CBOC信号是一种时域组合BOC信号的特性,给出了所提方法的BOC(1,1)型、非相干CBOC型和相干CBOC型接收机的模型,并分析对比了其性能。仿真结果表明所提的并行SCPC方法能快速正确地捕获CBOC信号,且其相干CBOC型接收机比另外两种接收机具备更优的性能。此外,相比BPSK-like方法,所提方法最大能有1d B-Hz的性能提升。

基于双环估计的CBOC调制信号无模糊跟踪方法

针对复合二进制偏移载波(CBOC)调制信号跟踪的模糊性问题,提出了一种基于双环估计的无模糊跟踪方法.该方法使用延迟锁相环(DLL)和子载波锁相环(SLL)分别对CBOC调制信号的伪随机噪声(PRN)码和子载波进行跟踪,然后对DLL和SLL输出的信号时延估计值进行计算,从而得到CBOC信号的高精度无模糊时延估计值.仿真结果表明:该方法能够实现对CBOC调制信号的无模糊跟踪,在高载噪比下,可以达到与传统跟踪方法相同的跟踪精度;在低载噪比下,该方法的跟踪精度要优于三环估计方法.