组合二进制偏移载波信号的伪码周期及组合码序列盲估计

针对在非协作通信以及低信噪比下组合二进制偏移载波(CBOC)信号伪码周期和组合码序列较难估计的问题,该文提出了2次谱算法与基于径向基函数(RBF)神经网络算法。对输入信号进行2次功率谱计算,可以得到CBOC信号的伪码周期。在此基础上,首先对接收的1周期组合码序列进行重叠分段,其次优化筛选出学习系数,对每段数据向量作为RBF神经网络的输入信号并进行有监督地调节,最后对每段数据向量多次输入并反复训练权值向量就可以恢复原组合码序列。仿真结果表明,利用2次谱可以在低信噪比下估计出伪码周期;在误码率低于1%的情况下,所提出的RBF神经网络相比于反向传播(BP)神经网络与Sanger神经网络,信噪比分别提高1 dB和3 dB,并且在同等条件下所需的数据组数较少。

优化组合相关函数方法的二进制偏移载波无模糊跟踪性能研究

二进制偏移载波(Binary-Offset-Carrier,BOC)调制广泛应用于现代化的全球导航卫星系统(global navigation satellite system,GNSS)中,但BOC信号的自相关函数(autocorrelation function,ACF)的多副峰性质易产生跟踪模糊。针对该问题,提出了一种基于优化组合相关函数方法来实现BOC信号无模糊跟踪;该方法以自相关函数主峰为无模糊跟踪目标函数,采用最小二乘法获得多组不同时延BOC信号自相关函数组合的加权系数,并将获得的无模糊相关函数与原自相关函数相乘构成非相干鉴相器实现无模糊跟踪;分析了正弦相位和余弦相位BOC信号的跟踪性能,仿真结果表明该方法消除了BOC信号的跟踪模糊,同时保持了良好的跟踪性能。

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。

TDDM-BOC信号组合码序列及信息序列盲估计

该文针对低信噪比下TDDM-BOC(Time Division Data Modulation-Binary Offset Carrier)信号的组合码序列(将伪码序列和副载波序列看成一个整体序列)及信息序列盲估计问题,提出一种改进的基于奇异值分解的方法。该方法首先利用双信息符号周期、间隔一信息符号周期的时间窗对接受信号进行分段,并构成观测矩阵。然后对观测矩阵进行奇异值分解,通过左奇异向量实现组合码序列的盲估计。同时,通过右奇异向量实现信息序列的盲估计。仿真分析表明,该方法能够在较低的信噪比下达到精确估计的目的。这对于从事卫星导航接收机设计具有一定的参考价值。

基于Sanger神经网络的TDDM-BOC信号组合码序列盲估计

针对低信噪比(SNR)下时分数据调制二进制偏移载波调制信号(TDDM-BOC)的组合码序列盲估计问题,提出一种基于Sanger神经网络(Sanger NN)的新方法。首先将已分段的信号作为输入信号并利用Sanger NN提取各主分量的权值向量;然后通过其多次输入反复训练权值向量,直至权值向量达到收敛;最终利用各个权值向量的符号函数重建信号的组合码序列,实现TDDM-BOC组合码序列的盲估计。此外,采用最优变步长的方法来提高收敛速度。理论分析和仿真实验表明,Sanger NN可以实现-20.9~0 d B信噪比下TDDM-BOC信号组合码序列的盲估计,且其复杂度明显低于传统奇异值分解(SVD)法和自适应特征提取的在线无监督学习神经网络(LEAP);尽管Sanger NN收敛所需数据组数大于LEAP,但收敛时间明显少于LEAP算法。

改进的SVD算法对BOC信号组合码与信息序列盲估计

针对低信噪比下二进制偏移载波信号的组合码序列以及信息序列盲估计问题,在未知时延下,利用奇异值分解(singular value decomposition,SVD)算法估计出的组合码序列及信息序列,其最大奇异向量和次大奇异向量之间可能存在酉模糊现象。对于该问题的研究,提出一种改进的SVD方法对最大奇异向量及次大奇异向量进行线性组合,接着最优化筛选出其相应的系数矩阵,最后结合系数矩阵估计出组合码序列与信息序列。仿真结果表明,改进的SVD算法可同时应用于组合码和信息序列的估计且不受未知时延的影响,具有消模糊效果好、需要数据量少和抗噪性能强的特点。

基于谱相关的CBOC信号参数盲估计

针对低信噪比下组合二进制偏移载波(CBOC)调制信号的参数盲估计问题,提出了利用谱相关对CBOC信号进行参数估计方法。首先给出了CBOC信号模型,然后根据CBOC信号的数据通道和导频通道之间有良好的正交性特点,详细推导出其谱相关函数可以化简为两个BOC信号谱相关函数的叠加,最后根据CBOC信号循环频率截面的特点进行峰值检索后,实现对伪码速率、载频速率和副载波速率的盲估计。推导结果和计算机仿真分析表明,该方法可以实现在低信噪比下对伪码速率、载频速率和副载波速率的有效估计。

改进K-means算法对AltBOC信号组合码序列的盲估计

针对恒包络交替二进制偏移载波(Alternate Binary Offset Carrier,AltBOC)调制信号组合码序列难以估计的问题,提出了利用改进K-means算法进行信号组合码盲估计方法。该方法首先通过引入互调分量以及重建副载波的方式构建AltBOC信号模型,然后在接收端将AltBOC信号分段成单倍组合码周期窗长的不重叠观测数据矩阵,并利用相似性原理从观测数据中选择最优的样本作为K-means聚类中的初始均值向量,最后通过K-means算法迭代优化数据样本与其聚类均值向量的平方误差,完成对AltBOC信号组合码序列的盲估计。计算机仿真结果表明,利用该算法在信噪比-15 dB下能够较为精确地估计AltBOC信号组合码序列。

适用于GPS和Galileo卫星组合导航优化定位

GPS和Galileo卫星组合导航定位能够有效的提高定位精度和可靠性,兼容多星座的信号捕获是优化组合导航定位的关键技术。但两个系统的信号格式存在着一定的差异性,特别是在调制方式上Galileo采用了一种具有多峰特性的BOC调制。若将适用于GPS的传统算法用于Galileo信号的捕获将出现误捕等问题,由此带来了兼容捕获技术实现的难点。因此,以优化组合导航系统性能为出发点,选取具有代表性的GPS L1和Galileo E1B频点信号展开研究,首先提出了一种基于合成相关函数的BOC信号无模糊度捕获新算法,能够有效的消除副峰,实现过程简单,且与捕获GPS信号经典的并行码相位算法的流程高度契合,进而提出了充分兼顾了GPS和Galileo系统信号特点的双模捕获策略。仿真结果表明:新算法具有良好的捕获性能,新策略具有可行性。

基于组合相关函数的CosBOC(10,5)信号无模糊跟踪方法

二进制偏移载波(BOC)调制信号是一种设计精妙的新型卫星导航信号,充分挖掘其性能的前提是解决好其跟踪模糊问题。余弦相位二进制偏移载波(CosBOC)信号的自相关函数相对更复杂且难以简洁统一地表示,其跟踪模糊问题的研究也相对薄弱,为此,以应用于伽利略系统的E6频段上的CosBOC (10,5)信号为研究对象,提出了一种基于组合相关函数的无模糊跟踪方法。该方法首先设计了由数目尽量少的本地复现信号及其移位加权来线性组合构成的本地参考信号;然后通过码跟踪环路该参考信号与接收信号相关后得到无副峰的相关函数,从而消除码鉴别器的跟踪模糊;最后分析了该方法的码跟踪误差。实验结果表明,该方法与类二进制相移键控法(BPSK Like)、峰跳法(Bump Jump)和伪相关函数法(PCF)相比,跟踪环路结构简单,完全抑制了跟踪模糊且整体上具有较好的码跟踪性能。

基于组合相关函数的AltBOC(15,10)信号的无模糊跟踪方法

针对由于自相关函数的多峰性质导致的交替二进制偏移载波(AltBOC)(15,10)信号的跟踪模糊问题提出一种基于组合相关函数的无模糊跟踪方法。首先设计了两个特殊的本地信号,然后通过码跟踪环路实现本地参考信号与接收信号的相关运算,从而获得两个互相关函数,最后将这两个互相关函数相乘以获得无模糊相关函数来消除模糊问题。分析了该方法的热噪声跟踪精度以及抗多径干扰性能,结果表明:1)该方法实现了无模糊跟踪;2)其跟踪精度介于类二进制相位键控(BPSK Like)方法和伪相关函数(PCF)法之间,当载噪比大于40 dB·Hz时跟踪精度与PCF方法相当;3)当多径延迟大于0.1个码片时,多径误差明显小于BPSK Like方法和PCF方法。

适用于BOC及其衍生信号的无模糊跟踪算法

针对二进制偏移载波调制及其衍生信号自相关函数的多峰特性带来的跟踪模糊问题,提出一种基于信号相关函数特点的子函数组合相关的无模糊跟踪算法。首先,通过构建的形状码向量得到二进制偏移载波调制基准及衍生调制信号的通用互相关函数表达式,将接收信号的伪码作为本地参考信号,设计特殊的本地码波形与相应的接收信号进行相关运算得到信号相关子函数,然后利用重构规则重新组合子函数,得到边峰完全消除,保留单峰的新的相关函数。改进跟踪算法的码跟踪环路结构,相比传统的码跟踪环路结构,减少了滤波电路,结构有了简化,硬件的实现复杂度也有所降低。仿真实验结果表明,相关函数副峰消除的同时保留了主峰的尖锐性。通过与传统跟踪算法对比可知,在相同载噪比的前提下,该算法的码跟踪精度更高,鉴相函数不存在除过零点外的其他误锁点,不会造成误锁现象。相比传统的跟踪模糊消除算法,该方法不仅能有效地适用于BOCs(m,n)一类的基准调制信号,对于复合类衍生信号CBOC(6,1,1/11)也能实现无模糊精准跟踪。