CN103259570A - 一种改进的大多普勒频移下的频偏补偿技术 - Google Patents
一种改进的大多普勒频移下的频偏补偿技术 Download PDFInfo
- Publication number
- CN103259570A CN103259570A CN2012100332313A CN201210033231A CN103259570A CN 103259570 A CN103259570 A CN 103259570A CN 2012100332313 A CN2012100332313 A CN 2012100332313A CN 201210033231 A CN201210033231 A CN 201210033231A CN 103259570 A CN103259570 A CN 103259570A
- Authority
- CN
- China
- Prior art keywords
- frequency offset
- frequency
- subinterval
- vector
- signal
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Abstract
本发明公开了一种大多普勒频移下的频偏补偿技术,该方法先利用协同神经网络确认多普勒频移子区间,然后用AFC环路估计残余频偏完成补偿。本发明的有益技术效果是:利用协同神经网络的序参量估计频率子区间,从而很大程度上加快了补偿的速度,加快了系统的整体效率。
Description
技术领域
本发明主要涉及通信收发双方存在较大相对运动速度下的通信技术,尤其在中继卫星通信,遥感遥测,GPS信号接收,无人机通信技术等领域有着基础意义。
背景技术
当通信双方存在相对运动速度时,电磁波的频率就会发生改变,即多普勒频移。去除残留在载波中的多普勒频偏有很多种方法,主要有AFC环路及各种改进型,其实现很简单,但当频移很大时并不适用。还有维纳滤波及卡尔曼滤波等线性最佳估计法,在白噪声环境下可以达到较好效果,但需要较长的时间才能收敛。此外还有MUSIC频率估计算法,利用信号子空间来提取信号频率分量和抑制噪声分量,但其估计精度依赖于其信号向量长度,而协方差矩阵越大,提取特征矢量的计算复杂度就会越大。
发明内容
本发明提出一种改进的大多普勒频移下的频偏补偿技术,该方法包括将多普勒频偏 划分为若干较小的频率子区间,每个区间的中心频率为,K为子区间序号,然后使用协同神经网络识别确认具体的频率子区间,由于多普勒频偏已经缩小到一个小的频率子区间范围,用这个子区间的中心频率对信号进行下变频,由于信号中仅有残留频偏,使用AFC环路计算残留频偏,完成频偏补偿过程。
本发明的有益技术效果是:相比频率子区间的线性搜索,通过使用协同神经网络对频率子区间进行确认可以大大缩短捕获时间,且计算复杂度仅随信号矢量(信号在时间上的连续N 个采样点构成一个信号矢量)的长度作线性增长,远低于频率区间的并行搜索和MUSIC等频率估计方法。
附图说明
图1、本发明所属系统的系统框图。
图2、多普勒频率子区间示意图。
图3、序参量方程流程图。
图4、AFC环路。
具体实施方式
对已经经过中频下变频处理后的基带相位调制信号进行等时间间隔采样,其表达式如下:
原型向量:原型向量可理解为一系列标准的模型,而输入向量可看成是原型向量的线性叠加。求原型向量的方法主要分为两大类:
第一、 直接对信号样本作适当处理得到原型向量;
第二、 将信号样本作线性或非线性变换作为原型向量。
原型向量表达式:
数字频率:
伴随向量通常通过原型向量构成矩阵的广义逆得到。
输入状态向量:由于序参量方程对相位偏移的敏感性,信号样本形式不能直接作为输入向量,所以要对其进行预处理,将相位信息去掉。
则输入状态向量:
。
除此之外,当数据率很高时,会在一个采样周期内出现相位变化,这是我们不希望的,所以通常可以对bpsk信号二次方,qpsk信号四次方处理后作为信号样本。
初始序参量:由伴随向量和初始状态向量可以直接得到初始序参量,可视初始序参量为初始状态向量在伴随向量上的投影。表达式如下:
下面考虑利用实数信号比用复数信号具有更高的效率优势。
考虑原型向量:
对白噪声环境下的一般相位调制信号进行多次采样,且功率在短时间内保持恒定,标准化即得:
初始序参量可简化为。
只要对初始序参量的大小进行比较,找出其中最大的一个,便很容易得到信号所在的频率子区间,得到。由于在无先验知识的情况下,多普勒频偏落到每个频率子区间的机会是均等的,因此仅仅利用初始序参量就可以确定频率子区间,而不需要启动序参量方程,从而大大简化了计算复杂度。
Claims (1)
1.一种改进的多普勒频移下的频偏补偿技术,其特征在于:利用协同神经网络的初始序参量来确认多频率频移所在的频率子区间。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2012100332313A CN103259570A (zh) | 2012-02-15 | 2012-02-15 | 一种改进的大多普勒频移下的频偏补偿技术 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2012100332313A CN103259570A (zh) | 2012-02-15 | 2012-02-15 | 一种改进的大多普勒频移下的频偏补偿技术 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN103259570A true CN103259570A (zh) | 2013-08-21 |
Family
ID=48963302
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2012100332313A Pending CN103259570A (zh) | 2012-02-15 | 2012-02-15 | 一种改进的大多普勒频移下的频偏补偿技术 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103259570A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105706121A (zh) * | 2013-10-29 | 2016-06-22 | 高通股份有限公司 | 神经网络模型中的多普勒效应处理 |
CN106127146A (zh) * | 2016-06-22 | 2016-11-16 | 电子科技大学 | 一种基于手势识别的无人机航迹指引方法 |
CN106646547A (zh) * | 2016-12-29 | 2017-05-10 | 中国科学院微电子研究所 | 一种多普勒补偿方法、系统及并行相关捕获引擎 |
CN113259276A (zh) * | 2021-05-13 | 2021-08-13 | 电子科技大学 | 基于神经网络的gmsk脉冲多普勒频移测量方法 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1998210A (zh) * | 2004-01-28 | 2007-07-11 | 高通股份有限公司 | 用于在无线通信网络中进行频率捕获的系统和方法 |
-
2012
- 2012-02-15 CN CN2012100332313A patent/CN103259570A/zh active Pending
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1998210A (zh) * | 2004-01-28 | 2007-07-11 | 高通股份有限公司 | 用于在无线通信网络中进行频率捕获的系统和方法 |
Non-Patent Citations (2)
Title |
---|
张小恒,: ""具有多普勒频移的载波捕获研究"", 《中国优秀硕士学位论文全文数据库工程科技Ⅱ辑》 * |
曾孝平等,: ""基于协同神经网络的频率估计"", 《重庆大学学报(自然科学版)》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105706121A (zh) * | 2013-10-29 | 2016-06-22 | 高通股份有限公司 | 神经网络模型中的多普勒效应处理 |
CN105706121B (zh) * | 2013-10-29 | 2018-08-21 | 高通股份有限公司 | 神经网络模型中的多普勒效应处理 |
CN106127146A (zh) * | 2016-06-22 | 2016-11-16 | 电子科技大学 | 一种基于手势识别的无人机航迹指引方法 |
CN106646547A (zh) * | 2016-12-29 | 2017-05-10 | 中国科学院微电子研究所 | 一种多普勒补偿方法、系统及并行相关捕获引擎 |
CN106646547B (zh) * | 2016-12-29 | 2019-02-01 | 中国科学院微电子研究所 | 一种多普勒补偿方法、系统及并行相关捕获引擎 |
CN113259276A (zh) * | 2021-05-13 | 2021-08-13 | 电子科技大学 | 基于神经网络的gmsk脉冲多普勒频移测量方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Liu et al. | Unscented extended Kalman filter for target tracking | |
CN103278813B (zh) | 一种基于高阶无迹卡尔曼滤波的状态估计方法 | |
CN104502898B (zh) | 将修正rft和修正mdcft相结合的机动目标参数估计方法 | |
CN102680948A (zh) | 一种线性调频信号调频率和起始频率估计方法 | |
CN107085140B (zh) | 基于改进的SmartDFT算法的非平衡系统频率估计方法 | |
CN103259570A (zh) | 一种改进的大多普勒频移下的频偏补偿技术 | |
CN102508206A (zh) | 基于小波包去噪和功率谱熵的线性调频信号参数估计方法 | |
CN104297740B (zh) | 基于相位分析的雷达目标多普勒谱估计方法 | |
CN101334469A (zh) | 基于分数阶傅立叶变换的风廓线雷达杂波抑制方法 | |
CN102778674A (zh) | 非均匀采样的Chirp脉冲时延估计方法 | |
CN104901909A (zh) | 一种α非高斯噪声下chirp信号的参数估计方法 | |
CN103278807A (zh) | 双通道欠采样线扫频脉冲信号的时延估计方法 | |
CN104219761A (zh) | 一种基于最大斜率的超宽带无线定位方法 | |
CN102841337A (zh) | 一种天波超视距雷达回波信号去非线性相位污染方法 | |
Colonnese et al. | Generalized method of moments estimation of location parameters: Application to blind phase acquisition | |
CN106330342B (zh) | 一种低计算复杂度的水声通信多普勒因子估计方法 | |
CN105099499B (zh) | 类噪声Chirp扩频信号设计及快速捕获方法 | |
CN110531309A (zh) | 存在幅相误差时基于原子范数的相关信号到达角估计方法 | |
CN105242286A (zh) | 一种基于小波域滤波码捕获方法 | |
CN103973621B (zh) | 一种二进制连续相位频率键控调制信号的参数识别方法 | |
CN106603036A (zh) | 一种基于低阶内插滤波器的自适应时延估计方法 | |
CN103293527A (zh) | 基于置信框架的自适应isar成像方法 | |
Zhu et al. | Single-channel source separation of multi-component radar signal based on EVD and ICA | |
CN106970265B (zh) | 一种采用多时间尺度不完全s变换估计谐波参数的方法 | |
CN106569182B (zh) | 基于最小熵的相位编码信号载频估计方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20130821 |