CN111624632B - 一种卫星导航信号捕获方法及装置 - Google Patents

一种卫星导航信号捕获方法及装置 Download PDF

Info

Publication number
CN111624632B
CN111624632B CN202010621772.2A CN202010621772A CN111624632B CN 111624632 B CN111624632 B CN 111624632B CN 202010621772 A CN202010621772 A CN 202010621772A CN 111624632 B CN111624632 B CN 111624632B
Authority
CN
China
Prior art keywords
signal
frequency
theta
sampling
satellite navigation
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.)
Active
Application number
CN202010621772.2A
Other languages
English (en)
Other versions
CN111624632A (zh
Inventor
颜舒琳
陈晓智
周胜洪
董蔺
杨明
张玉国
单雪梅
魏培平
刘燕
刘哲
许志强
姜丽颖
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
QINGDAO JARI AUTOMATION CO Ltd
Original Assignee
QINGDAO JARI AUTOMATION CO Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by QINGDAO JARI AUTOMATION CO Ltd filed Critical QINGDAO JARI AUTOMATION CO Ltd
Priority to CN202010621772.2A priority Critical patent/CN111624632B/zh
Publication of CN111624632A publication Critical patent/CN111624632A/zh
Application granted granted Critical
Publication of CN111624632B publication Critical patent/CN111624632B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
    • G01S19/01—Satellite radio beacon positioning systems transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
    • G01S19/13—Receivers
    • G01S19/24—Acquisition or tracking or demodulation of signals transmitted by the system
    • G01S19/29—Acquisition or tracking or demodulation of signals transmitted by the system carrier including Doppler, related
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
    • G01S19/01—Satellite radio beacon positioning systems transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
    • G01S19/13—Receivers
    • G01S19/24—Acquisition or tracking or demodulation of signals transmitted by the system
    • G01S19/30—Acquisition or tracking or demodulation of signals transmitted by the system code related
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D30/00—Reducing energy consumption in communication networks
    • Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks

Abstract

本发明公开了一种卫星导航信号捕获方法及装置，通过将数字中频信号X与本地复数载波信号进行相关，生成零中频复数信号S；将零中频复数信号S与不同初相的本地码进行相关运算，获得相关后的信号Y；对信号Y进行分段积分生成积分后的信号Yr；对信号Yr进行随机采样，获得信号Ys；已知观测矩阵Φs和信号Ys，采用快速贝叶斯压缩感知重构算法生成频率信号θ；当频率信号θ的满足预设门限范围时，判定信号捕获成功；提高了频率偏移搜索范围和搜索精度，且具有较高的捕获灵敏度。

Description

一种卫星导航信号捕获方法及装置
技术领域
本发明属于卫星导航技术领域，具体地说，是涉及一种卫星导航信号捕获方法及装置。
背景技术
信号捕获是卫星导航接收机基带信号处理的第一步，也是最重要的一步。它的目标是捕获在视卫星信号，给出用于初始化跟踪过程的码相位和多普勒频率。捕获精度直接决定了跟踪过程的成功与否。另外，它的资源消耗对接收机的首次定位时间、功耗、体积和成本都有很大的影响，其灵敏度是卫星导航接收机的重要性能指标。
目前的信号捕获方法，灵敏度较差，不利于弱信号的捕获，严重影响卫星导航技术的发展。
发明内容
本发明提供了一种卫星导航信号捕获方法，提高了捕获灵敏度。
为解决上述技术问题，本发明采用下述技术方案予以实现：
一种卫星导航信号捕获方法，包括下述步骤：
将天线接收到的信号转换为数字中频信号X；
将数字中频信号X与本地复数载波信号进行相关，生成零中频复数信号S；
将零中频复数信号S与不同初相的本地码进行相关运算，获得信号Y；并对信号Y进行分段积分生成信号Yr；
对信号Yr进行随机采样，获得信号Ys；
已知观测矩阵Φs和信号Ys，采用快速贝叶斯压缩感知重构算法生成频率信号θ；
判断频率信号θ是否满足预设门限范围；若是，则判定信号捕获成功。
进一步的，对信号Yr进行随机采样，具体包括：采用满足高斯分布的信号抽取索引对信号Yr进行采样。
又进一步的，对信号Yr进行采样的采样点数Vs＞Sθlog(V/Sθ)，其中，Sθ为频率信号θ的稀疏度，V为信号Yr的维度。
更进一步的，所述快速贝叶斯压缩感知重构算法通过高斯似然模型和Lasso模型求解出频率信号θ和后验密度误差。
再进一步的，所述判断频率信号θ是否满足预设门限范围，具体包括：判断频率信号θ的最大峰值是否大于预设峰值门限且所述最大峰值对应的后验密度误差是否小于预设误差门限；若是，则获取所述最大峰值对应的码相位和多普勒频率，判定信号捕获成功。
一种卫星导航信号捕获装置，包括：
射频模块，用于将天线接收到的信号转换为数字中频信号X；
正交相关模块，用于将数字中频信号X与本地复数载波信号进行相关，生成零中频复数信号S；
相关积分模块，用于将零中频复数信号S与不同初相的本地码进行相关运算，获得信号Y；并对信号Y进行分段积分生成信号Yr；
采样模块，用于对信号Yr进行随机采样，获得信号Ys；
信号重构模块，用于采用快速贝叶斯压缩感知重构算法生成频率信号θ；
判定模块，用于判断频率信号θ是否满足预设门限范围；若是，则判定信号捕获成功。
进一步的，所述采样模块，具体用于采用满足高斯分布的信号抽取索引对信号Yr进行采样。
又进一步的，对信号Yr进行采样的采样点数Vs＞Sθlog(V/Sθ)，其中，Sθ为频率信号θ的稀疏度，V为信号Yr的维度。
更进一步的，所述信号重构模块的快速贝叶斯压缩感知重构算法通过高斯似然模型和Lasso模型求解出频率信号θ和后验密度误差。
再进一步的，所述判定模块，具体用于判断频率信号θ的最大峰值是否大于预设峰值门限且所述最大峰值对应的后验密度误差是否小于预设误差门限；若是，则获取所述最大峰值对应的码相位和多普勒频率，判定信号捕获成功。
与现有技术相比，本发明的优点和积极效果是：本发明的卫星导航信号捕获方法及装置，通过将数字中频信号X与本地复数载波信号进行相关，生成零中频复数信号S；将零中频复数信号S与不同初相的本地码进行相关运算，获得相关后的信号Y；对信号Y进行分段积分生成积分后的信号Yr；对信号Yr进行随机采样，获得信号Ys；已知观测矩阵Φs和信号Ys，采用快速贝叶斯压缩感知重构算法生成频率信号θ；当频率信号θ的满足预设门限范围时，判定信号捕获成功；提高了频率偏移搜索范围和搜索精度，且具有较高的捕获灵敏度。
结合附图阅读本发明的具体实施方式后，本发明的其他特点和优点将变得更加清楚。
附图说明
图1是本发明提出的卫星导航信号捕获方法的一个实施例的流程图；
图2是图1中正交相关和相关积分的示意图；
图3是图1中随机采样的示意图；
图4是图1中信号重构的示意图；
图5是采用PMF-FFT与OMP技术的信号捕获效果评估图；
图6是采用PMF-FFT与贝叶斯压缩感知信号重构技术的信号捕获效果评估图；
图7是本发明提出的卫星导航信号捕获装置的一个实施例的结构框图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下将结合附图和实施例，对本发明作进一步详细说明。
实施例一、
本实施例的卫星导航信号捕获方法，采用贝叶斯压缩感知技术对部分匹配滤波FFT捕获技术进行改进，有效扩大部分匹配滤波FFT技术的频率偏移搜索范围和搜索精度。该方法通过对大维度的相关积分结果进行随机采样，再利用贝叶斯压缩感知方法对相关信号的频谱进行重构，该重构方法为重构信号建立了后验密度误差，可作为重构信号的置信度，根据此置信度可确定频率最大峰值的可靠性，该技术结合置信度和最大峰值作为判读信号是否成功捕获的依据，从而有效降低压缩感知捕获技术的虚警率。同时，相较传统重构技术(如OMP)，该技术采用贝叶斯压缩感知技术对较弱信号具有更优的重构性，有助于提高基于压缩感知技术捕获方法对弱信号的捕获灵敏度。下面，结合附图，对本实施例的卫星导航信号捕获方法进行详细说明。
本实施例的卫星导航信号捕获方法，主要包括下述步骤，参见图1所示。
步骤S1：前期信号处理：将天线接收到的信号转换为数字中频信号X。
首先要确定搜索卫星星号PRN，然后天线接收该卫星发送的信号。
天线将接收到的信号发送至射频模块，射频模块将接收到的信号进行降频处理以及模数转换，生成数字中频信号X。
Figure BDA0002563266780000041
Figure BDA0002563266780000042
表示实数集，L表示X的长度。
步骤S2：正交相关：将数字中频信号X与本地复数载波信号
Figure BDA0002563266780000043
进行相关，生成零中频复数信号S；S是长度为L的复数。其中，fIF为已知的中频频率，本地复数载波信号
Figure BDA0002563266780000044
为本地正交中频信号，参见图2所示。该步骤剔除了数字中频信号X中载波的高频分量，信号中的载波频率仅保留多普勒偏移。
卫星导航信号通常由电文、本地码和载波信号构成，而部分新体制信号如采用BOC调制的北斗B1C和GPSL1C的数据信号中还存在子载波信号和用于二次编码的副码，而其导频信号中又没有电文比特。在此，卫星导航信号采用通用的表达方式：
Figure BDA0002563266780000051
其中，X(t)表示t时刻X信号的数值，P为该信号的发射功率；cos(2π(fd+fIF)t)为载波信号，fd和fIF分别为未知的多普勒频移和已知的中频频率；D(t)为电文信号，对于不存在电文比特的信号中，D(t)全置高电平；C(t)表示本地码，在新体制BOC调制的信号中，C(t)表示本地码和子载波相关值，而二次编码在捕获中若采用的相关信号时长不超过一个副码码片时，该信号可忽略。
本步骤为正交相关处理：将数字中频信号X与本地复数载波信号
Figure BDA0002563266780000052
进行相关处理，生成零中频的复数信号S，S表示长度为L的零中频复数信号，其表达式为：
Figure BDA0002563266780000053
其中，S(t)表示t时刻S信号的数值，U(t)＝D(t)C(t)。
步骤S3：相关积分：将零中频复数信号S与不同初相的本地码进行相关运算，获得相关后的信号Y；对信号Y进行分段积分生成信号Yr。参见图2所示。
该步骤主要通过相关方式对扩频码进行剔除，同时通过分段积分的方式，将相关结果进行降维，并剔除高频噪声干扰。
S31、由于零中频复数信号S中的码相位未知，要对其进行码剔除，就需要与不同初相的本地码进行相关，其表达式为：
Y＝SdΛ； (3)
其中，Sd＝diag([S(1)，S(2)，S(3)，...，S(L-1)，S(L)])； (4)
diag([·])表示将[]内的数值生成对角矩阵，即对信号S创建对角矩阵，生成Sd。
Figure BDA0002563266780000054
矩阵Λ由不同初相的本地码构成：
Figure BDA0002563266780000061
其中，M＝L/N，N对应相位搜索步进对应的采样点个数，如当搜索步进为一个码片时，N＝fs/fc，fs为接收机采样频率，fc为本地码的频率。
由此可得相关输出Y的表达式为：
Figure BDA0002563266780000062
Figure BDA0002563266780000063
Y为M行L列的实数矩阵，此时Y矩阵中的每列表示信号S与不同初相的本地码相位相关结果。
S32：将Y信号进行分段积分处理，生成信号Yr，
Figure BDA0002563266780000064
Yr为M行V列的实数矩阵；以降低FFT的运算量，分段积分的计算公式为：
Figure BDA0002563266780000065
其中，Y(i，l)是Y的第i行第l列元素，l的取值为从(j-1)B+1到JB的正整数。Yr(i，j)为积分处理后降维后的信号，是Yr的第i行第j列元素。Yr中第i行信号Yr(i，：)对应输入中频信号与一个特定初相的本地码的相关降维结果；Yr(i，j)为Yr(i，：)中第j个元素，V为压缩后点数，是Yr(i，：)的信号长度，B＝L/V，为积分点数。即，V是Yr中每行信号的长度。
本步骤中，将零中频复数信号S与不同初相的本地码进行相关后分段积分，进行本地码剔除并降低信号维度，剔除部分高频干扰信号。
步骤S4：随机采样：对信号Yr进行随机采样，获得信号Ys。
Figure BDA0002563266780000071
Figure BDA0002563266780000072
Ys为M行Vs列的实数矩阵，Vs为随机采样后Ys中每行信号的长度，即采样点数。参见图3所示。
传统部分匹配滤波FFT技术是对长度为V的降维信号Yr(i，：)进行FFT运算，为了降低FFT的运算量，其压缩比例较大。64点FFT是目前接收机中较为常用的成本较低的算法，因此部分匹配滤波通常将一个相关积分信号维度降维至V＝64点。假设部分匹配滤波采用的相干信号时长为Tcorr＝4ms，其频率搜索精度为
Figure BDA0002563266780000073
当采用64点做FFT运算时，多普勒搜索范围frange＝±0.5Vfbin＝±4kHz。在固定FFT运算点时，其搜索精度与搜索范围成反比关系，因此部分匹配滤波FFT技术很难同时满足频率搜索的高分辨率和大搜索范围的需求。假设还是进行64点FFT运算，将相干积分时长提高到10ms，此时的搜索精度为50Hz，直接进行FFT运算，其搜索范围降至±1.6kHz。而此时引入压缩感知技术，可有效提高信号的频率搜索范围。
在本实施例中，采用满足高斯分布的信号抽取索引对信号Yr进行采样，获得信号Ys，
Figure BDA0002563266780000074
采样点数为Vs。信号抽取索引为
Figure BDA0002563266780000075
其中，J中的每个元素为1至Vs的非重复正整数，且满足高斯分布。高斯分布采样有利于提高被抽取信号间的相互独立性，降低信息冗余，在采样数据长度一定时，更有利于稀疏信号的恢复。对Yr的每一行信号根据索引J提取对应的元素生成Ys，Yr(i，：)表示Yr的第i行信号。对Yr的每行信号提取Vs个元素，Yr共有M行，因此，生成的Ys有M行Vs列。
本步骤采用高斯随机采样方法，对信号Yr进一步采样，大幅度降低参与FFT运算的信号维度。
步骤S5：信号重构：已知观测矩阵Φs和观测信号Ys，采用快速贝叶斯压缩感知重构算法生成频率信号(也称重构信号)θ和后验密度误差∑θ。
Figure BDA0002563266780000081
Φs为Vs行Yr列的实数矩阵。
Figure BDA0002563266780000082
θ为M行Vr列的实数矩阵。参见图4所示。
传统的FFT运算是通过θ(i，：)＝inv(Φ)Yr计算完成，其中inv(Φ)为FFT运算矩阵Φ的逆矩阵；
Figure BDA0002563266780000083
是θ中的第i行信号，长度为Vr的需重构的高分辨率频率信号。
而贝叶斯压缩感知还原技术是用通过随机采样后生成的降维信号Ys(i，：)，和抽取的部分FFT运算矩阵Φs对θ(i，：)进行求解；其中
Figure BDA0002563266780000084
是Ys中的行信号，长度为Vs，并且Vs＜＜Yr。
Ys(i，：)T＝Φsθ(i，：)T+ε； (8)
其中，ε为观测噪声；(·)T为转置运算；
Figure BDA0002563266780000085
为观测矩阵，它是对离散傅氏变换基(即FFT运算矩阵)
Figure BDA0002563266780000086
采用上一步骤中的抽取索引J对其行向量进抽样处理得到的，即用J中的索引抽取Φ中的行向量，构成新的矩阵Φs。
Φ为Vr行Vr列的实数矩阵的，Φ的表达式定义为：
Figure BDA0002563266780000087
由于方程(8)为欠定方程，故根据Ys(i，：)对θ(i，：)进行求解是不适定问题。部分匹配滤波FFT技术之所以能够利用压缩感知技术，是由于其频谱的稀疏特性。当信号存在，且码相位对齐时，进行FFT获得的频率信息中，应该仅存在一个显著的频率分量，该频率信息对应载波多普勒频移。当θ(i，：)具有显著稀疏性的时候，即|Supp(θ(i，：))|＝Sθ＜＜Vr，其中Supp(θ(i，：))表示θ(i，：)中非零元素，|Suppθ(i，：)|为θ(i，：)中非零元素的个数。
压缩感知技术建立在θ(i，：)具有显著稀疏这一基础上，对上述欠定方程(8)进行求解。传统的压缩感知技术，如l1方法、贪敛算法和正交匹配追踪算法(OMP)等，要求观测矩阵Φs满足
Figure BDA0002563266780000091
的限制等距性质(RIP)，且信号重构在较低信噪比情况下效果不佳。
本实施例采用一种更为先进的压缩感知重构技术-贝叶斯压缩感知。相较上述几种方法，该技术具有的显著优势在于：(1)不需要预先设定任何参数；(2)不强制要求观测矩阵满足RIP特性；(3)提供稀疏重构信号θ的同时为其提供了后验密度误差∑θ，后验密度误差∑θ可用于对重构信号的置信度评估，可作为信号捕获判断的重要参考依据；(4)适用于较低信噪比的信号重构，利于较弱信号的捕获。
贝叶斯压缩感知技术采用高斯似然模型，假定噪声满足零均值高斯噪声，则高斯似然模型为：
Figure BDA0002563266780000092
其中，p(·)表示最大似然估计值，∑θ(i，：)是∑θ的第i行信号。
令Ψ＝Ys(i，：)-Φsθ(i，：)，
Figure BDA0002563266780000093
表示
Figure BDA0002563266780000094
Ψv为Ψ中的第v个元素，v取值1到Vs的正整数。此处的v与上述的V表示不同的含义。
当Ys(i，：)和Φs已知时，根据公式10计算θ(i，：)的值。θ(i，：)和∑θ(i，：)的取值目标是使最大似然估计值最大，同时满足下列的Lasso模型(回归模型)：
Figure BDA0002563266780000095
其中，||θ(i，：)||1表示
Figure BDA0002563266780000096
θ(i，n)为θ(i，：)中的第n个元素，n取值1到Vr的正整数。此处的n和上述的N表示不同的含义。
Figure BDA0002563266780000101
为保证求解的θ(i，：)满足Φsθ(i，：)接近实际观测信号Ys(i，：)，而||θ(i，：)||1为保证求解的θ(i，：)中远大于0的元素最少。
在本实施例中，快速贝叶斯压缩感知重构算法采用改进的快速最大似然方法求解出频率信号θ(i，：)和后验密度误差∑θ(i，：)，即通过高斯似然模型和Lasso模型求解出θ(i，：)和∑θ(i，：)，该方法在每次迭代中仅对估计的稀疏值进行更新储存，占用的存储空间很小，且收敛速度快，其收敛次数接近于信号的稀疏度。对于用于多普勒偏移估计的频谱还原来说，当信号存在时，其稀疏度，即信号中存在的远大于零的元素的个数，Sθ≈1，因此该重构方法的运算成本和资源使用量较小。
假设步骤S3中，积分降维后的信号Yr(i，：)长度为V＝512，再通过随机采样将信号降至Vs＝64点，生成降维相关信号
Figure BDA0002563266780000102
此时信号的压缩率Q＝512/64＝8，再采用贝叶斯压缩感知技术对64点进行FFT运算，实际能够重构512点的频率普，由此可将多普勒搜索范围从±1.6kHz扩展至±12.8kHz，不仅搜索精度得到了提升，搜索范围也扩大，能满足陆上接收机动态范围为±10kHz的需求。若进一步提高V的数值，可提高信号捕获技术对更高动态应用环境的适应性。然而压缩率Q值越高，信号重构的精度越低，因此要对Q值进行合理化选择。
在本实施例中，对信号Yr进行采样的采样点数Vs＞Sθlog(V/Sθ)，其中，Sθ为频率信号θ的稀疏度，V为信号Yr的维度(Yr的列数)。压缩感知技术在信号Ys的维度Vs大于Sθlog(V/Sθ)时，能够较大概率的提供可靠的重构信号θ。
步骤S6：捕获判断：判断频率信号θ是否满足预设门限范围。
如果频率信号满足预设门限范围，则判定信号捕获成功。
本步骤具体包括：判断频率信号θ的最大峰值是否大于预设峰值门限且所述最大峰值对应的后验密度误差是否小于预设误差门限。若是，则获取所述最大峰值对应的码相位和多普勒频率，判定信号捕获成功。后验密度误差越小，最大峰值的置信度越高。
上一步骤S5的贝叶斯压缩感知重构技术会生成高维度的频率信号
Figure BDA0002563266780000111
(包括M个不同码相位和Vr个多普勒分量信息)和对应的后验密度误差
Figure BDA0002563266780000112
后验密度误差越大，表明对应重构元素的误差越大，置信度越低。
Figure BDA0002563266780000113
搜索重构信号θ的最大值max(θ)，当max(θ)＞Tθ且∑θ(find(max(θ))＜T∑时，通过式(12)提取码相位τ和多普勒频移fd，其中find(·)为元素在信号中的索引。
即，只有当频率信号θ的最大峰值max(θ)大于预设峰值门限Tθ，且最大峰值对应的后验密度误差∑θ(find(max(θ))小于预设误差门限T∑时，才判定捕获的信号正确，提高了判断准确性；然后获得最大峰值对应的码相位和多普勒频率，确定PRN信号捕获成功。
当所有的卫星都捕获成功后，下一步进入信号跟踪阶段。
本实施例的卫星导航信号捕获方法，基于贝叶斯压缩感知的部分匹配滤波FFT卫星导航信号捕获技术，是在部分匹配滤波FFT中嵌入随机采样和贝叶斯压缩感知重构技术，主要包括正交相关，相关积分，随机采样，信号重构和捕获判断等步骤。
本实施例的卫星导航信号捕获方法，通过将数字中频信号X与本地复数载波信号进行相关，生成零中频复数信号S；将零中频复数信号S与不同初相的本地码进行相关运算，获得相关后的信号Y；对信号Y进行分段积分生成积分后的信号Yr；对信号Yr进行随机采样，获得信号Ys；已知观测矩阵Φs和信号Ys，采用快速贝叶斯压缩感知重构算法生成频率信号θ；当频率信号θ的满足预设门限范围时，判定信号捕获成功；提高了频率偏移搜索范围和搜索精度，且具有较高的捕获灵敏度。
进一步来说，当频率信号θ的最大峰值大于预设峰值门限且最大峰值对应的后验密度误差小于预设误差门限时，判定信号捕获成功，有效降低信号捕获的虚警率。
本实施例的卫星导航信号捕获方法，基于贝叶斯压缩感知的部分匹配滤波FFT卫星导航信号捕获技术，能够有效提高部分匹配滤波FFT技术的频率偏移搜索范围和搜索精度，且具有较高的捕获灵敏度，同时能为重构信号提供置信度，为信号的真实性提供有效的判断依据，有效降低信号捕获的虚警率。
下面，结合图5和图6对捕获效果进行评估。
图5是采用PMF-FFT与OMP技术的信号捕获效果评估图。PMF-FFT为传统部分匹配滤波FFT捕获技术，FFT运算长度为512；OMP采用正交匹配跟踪算法进行信号重构技术，采用不同压缩率Q进行信号重构捕获。
图6是采用PMF-FFT与贝叶斯压缩感知信号重构技术的信号捕获效果评估图。PMF-FFT为传统部分匹配滤波FFT捕获技术，FFT运算长度为512；本实施例采用贝叶斯压缩感知信号重构技术，采用不同压缩率Q进行信号重构捕获。与图5结果进行比较分析可见，在相同的信号压缩程度下，该发明提出采用的信号重构技术的捕获率要高于0MP技术效果，且当信号发射功率越低时，优势越显著。两种压缩感知方法与传统方法相比，更适用于强信号的捕获，此时，能够保障高捕获率的同时，有效降低信号计算长度。
实施例二、
基于实施例一中的卫星导航信号捕获方法的设计，本实施例提出了一种卫星导航信号捕获装置，主要包括射频模块、正交相关模块、相关积分模块、采样模块、信号重构模块、判定模块等，参见图7所示。
射频模块，用于将天线接收到的信号转换为数字中频信号X；
正交相关模块，用于将数字中频信号X与本地复数载波信号进行相关，生成零中频复数信号S；
相关积分模块，用于将零中频复数信号S与不同初相的本地码进行相关运算，获得信号Y；并对信号Y进行分段积分生成信号Yr；
采样模块，用于对信号Yr进行随机采样，获得信号Ys。采样模块具体用于，采用满足高斯分布的信号抽取索引对信号Yr进行采样。对信号Yr进行采样的采样点数Vs＞Sθlog(V/Sθ)，其中，Sθ为频率信号θ的稀疏度，V为信号Yr的维度。
信号重构模块，用于采用快速贝叶斯压缩感知重构算法生成频率信号θ。信号重构模块的快速贝叶斯压缩感知重构算法通过高斯似然模型和Lasso模型求解出频率信号θ和后验密度误差。
判定模块，用于判断频率信号θ是否满足预设门限范围；若是，则判定信号捕获成功。判定模块具体用于，判断频率信号θ的最大峰值是否大于预设峰值门限且所述最大峰值对应的后验密度误差是否小于预设误差门限；若是，则获取所述最大峰值对应的码相位和多普勒频率，判定信号捕获成功。
具体的卫星导航信号捕获装置的工作过程，已经在上述卫星导航信号捕获方法中详述，此处不予赘述。
本实施例的卫星导航信号捕获装置，通过将数字中频信号X与本地复数载波信号进行相关，生成零中频复数信号S；将零中频复数信号S与不同初相的本地码进行相关运算，获得相关后的信号Y；对信号Y进行分段积分生成积分后的信号Yr；对信号Yr进行随机采样，获得信号Ys；已知观测矩阵Φs和信号Ys，采用快速贝叶斯压缩感知重构算法生成频率信号θ；当频率信号θ的满足预设门限范围时，判定信号捕获成功；提高了频率偏移搜索范围和搜索精度，且具有较高的捕获灵敏度。
以上实施例仅用以说明本发明的技术方案，而非对其进行限制；尽管参照前述实施例对本发明进行了详细的说明，对于本领域的普通技术人员来说，依然可以对前述实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或替换，并不使相应技术方案的本质脱离本发明所要求保护的技术方案的精神和范围。

Claims (8)

1.一种卫星导航信号捕获方法，其特征在于：包括下述步骤：
将天线接收到的信号转换为数字中频信号X；
将数字中频信号X与本地复数载波信号进行相关，生成零中频复数信号S；
将零中频复数信号S与不同初相的本地码进行相关运算，获得信号Y；并对信号Y进行分段积分生成信号Yr；
对信号Yr进行随机采样，获得信号Ys；
已知观测矩阵Φs和信号Ys，采用快速贝叶斯压缩感知重构算法生成频率信号θ；
判断频率信号θ是否满足预设门限范围；若是，则判定信号捕获成功；
Φ为Vr行Vr列的实数矩阵，Φ的表达式定义为：
Figure FDA0003983447430000011
采用信号抽取索引对Φ的行向量进行抽样处理，得到观测矩阵Φs；
所述快速贝叶斯压缩感知重构算法通过高斯似然模型和Lasso模型求解出频率信号θ和后验密度误差。
2.根据权利要求1所述的卫星导航信号捕获方法，其特征在于：对信号Yr进行随机采样，具体包括：
采用满足高斯分布的信号抽取索引对信号Yr进行采样。
3.根据权利要求2所述的卫星导航信号捕获方法，其特征在于：对信号Yr进行采样的采样点数Vs＞Sθlog(V/Sθ)，其中，Sθ为频率信号θ的稀疏度，V为信号Yr的维度。
4.根据权利要求1所述的卫星导航信号捕获方法，其特征在于：所述判断频率信号θ是否满足预设门限范围，具体包括：
判断频率信号θ的最大峰值是否大于预设峰值门限且所述最大峰值对应的后验密度误差是否小于预设误差门限；
若是，则获取所述最大峰值对应的码相位和多普勒频率，判定信号捕获成功。
5.一种卫星导航信号捕获装置，其特征在于：包括：
射频模块，用于将天线接收到的信号转换为数字中频信号X；
正交相关模块，用于将数字中频信号X与本地复数载波信号进行相关，生成零中频复数信号S；
相关积分模块，用于将零中频复数信号S与不同初相的本地码进行相关运算，获得信号Y；并对信号Y进行分段积分生成信号Yr；
采样模块，用于对信号Yr进行随机采样，获得信号Ys；
信号重构模块，用于采用快速贝叶斯压缩感知重构算法生成频率信号θ；所述信号重构模块的快速贝叶斯压缩感知重构算法通过高斯似然模型和Lasso模型求解出频率信号θ和后验密度误差；
判定模块，用于判断频率信号θ是否满足预设门限范围；若是，则判定信号捕获成功。
6.根据权利要求5所述的卫星导航信号捕获装置，其特征在于：所述采样模块，具体用于采用满足高斯分布的信号抽取索引对信号Yr进行采样。
7.根据权利要求6所述的卫星导航信号捕获装置，其特征在于：对信号Yr进行采样的采样点数Vs＞Sθlog(V/Sθ)，其中，Sθ为频率信号θ的稀疏度，V为信号Yr的维度。
8.根据权利要求5所述的卫星导航信号捕获装置，其特征在于：所述判定模块，具体用于判断频率信号θ的最大峰值是否大于预设峰值门限且所述最大峰值对应的后验密度误差是否小于预设误差门限；若是，则获取所述最大峰值对应的码相位和多普勒频率，判定信号捕获成功。
CN202010621772.2A 2020-06-30 2020-06-30 一种卫星导航信号捕获方法及装置 Active CN111624632B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010621772.2A CN111624632B (zh) 2020-06-30 2020-06-30 一种卫星导航信号捕获方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010621772.2A CN111624632B (zh) 2020-06-30 2020-06-30 一种卫星导航信号捕获方法及装置

Publications (2)

Publication Number Publication Date
CN111624632A CN111624632A (zh) 2020-09-04
CN111624632B true CN111624632B (zh) 2023-04-11

Family

ID=72260230

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010621772.2A Active CN111624632B (zh) 2020-06-30 2020-06-30 一种卫星导航信号捕获方法及装置

Country Status (1)

Country Link
CN (1) CN111624632B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112444830B (zh) * 2020-11-10 2023-12-29 中国科学院微小卫星创新研究院 基于奇异值分解的压缩感知gnss信号捕获方法
CN114296109B (zh) * 2021-12-28 2023-03-24 汇鲲化鹏(海南)科技有限公司 一种gnss信号切片导航数据的基带处理方法和系统

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20130087982A (ko) * 2012-01-30 2013-08-07 한국과학기술원 Ｇｎｓｓ 및 대역확산 신호의 신속한 신호 획득을 위한 압축 감지 방법 및 그 장치
CN104199057A (zh) * 2014-09-11 2014-12-10 重庆大学 一种基于压缩感知技术的boc信号无模糊捕获算法
CN106291618A (zh) * 2015-06-12 2017-01-04 北京信息科技大学 一种用于gnss信号压缩捕获处理装置的恢复模块及其实现方法
CN106772365A (zh) * 2016-11-25 2017-05-31 南京理工大学 一种基于贝叶斯压缩感知的多径利用穿墙雷达成像方法
CN109765586A (zh) * 2019-01-09 2019-05-17 安徽师范大学 基于压缩感知的glonass信号快速捕获方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106663316A (zh) * 2016-08-30 2017-05-10 深圳大学 一种基于块稀疏压缩感知的红外图像重构方法及其系统

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20130087982A (ko) * 2012-01-30 2013-08-07 한국과학기술원 Ｇｎｓｓ 및 대역확산 신호의 신속한 신호 획득을 위한 압축 감지 방법 및 그 장치
CN104199057A (zh) * 2014-09-11 2014-12-10 重庆大学 一种基于压缩感知技术的boc信号无模糊捕获算法
CN106291618A (zh) * 2015-06-12 2017-01-04 北京信息科技大学 一种用于gnss信号压缩捕获处理装置的恢复模块及其实现方法
CN106772365A (zh) * 2016-11-25 2017-05-31 南京理工大学 一种基于贝叶斯压缩感知的多径利用穿墙雷达成像方法
CN109765586A (zh) * 2019-01-09 2019-05-17 安徽师范大学 基于压缩感知的glonass信号快速捕获方法

Non-Patent Citations (9)

* Cited by examiner, † Cited by third party
Title
Compressive sensing for cluster structured sparse signals: variational;Yu, L 等;《IET SIGNAL PROCESSING 》;20160930;第10卷(第07期);全文 *
FIELD OF EXPERTS: OPTIMAL STRUCTURED BAYESIAN COMPRESSED SENSING;Lan, XJ 等;《2017 IEEE Global Conference on Signal and Information Processing》;20180308;全文 *
一种利用压缩感知改进的PMF-FFT扩频捕获算法;王凯等;《电讯技术》;20180628;第58卷(第06期);全文 *
一种用于BDS-3接收机工程实现的两级B1C信号捕获技术;颜舒琳 等;《全球定位系统》;20190215;第44卷(第01期);全文 *
基于压缩感知的DSSS信号双阶段捕获方法;程艳合等;《北京航空航天大学学报》;20150430;第41卷(第04期);全文 *
基于结构稀疏和卷积网络的压缩感知方法研究;李婉;《中国博士学位论文全文数据库 信息科技辑》;20190715(第07期);全文 *
基于贝叶斯压缩感知的复数稀疏信号恢复方法;王伟等;《电子与信息学报》;20160630;第38卷(第06期);第1419-1423页 *
基于贝叶斯压缩感知的自适应测量算法;郭鹏;《计算机工程与应用》;20120917;第49卷(第09期);全文 *
特征字典与自适应联合的BCS-UWB信道估计;王玲玲等;《计算机技术与发展》;20151231;第25卷(第12期);全文 *

Also Published As

Publication number Publication date
CN111624632A (zh) 2020-09-04

Similar Documents

Publication Publication Date Title
CN102279390B (zh) 一种低信噪比雷达辐射源信号脉内调制识别方法
CN111624632B (zh) 一种卫星导航信号捕获方法及装置
CN109085614B (zh) 基于时-频谱值平滑与分割的gnss干扰特征辨识方法及系统
CN102830409B (zh) 一种基于压缩感知的导航信号采集方法
CN105790788B (zh) 一种直扩msk信号的伪码-多普勒联合捕获方法
CN105429719B (zh) 基于功率谱和多尺度小波变换分析强干扰信号检测方法
CN111865865B (zh) 适用于高灵敏度星载ads-b接收机的频偏及相偏估计方法
CN109150235A (zh) 基于压缩感知的多周期直扩msk信号二维联合捕获方法
CN113820731B (zh) 一种卫星导航接收机无周期长码信号的捕获方法及系统
CN113406671A (zh) 一种基于c/n0-mv的gnss转发式欺骗干扰检测方法
KR100776682B1 (ko) 초광대역 통신을 이용한 고정밀도 거리인식 장치 및 방법
CN109975842A (zh) 一种基于小波变换的北斗卫星信号高精度盲捕获方法
He et al. Sparse GLONASS signal acquisition based on compressive sensing and multiple measurement vectors
CN113965224B (zh) 一种适用于跳频系统的dft信号检测方法
CN102798871B (zh) 基于伪码重构的伪码捕获方法及装置
CN108900210B (zh) 一种多模测控信号的并行干扰消除方法及系统
CN114584227B (zh) 自动化突发信号检测方法
CN115664905A (zh) 基于多域物理层指纹特征的Wi-Fi设备识别系统及方法
CN109633707B (zh) 一种基于预平均处理的变系数匹配滤波的快速捕获方法
CN114268393A (zh) 一种基于连通分量个数特征的认知无线电频谱感知方法
CN107872413B (zh) 基于压缩感知高阶累积量的智能调制识别方法
EP2074736A1 (en) Apparatus and method of synchronizing frames using phase differential information in dvb transmission system
CN106302283B (zh) 一种低复杂度的星载ais信号非相干序列检测方法
US20220317228A1 (en) Method for separating loran sky and ground waves based on levenberg-marquart algorithm
Li et al. Wavelet transforms detection of spectrum sensing in the space network

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant