CN111901266A - 面向低信噪比和高动态场景的载波多普勒频偏捕获方法 - Google Patents
面向低信噪比和高动态场景的载波多普勒频偏捕获方法 Download PDFInfo
- Publication number
- CN111901266A CN111901266A CN202010678004.0A CN202010678004A CN111901266A CN 111901266 A CN111901266 A CN 111901266A CN 202010678004 A CN202010678004 A CN 202010678004A CN 111901266 A CN111901266 A CN 111901266A
- Authority
- CN
- China
- Prior art keywords
- cluster
- signal
- elements
- frequency offset
- doppler frequency
- 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.)
- Granted
Links
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L27/00—Modulated-carrier systems
- H04L27/0014—Carrier regulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L27/00—Modulated-carrier systems
- H04L27/0014—Carrier regulation
- H04L2027/0024—Carrier regulation at the receiver end
- H04L2027/0026—Correction of carrier offset
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明公开了一种面向低信噪比和高动态场景的载波多普勒频偏捕获方法,可以解决低信噪比和高动态场景下长时间信号累积导致的能量扩散问题。包括如下步骤:对接收到的L个扩频码元信号依次进行解扩处理;对每一个码元信号进行快速傅里叶变换;对L个码元信号进行非相干累积,得到累积结果;从累积结果中选出Nc个元素组成一个新的集合;计算聚类终止参数;对集合中的元素进行凝聚层次聚类,得到多个簇;计算每一个簇的大小;从所有簇中寻找最大的簇;计算最大簇中所有元素序号的平均值;根据平均值,得到多普勒频偏捕获结果。本发明利用聚类将多个信号元素聚为一个簇,重新累积已经扩散的信号能量,提高累积增益,从而有效地提高多普勒捕获概率。
Description
技术领域
本发明涉及一种面向低信噪比和高动态场景的载波多普勒频偏捕获方法,属于空间通信领域。
背景技术
随着航天技术的发展,航天器的飞行距离越来越远,甚至超过太阳系范围,而且航天器的飞行速度也越来越快。因此,航天通信面临以下两个问题:(1)通信距离的增大会造成很大的路径损耗,从而严重降低接收信号的信噪比;(2)通信载体的高速(超过第三宇宙速度16.7km/s)和高加速度(可达几百g,g=9.8m/s2)运动使得信号载波频率产生很大的多普勒频偏。为了恢复信号,接收端的载波解调必须补偿多普勒频偏。补偿多普勒频偏的关键就在于如何准确地捕获到多普勒频偏的数值。因此,低信噪比和高动态场景下载波多普勒频偏捕获就成为航天通信的核心技术之一。
当前,航天通信(尤其是测控通信)的信号主要采用扩频体制且速率较低。在此情形下,载波多普勒频偏捕获方法主要分为以下两类:滑动相关和快速傅里叶变换(fastFourier transform,FFT)。滑动相关方法首先将频率搜索范围划分为若干个小间隔,然后通过不断地调整本地频率并与接收信号进行相关处理,直至相关值超过捕获门限。但是,在多普勒变化范围很大的情况下,滑动相关捕获方法需要搜索的次数过多,从而导致捕获时间很长。FFT方法首先将接收到的码元信号从时域转换到频域,然后在频域上进行最大似然搜索得到频域谱峰,是当前应用最为广泛的方法。但是,在低信噪比和高动态场景下,FFT方法受到很多限制,降低了多普勒频偏的捕获性能。首先,在低信噪比条件下,FFT对单个码元信号的处理不能提供足够的输出信噪比,使得信号元素谱线低于最大噪声谱线,无法完成捕获。针对低信噪比情况,现有技术中,主要有三种信号累积方式,即,相干、非相干和差分。通过长时间信号累积,很多个信号能量被累积起来,使得信号谱线高于最大噪声谱线,从而提高捕获概率。然而,当通信载体在高速运动,尤其是存在很大加速度的情形下,不同码元信号上的多普勒频偏会发生很大的漂移,使得他们的频域谱线不在同一个点上。此时,多个信号的累积能量会扩散到多个FFT点,导致严重的能量扩散问题。在扩大信号范围的同时,能量扩散问题会极大地降低信号的频域谱线。针对能量扩散对信号累积效果的影响,现有技术发现,捕获概率是信号累积周期长度的凸函数并且存在唯一的最优累积周期长度。另外,通过大量数据分析,该项研究还得出了如下结论:运动加速度越大,最优累积周期长度越小,捕获概率也会越低。
通过以上的分析,可以发现:一方面,低信噪比要求长时间信号累积以提高信号能量;另一方面,高加速度引起的能量扩散问题严重限制了信号累积效果。因此,在低信噪比和高动态环境下,如何提高载波多普勒频偏的捕获概率就成为一个极富挑战性的技术难题。
发明内容
针对现有技术的不足,本发明的目的在于提供一种面向低信噪比和高动态场景的载波多普勒频偏捕获方法,以解决现有技术中存在的多普勒频偏捕获概率较低的问题。
为解决上述技术问题,本发明采用的技术方案为:
一种载波多普勒频偏捕获方法,包括:
获取待确定多普勒频偏的载波信号,所述载波信号包括多个扩频码元信号;
对各扩频码元信号分别进行解扩、离散化处理,得到相应的码元信号;
对所述码元信号进行快速傅里叶变换,得到对应的频域向量;
对所有频域向量进行非相干累积,获取累积结果;
从所述累积结果中选取部分元素组成一个元素集合;
确定聚类终止参数,并按照所述聚类终止参数对元素集合中的元素进行凝聚层次聚类;
计算聚类后元素集合中元素对应簇的大小;
根据所述簇的大小获取最大的簇;
对所述最大的簇中的元素进行排列,获取排列后元素的序号;
计算所述最大的簇中所有元素的序号平均值;
根据所述序号平均值、FFT的点数和采样频率计算得到多普勒频偏。
进一步的,定义经解扩和离散化处理后的第i个码元信号表示为:
x[i]=[x0,...,xN-1],
其中,第n个信号元素xn为:
式中,x[i]为第i个码元信号,xn为x[i]中的第n个信号元素,a是信号振幅,b是比特速率为rb的二进制码元数据信息,fs是采样频率,fd是码元上的多普勒初始频偏,fa是多普勒加速度,是初始相位,wn是均值为0、方差为σ2的高斯白噪声,N是一个码元信号的长度,j代表复数。其中,N=fs/rb。
进一步的,对码元信号进行快速傅里叶变换为,对各长度为N的码元信号进行Nf点的快速傅里叶变换,且Nf≥N;
所得频域向量为:
进一步的,定义载波信号包括L个扩频码元信号,则对所有频域向量进行非相关累计所得累积结果为:
式中,|·|表示取绝对值,Ic表示累积结果,L为扩频码元信号的个数,I[i]表示第i个码元信号x[i]对应的Nf点频域向量。
进一步的,从累积结果Ic中选取前Nc个最大元素组成所述元素集合,表示为:
其中,
进一步的,所述聚类终止参数根据以下公式确定:
式中,δ为聚类终止参数,L为扩频码元信号的个数,fa为多普勒加速度,Nf为FFT的点数,rb为比特速率,fs为采样频率。
进一步的,所述凝聚层次聚类的过程包括:
将元素集合中的每个元素作为一个簇,计算所有簇的簇间距离矩阵;
获取所述距离矩阵中的最小元素;
判断所述最小元素是否小于等于聚类终止参数;
若小于则将最小元素对应的两个簇合并;
更新合并后元素集合中簇之间的距离矩阵至最小元素大于聚类终止参数,得到聚类结果。
进一步的,所述簇的大小的计算公式为:
进一步的,所述序号平均值的计算公式为:
进一步的,所述多普勒频偏的计算公式为:
式中,为多普勒频偏捕获结果,为最大簇中所有元素的序号平均值,fs为采样频率,Nf为FFT的点数。本方法利用最大簇中多个元素来捕获多普勒频偏,能够将已经扩散到多个FFT点的信号能量重新累积起来,提高捕获概率。
一种载波多普勒频偏捕获系统,所述系统包括:
载波信号模块:用于获取待确定多普勒频偏的载波信号,所述载波信号包括多个扩频码元信号;
码元信号模块:用于对各扩频码元信号进行解扩、离散化处理,得到相应的码元信号;
频域向量模块:用于对所述码元信号进行快速傅里叶变换,得到对应的频域向量;
累积结果模块:用于对所有频域向量进行非相干累积,获取累积结果;
元素集合模块:用于从所述累积结果中选取部分元素组成一个元素集合;
聚类模块:用于确定聚类终止参数,并按照所述聚类终止参数对元素集合中的元素进行凝聚层次聚类;
第一计算模块:用于计算聚类后元素集合中元素对应簇的大小;
获取模块:用于根据所述簇的大小获取最大的簇;
排列模块:用于对所述最大的簇中的元素进行排列,获取排列后元素的序号;
第二计算模块:用于计算所述最大的簇中所有序号的序号平均值;
多普勒频偏模块:用于根据所述序号平均值、FFT的点数和采样频率计算得到多普勒频偏。
一种载波多普勒频偏捕获系统,所述系统包括处理器和存储介质;
所述存储介质用于存储指令;
所述处理器用于根据所述指令进行操作以执行上述所述方法的步骤。
计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现上述所述方法的步骤。
与现有技术相比,本发明所达到的有益效果是:
本发明提出的实现方法相比于传统的基于快速傅里叶的捕获方法,利用聚类将扩散的信号能量重新累积起来,解决了长时间累积导致的能量扩散问题,有效地提高信号累积增益,更适合低信噪比和高动态环境下的载波多普勒频偏捕获;能够显著地提高多普勒频偏捕获概率。
附图说明
图1是本发明的流程图;
图2是本发明多普勒捕获的长时间累积原理图;
图3是本发明方法下多普勒捕获概率提升曲线仿真图;
图4是本发明方法下的元素聚类仿真图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白,以下结合具体实施例,并参照附图,对本发明作进一步的详细说明。
一种载波多普勒频偏捕获方法,包括如下步骤:
获取待确定多普勒频偏的载波信号,所述载波信号包括多个扩频码元信号;
对各扩频码元信号分别进行解扩、离散化处理,得到相应的码元信号;
对所述码元信号进行快速傅里叶变换,得到对应的频域向量;
对所有频域向量进行非相干累积,获取累积结果;
根据仿真分析从所述累积结果中选取部分元素组成一个元素集合;
确定聚类终止参数,并按照所述聚类终止参数对元素集合中的元素进行凝聚层次聚类;
计算聚类后元素集合中元素对应簇的大小;
根据所述簇的大小获取最大的簇;
对所述最大的簇中的元素进行排列,获取排列后元素的序号;
计算所述最大的簇中所有序号的序号平均值;
根据所述序号平均值、FFT的点数和采样频率计算得到多普勒频偏。
本发明的基本原理是:针对载波信号,首先,对载波信号进行解扩、离散化、快速傅里叶变换和非相干累积处理得到累积结果,然后从累积结果中选择一部分较大的元素,包括信号元素和噪声元素,对这些元素进行聚类并得到多个簇,最后,从多个簇中寻找最大的簇作为捕获结果。本发明将多个信号元素聚为一个簇,能够起到累积已经扩散能量的目的,从而提高多普勒频偏捕获概率。
如图1所示,一种面向低信噪比和高动态场景的载波多普勒频偏捕获方法,具体包括如下步骤:
步骤一:信号接收端将接收到的L个扩频码元信号进行解扩处理和离散化采样后,得到的第i个码元信号x[i]=[x0,...,xN-1]可以表示为:
式中,i=1,2...,L,a是信号振幅,b是比特速率为rb的二进制码元数据信息,fs是采样频率,fd是码元上的多普勒初始频偏,fa是多普勒加速度,是初始相位,wn是均值为0、方差为σ2的高斯白噪声,N=fs/rb是一个码元信号长度,xn为x[i]中的第n个信号元素,j为表示复数。
步骤二:对每一个长度为N的码元信号进行Nf(Nf≥N)点的快速傅里叶变换,第i个码元信号x[i]对应的Nf点频域向量I[i]为:
式中,|·|表示取绝对值。
步骤五:计算聚类终止参数δ,如下所示:
计算元素集合中每个元素对应簇之间的距离矩阵;
获取所述距离矩阵中的最小元素;
判断所述最小元素是否小于等于聚类终止参数;
若小于则将最小元素对应的两个簇合并;
更新合并后元素集合中簇之间的距离矩阵至最小元素大于聚类终止参数,得到聚类结果。
凝聚层次聚类的具体算法为:
(2)计算簇间距离矩阵M,如下所示:
式中,i≠k,Mi,k为矩阵中第i行第j列的元素,Nc,i为簇Ci中的元素个数,Nc,k为簇Ck中的元素个数,为簇Ci包含的元素,为簇Ck包含的元素,s(x1)为在Ic中的序号,s(x2)为在Ic中的序号。
如果满足,进入下一步(5),否则进入(9)。
(7)簇的个数减1,如下所示:
(8)更新簇间距离矩阵M,返回(2)。
本发明利用聚类将扩散的信号能量重新累积起来,如图2所示。本发明的实施例如下:
以空间飞行器测控为例,信号载波频率fc=30GHz,飞行器运动速度和加速度的最大值分别为16×103m/s和150g(g=9.8m/s2)。根据运动速度和加速度可以得到多普勒及其加速度的最大值分别为1.6MHz和147kHz/s。扩频C/A码长度为2046且码率为10.23Mcp/s,码元二进制数据速率为5kb/s,采样频率fs=10.23MHz,码元信号初始相位多普勒捕获可容忍误差门限θ=10×103Hz,FFT点数Nf=2048,累积周期长度L=550,聚类元素个数Nc=36,信噪比范围SNR=a2/σ2∈[-34,-42]dB。
从附图3可以看出,短时傅里叶方法通常要求较高的信噪比条件,其捕获概率随信噪比的下降而急剧下降。传统FFT方法在长时间累积过程中导致严重的能量扩散问题,从而造成捕获概率下降。本发明方法利用聚类将扩散的信号能量重新累积起来,提高了信号累积增益,从而显著地提高多普勒频偏捕获概率。从附图4可以看出,本发明方法下的聚类将两个信号元素累积起来,使其成为最大的簇从而纠正了原先的最大噪声元素(图中最大元素为噪声元素)。
一种载波多普勒频偏捕获系统,所述系统包括:
载波信号模块:用于获取待确定多普勒频偏的载波信号,所述载波信号包括多个扩频码元信号;
码元信号模块:用于对各扩频码元信号进行解扩、离散化处理,得到相应的码元信号;
频域向量模块:用于对所述码元信号进行快速傅里叶变换,得到对应的频域向量;
累积结果模块:用于对所有频域向量进行非相干累积,获取累积结果;
元素集合模块:用于从所述累积结果中选取部分元素组成一个元素集合;
聚类模块:用于确定聚类终止参数,并按照所述聚类终止参数对元素集合中的元素进行凝聚层次聚类;
第一计算模块:用于计算聚类后元素集合中元素对应簇的大小;
获取模块:用于根据所述簇的大小获取最大的簇;
排列模块:用于对所述最大的簇中的元素进行排列,获取排列后元素的序号;
第二计算模块:用于计算所述最大的簇中所有序号的序号平均值;
多普勒频偏模块:用于根据所述序号平均值、FFT的点数和采样频率计算得到多普勒频偏。
一种载波多普勒频偏捕获系统,所述系统包括处理器和存储介质;
所述存储介质用于存储指令;
所述处理器用于根据所述指令进行操作以执行上述所述方法的步骤。
计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现上述所述方法的步骤。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上仅为本发明的实施例而已,并不用于限制本发明,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均包含在申请待批的本发明的权利要求范围之内。
Claims (10)
1.一种载波多普勒频偏捕获方法,其特征在于,包括如下步骤:
获取待确定多普勒频偏的载波信号,所述载波信号包括多个扩频码元信号;
对各扩频码元信号分别进行解扩、离散化处理,得到相应的码元信号;
对所述码元信号进行快速傅里叶变换,得到对应的频域向量;
对所有频域向量进行非相干累积,获取累积结果;
从所述累积结果中选取部分元素组成一个元素集合;
确定聚类终止参数,并按照所述聚类终止参数对元素集合中的元素进行凝聚层次聚类;
计算聚类后元素集合中元素对应簇的大小;
根据所述簇的大小获取最大的簇;
对所述最大的簇中的元素进行排列,获取排列后元素的序号;
计算所述最大的簇中所有元素的序号平均值;
根据所述序号平均值、FFT的点数和采样频率计算得到多普勒频偏。
7.根据权利要求1所述的一种载波多普勒频偏捕获方法,其特征在于,所述凝聚层次聚类的过程包括:
将元素集合中的每个元素作为一个簇,计算所有簇的簇间距离矩阵;
获取所述距离矩阵中的最小元素;
判断所述最小元素是否小于等于聚类终止参数;
若小于则将最小元素对应的两个簇合并;
更新合并后元素集合中簇之间的距离矩阵至最小元素大于聚类终止参数,得到聚类结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010678004.0A CN111901266B (zh) | 2020-07-14 | 2020-07-14 | 面向低信噪比和高动态场景的载波多普勒频偏捕获方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010678004.0A CN111901266B (zh) | 2020-07-14 | 2020-07-14 | 面向低信噪比和高动态场景的载波多普勒频偏捕获方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111901266A true CN111901266A (zh) | 2020-11-06 |
CN111901266B CN111901266B (zh) | 2023-02-14 |
Family
ID=73192801
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010678004.0A Active CN111901266B (zh) | 2020-07-14 | 2020-07-14 | 面向低信噪比和高动态场景的载波多普勒频偏捕获方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111901266B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112714088A (zh) * | 2020-12-23 | 2021-04-27 | 南京邮电大学 | 动态多普勒频偏估计方法、装置及存储介质 |
CN114039823A (zh) * | 2021-11-05 | 2022-02-11 | 金陵科技学院 | 一种低信噪比下高动态多普勒频偏及其加速度估计方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105162493A (zh) * | 2015-08-04 | 2015-12-16 | 北京理工大学 | 多普勒域和延迟域二维捕获方法及装置 |
CN108809354A (zh) * | 2018-06-04 | 2018-11-13 | 南京邮电大学 | 一种高动态多普勒捕获的长时间累积方法 |
-
2020
- 2020-07-14 CN CN202010678004.0A patent/CN111901266B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105162493A (zh) * | 2015-08-04 | 2015-12-16 | 北京理工大学 | 多普勒域和延迟域二维捕获方法及装置 |
CN108809354A (zh) * | 2018-06-04 | 2018-11-13 | 南京邮电大学 | 一种高动态多普勒捕获的长时间累积方法 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112714088A (zh) * | 2020-12-23 | 2021-04-27 | 南京邮电大学 | 动态多普勒频偏估计方法、装置及存储介质 |
CN114039823A (zh) * | 2021-11-05 | 2022-02-11 | 金陵科技学院 | 一种低信噪比下高动态多普勒频偏及其加速度估计方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111901266B (zh) | 2023-02-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108322409A (zh) | 基于广义正交匹配追踪算法的稀疏ofdm信道估计方法 | |
CN111901266B (zh) | 面向低信噪比和高动态场景的载波多普勒频偏捕获方法 | |
CN104852875A (zh) | 高动态大频偏突发信号的频偏估计方法 | |
CN109474306B (zh) | 一种基于直扩信号捕获的检测判决方法 | |
CN105553507A (zh) | 基于fft全相干累积时频域并行捕获方法 | |
CN113014524B (zh) | 一种基于深度学习的数字信号调制识别方法 | |
CN110784286B (zh) | 基于压缩感知的非正交多址接入系统的多用户检测方法 | |
CN111680737B (zh) | 差异性信噪比条件下的雷达辐射源个体识别方法 | |
CN110932807B (zh) | 一种非高斯噪声下mimo系统的频谱感知方法及系统 | |
CN108809354B (zh) | 一种高动态多普勒捕获的长时间累积方法 | |
CN110138459A (zh) | 基于基追踪去噪的稀疏水声正交频分复用信道估计方法及装置 | |
KR20210126912A (ko) | 인지 무선 시스템에서 합성곱 신경망 기반 스펙트럼 센싱 방법 및 장치 | |
CN109061693A (zh) | 一种适用于p码捕获的改进pmf-fft方法 | |
CN110289926B (zh) | 基于调制信号循环自相关函数对称峰值的频谱感知方法 | |
CN106603450B (zh) | 一种适于深空通信的高动态宽范围快速信号捕捉方法 | |
CN107728104A (zh) | 一种改进的卫星导航干扰测向方法 | |
CN114884775A (zh) | 一种基于深度学习的大规模mimo系统信道估计方法 | |
CN114280639A (zh) | 一种基于比特遍历的弹载高动态北斗b3i信号捕获方法及装置 | |
CN112714088A (zh) | 动态多普勒频偏估计方法、装置及存储介质 | |
CN109104215A (zh) | 一种基于小波变换的跳频信号码元速率盲估计方法 | |
CN111624632A (zh) | 一种卫星导航信号捕获方法及装置 | |
CN110059401B (zh) | 一种ofdm系统水声信道冲激响应重构方法 | |
CN108900210B (zh) | 一种多模测控信号的并行干扰消除方法及系统 | |
CN113972951B (zh) | 一种低信噪比高动态信号载波多普勒频偏的梳状搜索方法 | |
CN102223173B (zh) | 一种子帧粗同步的方法及装置 |
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 |