CN112887240B - 基于双重卡尔曼滤波的多普勒因子估计方法 - Google Patents
基于双重卡尔曼滤波的多普勒因子估计方法 Download PDFInfo
- Publication number
- CN112887240B CN112887240B CN202110268774.2A CN202110268774A CN112887240B CN 112887240 B CN112887240 B CN 112887240B CN 202110268774 A CN202110268774 A CN 202110268774A CN 112887240 B CN112887240 B CN 112887240B
- Authority
- CN
- China
- Prior art keywords
- initial
- communication signal
- doppler
- corrected
- factors
- 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
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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B13/00—Transmission systems characterised by the medium used for transmission, not provided for in groups H04B3/00 - H04B11/00
- H04B13/02—Transmission systems in which the medium consists of the earth or a large mass of water thereon, e.g. earth telegraphy
-
- 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
Abstract
基于双重卡尔曼滤波的多普勒因子估计方法,属于水声通信技术领域。解决了现有对多普勒频偏因子估计的方法未考虑连续帧信号的多普勒因子之间的变化过程,导致估计精度差问题。本发明先对初始通信信号进行同步,查找到初始通信信号中的训练序列;再对初始通信信号中的训练序列整体的前半部分进行分段后,根据初始通信信号的M个初始多普勒因子及单重卡尔曼滤波算法,获得初始通信信号的初始多普勒因子估计值;最后利用初始多普勒因子估计值对初始通信信号进行修正,并根据修正后的通信信号中的训练序列整体进行分段后,再根据修正后的通信信号的N个初始多普勒因子及双重卡尔曼滤波算法,获得修正后的通信信号的多普勒因子估计值。应用于水声通信。
Description
技术领域
本发明属于水声通信技术领域。
背景技术
如今,建设海洋强国已经成为我国重要的发展战略,水声通信技术是目前维护我国安全的重要组成部分,也是我国海洋项目中研究的重要项目之一。在实际应用中,水下机器人、潜艇等在水声通信系统中会有较大的相对运动速度,多普勒频移现象在时域上会使得数据帧进行扩展或者压缩,从而造成接收端的同步与跟踪过程具有极大的误差,甚至会使接收端无法进行正常的工作,这样就会导致通信系统的误码率增大,所以在设计通信系统时,需考虑对通信信号进行多普勒估计与补偿的工作,但是如何减小甚至消除由于多普勒频移现象而导致的对通信系统的影响是目前在水下通信的研究过程中急需解决的问题。
中国专利说明书CN106027116A中公开了一种基于chirp信号的移动水声通信多普勒系数估计方法,利用chirp信号的采样点数在多普勒效应产生前后的变化量来得到实际chirp信号长度的变化量,从而估计出多普勒系数。中国专利说明书CN103618686A中公开了一种水声OFDM多普勒因子精确估计方法,设计一种OFDM帧格式,加入带循环前缀的前同步码和CW单频信号,对接收信号进行三次多普勒估计,范围逐步缩小,精度逐步提高。中国专利说明书CN102916922B中提供水声OFDM自适应搜索多普勒补偿方法,采用CW信号作为训练序列进行多普勒频偏因子粗测。利用高倍DFT对多普勒频偏进行补偿。以CW信号测得的多普勒频偏因子作为初始值,以补偿、均衡后的数据的均方误差为代价函数,不断调整因子大小进行搜索,直到满足条件。
以上列举的均是对训练序列作为整体一帧信号,对帧信号内的多普勒频偏因子进行估计,没有考虑连续帧信号的多普勒因子之间的变化过程,导致对多普勒频偏因子估计精度差的缺陷,因此,以上问题亟需解决。
发明内容
本发明目的是为了解决现有对多普勒频偏因子估计的方法未考虑连续帧信号的多普勒因子之间的变化过程,导致估计精度差问题,提供了一种基于双重卡尔曼滤波的多普勒因子估计方法。
基于双重卡尔曼滤波的多普勒因子估计方法,该估计方法包括如下步骤:
步骤一、接收端对接收的初始通信信号进行同步,同步成功后确定所接收的初始通信信号中训练序列的位置,并根据所接收的初始通信信号中训练序列的位置查找到初始通信信号中的训练序列;
步骤二、对初始通信信号中的训练序列整体的前半部分进行分段,共获得M段训练序列,其中,每一段训练序列作为一个码片,共获得M个码片;根据M个码片获得初始通信信号的M个初始多普勒因子;再根据初始通信信号的M个初始多普勒因子及单重卡尔曼滤波算法,获得初始通信信号的初始多普勒因子估计值;
步骤三、利用步骤二获得的初始多普勒因子估计值对初始通信信号进行修正,获得修正后的通信信号,并对修正后的通信信号进行同步,同步成功后确定修正后的通信信号中训练序列的位置,并根据修正后的通信信号中训练序列的位置查找到初始通信信号中的训练序列,并对修正后的通信信号中的训练序列整体进行分段,共获得N段训练序列,其中,每一段训练序列作为一个码片,共获得N个码片;根据N个码片获得修正后的通信信号的N个初始多普勒因子;再根据修正后的通信信号的N个初始多普勒因子及双重卡尔曼滤波算法,获得修正后的通信信号的多普勒因子估计值,并将该修正后的通信信号的多普勒因子估计值作为初始通信信号的多普勒因子的最终估计结果,从而完成了多普勒因子的估计;
其中,M和N均为整数,且N大于M。
优选的是,步骤二中、根据M个码片获得初始通信信号的M个初始多普勒因子的实现方式为:
对每个码片的训练序列进行频率测量,获得该码片的初始多普勒因子,进而获得初始通信信号中M个码片分别对应的M个初始多普勒因子。
优选的是,步骤二中、根据初始通信信号的M个初始多普勒因子及单重卡尔曼滤算法,获得初始通信信号的初始多普勒因子估计值的实现方式包括:
步骤二一、根据初始通信信号的M个初始多普勒因子,形成初始通信信号的初始多普勒因子序列;
步骤二二、通过卡尔曼滤波算法对初始通信信号的初始多普勒因子序列进行平滑处理,获得一条平滑的直线,并对该直线取中值,并将该中值作为初始通信信号的初始多普勒因子估计值。
优选的是,步骤三中、根据N个码片获得修正后的通信信号的N个初始多普勒因子的实现方式为:
对每个码片的训练序列进行频率测量,获得该码片的初始多普勒因子,进而获得修正后的通信信号中N个码片分别对应的N个初始多普勒因子。
优选的是,步骤三中、根据修正后的通信信号的N个初始多普勒因子及双重卡尔曼滤波算法,获得修正后的通信信号的多普勒因子估计值的实现方式包括:
步骤三一、根据修正后的通信信号的N个初始多普勒因子,形成修正后的通信信号的初始多普勒因子序列;
步骤三二、通过卡尔曼滤波算法对修正后的通信信号的初始多普勒因子序列进行平滑处理,获得一次平滑后的直线;
步骤三三、再次利用卡尔曼滤波算法对一次平滑后的直线进行再次平滑处理,获得二次平滑后的直线,并对二次平滑后的直线取中值,并将该中值作为修正后的通信信号的多普勒因子估计值。
本发明带来的有益效果是:
一方面,将通信信号中的训练序列进行分段,所形成的每个码片作为一帧,使得通信信号的训练序列成形的连续帧,通过对连续帧所对应的多普勒因子整体进行优化,从而获得通信信号的精确的多普勒因子估计值。
另一方面,本发明方法对训练序列进行两次分段,对每次分段形成的多个码片所对应的初始多普勒因子整体通过卡尔曼滤波进行优化可得到更精准的多普勒频偏因子估计结果。
附图说明
图1为基于双重卡尔曼滤波的多普勒因子估计方法的流程图;
图2为速度为4m/s时的本发明步骤三中进行第一次卡尔曼滤波与第二次卡尔曼滤波的情况对比图;
图3为三种方法的估计偏差对比图;其中,三种方法分别为:对本发明步骤三中N个初始多普勒因子进行直接取中值的方法、对本发明步骤三中N个初始多普勒因子进行第一次卡尔曼滤波的方法、及对本发明步骤三中N个初始多普勒因子进行第二次卡尔曼滤波的方法;
图4为不同信噪比下(-10—10dB)三种方法的误码率对比图;其中,三种方法分别为:对本发明步骤三中N个初始多普勒因子进行直接取中值的方法、对本发明步骤三中N个初始多普勒因子进行第一次卡尔曼滤波的方法、及对本发明步骤三中N个初始多普勒因子进行第二次卡尔曼滤波的方法;
图5为多途真实海试信道(信噪比为-12—-3dB)下的三种方法误码率前后对比图;其中,三种方法分别为:对本发明步骤三中N个初始多普勒因子进行直接取中值的方法、对本发明步骤三中N个初始多普勒因子进行第一次卡尔曼滤波的方法、及对本发明步骤三中N个初始多普勒因子进行第二次卡尔曼滤波的方法。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动的前提下所获得的所有其他实施例,都属于本发明保护的范围。
需要说明的是,在不冲突的情况下,本发明中的实施例及实施例中的特征可以相互组合。
参见图1说明本实施方式,本实施方式所述的基于双重卡尔曼滤波的多普勒因子估计方法,该估计方法包括如下步骤:
步骤一、接收端对接收的初始通信信号进行同步,同步成功后确定所接收的初始通信信号中训练序列的位置,并根据所接收的初始通信信号中训练序列的位置查找到初始通信信号中的训练序列;
步骤二、对初始通信信号中的训练序列整体的前半部分进行分段,共获得M段训练序列,其中,每一段训练序列作为一个码片,共获得M个码片;根据M个码片获得初始通信信号的M个初始多普勒因子;再根据初始通信信号的M个初始多普勒因子及单重卡尔曼滤波算法,获得初始通信信号的初始多普勒因子估计值;
步骤三、利用步骤二获得的初始多普勒因子估计值对初始通信信号进行修正,获得修正后的通信信号,并对修正后的通信信号进行同步,同步成功后确定修正后的通信信号中训练序列的位置,并根据修正后的通信信号中训练序列的位置查找到初始通信信号中的训练序列,并对修正后的通信信号中的训练序列整体进行分段,共获得N段训练序列,其中,每一段训练序列作为一个码片,共获得N个码片;根据N个码片获得修正后的通信信号的N个初始多普勒因子;再根据修正后的通信信号的N个初始多普勒因子及双重卡尔曼滤波算法,获得修正后的通信信号的多普勒因子估计值,并将该修正后的通信信号的多普勒因子估计值作为初始通信信号的多普勒因子的最终估计结果,从而完成了多普勒因子的估计;
其中,M和N均为整数,且N大于M。
具体应用时,由于收发端存在相对运动,信号在时域内会出现压缩或扩展,对训练序列及后续信号的码片进行选片时会出现累计误差,因此本发明先测量训练序列的多普勒因子序列,将测量结果进行卡尔曼滤波后取中值作为均匀多普勒估计结果,并通过该估计结果修正初始通信信号,重新进行匹配滤波追踪过程,该初始通信信号还做为本地训练序列参考信号。步骤三中重新同步后,再次测量训练序列的多普勒因子序列,将测量结果经过两次卡尔曼滤波后取中值作为均匀多普勒估计结果,将其作为最后解调整个信息序列的多普勒因子。
本实施方式所述的基于双重卡尔曼滤波的多普勒因子估计方法,一方面,将通信信号中的训练序列进行分段,所形成的每个码片作为一帧,使得通信信号的训练序列成形的连续帧,通过对连续帧所对应的多普勒因子整体进行优化,从而获得通信信号的精确的多普勒因子估计值。另一方面,本发明方法对训练序列进行两次分段,对每次分段形成的多个码片所对应的初始多普勒因子整体通过卡尔曼滤波进行优化可得到更精准的多普勒频偏因子估计结果。
进一步的,步骤二中、根据M个码片获得初始通信信号的M个初始多普勒因子的实现方式为:
对每个码片的训练序列进行频率测量,获得该码片的初始多普勒因子,进而获得初始通信信号中M个码片分别对应的M个初始多普勒因子。
更进一步的,步骤二中、根据初始通信信号的M个初始多普勒因子及单重卡尔曼滤算法,获得初始通信信号的初始多普勒因子估计值的实现方式包括:
步骤二一、根据初始通信信号的M个初始多普勒因子,形成初始通信信号的初始多普勒因子序列;
步骤二二、通过卡尔曼滤波算法对初始通信信号的初始多普勒因子序列进行平滑处理,获得一条平滑的直线,并对该直线取中值,并将该中值作为初始通信信号的初始多普勒因子估计值。
更进一步的,步骤三中、根据N个码片获得修正后的通信信号的N个初始多普勒因子的实现方式为:
对每个码片的训练序列进行频率测量,获得该码片的初始多普勒因子,进而获得修正后的通信信号中N个码片分别对应的N个初始多普勒因子。
更进一步的,步骤三中、根据修正后的通信信号的N个初始多普勒因子及双重卡尔曼滤波算法,获得修正后的通信信号的多普勒因子估计值的实现方式包括:
步骤三一、根据修正后的通信信号的N个初始多普勒因子,形成修正后的通信信号的初始多普勒因子序列;
步骤三二、通过卡尔曼滤波算法对修正后的通信信号的初始多普勒因子序列进行平滑处理,获得一次平滑后的直线;
步骤三三、再次利用卡尔曼滤波算法对一次平滑后的直线进行再次平滑处理,获得二次平滑后的直线,并对二次平滑后的直线取中值,并将该中值作为修正后的通信信号的多普勒因子估计值。
原理分析:本发明提供的基于双重卡尔曼滤波的多普勒因子估计方法,先获得初始通信信号中多个码片的初始多普勒因子,再对初始通信信号中多个码片的初始多普勒因子进行优化处理,化结果更贴近真实值,获得初始通信信号的初始多普勒因子估计值,再利用初始通信信号的初始多普勒因子估计值对初始通信信号进行修正进行,从而获得修正后的通信信号的多普勒因子估计值,将该修正后的通信信号的多普勒因子估计值作为初始通信信号的多普勒因子的最终估计结果,更进一步的使得估计结果接近真实值,获得更为准确的估计结果,为后续更精准的均匀及非均匀多普勒频偏补偿提供基础。
具体应用时,本发明在较高信噪比下的滤波结果良好,效果比直接取中值以及单次卡尔曼滤波的效果显著,图2展现的是速度为4m/s时,双重卡尔曼滤波、单重卡尔曼滤波以及直接取中值的估计效果对比图,可见双重卡尔曼滤波的效果更为显著。而在不同信噪比下,经过两次卡尔曼滤波具有最优的效果,如图3所示,可见本发明阐述的基于双重卡尔曼滤波的多普勒因子估计方法具有最小的估计偏差,图4展示出了不同信噪比下,三种方法的误码率对比图,由图4可知经过2次卡尔曼滤波的方法具有最好的结果。
在真实海试信道下,三种方法的效果显示较为明显,从在真实海试信道下仿真的误码率结果图5看,在真实应用情况下,本发明阐述的算法效果无论在低信噪比还是高信噪比的情况下,效果都比其他两种算法的结果好,证明本发明阐述的方法确实可以用到实际情况中,且效果良好。
本发明仿真了三种多普勒频偏因子估计方法的结果对比,如图2所示。三种方法的多普勒估计偏差数据对比以及误码率对比,如图3、图4所示,在真实海试信道数据下多普勒频移估计结果对比(以误码率形式呈现),如图5所示,上述图均表明:利用本发明所阐述的方法得到的结果更接近真实值。
该方法可用于多种多普勒频偏因子估计方法中,可起到优化估计结果的作用。
虽然在本文中参照了特定的实施方式来描述本发明,但是应该理解的是,这些实施例仅仅是本发明的原理和应用的示例。因此应该理解的是,可以对示例性的实施例进行许多修改,并且可以设计出其他的布置,只要不偏离所附权利要求所限定的本发明的精神和范围。应该理解的是,可以通过不同于原始权利要求所描述的方式来结合不同的从属权利要求和本文中所述的特征。还可以理解的是,结合单独实施例所描述的特征可以使用在其他所述实施例中。
Claims (3)
1.基于双重卡尔曼滤波的多普勒因子估计方法,该估计方法包括如下步骤:
步骤一、接收端对接收的初始通信信号进行同步,同步成功后确定所接收的初始通信信号中训练序列的位置,并根据所接收的初始通信信号中训练序列的位置查找到初始通信信号中的训练序列;
步骤二、对初始通信信号中的训练序列整体的前半部分进行分段,共获得M段训练序列,其中,每一段训练序列作为一个码片,共获得M个码片;根据M个码片获得初始通信信号的M个初始多普勒因子;再根据初始通信信号的M个初始多普勒因子及单重卡尔曼滤波算法,获得初始通信信号的初始多普勒因子估计值;
步骤三、利用步骤二获得的初始多普勒因子估计值对初始通信信号进行修正,获得修正后的通信信号,并对修正后的通信信号进行同步,同步成功后确定修正后的通信信号中训练序列的位置,并根据修正后的通信信号中训练序列的位置查找到初始通信信号中的训练序列,并对修正后的通信信号中的训练序列整体进行分段,共获得N段训练序列,其中,每一段训练序列作为一个码片,共获得N个码片;根据N个码片获得修正后的通信信号的N个初始多普勒因子;再根据修正后的通信信号的N个初始多普勒因子及双重卡尔曼滤波算法,获得修正后的通信信号的多普勒因子估计值,并将该修正后的通信信号的多普勒因子估计值作为初始通信信号的多普勒因子的最终估计结果,从而完成了多普勒因子的估计;
其中,M和N均为整数,且N大于M;
其特征在于,步骤二中、根据初始通信信号的M个初始多普勒因子及单重卡尔曼滤算法,获得初始通信信号的初始多普勒因子估计值的实现方式包括:
步骤二一、根据初始通信信号的M个初始多普勒因子,形成初始通信信号的初始多普勒因子序列;
步骤二二、通过卡尔曼滤波算法对初始通信信号的初始多普勒因子序列进行平滑处理,获得一条平滑的直线,并对该直线取中值,并将该中值作为初始通信信号的初始多普勒因子估计值;
步骤三中、根据修正后的通信信号的N个初始多普勒因子及双重卡尔曼滤波算法,获得修正后的通信信号的多普勒因子估计值的实现方式包括:
步骤三一、根据修正后的通信信号的N个初始多普勒因子,形成修正后的通信信号的初始多普勒因子序列;
步骤三二、通过卡尔曼滤波算法对修正后的通信信号的初始多普勒因子序列进行平滑处理,获得一次平滑后的直线;
步骤三三、再次利用卡尔曼滤波算法对一次平滑后的直线进行再次平滑处理,获得二次平滑后的直线,并对二次平滑后的直线取中值,并将该中值作为修正后的通信信号的多普勒因子估计值。
2.根据权利要求1所述的基于双重卡尔曼滤波的多普勒因子估计方法,其特征在于,步骤二中、根据M个码片获得初始通信信号的M个初始多普勒因子的实现方式为:
对每个码片的训练序列进行频率测量,获得该码片的初始多普勒因子,进而获得初始通信信号中M个码片分别对应的M个初始多普勒因子。
3.根据权利要求1所述的基于双重卡尔曼滤波的多普勒因子估计方法,其特征在于,步骤三中、根据N个码片获得修正后的通信信号的N个初始多普勒因子的实现方式为:
对每个码片的训练序列进行频率测量,获得该码片的初始多普勒因子,进而获得修正后的通信信号中N个码片分别对应的N个初始多普勒因子。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110268774.2A CN112887240B (zh) | 2021-03-12 | 2021-03-12 | 基于双重卡尔曼滤波的多普勒因子估计方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110268774.2A CN112887240B (zh) | 2021-03-12 | 2021-03-12 | 基于双重卡尔曼滤波的多普勒因子估计方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112887240A CN112887240A (zh) | 2021-06-01 |
CN112887240B true CN112887240B (zh) | 2022-04-19 |
Family
ID=76041201
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110268774.2A Active CN112887240B (zh) | 2021-03-12 | 2021-03-12 | 基于双重卡尔曼滤波的多普勒因子估计方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112887240B (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103701728A (zh) * | 2013-12-03 | 2014-04-02 | 浙江大学 | 一种基于间接信道函数跟踪的被动时反水声通信方法 |
WO2016191555A1 (en) * | 2015-05-26 | 2016-12-01 | The Board Of Trustees Of The University Of Illinois | Method and apparatus for ultra high bandwidth acoustic communication and power transfer |
CN106330342A (zh) * | 2015-06-15 | 2017-01-11 | 中国科学院深圳先进技术研究院 | 一种低计算复杂度的水声通信多普勒因子估计方法 |
CN106931973A (zh) * | 2017-03-14 | 2017-07-07 | 杭州电子科技大学 | 基于非线性调频脉冲信号的高精度室内定位系统及方法 |
CN106961403A (zh) * | 2017-04-02 | 2017-07-18 | 苏州桑泰海洋仪器研发有限责任公司 | 一种基于稀疏信道模型的ofdm水声语音通信多普勒补偿估计方法 |
CN107231176A (zh) * | 2017-07-24 | 2017-10-03 | 哈尔滨工程大学 | 一种基于子载波能量的ofdm‑mfsk水声通信宽带多普勒估计与补偿方法 |
CN108828584A (zh) * | 2018-06-19 | 2018-11-16 | 电子科技大学 | 基于航迹折叠因子解模糊的多重频目标检测前跟踪方法 |
CN110113279A (zh) * | 2019-05-05 | 2019-08-09 | 哈尔滨工程大学 | 一种移动跳频水声通信多普勒因子估计方法 |
CN110266622A (zh) * | 2018-03-12 | 2019-09-20 | 中国科学院声学研究所 | 一种正交多载波m元混沌调相扩频水声通信方法 |
CN112003809A (zh) * | 2020-10-28 | 2020-11-27 | 鹏城实验室 | 基于运动平台的多载波水声通信多普勒估计与补偿方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160050030A1 (en) * | 2012-11-29 | 2016-02-18 | The Board Of Trustees Of The University Of Illinois | System and method for communication with time distortion |
-
2021
- 2021-03-12 CN CN202110268774.2A patent/CN112887240B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103701728A (zh) * | 2013-12-03 | 2014-04-02 | 浙江大学 | 一种基于间接信道函数跟踪的被动时反水声通信方法 |
WO2016191555A1 (en) * | 2015-05-26 | 2016-12-01 | The Board Of Trustees Of The University Of Illinois | Method and apparatus for ultra high bandwidth acoustic communication and power transfer |
CN106330342A (zh) * | 2015-06-15 | 2017-01-11 | 中国科学院深圳先进技术研究院 | 一种低计算复杂度的水声通信多普勒因子估计方法 |
CN106931973A (zh) * | 2017-03-14 | 2017-07-07 | 杭州电子科技大学 | 基于非线性调频脉冲信号的高精度室内定位系统及方法 |
CN106961403A (zh) * | 2017-04-02 | 2017-07-18 | 苏州桑泰海洋仪器研发有限责任公司 | 一种基于稀疏信道模型的ofdm水声语音通信多普勒补偿估计方法 |
CN107231176A (zh) * | 2017-07-24 | 2017-10-03 | 哈尔滨工程大学 | 一种基于子载波能量的ofdm‑mfsk水声通信宽带多普勒估计与补偿方法 |
CN110266622A (zh) * | 2018-03-12 | 2019-09-20 | 中国科学院声学研究所 | 一种正交多载波m元混沌调相扩频水声通信方法 |
CN108828584A (zh) * | 2018-06-19 | 2018-11-16 | 电子科技大学 | 基于航迹折叠因子解模糊的多重频目标检测前跟踪方法 |
CN110113279A (zh) * | 2019-05-05 | 2019-08-09 | 哈尔滨工程大学 | 一种移动跳频水声通信多普勒因子估计方法 |
CN112003809A (zh) * | 2020-10-28 | 2020-11-27 | 鹏城实验室 | 基于运动平台的多载波水声通信多普勒估计与补偿方法 |
Non-Patent Citations (1)
Title |
---|
基于小波去噪的移动水声通信多普勒因子优化;刘凇佐;《声学技术》;20181231;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN112887240A (zh) | 2021-06-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101414990A (zh) | 一种单载波频域均衡系统中的载波频偏和时延的捕获方法 | |
CN102025671B (zh) | 时间粗同步和频率精同步的时域联合估计方法 | |
CN113612527B (zh) | 一种低轨卫星移动通信系统初始同步方法 | |
CN113259291B (zh) | 利用水声连续信号动态多普勒跟踪实现的相位补偿方法 | |
CN110518936B (zh) | 高超声速飞行器大动态多普勒快速捕获方法及通信系统 | |
CN110138698B (zh) | 高阶调制线性混合信号频偏初相联合估计方法及装置 | |
US20050084023A1 (en) | Method for the frequency and time synchronization of an odm receiver | |
CN110113279A (zh) | 一种移动跳频水声通信多普勒因子估计方法 | |
CN108449298A (zh) | 一种适应于高速宽带通信的定时同步与频偏估计方法 | |
CN110430156A (zh) | 突发ofdm数据传输的帧同步方法及系统 | |
CN113253313A (zh) | 一种改进pmf-fft系统多普勒频率估计精度的方法 | |
CN112887240B (zh) | 基于双重卡尔曼滤波的多普勒因子估计方法 | |
CN110233687B (zh) | 一种多路数据信号联合判决检测方法 | |
CN104796370A (zh) | 一种水声通信的信号同步方法、系统及水声通信系统 | |
CN110290084B (zh) | 一种基于数据频率能量峰值的短波信道盲符号同步方法 | |
CN109856615B (zh) | 一种基于css技术的测距方法及系统 | |
CN1925470B (zh) | 一种时分双工移动通信系统的多径判决方法 | |
CN107276953B (zh) | 定时同步方法、装置和系统 | |
CN108833320B (zh) | 一种基于Keystone变换的宽带DS/FH信号参数估计方法及系统 | |
CN112565142A (zh) | 一种多模式sc-fde突发传输载波同步方法 | |
CN107276955B (zh) | 信号处理方法和系统 | |
CN114760178B (zh) | 一种基于多径能量的频偏估计方法 | |
CN1788476A (zh) | 使用导频信号的迭代信道估计 | |
CN107294889B (zh) | 载波同步方法和装置 | |
CN107276740B (zh) | 定时同步方法、装置和系统 |
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 |