CN113253306B - 模拟gnss多径信道的方法及装置 - Google Patents

模拟gnss多径信道的方法及装置 Download PDF

Info

Publication number
CN113253306B
CN113253306B CN202110628569.2A CN202110628569A CN113253306B CN 113253306 B CN113253306 B CN 113253306B CN 202110628569 A CN202110628569 A CN 202110628569A CN 113253306 B CN113253306 B CN 113253306B
Authority
CN
China
Prior art keywords
channel
multipath
signal
snapshot data
gnss
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
CN202110628569.2A
Other languages
English (en)
Other versions
CN113253306A (zh
Inventor
周顺
欧钢
唐小妹
肖伟
牟卫华
吕志成
倪少杰
李柏渝
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.)
National University of Defense Technology
Original Assignee
National University of Defense Technology
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 National University of Defense Technology filed Critical National University of Defense Technology
Priority to CN202110628569.2A priority Critical patent/CN113253306B/zh
Publication of CN113253306A publication Critical patent/CN113253306A/zh
Application granted granted Critical
Publication of CN113253306B publication Critical patent/CN113253306B/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
    • G01S19/22—Multipath-related issues
    • 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
    • H04B—TRANSMISSION
    • H04B17/00—Monitoring; Testing
    • H04B17/30—Monitoring; Testing of propagation channels
    • H04B17/391—Modelling the propagation channel
    • H04B17/3912—Simulation models, e.g. distribution of spectral power density or received signal strength indicator [RSSI] for a given geographic region

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Electromagnetism (AREA)
  • Signal Processing (AREA)
  • Noise Elimination (AREA)

Abstract

本发明公开了一种模拟GNSS多径信道的方法及装置。包括模型参数配置模块、扩频码发生器、性能标准模块、相关器、自适应学习模块和信道模拟滤波器。本发明能对参考GNSS信道模型产生的大量多径分量进行等效简化，降低实时仿真计算资源需求，并且通过结合功率—延迟空间中多径参数聚类分析和最小化信号时间自相关函数误差的最小二乘估计方法，自适应地学习参考信道模型生成的信道冲击响应数据在相关函数域上的特性，保持多径误差模拟效果与参考信道模型一致。

Description

模拟GNSS多径信道的方法及装置
技术领域
本发明涉及卫星导航系统领域，具体地涉及一种模拟GNSS多径信道的方法及装置。
背景技术
全球导航卫星系统（global navigation satellite systems，GNSS）的设计和优化需要真实的传播模型和计算高效的模拟仿真技术。近年来，专门为GNSS应用而设计的信道模型受到高度关注，这是因为基于信道模型的仿真技术是有效改善GNSS接收机开发的关键基础性技术之一。从GNSS信道模型来说，应用比较广泛的有基于信道探测数据和虚拟城市建模方法开发的记载于ITU-R P.681建议书中的陆地移动多径信道模型，以及卫星到室内信道模型等。此类适合于GNSS的信道模型属于宽带时变信道模型，通常由抽头延迟线（tap delay line, TDL）结构及其变体建模和仿真。所述TDL结构在常在FPGA内用FIR滤波器来实现，如图1所示，现有技术中基于信道模型和信道模拟FIR滤波器来模拟多径信道，其中信道模拟FIR滤波器101就是属于TDL结构的信道模拟方式，而信道模型102则负责产生该滤波器的抽头系数，输入信号10送入信道模拟FIR滤波器101，滤波后得到输出信号20。
然而，在模拟GNSS多径信道的装置中存在问题是当采用TDL结构来模拟GNSS多径信道时，模拟仿真信号实时波形所需要的计算量可能会非常大。有两方面的原因：一方面，用复杂城市场景的传播信道模型进行仿真会产生大量的多径分量；另一方面，标准化信道模型输出的多径分量延迟不是信道模拟系统采样率的倍数，从而需要对信道冲击响应进行重采样，导致FIR滤波器抽头数量进一步增加，需要大量额外的计算能力。进一步地，在真实的模拟需求中，在考虑多个GNSS系统的情况下，最多可能需要同时模拟十几到二十几颗导航卫星的信道，这样对硬件模拟计算资源的压力会非常巨大。
由于以上两方面的限制，导致目前实时模拟GNSS多径信道会耗费大量硬件资源。
发明内容
本发明旨在至少解决现有技术中存在的技术问题之一。为此，本发明提出一种模拟GNSS多径信道的方法及装置，能够克服在卫星导航系统测试和评估中信道模拟计算复杂度高、计算量大的问题。
根据本发明第一方面实施例的模拟GNSS多径信道的方法，包括以下步骤：
S100、配置参考信道模型的模型参数；
S200、用所述参考信道模型生成信道冲击响应快照数据，所述信道冲击响应快照数据包含复加权系数向量和时延向量；
S300、对所述信道冲击响应快照数据中的复加权系数向量进行sinc插值，然后以信道模拟器对输入信号的采样间隔进行重采样，获得重采样信道冲击响应快照数据，所述重采样信道冲击响应快照数据包含重采样后的复加权系数向量和均匀采样间隔的时延向量；
S400、用步骤S300得到的重采样后的复加权系数向量作为FIR滤波器抽头系数对与输入GNSS信号相同体制的扩频码信号进行复系数FIR滤波，滤波输出的信号作为性能标准信号；
S500、用所述性能标准信号和与输入GNSS信号相同体制的扩频码信号做相关运算，相关运算输出设为期望响应；
S600、通过聚类分析算法对重采样信道冲击响应快照数据分簇，提取各个簇中心对应的多径分量时延；
S700、根据步骤S500中得到的期望响应，采用最小二乘估计方法优化多径分量的复加权系数值；
S800、用步骤S700得到的优化后的复加权系数向量作为FIR滤波器抽头系数对输入GNSS信号进行复系数FIR滤波，滤波后的信号作为信道模拟输出信号。
根据本发明第一方面实施例的模拟GNSS多径信道的方法，至少具有如下技术效果：
本发明实施方式能对参考GNSS信道模型产生的大量多径分量进行等效简化，降低实时仿真计算资源需求，并且通过结合功率—延迟空间中多径参数聚类分析和最小化信号时间自相关函数误差的最小二乘估计方法，自适应地学习参考信道模型生成的信道冲击响应数据在相关函数域上的特性，保持多径误差模拟效果与参考信道模型一致；
本发明实施方式在信道模拟滤波器内通过稀疏抽头数字FIR滤波器进行稀疏抽头数字FIR滤波，稀疏抽头数字FIR滤波器与参考信道模拟FIR滤波器相比具有较少滤波器抽头，可以降低模拟GNSS多径信道的实时计算复杂度低，还可以使模拟的多径误差保持稳定。
根据本发明的一些实施例，所述步骤S100中的模型参数包括卫星仰角、卫星方位角、用户速度和用户朝向。
根据本发明的一些实施例，所述步骤S600的具体步骤为：
S601、用重采样信道冲击响应快照数据建立样本集合；
S602、设定期望聚类分析产生的簇数量；
S603、对所述样本集合执行聚类分析算法；
S604、输出聚类分析算法得到的簇中心对应的多径分量时延。
根据本发明的一些实施例，所述步骤S700的具体步骤为：
S701、计算扩频码信号的自相关函数R（τ），所述R（τ）为N×1列向量；
S702、根据R（τ）和步骤S600提取的多径分量时延
Figure DEST_PATH_IMAGE001
，
通过公式
Figure 956269DEST_PATH_IMAGE002
计算线性系统参数矩阵H；
S703、根据线性系统参数矩阵H以及步骤S500中得到的期望响应y，用最小二乘估 计公式
Figure DEST_PATH_IMAGE003
计算得到优化后的多径分量的复加权系数值
Figure 908045DEST_PATH_IMAGE004
。
根据本发明第二方面实施例的模拟GNSS多径信道的装置，包括：
模型参数配置模块，用于配置并输出参考信道模型的模型参数；
扩频码发生器，用于生成并输出与输入信号相同体制的扩频码信号；
性能标准模块，所述性能标准模块的输入端连接所述模型参数配置模块的输出端以用于接收模型参数，并通过先sinc插值后重采样的方法处理内置参考信道模型产生的信道冲击响应快照数据，转换得到重采样后的信道冲击响应快照数据，送入与输入卫星导航信号相同体制的扩频码信号到内置的均匀间隔复系数数字FIR滤波器，利用重采样信道冲击响应快照数据中的复加权系数向量作为所述均匀间隔复系数数字FIR滤波器系数，滤波输出性能标准信号；
相关器，所述相关器的两个输入端分别连接扩频码发生器的输出端和性能标准模块的输出端，以用于接收扩频码信号和性能标准信号，并对性能标准信号和扩频码信号执行相关运算，输出相关运算结果为期望响应；
自适应学习模块，所述自适应学习模块的输入端分别连接性能标准模块、扩频码发生器和相关器的输出端以用于接收重采样信道冲击响应快照数据、扩频码信号和期望响应，并通过结合多径分量聚类分析和最小二乘估计方法，先聚合相似多径分量来减少需要模拟的多径数量，然后自适应地学习重采样信道冲击响应快照数据在相关函数域上的特性，得到复加权系数向量和多径分量时延向量；
信道模拟滤波器，所述信道模拟滤波器内设置有稀疏抽头数字FIR滤波器，以用于模拟GNSS多径信道，对送入信道模拟滤波器的输入信号进行稀疏抽头数字FIR滤波得到信道模拟输出信号。
根据本发明第二方面实施例的模拟GNSS多径信道的装置，至少具有如下技术效果：本发明实施方式能对参考GNSS信道模型产生的大量多径分量进行等效简化，降低实时仿真计算资源需求，并且通过结合功率—延迟空间中多径参数聚类分析和最小化信号时间自相关函数误差的最小二乘估计方法，自适应地学习参考信道模型生成的信道冲击响应数据在相关函数域上的特性，保持多径误差模拟效果与参考信道模型一致；
本发明实施方式在信道模拟滤波器进行稀疏抽头数字FIR滤波，与参考信道模拟FIR滤波器相比具有较少滤波器抽头，可以降低模拟GNSS多径信道的实时计算复杂度低，还可以使模拟的多径误差保持稳定。
根据本发明的一些实施例，所述性能标准模块包括参考信道模型、信道重采样器和参考信道模拟滤波器；
所述参考信道模型用于根据输入的模型参数仿真计算生成信道冲击响应快照数据，所述信道冲击响应快照数据包括多径分量的复加权系数向量和时延向量；
所述信道重采样器的输入端连接所述参考信道模型的输出端以用于对输入的信道冲击响应快照数据中的复加权系数向量进行sinc插值，然后以信道模拟的采样间隔进行重采样，获得重采样信道冲击响应快照数据，所述重采样信道冲击响应快照数据包括重采样后的复加权系数向量和均匀采样间隔的时延向量；
参考信道模拟滤波器，所述参考信道模拟滤波器的输出端连接所述信道重采样器的输入端以用于接收并加载所述重采样信道冲击响应快照数据中的复加权系数向量作为内置FIR滤波器的抽头系数对扩频码信号进行复系数FIR滤波，最后将滤波后信号作为性能标准信号输出。
根据本发明的一些实施例，所述内置FIR滤波器采用均匀间隔复系数数字FIR滤波器。
根据本发明的一些实施例，所述自适应学习模块包括聚类分析器和最小二乘估计器；
所述聚类分析器的输入端与所述性能标准模块的输出端相连以用于通过聚类分析算法对重采样信道冲击响应快照数据分簇，提取各个簇中心对应的多径分量时延向量，输出所述多径分量时延向量；
所述最小二乘估计器的输入端分别连接聚类分析器、扩频码发生器和相关器的输出端，以用于输入多径分量时延向量、扩频码信号和期望响应，并采用最小二乘估计方法，使模拟的多径信道自相关函数自适应地逼近期望响应，获得优化的复加权系数向量，最后输出复加权系数向量。
根据本发明的一些实施例，所述信道模拟滤波器的输入信号为数字基带信号。
根据本发明的一些实施例，所述信道模拟滤波器的信道模拟输出信号为数字基带信号。
本发明的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。
附图说明
本发明的上述和/或附加的方面和优点结合下面附图对实施例的描述中将变得明显和容易理解，其中：
图1为现有技术中基于信道模型和信道模拟FIR滤波器来模拟多径信道的示意框图；
图2为本发明实施例中模拟GNSS多径信道的方法流程图；
图3为本发明实施例中模拟GNSS多径信道的方法步骤S600的子步骤流程图；
图4为本发明实施例中模拟GNSS多径信道的方法步骤S700的子步骤流程图；
图5为本发明实施例中模拟GNSS多径信道的装置的原理框图；
图6是均匀间隔复系数数字FIR滤波器结构示意图；
图7是本发明实施例中信道模拟滤波器采用的稀疏抽头数字FIR滤波器的结构示意图。
具体实施方式
下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本发明，而不能理解为对本发明的限制。
本发明的描述中，除非另有明确的限定，设置、安装、连接等词语应做广义理解，所属技术领域技术人员可以结合技术方案的具体内容合理确定上述词语在本发明中的具体含义。
参考图2，一种模拟GNSS信道的方法，包括以下步骤：
S100、配置参考信道模型的模型参数。
其中，惯常的做法需要对参考信道模型进行初始装订，即配置参考信道模型的模型参数，模型参数一般包括卫星仰角、卫星方位角、用户速度和用户朝向。
另外，因为受信道脉冲响应采样频率的制约，配置用户最大速度时，出于仿真合理性的考虑，对用户最大速度是有限制的，限制条件设为
Figure 396926DEST_PATH_IMAGE005
其中， f samp 为信道脉冲响应采样频率，f c 为载波频率，c 0是光速。
S200、用参考信道模型生成信道冲击响应快照数据，信道冲击响应快照数据包含复加权系数向量和时延向量。
其中，参考信道模型可以是实际采集的或是综合的，综合的模型可用例如ITU-RP.681建议书中的陆地移动多径信道模型，但本发明的保护范围不限于此模型，也可以采用其它的由标准化组织发布或公认的真实可靠的GNSS信道模型；对于每一个时间常量，参考信道模型输出包含L路多径分量的复加权系数向量和时延向量，第i 路多径分量对应的延迟为τ i ，对应的复加权系数为A i (t)。等价基带信道脉冲响应为
Figure 775955DEST_PATH_IMAGE006
其中，t 和t分别代表时间和时延。
S300、对信道冲击响应快照数据中的复加权系数向量进行sinc插值，然后以信道模拟器对输入信号的采样间隔进行重采样，获得重采样信道冲击响应快照数据，重采样信道冲击响应快照数据包含重采样后的复加权系数向量和均匀采样间隔的时延向量。
其中，对信道冲击响应快照数据中的L维复加权系数向量应用sinc插值，然后以信道模拟器工作的采样间隔T进行重采样，以获得重采样复加权系数g n (t)，该系数的计算方式如下：
Figure 966765DEST_PATH_IMAGE007
其中，A i (t)为多径分量的复加权系数，τ i 为多径分量的时延，N为参考信道模拟滤波器抽头的数量，T为采样间隔。从上式中可知，加权系数g n (t)即参考信道模拟滤波器的每个抽头系数，都有参考信道模型产生的L个多径分量的贡献。
此外，对N的一种优选的确定方式是设定为1.5个码片时长除以采样间隔T。
S400、用步骤S300得到的重采样后的复加权系数向量作为FIR滤波器抽头系数对与输入GNSS信号相同体制的扩频码信号进行复系数FIR滤波，滤波输出的信号作为性能标准信号。
其中，作为一种可选的实施方式，可用步骤S300得到的重采样复加权系数向量作为一个均匀间隔的复系数FIR滤波器的抽头系数，用与输入GNSS信号相同体制的扩频码信号输入该滤波器，滤波输出的信号作为性能标准信号y (t)，其表达式为
Figure 456652DEST_PATH_IMAGE008
其中，x(t)为与输入GNSS信号相同体制的扩频码信号，g n (t)为步骤S300中得到的一组重采样复加权系数。
S500、用性能标准信号和与输入GNSS信号相同体制的扩频码信号做相关运算，相关运算输出设为期望响应。
其中，k时刻参考信道冲击响应的公式为
Figure 783728DEST_PATH_IMAGE009
式中的
Figure 333658DEST_PATH_IMAGE010
为复加权系数，
Figure 11764DEST_PATH_IMAGE011
为时延，性能标准信号y (t)和与输入GNSS信号相同 体制的扩频码信号x (t)之间的相关函数如下
Figure 305342DEST_PATH_IMAGE012
其中，N×1列向量R(τ)就是与输入GNSS信号相同体制的扩频码信号x(t)的自相关函数，同时也表示了直射GNSS信号的自相关函数。y代表了由参考信道模型生成的信道冲击响应快照数据得到的参考信道自相关函数，将y设为期望响应。
S600、通过聚类分析算法对重采样信道冲击响应快照数据分簇，提取各个簇中心对应的多径分量时延。
本步骤中通过聚类分析发现信道冲击响应快照数据内蕴的结构特征，达到识别在“功率—延迟空间”中距离接近的相似多径分量的技术效果，基于相似合并的思想，只保留簇中心多径，从而就可以减少需要模拟的多径数量。
优选的，本实施例中聚类分析算法选用非监督学习方法中的K中心（K-medoids）聚类算法，它是一种数据分簇算法，将数据划分为K个互斥的簇。通常用于要求对异常数据、任意距离度量或均值或中位数没有明确定义的数据具有鲁棒性的场合中。类似的聚类分析算法还有K均值（K-means）聚类算法，这两种方法的目标都是将一组测量值或观测值划分为K个子集或簇，以使子集最小化测量值与测量簇中心之间的距离之和。在K均值聚类算法中，子集的中心是子集中的测量平均值，通常称为质心，而在K中心聚类算法中，子集的中心是子集的成员，称为中心点（medoid）。值得一提的是，K中心聚类算法返回中心点，它是数据集中的实际数据点。这样，就可以在数据集中不存在数据均值的情况下使用该算法。因此，K-medoids算法比较适合本发明的应用场景。
设有N个信道冲击响应样本，每个样本由两个属性的特征向量组成。两个属性分别为复加权系数g和多径分量时延τ。样本集合可用矩阵X表示如下：
Figure 503236DEST_PATH_IMAGE013
参考图3，进一步的，步骤S600包括以下子步骤：
S601：用重采样信道冲击响应快照数据建立样本集合；
S602：设定期望聚类分析产生的簇数量；
S603：对样本集合执行聚类分析算法；
S604：输出聚类分析算法得到的簇中心对应的多径分量时延。
步骤S602中，不需要确定最佳簇数量，该簇数量就是期望精简的抽头数量可根据实际需要或硬件资源条件预先指定。
S700、根据步骤S500中得到的期望响应、步骤S600提取的多径分量时延和扩频码信号，采用最小二乘估计方法计算优化后的多径分量的复加权系数值；
其中，采用最小二乘估计方法优化多径分量的复加权系数值，实现GNSS信号分别在参考多径信道作用后和精简多径信道作用后的时间相关函数的误差最小化的效果。
参考图4，进一步的，步骤S700包括以下子步骤：
S701：计算扩频码信号的自相关函数，用N×1列向量R(τ)表示；
S702、根据R(τ)和步骤S600提取的多径分量时延
Figure 958488DEST_PATH_IMAGE014
，
通过公式
Figure 123890DEST_PATH_IMAGE015
计算线性系统参数矩阵H；
S703：根据线性系统参数矩阵H以及步骤S500中得到的期望响应y，用最小二乘估 计公式
Figure 690001DEST_PATH_IMAGE016
计算得到优化后的多径分量的复加权系数值
Figure 257249DEST_PATH_IMAGE017
。
其中，在第k个信道快照时刻，设本发明模拟的信道冲击响应为精简信道冲击响应，表示如下
Figure 883402DEST_PATH_IMAGE018
其中，在簇中心点时延位置
Figure 536100DEST_PATH_IMAGE019
已经由步骤S600的聚类分析获得的 前提条件下，用精简信道自相关函数来估计期望响应，精简信道自相关函数为
Figure 171481DEST_PATH_IMAGE020
其中，N×1列向量R(τ)表示扩频码信号（等效于直射GNSS信号）的自相关函数，* 运算符表示卷积运算。
Figure 327656DEST_PATH_IMAGE021
是已知量。
因此，这是一个线性参数估计问题，精简信道自相关函数与期望响应之间的估计误差表示如下
Figure 141022DEST_PATH_IMAGE022
其中，
Figure 15437DEST_PATH_IMAGE023
为误差矢量，
Figure 454509DEST_PATH_IMAGE024
为期望响应矢量，
Figure 730769DEST_PATH_IMAGE025
为待估计的精简信道复加权稀疏，线性系统参数矩阵H表示为：
Figure 964305DEST_PATH_IMAGE002
式中，H为N×M相关值矩阵，其中H的第p列r p 表示为：
Figure 326016DEST_PATH_IMAGE026
所求解问题即是根据已知的线性系统参数H和期望响应y，求未知的输入参数g。根据最小二乘法求解线性方程组的知识，矩阵H列满秩时，由于HTH非奇异，最小二乘估计由
Figure 303199DEST_PATH_IMAGE027
唯一确定，此时优化的多径分量的复加权系数向量由上式计算获得。
可选地，以上步骤S100～S700可用于简化GNSS信道模拟仿真装置中信道模拟滤波器信道冲击响应。
S800、用步骤S700得到的优化后的复加权系数向量作为FIR滤波器抽头系数对输入GNSS信号进行复系数FIR滤波，滤波输出的信号作为信道模拟输出信号；
其中，因为优化后的复加权系数向量比重采样后的复加权系数数量要少的多，作为FIR滤波器抽头系数对输入GNSS信号进行复系数FIR滤波，FIR滤波所需计算资源大大减少。作为一种优选的实施方式，用步骤S700得到的优化后的复加权系数向量作为一个稀疏抽头的复系数FIR滤波器的抽头系数，对输入GNSS信号进行复系数FIR滤波，滤波输出的信号作为信道模拟输出信号。
本发明实施例提供的模拟GNSS多径信道的方法，能够使GNSS多径信道通过装置进行模拟，从而在GNSS系统以及各种接收机设计时，能够为实现GNSS信道与GNSS系统中的装置之间的协同设计和仿真提供方便，并进一步为得到适合GNSS信道环境的最佳GNSS系统和接收机方案提供必要的条件。
参考图5，本发明还涉及一种模拟GNSS多径信道的装置，包括：模型参数配置模块100、扩频码发生器200、性能标准模块300、相关器400、自适应学习模块500和信道模拟滤波器600；模型参数配置模块100生成模型参数进入性能标准模块300中的参考信道模型310，参考信道模型310输出信道冲击响应快照数据送入信道重采样器320，信道重采样器320输出重采样信道冲击响应快照数据送入参考信道模拟滤波器330，参考信道模拟滤波器330还输入扩频码信号，参考信道模拟滤波器330输出性能标准信号连接相关器400的输入端，同时扩频码发生器200产生的扩频码信号连接相关器400另一个输入端，相关器400输出期望响应输入自适应学习模块500；其次，自适应学习模块500利用输入的期望响应、扩频码信号和重采样信道冲击响应快照数据计算得到精简优化后的多径复加权系数向量和多径分量时延向量送入信道模拟滤波器200；最后，输入信号进入信道模拟滤波器600得到输出信号。
其中，模型参数配置模块100，用于用户配置参考信道模型310的模型参数，该模块的输出模型参数到参考信道模型310输入端，模型参数包括包括：卫星仰角、卫星方位角、用户速度和用户朝向。
具体的，模型参数配置模块100可由可用实施例1中步骤S100相同的方式实现。
扩频码发生器200，用于产生与输入信号相同体制的扩频码信号，该扩频码信号输出到性能标准模块300中的参考信道模拟滤波器330、自适应学习模块500中的最小二乘估计器520和相关器400。
性能标准模块3，该模块的输入端连接模型参数配置模块100输出的模型参数，该模块用先sinc插值后重采样的方法处理由内置参考信道模型产生的信道冲击响应快照数据，转换得到重采样后的信道冲击响应快照数据，还送入与输入卫星导航信号相同体制的扩频码信号到内置的均匀间隔复系数数字FIR滤波器，利用重采样信道冲击响应快照数据中的复加权系数向量作为均匀间隔复系数数字FIR滤波器系数，滤波输出性能标准信号，性能标准模块300包括：参考信道模型310、信道重采样器320和参考信道模拟滤波器330，其中：
参考信道模型310，用于根据模型参数仿真计算生成信道冲击响应快照数据，信道冲击响应快照数据至少包含多径分量的复加权系数向量和时延向量。
另外，参考信道模型310可用方法步骤S200相同的方式实现，一般而言，参考信道模型310是用高性能CPU上运行的软件实施，当然也可以采用其它类型的处理器运行该软件，比如DSP、ARM或GPU。
信道重采样器320，用于对输入的信道冲击响应快照数据中的复加权系数向量进行sinc插值，然后以信道模拟的采样间隔进行重采样，获得重采样信道冲击响应快照数据，重采样信道冲击响应快照数据包含重采样后的复加权系数向量和均匀采样间隔的时延向量，重采样信道冲击响应快照数据送入参考信道模拟滤波器330。
具体来说，信道重采样器320可用方法步骤S300相同的方式实现。
因此，信道重采样器320的技术效果是将连续时间域上信道模型复加权系数输出等价转换为均匀采样间隔的离散时间形式；也是为构建在数字基带域中工作的参考信道模拟滤波器33，提供重采样后的均匀采样间隔下的滤波器复加权系数。
参考信道模拟滤波器330，用于加载重采样信道冲击响应快照数据中的复加权系数向量作为内置FIR滤波器的抽头系数对扩频码信号进行复系数FIR滤波，滤波输出的信号作为性能标准信号，内置FIR滤波器采用现有技术中均匀间隔复系数数字FIR滤波器。
参考图6为现有技术中的均匀间隔复系数数字FIR滤波器。该FIR滤波器特征在于滤波器的N个抽头之间的间隔是均匀的，包括一组横向排列的移位寄存器时延单元601、一组加权系数单元602和一组对应的加法器603。输入信号 x(i) 在每个时延单元601中延时，它们的延时具有相同单位时间，并且各延时的信号在加权系数单元602中用所对应的加权系数进行加权。
考虑K个信道冲击响应快照，用k=1,2,…，K表示其时间序号，其中第k个快照包含N k 个滤波器抽头，一个抽头可用一个向量组
Figure 433966DEST_PATH_IMAGE028
表示。由此可知，k时刻参考信道模拟滤波器330的信道冲击响应h 0(k,τ)表示为
Figure 586205DEST_PATH_IMAGE029
相关器400，用于对性能标准信号和扩频码信号执行相关运算，两个输入端分别输入性能标准信号和扩频码信号，相关运算结果为期望响应，期望响应输出至自适应学习模块500中的最小二乘估计器520。
自适应学习模块500，用于通过结合功率—延迟空间中多径分量聚类分析和最小化信号时间自相关函数误差的最小二乘估计方法，先聚合相似多径分量来减少需要模拟的多径数量，然后自适应地学习重采样信道冲击响应快照数据在相关函数域上的特性，保持多径误差模拟效果与参考信道模型一致；输入端分别连接重采样信道冲击响应快照数据、扩频码信号和期望响应，得到复加权系数向量和多径分量时延向量送入信道模拟滤波器600。
自适应学习模块500包括聚类分析器510和最小二乘估计器520。其中，聚类分析器510，用于通过聚类分析算法对重采样信道冲击响应快照数据分簇，提取各个簇中心对应的多径分量时延向量。聚类分析的目的是发现多径分量在延迟域中的局部中心位置。
具体的，聚类分析器510可用方法步骤S600相同的方式实现，同样通过方法步骤 S600的子步骤S601～S604，获得各个簇中心对应的多径分量时延
Figure 435213DEST_PATH_IMAGE030
，
Figure 950508DEST_PATH_IMAGE031
作为整体输出为多径分量时延向量511，即
Figure 201360DEST_PATH_IMAGE032
。
最小二乘估计器520，采用最小二乘估计方法，使本发明模拟的多径信道自相关函数自适应地逼近期望响应，期望响应是由参考信道模型生成的信道冲击响应快照数据得到的参考信道自相关函数，获得优化的多径分量的复加权系数向量，输入端连接期望响应、多径分量时延向量和扩频码信号。最小二乘估计方法实现GNSS信号分别在参考多径信道作用后和精简多径信道作用后的时间相关函数的误差最小化的效果，从而保持多径误差模拟效果与参考信道模型一致。
具体地，最小二乘估计器520通过方法步骤S700的子步骤S701～S703，获得复加权系数向量。
信道模拟滤波器600，用于模拟GNSS多径信道，对送入该滤波器的输入信号进行稀疏抽头数字FIR滤波，稀疏抽头数字FIR滤波的相比均匀间隔数字FIR滤波所用滤波器抽头少。
在信道模拟滤波器600中，利用一个稀疏抽头数字FIR滤波器模拟GNSS多径信道。 图7为本发明实施例中的稀疏抽头数字FIR滤波器。稀疏抽头数字FIR滤波器包括一组横向 排列的移位寄存器时延单元701、一组加权系数单元702和一组对应的加法器703。输入信号 x(i) 在每个时延单元701中延时，时延单元701具有相同单位延迟时间，与均匀间隔数字 FIR滤波相区别的是，各个加权系数
Figure 776698DEST_PATH_IMAGE033
之间的延时不再是均匀间隔的单位延迟，各延时的信 号在加权系数单元702中用所对应的加权系数
Figure 113002DEST_PATH_IMAGE034
进行加权，此处下标i=1,2,…，M，上标k表 示第k次更新的加权系数。也可以说，加权系数
Figure 431988DEST_PATH_IMAGE035
是多径信道的信道估算 值，也叫做稀疏抽头FIR滤波器的抽头系数。通常加权系数在是短时平稳的，与信号的变化 速度相比，加权系数的变化是比较缓慢的。延时并加权之后的信号在一组加法器703中逐级 相加，这样的好处是可把加法计算时间分摊到分散的时延内，最后得到输出信号y(i)。
例如，在第k个信道快照时刻，信道模拟滤波器600从自适应学习模块500中获得复加权系数向量和多径分量时延向量都有M k 个元素，复加权系数向量作为信道模拟滤波器600的抽头系数，多径分量时延向量作为信道模拟滤波器600相应的抽头时延；于此同时，性能标准模块300中的参考信道模拟滤波器330加载的了N k 重采样复加权系数。并且满足M k <N k 的条件。
用向量组
Figure 537347DEST_PATH_IMAGE036
表示复加权系数向量和多径分量时延向 量。用向量组
Figure 34318DEST_PATH_IMAGE037
表示重采样信道冲击响应快照数据中的复加权 系数向量和多径分量时延向量。再结合图6和图7所示的滤波器结构特征，可见信道模拟滤 波器600是一个稀疏抽头FIR滤波器，信道模拟滤波器600实现模拟GNSS多径信道的实时计 算复杂度相比参考信道模拟滤波器330要大大简化。
另外，本发明所提供的一种模拟GNSS多径信道的装置的输入信号可以是数字信号，或者是模拟信号，本实施例中采用数字基带信号。输出信号可以是数字信号，或者是模拟信号，本实施例中采用数字基带信号。
综上所述，本发明实施例创建了一种比用参考模型模拟GNSS多径信道具有较少抽头数量的简化地模拟GNSS多径信道的方法和装置。通过它可以自适应地学习参考信道模型的相关函数域特性，然后实时跟踪它的变化。这是因为卫星导航接收机广泛采用延迟锁相环（DLL）来接收信号，通过本地生成的扩频信号和接收到的卫星信号进行相关运算，实现伪码同步跟踪，因此相关运算生成的相关函数形状决定了伪距误差的性能。那么，参考模型的相关函数就可以成为合理的期望响应，而通过自适应学习的技术优化一个具有与参考模型几乎相同的相关函数的新的精简信道模型就成为一种可行的技术途径。
因此，本发明提出了一种不仅基于功率—延迟空间中多径参数聚类，而且基于最小化在信道作用下信号的时间自相关函数误差的最小二乘（LS）估计的自适应学习方法。用于简化模拟GNSS多径信道的装置中信道模拟滤波器信道冲击响应。
本发明实施例提供的装置能够模拟GNSS多径信道，由于模拟GNSS多径信道的装置的存在，由此在GNSS系统以及接收机设计时，能够为实现GNSS信道与GNSS系统中的装置之间的协同设计和仿真验证提供便利，并进一步为得到适合GNSS信道环境的最佳GNSS系统和接收机方案提供较佳的条件。
上面结合附图对本发明实施例作了详细说明，但是本发明不限于上述实施例，在所述技术领域普通技术人员所具备的知识范围内，还可以在不脱离本发明宗旨的前提下作出各种变化。

Claims (10)

1.一种模拟GNSS多径信道的方法，其特征在于，包括以下步骤：
S100、配置参考信道模型的模型参数；
S200、用所述参考信道模型生成信道冲击响应快照数据，所述信道冲击响应快照数据包含复加权系数向量和时延向量；
S300、对所述信道冲击响应快照数据中的复加权系数向量进行sinc插值，然后以信道模拟器对输入信号的采样间隔进行重采样，获得重采样信道冲击响应快照数据，所述重采样信道冲击响应快照数据包含重采样后的复加权系数向量和均匀采样间隔的时延向量；
S400、用步骤S300得到的重采样后的复加权系数向量作为FIR滤波器抽头系数对与输入GNSS信号相同体制的扩频码信号进行复系数FIR滤波，滤波输出的信号作为性能标准信号；
S500、用所述性能标准信号和与输入GNSS信号相同体制的扩频码信号做相关运算，相关运算输出设为期望响应；
S600、通过聚类分析算法对重采样信道冲击响应快照数据分簇，提取各个簇中心对应的多径分量时延；
S700、根据步骤S500中得到的期望响应、步骤S600中得到的多径分量时延和扩频码信号，采用最小二乘估计方法优化多径分量的复加权系数值；
S800、用步骤S700得到的优化后的复加权系数向量作为FIR滤波器抽头系数对输入GNSS信号进行复系数FIR滤波，滤波后的信号作为信道模拟输出信号。
2.根据权利要求1所述的模拟GNSS多径信道的方法，其特征在于，所述步骤S100中的模型参数包括卫星仰角、卫星方位角、用户速度和用户朝向。
3.根据权利要求1所述的模拟GNSS多径信道的方法，其特征在于，所述步骤S600的具体步骤为：
S601、用重采样信道冲击响应快照数据建立样本集合；
S602、设定期望聚类分析产生的簇数量；
S603、对所述样本集合执行聚类分析算法；
S604、输出聚类分析算法得到的簇中心对应的多径分量时延。
4.根据权利要求1所述的模拟GNSS多径信道的方法，其特征在于，所述步骤S700的具体步骤为：
S701、计算扩频码信号的自相关函数R（τ），所述R（τ）为N×1列向量；
S702、根据R（τ）和步骤S600提取的多径分量时延
Figure 758214DEST_PATH_IMAGE001
，
通过公式
Figure 153424DEST_PATH_IMAGE002
计算线性系统参数矩阵H，其中
Figure 905479DEST_PATH_IMAGE003
为簇中心点时延位置，m=1,2,…,M；
S703、根据线性系统参数矩阵H以及步骤S500中得到的期望响应y，用最小二乘估计公 式
Figure 727941DEST_PATH_IMAGE004
计算得到优化后的多径分量的复加权系数值
Figure 932658DEST_PATH_IMAGE005
。
5.一种模拟GNSS多径信道的装置，其特征在于，包括：
模型参数配置模块，用于配置并输出参考信道模型的模型参数；
扩频码发生器，用于生成并输出与输入信号相同体制的扩频码信号；
性能标准模块，所述性能标准模块的输入端连接所述模型参数配置模块的输出端以用于接收模型参数，并通过先sinc插值后重采样的方法处理内置参考信道模型产生的信道冲击响应快照数据，转换得到重采样后的信道冲击响应快照数据，送入与输入卫星导航信号相同体制的扩频码信号到内置的均匀间隔复系数数字FIR滤波器，利用重采样信道冲击响应快照数据中的复加权系数向量作为所述均匀间隔复系数数字FIR滤波器系数，滤波输出性能标准信号；
相关器，所述相关器的两个输入端分别连接扩频码发生器的输出端和性能标准模块的输出端，以用于接收扩频码信号和性能标准信号，并对性能标准信号和扩频码信号执行相关运算，输出相关运算结果为期望响应；
自适应学习模块，所述自适应学习模块的输入端分别连接性能标准模块、扩频码发生器和相关器的输出端以用于接收重采样信道冲击响应快照数据、扩频码信号和期望响应，并通过结合多径分量聚类分析和最小二乘估计方法，先聚合相似多径分量来减少需要模拟的多径数量，然后自适应地学习重采样信道冲击响应快照数据在相关函数域上的特性，得到复加权系数向量和多径分量时延向量；
信道模拟滤波器，所述信道模拟滤波器内设置有稀疏抽头数字FIR滤波器，以用于模拟GNSS多径信道，对送入信道模拟滤波器的输入信号进行稀疏抽头数字FIR滤波得到信道模拟输出信号。
6.根据权利要求5所述的模拟GNSS多径信道的装置，其特征在于：所述性能标准模块包括参考信道模型、信道重采样器和参考信道模拟滤波器，其中：
所述参考信道模型用于根据输入的模型参数仿真计算生成信道冲击响应快照数据，所述信道冲击响应快照数据包括多径分量的复加权系数向量和时延向量；
所述信道重采样器的输入端连接所述参考信道模型的输出端以用于对输入的信道冲击响应快照数据中的复加权系数向量进行sinc插值，然后以信道模拟的采样间隔进行重采样，获得重采样信道冲击响应快照数据，所述重采样信道冲击响应快照数据包括重采样后的复加权系数向量和均匀采样间隔的时延向量；
所述参考信道模拟滤波器的输出端连接所述信道重采样器的输入端以用于接收并加载所述重采样信道冲击响应快照数据中的复加权系数向量作为内置FIR滤波器的抽头系数对扩频码信号进行复系数FIR滤波，最后将滤波后信号作为性能标准信号输出。
7.根据权利要求6所述的模拟GNSS多径信道的装置，其特征在于，所述内置FIR滤波器采用均匀间隔复系数数字FIR滤波器。
8.根据权利要求5所述的模拟GNSS多径信道的装置，其特征在于，所述自适应学习模块包括聚类分析器和最小二乘估计器；
所述聚类分析器的输入端与所述性能标准模块的输出端相连以用于通过聚类分析算法对重采样信道冲击响应快照数据分簇，提取各个簇中心对应的多径分量时延向量，输出所述多径分量时延向量；
所述最小二乘估计器的输入端分别连接聚类分析器、扩频码发生器和相关器的输出端，以用于输入多径分量时延向量、扩频码信号和期望响应，并采用最小二乘估计方法，使模拟的多径信道自相关函数自适应地逼近期望响应，获得优化的复加权系数向量，最后输出复加权系数向量。
9.根据权利要求5所述的模拟GNSS多径信道的装置，其特征在于，所述信道模拟滤波器的输入信号为数字基带信号。
10.根据权利要求5所述的模拟GNSS多径信道的装置，其特征在于，所述信道模拟滤波器的信道模拟输出信号为数字基带信号。
CN202110628569.2A 2021-06-07 2021-06-07 模拟gnss多径信道的方法及装置 Active CN113253306B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110628569.2A CN113253306B (zh) 2021-06-07 2021-06-07 模拟gnss多径信道的方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110628569.2A CN113253306B (zh) 2021-06-07 2021-06-07 模拟gnss多径信道的方法及装置

Publications (2)

Publication Number Publication Date
CN113253306A CN113253306A (zh) 2021-08-13
CN113253306B true CN113253306B (zh) 2021-10-08

Family

ID=77186715

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110628569.2A Active CN113253306B (zh) 2021-06-07 2021-06-07 模拟gnss多径信道的方法及装置

Country Status (1)

Country Link
CN (1) CN113253306B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114422054B (zh) * 2022-03-30 2022-06-17 山东交通学院 一种基于角度信息的无线信道准平稳区间计算装置及方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103346984A (zh) * 2013-06-28 2013-10-09 南京信息工程大学 基于bsl0的局部聚类稀疏信道估计方法
CN103777518A (zh) * 2014-01-22 2014-05-07 天津七一二通信广播有限公司 基于改进的最小二乘法的卫星导航授时系统及方法
CN106102161A (zh) * 2016-05-30 2016-11-09 天津大学 基于聚类算法分析数据优化的室内定位方法
CN109101902A (zh) * 2018-07-24 2018-12-28 东南大学 一种基于无监督学习的卫星nlos信号检测方法
CN110927748A (zh) * 2019-12-04 2020-03-27 太原理工大学 一种基于稀疏估计的gnss定位多径缓解方法

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101377542B (zh) * 2008-09-19 2011-10-26 北京航空航天大学 一种gnss反射信号参数估计的方法和装置
US8717233B2 (en) * 2010-11-24 2014-05-06 Javad Gnss, Inc. Satellite signal multipath mitigation in GNSS devices
CN102508265B (zh) * 2011-10-25 2013-10-30 中国民航大学 基于信号分离估计理论的卫星导航信号多径干扰抑制方法
US10488524B2 (en) * 2014-01-16 2019-11-26 Topcon Positioning Systems, Inc. Methods for modeling multipath reflections of GNSS signals using a test installation and apparatuses for implementing test methods
CN106291604B (zh) * 2016-08-02 2018-06-26 桂林电子科技大学 卫星导航信号接收机的改进码跟踪方法及环路
US10495762B2 (en) * 2017-05-19 2019-12-03 Qualcomm Incorporated Non-line-of-sight (NLoS) satellite detection at a vehicle using a camera

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103346984A (zh) * 2013-06-28 2013-10-09 南京信息工程大学 基于bsl0的局部聚类稀疏信道估计方法
CN103777518A (zh) * 2014-01-22 2014-05-07 天津七一二通信广播有限公司 基于改进的最小二乘法的卫星导航授时系统及方法
CN106102161A (zh) * 2016-05-30 2016-11-09 天津大学 基于聚类算法分析数据优化的室内定位方法
CN109101902A (zh) * 2018-07-24 2018-12-28 东南大学 一种基于无监督学习的卫星nlos信号检测方法
CN110927748A (zh) * 2019-12-04 2020-03-27 太原理工大学 一种基于稀疏估计的gnss定位多径缓解方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
Marko S. Djogatovićetal.GNSS Signal Simulation and a Multipath Delay Estimation.《Proceedings of Small Systems Simulation Symposium 2012》.2012, *
一种低复杂度高精度多路GNSS多径信号模拟方法;张鑫 等;《中南大学学报》;20140131;第111-116页 *
卫星导航信道模型综述;周顺 等;《电波科学学报》;20200831;第504-514页 *

Also Published As

Publication number Publication date
CN113253306A (zh) 2021-08-13

Similar Documents

Publication Publication Date Title
Salmi et al. Detection and tracking of MIMO propagation path parameters using state-space approach
Madsen et al. Comparison of extended and ensemble Kalman filters for data assimilation in coastal area modelling
CN108470089B (zh) 一种基于最小二乘样本拟合的复信号时延估计方法
CN112995892B (zh) 基于复数神经网络的大规模mimo指纹定位方法
CN109710978B (zh) 一种分布式异构自适应粒子滤波直接跟踪方法
So et al. An efficient approach for two-dimensional parameter estimation of a single-tone
CN113595666B (zh) 大规模mimo系统基于时频联合相关性的信道预测方法和系统
JP5544037B2 (ja) シミュレーションのためのデータ収集方法及び装置
CN113253306B (zh) 模拟gnss多径信道的方法及装置
CN109633538A (zh) 非均匀采样系统的最大似然时差估计方法
CN109061686B (zh) 基于递归广义最大互熵的自适应多径估计方法
CN106330276A (zh) 基于sor算法的大规模mimo线性检测方法及装置
CN111159888B (zh) 一种基于互相关函数的协方差矩阵稀疏迭代时延估计方法
JP4955016B2 (ja) 伝搬経路をサーチする方法、装置、アナライザ及びコンピュータプログラム
JP4002830B2 (ja) 無線チャネル・シミュレーション方法及びチャネル・シミュレータ
CN110940999A (zh) 一种基于误差模型下的自适应无迹卡尔曼滤波方法
Andrieu et al. A particle filter for model based audio source separation
Saha et al. Particle based smoothed marginal MAP estimation for general state space models
Zoubir et al. Efficient DSPE algorithm for estimating the angular parameters of coherently distributed sources
CN111600665B (zh) 基于arima滤波器的sage信道参数估计方法
KR101831198B1 (ko) 통신 신호에 대한 감소된 연산량을 가지는 2-단계 tdoa/fdoa 정보 추정 방법
Zhou et al. Satellite Navigation Multipath Channel Sparse Reconstruction Scheme Applied in Performance Evaluation of Constellation Channel Emulation
CN110120925A (zh) 一种基于短波分集信号的时延估计方法
WO2023005746A1 (zh) 一种信道建模方法、装置、存储介质及电子装置
Candy et al. Broadband model-based processing for shallow ocean environments

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