CN113640842A - 一种基于智能多普勒搜索的直扩信号捕获方法 - Google Patents
一种基于智能多普勒搜索的直扩信号捕获方法 Download PDFInfo
- Publication number
- CN113640842A CN113640842A CN202110982627.1A CN202110982627A CN113640842A CN 113640842 A CN113640842 A CN 113640842A CN 202110982627 A CN202110982627 A CN 202110982627A CN 113640842 A CN113640842 A CN 113640842A
- Authority
- CN
- China
- Prior art keywords
- fuzzy
- doppler
- variable
- search
- frequency point
- 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
- 238000000034 method Methods 0.000 title claims abstract description 46
- 238000001228 spectrum Methods 0.000 title claims abstract description 30
- 238000001514 detection method Methods 0.000 claims description 25
- 238000009825 accumulation Methods 0.000 claims description 19
- 230000008569 process Effects 0.000 claims description 10
- 230000001427 coherent effect Effects 0.000 claims description 7
- 230000010354 integration Effects 0.000 claims description 3
- 230000008859 change Effects 0.000 abstract description 6
- 230000003044 adaptive effect Effects 0.000 abstract description 2
- 230000035508 accumulation Effects 0.000 description 15
- 238000013461 design Methods 0.000 description 5
- 230000007704 transition Effects 0.000 description 5
- 238000011160 research Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000005314 correlation function Methods 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008929 regeneration Effects 0.000 description 1
- 238000011069 regeneration method Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
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
- G01S19/246—Acquisition or tracking or demodulation of signals transmitted by the system involving long acquisition integration times, extended snapshots of signals or methods specifically directed towards weak signal acquisition
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明提供了一种基于智能多普勒搜索的直扩信号捕获方法,根据真实多普勒邻近区域和非邻近区域积累能量的变化特点,采用两种不同控制规则的模糊控制器进行多普勒频率步进的自适应调节,在非邻近区域采用大搜索步进,有效降低了多普勒搜索规模,在邻近区域采用小搜索步进,有效提高了多普勒捕获精度;同时,本发明在设计模糊控制器参数时考虑了非邻近区域和邻近区域可能产生的误捕,有效降低了信号捕获的误捕概率,即使在复杂条件下,也能够更好的兼顾直扩信号捕获的搜索规模和捕获精度。
Description
技术领域
本发明属于航天测控通信领域,尤其涉及一种基于智能多普勒搜索的直扩信号捕获方法。
背景技术
直扩信号的捕获需要在接收机跟踪之前粗略的估算出该信号的多普勒频率和伪码相位值,以帮助接收机对跟踪环路进行初始化和信号跟踪。因此信号捕获的性能对跟踪环路能否成功牵入、镇定和正常跟踪接收信号至关重要。航天测控信号在传输过程中,受环境和传输路径的影响导致信号强弱变化较大,以及干扰等非理想因素导致的等效噪声功率变化大,这些不利因素都会严重影响信号捕获性能。首先,当多普勒动态变化较大时,多普勒频率的变化范围会随之变大,在信号捕获是需要增大多普勒频率搜索范围来保证较高的捕获概率,这势必会造成搜索规模的大幅增加,从而延长捕获时间。其次,当信号功率变化较大时,信号捕获易在功率变化异常点发生误捕,从而使接收机跟踪环路在错误的参数下进行初始化,而导致环路无法正常锁定。另外,在进行多普勒搜索时,如果真实多普勒落在频率搜索间隔的中间位置时,会使多普勒捕获误差较大,从而增加跟踪环路的锁定时间甚至难以锁定。为提高直扩信号捕获性能,国内外学者开展了大量研究。其中,捕获搜索策略作为决定信号捕获性能优劣的重要因素,不仅影响着信号捕获时间,还影响着多普勒捕获误差和误捕概率。因此,通过优化捕获搜索策略来提高信号捕获性能的方法具有重要的研究意义。
从搜索方式的角度对常规捕获搜索策略进行分类,可以分为串行搜索、并行搜索和混合搜索三种方式。串行搜索方式首先确定频率和码相位的搜索范围,然后按照一定的顺序对该范围内的各个频点和码相位逐一进行搜索,获得检测变量。串行搜索虽然实现简单,但是由于它每次只搜索一个网格单元,所以搜索速度较慢。并行搜索是指频率维和码相位维同时并行搜索以获得检测变量,该搜索方式的优点是捕获速度较快,但是对硬件资源要求较高。混合搜索包括频率并行-码相位串行搜索和频率串行-码相位并行搜索两种方式。频率并行-码相位串行搜索方式遍历潜在码相位延迟,并在每一个码相位进行一次FFT变换完成多普勒频率搜索,一定程度上可以减少计算量,加快搜索速度。但是受FFT频率分辨率的影响,在远离正确多普勒的频点上检测量衰减严重,导致信号捕获灵敏度变差。另外,频率并行算法需要在每一个码相位上进行一次FFT变换,对于较长伪码的情况搜索速度较慢。频率串行-码相位并行搜索通过线性搜索的方式遍历潜在多普勒频点,并在每个频点上通过一次FFT变换完成码相位搜索。该策略能够平衡捕获算法的资源消耗和搜索速度之间的关系,是直扩信号捕获系统中应用比较广泛的搜索方式。为提高直扩信号捕获性能,在常规搜索方法的基础上,大量改进的搜索策略相继被提出,如为提高捕获精度的多轮搜索策略以及为降低搜索规模的局部搜索策略。然而现有搜索策略在复杂条件下,难以兼顾搜索规模和捕获精度,有必要开展进一步研究。
发明内容
为解决上述问题,本发明提供一种基于智能多普勒搜索的直扩信号捕获方法,有效提高了多普勒的捕获精度。
一种基于智能多普勒搜索的直扩信号捕获方法,包括以下步骤:
S1:将多普勒频率搜索范围设定为[-fmax,fmax],采用非相干积累方法,获取接收的直扩信号r(t)在两个设定频点处的能量积累结果,并分别将两个能量积累结果作为第一检测变量与第二检测变量其中,fi的初始频点为-fmax,fi+1的初始频点为-fmax+1/2Tcoh,fmax为设定值,Tcoh为相干积分时间,N为对直扩信号r(t)的伪码进行FFT的点数,与分别为各点处的能量值;
S2:根据第一检测变量与第二检测变量构建第一模糊控制器的输入变量x与输入变量y的初值如下:
S3:将输入变量x与输入变量y输入第一模糊控制器,得到多普勒搜索步进,判断所述多普勒搜索步进是否小于设定门限γ1,若小于,则进入步骤S4,若不小于,则将本次迭代的频点fi+1作为下一次迭代的频点fi,并将以本次迭代的频点fi+1为起点、当前得到的多普勒搜索步进为步长得到的频点作为下一次迭代的频点fi+1,再基于更新后的fi与fi+1重新获取第一检测变量与第二检测变量,并重复步骤S2~S3,直到多普勒搜索步进小于设定门限γ1;
S4:将多普勒搜索步进小于设定门限γ1时所对应的频点fi+1记为频点fM,分别将频点fM左邻域、右邻域内能量积累结果最大值所对应的频点分别记为fL、fR,并根据频点fL、fM、fR对应的检测变量获取第二模糊控制器的输入变量 和
S5:将输入变量和输入第二模糊控制器,得到输出变量Δut,判断Δut是否小于设定门限γ2,其中,γ2<γ1,若小于,则将本次迭代的频点fM作为直扩信号r(t)的多普勒频率值,并获取本次迭代的频点fM对应的伪码相位值,完成直扩信号的捕获;若不小于,则进入步骤S6;
S6:采用输出变量Δut作为多普勒搜索步进更新本次迭代中的频点fM,得到更新后的频点采用频点根据设定规则替换频点fL、fM、fR的其中一个,得到更新后的fL、fM、fR,并获取更新后的fL、fM、fR对应的输入变量和
进一步地,步骤S3中所述将输入变量x与输入变量y输入第一模糊控制器,得到多普勒搜索步进具体为:
根据第一设定模糊规则将输入变量x模糊化为模糊量,且输入变量x所有可能的模糊量包括正小(PS)、正中(PM)以及正大(PL);
根据第二设定模糊规则将输入变量y模糊化为模糊量,且输入变量y所有可能的模糊量包括负大(NL)、负小(NS)、零(ZE)、正小(PS)以及正大(PL);
基于设定的模糊控制规则,根据输入变量x当前可能的模糊量与输入变量y当前可能的模糊量得到第一模糊控制器的输出变量z的模糊量,且输出变量z所有可能的模糊量包括零(ZE)、正小(PS)、正中(PM)、正大(PL1)以及极大(PL2);
采用面积中心法对输出变量z当前可能的模糊量进行解模糊,得到多普勒搜索步进。
进一步地,所述输入变量x的物理论域和模糊论域均为[95,106],且第一设定模糊规则如下:
其中,f1(x)为模糊量正小(PS)对应的隶属度函数;
其中,f2(x)为模糊量正中(PM)对应的隶属度函数;
其中,f3(x)为模糊量正大(PL)对应的隶属度函数。
进一步地,所述输入变量y的物理论域和模糊论域均为[-4,4],且第二设定模糊规则如下:
其中,f1(y)为模糊量负大(NL)对应的隶属度函数;
其中,f2(y)为模糊量负小(NS)对应的隶属度函数;
其中,f3(y)为模糊量零(ZE)对应的隶属度函数;
其中,f4(y)为模糊量正小(PS)对应的隶属度函数;
其中,f5(y)为模糊量正大(PL)对应的隶属度函数。
进一步地,设定的模糊控制规则如下:
进一步地,所述输出变量z的物理论域为[200,1200],模糊论域为[0,10],且输出变量z所有可能的模糊量对应的隶属度函数如下:
其中,f1(z)为模糊量零(ZE)对应的隶属度函数;
其中,f2(z)为模糊量正小(PS)对应的隶属度函数;
其中,f3(z)为模糊量正中(PM)对应的隶属度函数;
其中,f4(z)为模糊量正大(PL1)对应的隶属度函数;
其中,f5(z)为模糊量极大(PL2)对应的隶属度函数。
有益效果:
1、本发明提供了一种基于智能多普勒搜索的直扩信号捕获方法,根据真实多普勒邻近区域和非邻近区域积累能量的变化特点,采用两种不同控制规则的模糊控制器进行多普勒频率步进的自适应调节,在非邻近区域采用大搜索步进,有效降低了多普勒搜索规模,在邻近区域采用小搜索步进,有效提高了多普勒捕获精度;同时,本发明在设计模糊控制器参数时考虑了非邻近区域和邻近区域可能产生的误捕,有效降低了信号捕获的误捕概率,即使在复杂条件下,也能够更好的兼顾直扩信号捕获的搜索规模和捕获精度。
2、本发明提供了一种基于智能多普勒搜索的直扩信号捕获方法,通过遍历和选点来设置第二模糊控制器FL_2初值,不仅能够有效避免旁瓣误捕问题,还能够解决信号捕获启动时间早于信号到达时间而造成的搜索步进方向背离实际频点的问题。
附图说明
图1为本发明提供的基于智能多普勒搜索的直扩信号捕获系统模型;
图2为本发明提供的输入变量x的隶属函数;
图3为本发明提供的输入变量y的隶属函数;
图4为本发明提供的输出变量z的隶属函数。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述。
本发明提供了一种基于智能多普勒搜索策略的直扩信号捕获方法,该方法根据真实多普勒邻近区域和非邻近区域的信号积累能量的变化特点,采用两种不同控制规则的模糊控制器来自适应调节多普勒搜索步进。在非邻近区域以降低搜索规模和降低误捕为目的来设计模糊控制器的参数。在邻近区域以提高多普勒捕获精度为目的来设计模糊控制器的参数。
具体的,一种基于智能多普勒搜索的直扩信号捕获方法,包括以下步骤:
S1:将多普勒频率搜索范围设定为[-fmax,fmax],采用非相干积累方法,获取接收的直扩信号r(t)在两个设定频点处的能量积累结果,并分别将两个能量积累结果作为第一检测变量与第二检测变量其中,fi的初始频点为-fmax,fi+1的初始频点为-fmax+1/2Tcoh,fmax为设定值,Tcoh为相干积分时间,N为对直扩信号r(t)的伪码进行FFT的点数,与分别为各点处的能量值。
需要说明的是,基于智能多普勒搜索的直扩信号捕获系统模型如图1所示,其中虚线内部位本发明所提的智能多普勒搜索方法。直扩信号捕获需要对多普勒频率和伪码相位进行估计,可以看成是多普勒频率和伪码相位二维搜索的过程。本发明中伪码相位搜索方法采用基于FFT的并行搜索方式,多普勒搜索采用所提的智能多普勒搜索方法。
进一步地,采用非相干积累方法,获取接收的直扩信号在各频点处的能量积累结果具体包括以下步骤:
信号类型的直扩信号的接收信号r(t)为射频前端输出的中频信号,可以表示成:
其中,A为信号的频谱,τ为伪码延时,fI为中频频率,fd为多普勒频率,为未知的输入信号载波相位,d(t)为信息数据,c(t)为伪随机码(Pseudo-random noise,PRN),n(t)为高斯噪声。为讨论方便,我们假设没有信息数据调制在伪码上,即d(t)=1。本地再生的需要与接收信号进行相关处理的中频信号,其同相和正交分量分别表示为
其中,nI为I路噪声,nQ为Q路噪声,相关结果可以写成
其中,L为非相干积累次数,Zk为第k个码周期上的相关值。
S2:根据第一检测变量与第二检测变量构建第一模糊控制器的输入变量x与输入变量y的初值如下:
S3:将输入变量x与输入变量y输入第一模糊控制器,得到多普勒搜索步进,判断所述多普勒搜索步进是否小于设定门限γ1,若小于,则进入步骤S4,若不小于,则将本次迭代的频点fi+1作为下一次迭代的频点fi,并将以本次迭代的频点fi+1为起点、当前得到的多普勒搜索步进为步长得到的频点作为下一次迭代的频点fi+1,再基于更新后的fi与fi+1重新获取第一检测变量与第二检测变量,并重复步骤S2~S3,直到多普勒搜索步进小于设定门限γ1。
S4:将多普勒搜索步进小于设定门限γ1时所对应的频点fi+1记为频点fM,分别将频点fM左邻域、右邻域内能量积累结果最大值所对应的频点分别记为fL、fR,并根据频点fL、fM、fR对应的检测变量获取第二模糊控制器的输入变量 和
S5:将输入变量和输入第二模糊控制器,得到输出变量Δut,判断Δut是否小于设定门限γ2,其中,γ2<γ1,若小于,则将本次迭代的频点fM作为直扩信号r(t)的多普勒频率值,并获取本次迭代的频点fM对应的伪码相位值,完成直扩信号的捕获;若不小于,则进入步骤S6。
S6:采用输出变量Δut作为多普勒搜索步进更新本次迭代中的频点fM,得到更新后的频点采用频点根据设定规则替换频点fL、fM、fR的其中一个,得到更新后的fL、fM、fR,并获取更新后的fL、fM、fR对应的输入变量和
需要说明的是,如何将每次更新后得到的频点替换fL、fM、fR的其中一个时,具体的替换规则参见论文(Fuzzy logic control for Doppler search in DSSS systems,IEEE transactions on Fuzzy systems,2020年),此处不再赘述。
下面详细介绍本发明所提的智能多普勒搜索方法。
多普勒频率的搜索分为三个阶段,分别定义为状态S1、状态S2和状态S3。系统的初始阶段为状态S1,假设此阶段搜索频率位于非邻近区域,采用第一模糊控制器FL_1进行搜索,得到初始阶段的多普勒搜索步进。当系统判决搜索频率已经处于真实多普勒邻近区域,系统状态转换为S2状态。系统在S2状态对真实多普勒邻近区域的搜索频率进行遍历,选点之后,得到第二模糊控制器FL_2的输入变量,系统转换为S3状态。当系统处于S3状态时,采用FL_2模糊控制器进行搜索,直到系统判决成功捕获信号。
在本发明提供的智能多普勒搜索方法中,对第一模糊控制器FL_1的参数进行详细设计,而第二模糊控制器FL_2的参数采用Xuesen Shi等人在2020年所发表论文(Fuzzylogic control for Doppler search in DSSS systems,IEEE transactions on Fuzzysystems)中所提的模糊控制器的参数。下面对第一模糊控制器FL_1的参数设计进行详细阐述。
第一模糊控制器FL_1采用双输入-单输出Mamdani型模糊控制器,主要分为三部分:模糊化、模糊推理和解模糊。
(1)模糊化
模糊化是指输入输出变量被映射到模糊子集上的某个实数值之后,求出这个实数值属于各个相关模糊子集的隶属度。
输入变量x的物理论域和模糊论域均为[95,106],对输入变量x进行模糊化,设置x的模糊子集数目为3,分别为正小(PS)、正中(PM)和正大(PL)。
如图2所示,PS的隶属函数为
PM的隶属函数为
PL的隶属函数为
输入变量y的物理论域和模糊论域均为[-4,4]。对输入变量y进行模糊化,设置y的模糊子集数目为5,分别为负大(NL)、负小(NS)、零(ZE)、PS、和PL。
如图3所示,NL的隶属函数为
NS的隶属函数为
ZE的隶属函数为
PS的隶属函数为
PL的隶属函数为
输出变量z为模糊控制器输出的多普勒搜索步进,其物理论域为[200,1200],模糊论域为[0,10]。对输出变量z进行模糊化,设置z的模糊子集数目为5,分别为ZE、PS、PM、PL1和PL2。
如图4所示,ZE的隶属函数为
PS的隶属函数为
PM的隶属函数为
PL1的隶属函数为
PL2的隶属函数为
(2)模糊推理
模糊推理是模糊控制器设计的理论基础,是指从一个不精确的前提依据模糊控制规则推出可能不精确结论的过程,也就是说模糊推理就是根据模糊控制规则通过某种推理方法从模糊输入变量推出模糊输出变量的过程。模糊规则的设计主要取决于专家经验知识,经验越丰富,模糊控制越精准。本发明中模糊规则设计通过对实验测试数据进行分析,归纳总结出用于模糊推理的模糊控制规则,如表1所示。
表1模糊控制规则
例如,当输入变量x为PS、输入变量y为NL时,输出变量z为PL2。
(3)解模糊
解模糊就是把经过模糊推理输出的模糊集合等效成一个清晰值的过程,也被称为清晰化。采用面积中心法进行解模糊处理。面积中心法就是求出模糊集合隶属函数曲线和横坐标包围区域面积的中心,然后把这个中心的横坐标作为输出值。面积中心法的计算原理为
其中,u为输出变量,U(u)为模糊论域Nu上的模糊集合U的隶属函数。例如,当输入变量x为PS、输入变量y为NL时,输出变量z为PL2,则对输出变量z解模糊,就是求出PL2对应的隶属度函数曲线和横坐标包围区域面积的中心,然后把这个中心的横坐标作为输出值,也即得到初始阶段S1状态的多普勒搜索步进。
关于FL_2模糊控制器的参数设计详见论文(Fuzzy logic control for Dopplersearch in DSSS systems,IEEE transactions on Fuzzy systems,2020年),此处不再赘述。
由此可见,本发明提供的基于智能多普勒搜索的直扩信号捕获流程可以总结如下:
(1)初始阶段
系统初始阶段为状态S1,采用第一模糊控制器FL_1进行多普勒搜索。设多普勒频率搜索范围为[-fmax,fmax],设置多普勒频率搜索初值为-fmax,经过混频、伪码相关和能量积累等信号捕获流程得到检测变量进行存储。设置多普勒搜索的第二个频点为-fmax+1/2Tcoh,复信号捕获流程得到第二个检测变量进行存储。根据存储的两个检测变量设置第一模糊控制器FL_1的初值,启动第一模糊控制器FL_1进行多普勒频率搜索,自适应调节多普勒搜索步进,得到新的搜索频点之后,继续执行信号捕获流程,更新缓存器中检测变量的值,直到输出的搜索步进小于门限γ1,系统进入状态S2。
(2)过渡阶段
过渡阶段系统处于状态S2。系统遍历真实多普勒邻近区域的频点,然后选择三个频点对应的检测变量作为第二模糊控制器FL_2的初值。将多普勒搜索步进小于设定门限γ1时所对应的频点记为频点fM,遍历频点fM附近的频点,选出三个频点,再得到三个频点对应的判决阶段中第二模糊控制器FL_2的初始化参数和过渡阶段通过遍历和选点来设置第二模糊控制器FL_2初值,不仅能够有效避免旁瓣误捕问题,还能够解决信号捕获启动时间早于信号到达时间而造成的搜索步进方向背离实际频点的问题。
(3)判决阶段
判决阶段系统处于状态S3,采用第二模糊控制器FL_2进行多普勒搜索。利用过渡阶段得到的初始化参数设置第二控制器FL_2的输入变量。第二模糊控制器FL_2的输出变量Δut作为下一次多普勒搜索的步进,即其中fM为对应的频点。采用去替换掉上一个迭代过程的和对应的三个频点中的一个;每进行一次模糊控制多普勒搜索,都要根据新的搜索结果更新和的值。多普勒搜索步进小于门限γ2时,系统停止捕获,输出估计的多普勒频率值和伪码相位值,也即完成直扩信号的捕获。
当然,本发明还可有其他多种实施例,在不背离本发明精神及其实质的情况下,熟悉本领域的技术人员当然可根据本发明作出各种相应的改变和变形,但这些相应的改变和变形都应属于本发明所附的权利要求的保护范围。
Claims (6)
1.一种基于智能多普勒搜索的直扩信号捕获方法,其特征在于,包括以下步骤:
S1:将多普勒频率搜索范围设定为[-fmax,fmax],采用非相干积累方法,获取接收的直扩信号r(t)在两个设定频点处的能量积累结果,并分别将两个能量积累结果作为第一检测变量与第二检测变量其中,fi的初始频点为-fmax,fi+1的初始频点为-fmax+1/2Tcoh,fmax为设定值,Tcoh为相干积分时间,N为对直扩信号r(t)的伪码进行FFT的点数,与分别为各点处的能量值;
S2:根据第一检测变量与第二检测变量构建第一模糊控制器的输入变量x与输入变量y的初值如下:
S3:将输入变量x与输入变量y输入第一模糊控制器,得到多普勒搜索步进,判断所述多普勒搜索步进是否小于设定门限γ1,若小于,则进入步骤S4,若不小于,则将本次迭代的频点fi+1作为下一次迭代的频点fi,并将以本次迭代的频点fi+1为起点、当前得到的多普勒搜索步进为步长得到的频点作为下一次迭代的频点fi+1,再基于更新后的fi与fi+1重新获取第一检测变量与第二检测变量,并重复步骤S2~S3,直到多普勒搜索步进小于设定门限γ1;
S4:将多普勒搜索步进小于设定门限γ1时所对应的频点fi+1记为频点fM,分别将频点fM左邻域、右邻域内能量积累结果最大值所对应的频点分别记为fL、fR,并根据频点fL、fM、fR对应的检测变量获取第二模糊控制器的输入变量和
S5:将输入变量和输入第二模糊控制器,得到输出变量Δut,判断Δut是否小于设定门限γ2,其中,γ2<γ1,若小于,则将本次迭代的频点fM作为直扩信号r(t)的多普勒频率值,并获取本次迭代的频点fM对应的伪码相位值,完成直扩信号的捕获;若不小于,则进入步骤S6;
S6:采用输出变量Δut作为多普勒搜索步进更新本次迭代中的频点fM,得到更新后的频点采用频点根据设定规则替换频点fL、fM、fR的其中一个,得到更新后的fL、fM、fR,并获取更新后的fL、fM、fR对应的输入变量和
2.如权利要求1所述的一种基于智能多普勒搜索的直扩信号捕获方法,其特征在于,步骤S3中所述将输入变量x与输入变量y输入第一模糊控制器,得到多普勒搜索步进具体为:
根据第一设定模糊规则将输入变量x模糊化为模糊量,且输入变量x所有可能的模糊量包括正小(PS)、正中(PM)以及正大(PL);
根据第二设定模糊规则将输入变量y模糊化为模糊量,且输入变量y所有可能的模糊量包括负大(NL)、负小(NS)、零(ZE)、正小(PS)以及正大(PL);
基于设定的模糊控制规则,根据输入变量x当前可能的模糊量与输入变量y当前可能的模糊量得到第一模糊控制器的输出变量z的模糊量,且输出变量z所有可能的模糊量包括零(ZE)、正小(PS)、正中(PM)、正大(PL1)以及极大(PL2);
采用面积中心法对输出变量z当前可能的模糊量进行解模糊,得到多普勒搜索步进。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110982627.1A CN113640842B (zh) | 2021-08-25 | 2021-08-25 | 一种基于智能多普勒搜索的直扩信号捕获方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110982627.1A CN113640842B (zh) | 2021-08-25 | 2021-08-25 | 一种基于智能多普勒搜索的直扩信号捕获方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113640842A true CN113640842A (zh) | 2021-11-12 |
CN113640842B CN113640842B (zh) | 2023-12-05 |
Family
ID=78423810
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110982627.1A Active CN113640842B (zh) | 2021-08-25 | 2021-08-25 | 一种基于智能多普勒搜索的直扩信号捕获方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113640842B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116582155A (zh) * | 2023-05-26 | 2023-08-11 | 北京航天长征飞行器研究所 | 基于直扩的能量积累策略跳频信号捕获方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030128743A1 (en) * | 2001-12-22 | 2003-07-10 | Koninklijke Philips Electronics N.V. | Method and apparatus for signal receipt and acquisition |
CN107135013A (zh) * | 2017-05-04 | 2017-09-05 | 中国电子科技集团公司第五十四研究所 | 一种直接序列扩频信号快速捕获方法 |
CN109412644A (zh) * | 2018-09-13 | 2019-03-01 | 南京理工大学 | 一种直扩msk信号的多普勒频率估计方法 |
CN110546525A (zh) * | 2017-03-16 | 2019-12-06 | 兰普洛克斯公司 | 使用无线定位节点进行室内定位的系统及方法 |
-
2021
- 2021-08-25 CN CN202110982627.1A patent/CN113640842B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030128743A1 (en) * | 2001-12-22 | 2003-07-10 | Koninklijke Philips Electronics N.V. | Method and apparatus for signal receipt and acquisition |
CN110546525A (zh) * | 2017-03-16 | 2019-12-06 | 兰普洛克斯公司 | 使用无线定位节点进行室内定位的系统及方法 |
CN107135013A (zh) * | 2017-05-04 | 2017-09-05 | 中国电子科技集团公司第五十四研究所 | 一种直接序列扩频信号快速捕获方法 |
CN109412644A (zh) * | 2018-09-13 | 2019-03-01 | 南京理工大学 | 一种直扩msk信号的多普勒频率估计方法 |
Non-Patent Citations (3)
Title |
---|
XUESEN SHI DENG: "Fuzzy Logic Control for Doppler Search in DSSS Systems", IEEE, pages 2232 * |
罗海坤 等: "大动态多普勒频率下微弱直扩 信号的长时间积累算法", 电子学报, vol. 41, no. 12, pages 2397 - 2402 * |
董智红;吴嗣亮;: "大多普勒偏移下直接序列扩频信号捕获新方法", 系统工程与电子技术, no. 08 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116582155A (zh) * | 2023-05-26 | 2023-08-11 | 北京航天长征飞行器研究所 | 基于直扩的能量积累策略跳频信号捕获方法 |
CN116582155B (zh) * | 2023-05-26 | 2024-03-12 | 北京航天长征飞行器研究所 | 基于直扩的能量积累策略跳频信号捕获方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113640842B (zh) | 2023-12-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106855628A (zh) | 一种高动态卫星导航信号的快速捕获和跟踪系统和方法 | |
CN112737711B (zh) | 一种基于自适应噪声基底估计的宽带载波检测方法 | |
CN110417697B (zh) | 高动态微弱mpsk信号的精确测频方法 | |
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 | |
CN110161477B (zh) | 基于多变量重采样相关函数的机动目标检测方法 | |
CN113640842A (zh) | 一种基于智能多普勒搜索的直扩信号捕获方法 | |
CN106230475A (zh) | 一种基于Tong检测器伪码多普勒补偿捕获方法及装置 | |
CN106199580A (zh) | 一种基于模糊推理系统的Singer模型改进算法 | |
CN111007473B (zh) | 基于距离频域自相关函数的高速微弱目标检测方法 | |
CN111458640B (zh) | 一种基于三相电流的交流异步电机转子断条故障诊断方法 | |
CN114488055A (zh) | 一种适用于载频重频联合捷变雷达的相参处理方法 | |
CN112731307A (zh) | 基于距离-角度联合估计的ratm-cfar检测器及检测方法 | |
CN114047502A (zh) | 一种针对高速机动目标的相参积累方法及相参积累系统 | |
CN113885006A (zh) | 一种机动转弯目标相参积累检测方法 | |
CN117614467B (zh) | 基于降噪神经网络的水声信号智能接收方法 | |
CN110244289B (zh) | 一种自适应粒子滤波地波雷达目标一体化探测方法 | |
CN115905919A (zh) | 基于afgan的雷达信号样本数据处理方法、目标识别方法及系统 | |
CN112099060B (zh) | 一种基于环路的自适应载波频率跟踪方法及装置 | |
CN112883787B (zh) | 一种基于频谱匹配的短样本低频正弦信号参数估计方法 | |
Wang et al. | Weak GNSS signal acquisition based on wavelet de-noising through lifting scheme and heuristic threshold optimization | |
Saha et al. | Robust Maximum Correntropy Kalman Filter | |
CN110380799B (zh) | 一种基于马尔科夫链干扰预测的信号检测方法 | |
CN110198196B (zh) | 通信系统中基于信号强度的振幅估计方法 | |
Kamel et al. | Interference mitigation for highly dynamic GPS receivers using intelligent tracking loops | |
CN113917434B (zh) | 一种基于代价参考粒子滤波器组的检测前跟踪方法 |
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 |