CN114039823A - 一种低信噪比下高动态多普勒频偏及其加速度估计方法 - Google Patents
一种低信噪比下高动态多普勒频偏及其加速度估计方法 Download PDFInfo
- Publication number
- CN114039823A CN114039823A CN202111304237.5A CN202111304237A CN114039823A CN 114039823 A CN114039823 A CN 114039823A CN 202111304237 A CN202111304237 A CN 202111304237A CN 114039823 A CN114039823 A CN 114039823A
- Authority
- CN
- China
- Prior art keywords
- cluster
- follows
- clusters
- elements
- sub
- 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
- 230000001133 acceleration Effects 0.000 title claims abstract description 42
- 238000000034 method Methods 0.000 title claims abstract description 34
- 238000009825 accumulation Methods 0.000 claims abstract description 29
- 239000011159 matrix material Substances 0.000 claims description 14
- 150000001875 compounds Chemical class 0.000 claims description 10
- 239000013598 vector Substances 0.000 claims description 7
- 238000005354 coacervation Methods 0.000 claims description 5
- 230000001427 coherent effect Effects 0.000 claims description 4
- 238000005070 sampling Methods 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 2
- 230000001186 cumulative effect Effects 0.000 claims description 2
- 238000004891 communication Methods 0.000 description 8
- 238000001514 detection method Methods 0.000 description 8
- 230000003595 spectral effect Effects 0.000 description 4
- 238000005259 measurement Methods 0.000 description 3
- 230000007423 decrease Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 235000015842 Hesperis Nutrition 0.000 description 1
- 235000012633 Iberis amara Nutrition 0.000 description 1
- 238000007476 Maximum Likelihood Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 239000000969 carrier Substances 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000008054 signal transmission Effects 0.000 description 1
- 230000007480 spreading Effects 0.000 description 1
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
本发明公开了一种低信噪比下高动态多普勒频偏及其加速度估计方法,包括:依次接收连续的TL个码元信号;对每一个码元信号进行快速傅里叶变换;每L个连续码元信号进行非相干累积,得到T个累积结果;从每一个累积结果中选出Nc个元素;计算聚类终止参数;对TNc个元素进行凝聚层次聚类;计算每一个簇的大小,并寻找最大的簇;根据最大簇中元素序号的平均值,得到多普勒频偏的估计结果;将最大簇的元素划分到T个子簇;计算非空子簇中元素序号的平均值;根据所有非空子簇,得到多普勒频偏加速度的估计结果。
Description
技术领域
本发明属于空间通信领域,尤其涉及一种低信噪比下高动态多普勒频偏及其加速度估计方法。
背景技术
随着空间技术的快速发展,空间通信载体(火箭、卫星和航天器等)早已由近地空间扩张到深空领域。它们的飞行距离越来越远,且飞行速度也越来越快。在信号传输过程中,空间通信通常面临以下两个问题:(1)通信距离(几十,甚至几百亿公里)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)和大加速度(可达几百g,g=9.8m/s2)导致信号载波频率发生很高动态的多普勒频偏及加速度。为了恢复信号,接收端的载波同步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估计多普勒频偏及其加速度。因此,低信噪比下高动态多普勒频偏及其加速度估计就成为载波频率同步的核心技术之一。
当前,空间通信的载波多普勒频偏及其加速度估计方法主要分为以下两类:滑动相关和快速傅里叶变换(fast Fourier transform,FFT)。滑动相关方法首先将频率搜索范围和加速度搜索范围划分为若干个小间隔进行二维搜索,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,直至相关值超过检测门限。但是,在多普勒频偏高动态变化的情况下,滑动相关方法需要搜索的次数过多,从而导致估计时间很长。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,无法完成估计。为此,FFT方法通常需要长时间信号累积以提高信噪比。另外,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。现有研究表明,多普勒频偏的检测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,而且加速度越大,最优累积周期长度越小,检测概率也会越低。这说明,在大加速度下,更长时间的累积周期不仅不能提高检测概率,反而会降低检测概率。除此之外,FFT方法缺乏时间维度的信息,并不能估计多普勒频偏的加速度。
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,大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,低信噪比下的高动态多普勒频偏及其加速度估计就成为一个极富挑战性的技术难题。
发明内容
发明目的:本发明所要解决的技术问题是针对现有技术的不足,提供一种低信噪比下高动态多普勒频偏及其加速度估计方法,包括如下步骤:
步骤1,依次接收TL个连续码元信号;
步骤2,对每一个码元信号进行快速傅里叶变换;
步骤3,每L个连续码元信号进行非相干累积;
步骤4,从每个累积结果中选取Nc个元素;
步骤5,计算聚类终止参数;
步骤6,对TNc个元素进行凝聚层次聚类;
步骤7,计算每一个簇的大小,并寻找最大簇;
步骤8,根据最大簇中元素的序号平均值,得到多普勒频偏的估计结果;
步骤9,将最大簇的元素划分到T个子簇;
步骤10,计算非空子簇中元素序号的平均值;
步骤11,根据所有非空子簇,得到多普勒频偏加速度的估计结果。
式中,i=0,...,TL-1,表示第i个码元信号x[i]的第n个元素,a是码元振幅,b是比特速率为rb的二进制数据信息,j表示复数,fs是采样频率,fd,0是码元上的多普勒初始频偏,fa是多普勒频偏加速度,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。
步骤2包括:对每一个长度为N的码元信号进行Nf点的快速傅里叶变换,得到TL个频域向量,其中,Nf≥N,第i个码元信号x[i]对应的Nf点频域向量I[i]为:
I[i]=fft(x[i]) (2)
式中,fft(·)表示Nf点的复数快速傅里叶变换。
步骤5包括:计算聚类终止参数δ,如下所示:
式中,fa,max表示多普勒频偏加速度fa的最大值。
式中,t=0,1,...,T-1,t'=0,1,...,T-1,i=0,1,...,Nc-1,i'=0,1,...,Nc-1;
步骤6-3,计算簇间距离矩阵M,如下所示:
式中,NULL表示空值(不作任何运算),Mi,k表示距离矩阵M中的第i行第k列元素,x1表示簇Ci中的元素,x2表示簇Ck中的元素,Nc,i和Nc,k分别表示簇Ci和Ck的元素个数;
式中,i*<k*;
如果满足,进入步骤6-6,否则进入步骤6-10;
步骤6-9,更新簇间距离矩阵M,返回步骤6-3;
步骤7包括:计算每一个簇Ci的大小Si,如下所示:
有益效果:本发明将多个信号元素聚为一个簇,能够聚集已经扩散的信号能量,能够提高多普勒频偏的估计性能。同时,本发明将最大簇划分为多个子簇,能够提供时间维信息,从而得到多普勒频偏加速度的估计结果。
附图说明
下面结合附图和具体实施方式对本发明做更进一步的具体说明,本发明的上述和/或其他方面的优点将会变得更加清楚。
图1是本发明流程图。
图2是本发明方法下多普勒频偏的检测概率。
图3是本发明方法下多普勒频偏加速度的估计结果。
具体实施方式
本发明提供一种低信噪比下高动态多普勒频偏及其加速度估计方法,首先,利用聚类思想将多个累积周期中的信号能量聚为一个簇,寻找最大簇作为多普勒频偏的估计结果,然后,将最大簇划分为多个子簇,得到多普勒频偏加速度的估计结果。
本发明具体包括如下步骤:
式中,i=0,...,TL-1,a是码元振幅,b是比特速率为rb的二进制数据信息,fs是采样频率,fd是码元上的多普勒初始频偏,fa是多普勒频偏加速度,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。
步骤2: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,得到TL个频域向量,其中,第i个码元信号x[i]对应的Nf点频域向量I[i]为:
I[i]=fft(x[i]) (2)
式中,fft(·)表示Nf点的复数快速傅里叶变换。
式中,|·|表示取绝对值。
步骤5:计算聚类终止参数δ,如下所示:
式中,fa,max表示多普勒频偏加速度fa的最大值。
6-3)计算簇间距离矩阵M,如下所示:
式中,Nc,i和Nc,k分别表示簇Ci和Ck的元素个数;
6-4)计算簇间距离矩阵M中的最小元素,如下所示:
式中,i*<k*。
如果满足,进入下一步6-6),否则进入6-10)。
6-9)更新簇间距离矩阵M,返回6-3)。
步骤7:计算每一个簇Ci的大小Si,如下所示:
实施例
本发明的实施例如下:
以空间飞行器测控通信为例,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18×103m/s和-120g(g=9.8m/s2)。根据运动速度和加速度可以得到多普勒fd,0及其加速度fa分别为1.8MHz和-118kHz/s,多普勒频偏加速度最大值fa,max为125kHz/s,码元二进制数据速率为5kb/s,采样频率fs=5.12MHz,码元信号初始相位多普勒频偏估计可容忍误差门限θ=10×103Hz,FFT点数Nf=1024,累积周期个数T=3,累积周期长度L=250,元素个数Nc=20,信噪比范围SNR=a2/σ2∈[-9,-2]dB。
步骤1:信号接收端依次接收TL=750个连续码元信号{x[0],...,x[749]}。
步骤2:对每一个长度为N=1024的码元信号进行Nf=1024点的快速傅里叶变换,得到750个频域向量{I[0],...,I[749]}。
三个累积周期内的信号元素位置分别为(360,359)、(359,358)和(358,357),总共六个信号元素。
三个累积周期内只有(360)、(358)和(358,357)共四个信号元素被选取出来,属于较大元素。
步骤5:计算聚类终止参数δ,如下所示:
6-3)计算簇间距离矩阵M,如下所示:
6-4)计算簇间距离矩阵M中的最小元素,如下所示:
式中,i*<k*。
如果满足,进入下一步6-6),否则进入6-10)。
6-9)更新簇间距离矩阵M,返回6-3)。
聚类结果中,三个累积周期的四个信号元素(360)、(358)和(358,357)会聚为一个簇,而其余的噪声元素会聚为很多簇,因为噪声元素的位置是随机的。
步骤7:计算每一个簇Ci的大小Si,如下所示:
聚类结果的所有簇中,四个信号元素(360)、(358)和(358,357)构成的簇成为最大的簇,相当于起到了能量累积的作用。
三个子簇的元素序号的平均值分别为360、358、357.5。
从附图2可以看出,短时傅里叶变换方法通常要求较高的信噪比条件,其检测概率随信噪比的下降而急剧下降。快速傅里叶变换方法的检测概率较低且不能估计多普勒频偏加速度。搜索范围校正方法可以通过缩小搜索范围来提高检测概率。本发明方法将多个累积周期的信号能量重新聚集起来,提高了信号累积增益,从而显著地提高多普勒频偏检测概率。从附图3可以看出,本发明方法将最大簇中元素划分到多个子簇,从而估计多普勒频偏加速度。
本发明提供了一种低信噪比下高动态多普勒频偏及其加速度估计方法,具体实现该技术方案的方法和途径很多,以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。本实施例中未明确的各组成部分均可用现有技术加以实现。
Claims (10)
1.一种低信噪比下高动态多普勒频偏及其加速度估计方法,其特征在于,包括如下步骤:
步骤1,依次接收TL个连续码元信号;
步骤2,对每一个码元信号进行快速傅里叶变换;
步骤3,每L个连续码元信号进行非相干累积;
步骤4,从每个累积结果中选取Nc个元素;
步骤5,计算聚类终止参数;
步骤6,对TNc个元素进行凝聚层次聚类;
步骤7,计算每一个簇的大小,并寻找最大簇;
步骤8,根据最大簇中元素的序号平均值,得到多普勒频偏的估计结果;
步骤9,将最大簇的元素划分到T个子簇;
步骤10,计算非空子簇中元素序号的平均值;
步骤11,根据所有非空子簇,得到多普勒频偏加速度的估计结果。
3.根据权利要求2所述的方法,其特征在于,步骤2包括:对每一个长度为N的码元信号进行Nf点的快速傅里叶变换,得到TL个频域向量,其中,Nf≥N,第i个码元信号x[i]对应的Nf点频域向量I[i]为:
I[i]=fft(x[i]) (2)
式中,fft(·)表示Nf点的复数快速傅里叶变换。
式中,t=0,1,...,T-1,t'=0,1,...,T-1,i=0,1,...,Nc-1,i'=0,1,...,Nc-1;
步骤6-3,计算簇间距离矩阵M,如下所示:
式中,NULL表示空值(不作任何运算),Mi,k表示距离矩阵M中的第i行第k列元素,x1表示簇Ci中的元素,x2表示簇Ck中的元素,Nc,i和Nc,k分别表示簇Ci和Ck的元素个数;
式中,i*<k*;
如果满足,进入步骤6-6,否则进入步骤6-10;
步骤6-9,更新簇间距离矩阵M,返回步骤6-3;
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111304237.5A CN114039823B (zh) | 2021-11-05 | 2021-11-05 | 一种低信噪比下高动态多普勒频偏及其加速度估计方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111304237.5A CN114039823B (zh) | 2021-11-05 | 2021-11-05 | 一种低信噪比下高动态多普勒频偏及其加速度估计方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114039823A true CN114039823A (zh) | 2022-02-11 |
CN114039823B CN114039823B (zh) | 2022-10-28 |
Family
ID=80136275
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111304237.5A Active CN114039823B (zh) | 2021-11-05 | 2021-11-05 | 一种低信噪比下高动态多普勒频偏及其加速度估计方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114039823B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1091506A2 (en) * | 1999-10-01 | 2001-04-11 | Ascom Systec AG | A hybrid CDMA and TDMA radio access scheme for personal satellite communication systems |
JP2013238442A (ja) * | 2012-05-14 | 2013-11-28 | Oki Electric Ind Co Ltd | 推定装置、推定方法及びプログラム |
US20170097412A1 (en) * | 2015-10-02 | 2017-04-06 | Panasonic Corporation | Object detection device and object detection method |
US20180095171A1 (en) * | 2016-09-30 | 2018-04-05 | Autoliv Asp, Inc. | System and method for detecting heading and velocity of a target object |
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 |
CN111901266A (zh) * | 2020-07-14 | 2020-11-06 | 南京邮电大学 | 面向低信噪比和高动态场景的载波多普勒频偏捕获方法 |
-
2021
- 2021-11-05 CN CN202111304237.5A patent/CN114039823B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1091506A2 (en) * | 1999-10-01 | 2001-04-11 | Ascom Systec AG | A hybrid CDMA and TDMA radio access scheme for personal satellite communication systems |
JP2013238442A (ja) * | 2012-05-14 | 2013-11-28 | Oki Electric Ind Co Ltd | 推定装置、推定方法及びプログラム |
US20170097412A1 (en) * | 2015-10-02 | 2017-04-06 | Panasonic Corporation | Object detection device and object detection method |
US20180095171A1 (en) * | 2016-09-30 | 2018-04-05 | Autoliv Asp, Inc. | System and method for detecting heading and velocity of a target object |
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 |
CN111901266A (zh) * | 2020-07-14 | 2020-11-06 | 南京邮电大学 | 面向低信噪比和高动态场景的载波多普勒频偏捕获方法 |
Non-Patent Citations (3)
Title |
---|
侯银涛;罗永健;贾蓓;姜平: "《GPS卫星信号多普勒频移设计与实现》", 《电脑与信息技术》 * |
杨飞;雷志勇: "《基于STFT 和Hough 变换的高频雷达机动目标检测》", 《电子技术与软件工程》 * |
董华安;王建国: "《分布式相参射频探测系统信号积累方法综述》", 《中国电子科学研究院学报》 * |
Also Published As
Publication number | Publication date |
---|---|
CN114039823B (zh) | 2022-10-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104852875B (zh) | 高动态大频偏突发信号的频偏估计方法 | |
CN111479231B (zh) | 一种用于毫米波大规模mimo系统的室内指纹定位方法 | |
CN108809354B (zh) | 一种高动态多普勒捕获的长时间累积方法 | |
CN110261819B (zh) | 基于时延补偿的多无人机协同定位方法 | |
CN112511477A (zh) | 一种基于星座图和深度学习的混合卫星通信调制识别方法及系统 | |
CN114615122B (zh) | 通信信号的频偏确定方法及装置 | |
CN106130939A (zh) | 一种迭代的mimo‑ofdm系统中快时变信道估计方法 | |
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 | |
Wu et al. | Super-resolution TOA and AOA estimation for OFDM radar systems based on compressed sensing | |
CN114039823B (zh) | 一种低信噪比下高动态多普勒频偏及其加速度估计方法 | |
CN113972951A (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 | |
CN111291511B (zh) | 一种基于历史信息的软卡尔曼滤波迭代时变信道估计方法 | |
CN112714088A (zh) | 动态多普勒频偏估计方法、装置及存储介质 | |
CN116299166B (zh) | 一种用于chirp信号的低复杂度融合测距方法 | |
CN109104215A (zh) | 一种基于小波变换的跳频信号码元速率盲估计方法 | |
Fan et al. | Single-site indoor fingerprint localization based on MIMO-CSI | |
CN113949612B (zh) | 一种直升机与卫星通信中的突发信号捕获方法及系统 | |
CN111431823B (zh) | 一种分路径水声信道跟踪方法 | |
Chen et al. | SLAM using LTE multipath component delays | |
CN113589251B (zh) | 一种Mean-Shift回波聚类后的单元平均恒虚警检测方法 | |
CN116094543B (zh) | 一种高精度扩频信号捕获方法 | |
CN117851735B (zh) | 一种简化的延时融合测距方法 | |
CN110417699A (zh) | 一种基于机器学习的ofdm系统符号定时同步的方法 | |
CN111193680B (zh) | 一种低轨卫星高动态突发信号检测特征量构造方法 | |
CN110602016B (zh) | 一种基于图像反卷积的水声信道时延估计方法 |
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 | ||
TR01 | Transfer of patent right |
Effective date of registration: 20240103 Address after: Room 1-502, science and technology building, Jinling Institute of science and technology, No. 99, Hongjing Avenue, Jiangning District, Nanjing, Jiangsu 210000 (Jiangning Gaoxin Park) Patentee after: Nanjing Xiongjun Software Technology Co.,Ltd. Address before: No. 99 Jiangning Road, Nanjing District hirokage 210000 cities in Jiangsu Province Patentee before: JINLING INSTITUTE OF TECHNOLOGY |
|
TR01 | Transfer of patent right |