CN115460047B - 复杂信道下快速跟踪频偏和距离的方法、装置及电子设备 - Google Patents
复杂信道下快速跟踪频偏和距离的方法、装置及电子设备 Download PDFInfo
- Publication number
- CN115460047B CN115460047B CN202210922335.3A CN202210922335A CN115460047B CN 115460047 B CN115460047 B CN 115460047B CN 202210922335 A CN202210922335 A CN 202210922335A CN 115460047 B CN115460047 B CN 115460047B
- Authority
- CN
- China
- Prior art keywords
- moment
- signal
- parameter
- channel
- corrected
- 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
- 238000000034 method Methods 0.000 title claims abstract description 145
- 238000001914 filtration Methods 0.000 claims abstract description 127
- 230000008569 process Effects 0.000 claims abstract description 85
- 238000004364 calculation method Methods 0.000 claims abstract description 43
- 238000005259 measurement Methods 0.000 claims description 63
- 230000008859 change Effects 0.000 claims description 33
- 238000012545 processing Methods 0.000 claims description 7
- 238000012937 correction Methods 0.000 abstract description 15
- 230000005540 biological transmission Effects 0.000 abstract description 14
- 230000000875 corresponding effect Effects 0.000 description 78
- 238000009826 distribution Methods 0.000 description 25
- 238000004891 communication Methods 0.000 description 22
- 230000001133 acceleration Effects 0.000 description 17
- 239000011159 matrix material Substances 0.000 description 12
- 238000010586 diagram Methods 0.000 description 10
- 230000006870 function Effects 0.000 description 8
- 238000004590 computer program Methods 0.000 description 7
- 230000033001 locomotion Effects 0.000 description 7
- 239000013598 vector Substances 0.000 description 7
- 238000005070 sampling Methods 0.000 description 6
- 238000005315 distribution function Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 238000002474 experimental method Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 238000012549 training Methods 0.000 description 4
- 230000007704 transition Effects 0.000 description 3
- 230000007423 decrease Effects 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000013075 data extraction Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 238000009792 diffusion process Methods 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000005562 fading Methods 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 230000006641 stabilisation Effects 0.000 description 1
- 238000011105 stabilization Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
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
- 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)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本申请提供了一种复杂信道下快速跟踪频偏和距离的方法、装置及电子设备,通过快速变动信道,接收这一时刻的信号;基于所述快速变动信道上一时刻对应的过程噪声参数、所述快速变动信道这一时刻对应的过程噪声参数、过去若干时刻的矫正后的信号,确定这一时刻对应的卡尔曼滤波公式中的相关参数;利用所述这一时刻对应的卡尔曼滤波公式中的相关参数,对这一时刻的所述信号进行滤波,得到这一时刻的矫正后的信号。卡尔曼滤波公式的相关参数较少,对应的方法步骤较为简易,计算公式也较为简单,可以对这一时刻的接收信号进行自动矫正,得到矫正后的信号,自动矫正节省了大量的时间,该矫正后的信号较为准确,信号可以在传输过程中的质量提高。
Description
技术领域
本申请涉及无线通信技术领域,尤其是涉及一种复杂信道下快速跟踪频偏和距离的方法、装置及电子设备。
背景技术
在无线通信系统中,通过发射机发射的信号被接收机接收进行通信,无线通信信道经常是随参信道,其常见特性为信道参数会随着时间而进行变化。并且在发射机和接收机的移动通信中,由于接收机在运动,收发两点间的传输路径自然也会发生变化,这样信号通过多径信道进行传输。根据多径随参信道的相关特性,在传输信道中普遍存在着多径衰落即频率扩散现象,接收信号的干扰噪声值在较短时间内会出现较大的起伏。可能同时又会存在时间扩散现象,产生严重的符号间干扰(Inter-Symbol Interference,ISI)问题。
在典型的无线通信系统中,由于发射机的本地振荡器与接收机的本地振荡器之间存在频率偏差,频率偏差可能由频率扩散或者严重ISI导致,使接收信号的质量严重下降,甚至通信传输失败。所以在本地振荡器中,经常使用实现频率同步的装置自动频率校正(Automatic Frequency Correction,AFC)装置来对减少频率偏差。自动频率校正可分为粗略频率校正和精细频率校正两个阶段,粗略和精细频率校正方法的区别为频率偏差估计精度和最大频率偏差估计范围。粗略频率校正方法的频率偏差估计精度小但是最大频率偏差估计范围大,精细频率校正方法的频率偏差估计精度到但是最大频率偏差估计范围小。
虽然可以在一定程度上消除频率偏差问题,但是,该方法较为复杂,过程繁琐,实现该方法的计算公式较多,会耗费大量时间。并且,该系统中AFC装置的参数一般是预先设好的,不能根据实际信道条件动态调整,所以在某些快速变动的通信环境下的性能可能较差。
发明内容
本申请提供一种复杂信道下快速跟踪频偏和距离的方法、装置及电子设备,使用该方法可以实现在复杂信道下对频偏和距离的快速跟踪,并基于此实现滤波,从而提高通信质量。
第一方面,本申请提供一种复杂信道下快速跟踪频偏和距离的方法,包括:
通过快速变动信道,接收这一时刻的信号;
基于所述快速变动信道上一时刻对应的过程噪声参数、所述快速变动信道这一时刻对应的过程噪声参数、过去若干时刻的矫正后的信号,确定这一时刻对应的卡尔曼滤波公式中的相关参数;
利用所述这一时刻对应的卡尔曼滤波公式中的相关参数,对这一时刻的所述信号进行滤波,得到这一时刻的矫正后的信号。
可选的,所述基于所述快速变动信道这一时刻对应的过程噪声参数、过去若干时刻的矫正后的信号,确定这一时刻对应的卡尔曼滤波公式中的相关参数,包括:基于所述快速变动信道上一时刻对应的过程噪声参数确定上一时刻的均方误差;
基于过去若干时刻的矫正后的信号、上一时刻的均方误差、所述快速变动信道这一时刻对应的过程噪声参数,确定预测参数;
基于所述预测参数和这一时刻的所述信号,确定测量参数;
基于所述预测参数和所述测量参数,确定这一时刻对应的卡尔曼滤波公式中的相关参数。
可选的,所述方法还包括:
对所述快速变动信道进行分析,从预先设定的过程噪声参数的范围内选择所述快速变动信道这一时刻对应的过程噪声参数。
可选的,所述基于所述快速变动信道这一时刻对应的过程噪声参数、过去若干时刻的矫正后的信号,确定这一时刻对应的卡尔曼滤波公式中的相关参数,包括:
分析所述过去若干时刻的矫正后的信号,确定信号的变化趋势;
用这一时刻的信号偏差均值方向参数表征所述信号的变化趋势;
其中,所述这一时刻的信号偏差均值方向参数为所述这一时刻对应的卡尔曼滤波公式中的相关参数。
可选的,所述基于上一时刻的矫正后的信号和上一时刻的均方误差,确定预测参数,包括:
对所述上一时刻矫正后的信号与所述这一时刻的信号偏差均值方向参数进行相加处理,确定所述这一时刻的预测信号;
对上一时刻的均方误差与所述这一时刻对应的过程噪声参数进行相加处理,确定所述这一时刻的预测均方误差;
其中,所述预测参数包括这一时刻的预测信号和这一时刻的预测均方误差。
可选的,所述方法还包括:
对这一时刻的所述信号进行相关噪声功率公式计算,得到这一时刻的噪声功率;
叠加这一时刻噪声功率和过去若干时刻噪声功率并进行平均处理,确定这一时刻的平滑噪声功率估计参数;
其中,所述这一时刻的平滑噪声功率估计参数为所述这一时刻对应的卡尔曼滤波公式中的相关参数。
可选的,所述基于所述预测参数和所述这一时刻信号,确定测量参数,包括:
基于所述这一时刻的预测均方误差和所述这一时刻的平滑噪声功率估计参数进行计算,确定这一时刻的卡尔曼滤波因子;
其中,所述测量参数包括所述这一时刻的卡尔曼滤波因子。
可选的,所述利用所述这一时刻对应的卡尔曼滤波公式中的相关参数,对这一时刻的所述信号进行滤波,得到这一时刻的矫正后的信号,包括:
基于所述这一时刻的预测信号、这一时刻的卡尔曼滤波因子,对这一时刻的所述信号进行滤波,得到这一时刻的矫正后的信号。
第二方面,本申请提供一种复杂信道下快速跟踪频偏和距离的装置,包括:
信号接收模块,用于通过快速变动信道,接收这一时刻的信号;
滤波参数确定模块,用于基于所述快速变动信道这一时刻对应的过程噪声参数、过去若干时刻的矫正后的信号,确定这一时刻对应的卡尔曼滤波公式中的相关参数;
卡尔曼滤波模块,用于利用所述这一时刻对应的卡尔曼滤波公式中的相关参数,对这一时刻的所述信号进行滤波,得到这一时刻的矫正后的信号。
可选的,所述滤波参数确定模块,具体用于:
基于所述快速变动信道上一时刻对应的过程噪声参数确定上一时刻的均方误差;
基于过去若干时刻的矫正后的信号、上一时刻的均方误差、所述快速变动信道这一时刻对应的过程噪声参数,确定预测参数;
基于所述预测参数和这一时刻的所述信号,确定测量参数;
基于所述预测参数和所述测量参数,确定这一时刻对应的卡尔曼滤波公式中的相关参数。
可选的,所述装置还包括:过程噪声参数确定模块,用于:
对所述快速变动信道进行分析,从预先设定的过程噪声参数的范围内选择所述快速变动信道这一时刻对应的过程噪声参数。
可选的,所述滤波参数确定模块,具体用于:
分析所述过去若干时刻的矫正后的信号,确定信号的变化趋势;
用这一时刻的信号偏差均值方向参数表征所述信号的变化趋势;
其中,所述这一时刻的信号偏差均值方向参数为所述这一时刻对应的卡尔曼滤波公式中的相关参数。
可选的,所述滤波参数确定模块,具体用于:
对所述上一时刻矫正后的信号与所述这一时刻的信号偏差均值方向参数进行相加处理,确定所述这一时刻的预测信号;
对上一时刻的均方误差与所述这一时刻对应的过程噪声参数进行相加处理,确定所述这一时刻的预测均方误差;
其中,所述预测参数包括这一时刻的预测信号和这一时刻的预测均方误差。
可选的,所述装置还包括:平滑噪声功率估计参数确定模块,用于:
对这一时刻的所述信号进行相关噪声功率公式计算,得到这一时刻的噪声功率;
叠加这一时刻噪声功率和过去若干时刻噪声功率并进行平均处理,确定这一时刻的平滑噪声功率估计参数;
其中,所述这一时刻的平滑噪声功率估计参数为所述这一时刻对应的卡尔曼滤波公式中的相关参数。
可选的,所述滤波参数确定模块,具体用于:
基于所述这一时刻的预测均方误差和所述这一时刻的平滑噪声功率估计参数进行计算,确定这一时刻的卡尔曼滤波因子;
其中,所述测量参数包括所述这一时刻的卡尔曼滤波因子。
可选的,所述卡尔曼滤波模块,具体用于:
基于所述这一时刻的预测信号、这一时刻的卡尔曼滤波因子,对这一时刻的所述信号进行滤波,得到这一时刻的矫正后的信号。
第三方面,本申请提供一种电子设备,包括:存储器和处理器,所述存储器上存储有能够被处理器加载并执行第一方面的方法的计算机程序。
第四方面,本申请提供一种计算机可读存储介质,存储有能够被处理器加载并执行第一方面的方法的计算机程序。
第五方面,本申请提供一种计算机程序产品,包括:计算机程序;所述计算机程序被处理器执行时,实现如第一方面任一项所述的方法。
本申请提供了一种复杂信道下快速跟踪频偏和距离的方法、装置及电子设备,通过快速变动信道,接收这一时刻的信号;基于所述快速变动信道上一时刻对应的过程噪声参数、所述快速变动信道这一时刻对应的过程噪声参数、过去若干时刻的矫正后的信号,确定这一时刻对应的卡尔曼滤波公式中的相关参数;利用所述这一时刻对应的卡尔曼滤波公式中的相关参数,对这一时刻的所述信号进行滤波,得到这一时刻的矫正后的信号。本申请的方案,借助于相邻两时刻的过程噪声参数、已经矫正过的信号来跟踪复杂信道的频偏和距离变化,从而确定卡尔曼滤波公式中的相关参数,整体实现较简单。同时,还可以对这一时刻的接收信号进行自动矫正,得到矫正后的信号,实现滤波,从而提高复杂信道下的通信质量。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍,显而易见地,下面描述中的附图是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本申请一实施例提供的一种应用场景示意图;
图2为本申请一实施例提供的一种复杂信道下快速跟踪频偏和距离的方法的流程图;
图3为本申请一实施例提供的一种卡尔曼滤波的两个正态概率分布相乘图;
图4为本申请一实施例提供的一种预测移动台所在位置的概率分布图;
图5为本申请一实施例提供的一种预测移动台和测量移动台所在位置的概率分布图;
图6为本申请一实施例提供的一种最佳预测移动台所在位置的概率分布图;
图7为本申请一实施例提供的另一种复杂信道下快速跟踪频偏和距离的方法的具体流程图;
图8为本申请一实施例提供的一种匀速状态下卡尔曼滤波前后测量距离值的对比图;
图9为本申请一实施例提供的一种加速状态下卡尔曼滤波前后测量距离值的对比图;
图10为本申请一实施例提供的一种卡尔曼增益系数幅度与(频偏)测量次数的分布图;
图11为本申请一实施例提供的一种测量残留与测量次数分布图;
图12为本申请一实施例提供的一种状态预估的修正数值与测量次数分布图;
图13为本申请一实施例提供的一种复杂信道下快速跟踪频偏和距离的装置的结构示意图;
图14为本申请一实施例提供的一种电子设备的结构示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,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。显然,所描述的实施例是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
另外,本文中术语“和/或”,仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。另外,本文中字符“/”,如无特殊说明,一般表示前后关联对象是一种“或”的关系。
在无线通信系统中,需要通过快速变动的信道进行相关信号的传输通信。快速变动信道通常为多径随参信道,信道的环境不断发生变化,例如该信道的噪声可能随着信道的快速变动而不断地发生改变,可能导致接收的这一时刻的信号与对应的发射信号相比存在较大的误差。通常可以使用卡尔曼(Kalman)滤波方法对接收的这一时刻的信号进行滤波,减小环境噪声对接收信号的偏差影响,基于快速变动信道的这一时刻过程噪声参数、上一时刻的过程噪声参数和过去若干时刻的矫正后的信号,确定卡尔曼滤波公式这一时刻对应的相关参数,利用对应的相关参数对这一时刻的信号进行滤波,确定得到这一时刻矫正后的信号。
基于此,本申请提供一种复杂信道下快速跟踪频偏和距离的方法、装置及电子设备,使用该方法可以实现在复杂信道下对频偏和距离的快速跟踪,并基于此实现滤波,从而提高通信质量。下面结合说明书附图对本申请实施例作进一步详细描述。
图1提供的应用场景示意图中,测量台可以测量移动台的相关参数,例如距离、移动台速度等,移动台移动的速度较快,所以信号是通过快速变动信道进行传输。测量台中包括北斗传感器,可以得到测量台发出的信号再被接收的往返时间。信号在传输过程中的速度是光速,所以根据测量出的时间,可以确定移动台与测量台的距离。但是由于快速变动信道会引发相关的信道噪声,对测量出的距离数值造成极大的偏差,所以在测量台的服务器中加载本申请提出的复杂信道下快速跟踪频偏和距离的方法,可以减小相关偏差,准确测量出移动台与测量台的距离、根据距离计算出移动台的移动速度。该方法常用于测量智能车、超高音速飞机等。
复杂信道下快速跟踪频偏和距离的具体的实现方式可以参考以下实施例。
图2为本申请一实施例提供的一种复杂信道下快速跟踪频偏和距离的方法的流程图,本实施例的方法可以应用于以上场景中的服务器。如图2所示的,该方法包括:
S201、通过快速变动信道,接收这一时刻的信号。
对于本申请实施例,发射机这一时刻发射信号,信号通过快速变动信道传输,信号传输到接收机,由接收机接收对应时刻的信号,接收这一时刻的信号。
在一另些场景中,根据应用场景的需求进行针对快速变动信道的卡尔曼滤波,发射机发射信号,可能由于接收机快速移动或者接收机周围环境恶劣,导致发射机发射信号给接收机传输信道为快速变动信道。在无线通信系统中,上述快速变动信道通常为多径随参信道,信道的环境在较短时间内不断发生变化,例如该信道的噪声可能随着信道变化不断发生改变,可能造成接收这一时刻的信号与对应的发射信号相比存在较大的误差。
S202、基于所述快速变动信道上一时刻对应的过程噪声参数、所述快速变动信道这一时刻对应的过程噪声参数、过去若干时刻的矫正后的信号,确定这一时刻对应的卡尔曼滤波公式中的相关参数。
预先确定快速变动信道上一时刻和这一时刻对应的过程噪声参数与过去若干时刻经过卡尔曼滤波后的矫正后的信号,对这些参数使用不同的计算公式进行计算,通过计算结果可以确定这一时刻对应的卡尔曼滤波公式中的相关参数。
具体的,过去若干时刻可以选择过去较短时刻范围也可以选择过去较长时刻范围。过去较短时刻范围与这一时刻的范围相关参数可能相近,较短时间内信道过程噪声变化较小,计算结果可能更准确。过去较长时刻范围参考的矫正后的信号数据较多,参考范围较大,减小偶然因素导致的误差。
S203、利用所述这一时刻对应的卡尔曼滤波公式中的相关参数,对这一时刻的所述信号进行滤波,得到这一时刻的矫正后的信号。
利用这一时刻对应的卡尔曼滤波公式中的相关参数,生成这一时刻的卡尔曼滤波公式。这一时刻的卡尔曼滤波公式对这一时刻的信号进行滤波,减少快速变动信道对这一时刻的信号的影响,得到这一时刻的矫正后的信号,使进行滤波矫正后的信号更接近真实信号。
在一些验证场景中,可以通过发射机进行小区搜索,或者由系统通知等方法,获取一些已知的数据信号,作为发射信号,通过快速变动信道将发射信号传输到接收机中。接收机这一时刻接收到的信号是与发射信号的时刻相对应的。该已知的数据信号在发射信号中是按一定方式出现,例如可以周期性地出现。
已知的数据信号通过快速变动信道传输到接收机,接收机对接收到的信号进行卡尔曼滤波,生成对应的矫正后的信号。可以通过对矫正后的信号和已知的数据信号进行比较,确定接收信号经过卡尔曼滤波后可以消除相关误差,矫正后的信号接近已知的数据信号。证明该卡尔曼滤波方法的有效性,可以很大程度上提高通信的质量。
本实施例的方案可以实现如下技术效果:确定卡尔曼滤波公式对应的相关参数,相关参数较少,对应的方法步骤较为简易,计算公式也较为简单。借助于相邻两时刻的过程噪声参数、已经矫正过的信号来跟踪复杂信道的频偏和距离变化,从而确定卡尔曼滤波公式中的相关参数,整体实现较简单。同时,还可以对这一时刻的接收信号进行自动矫正,得到矫正后的信号,实现滤波,从而提高复杂信道下的通信质量。
本申请为了在多径下准确的实现距离测量/频偏测量的准确性,为实现上述目的,提供了一种基于信号噪声功率、频率偏移方向、控制系统复杂度三维控制的卡尔曼滤波方法,实现准确的频偏和距离测量。该方法包括以下步骤:
训练序列获取步骤,接收机通过进行小区搜索,或者由系统通知等方法,得知一个数据序列模式,该数据序列模式在接收信号中是按一定方式出现,例如周期性地出现;基于连续帧逐帧不断进行同步和频偏测量,每一次它包括如下步骤:
信号数据提取步骤,用于提取对应于所述训练序列部分的接收数据;
接收的训练和本地训练序列进行相关,进行一次频率偏移估计来得到频率偏移估计值,本次估计数值为zk,也是测量后的数值;
第一根据频率偏移的均值方向设置u,如果频率偏移均值大小基本是恒定的,设置u=0。如果频偏均值u按照一定方向变大或者变小,就需要设置u为同方位的数值。
第二根据噪声功率大小设置Rk,噪声估计器用于计算当前帧内的噪声大小;
第三根据频率偏移的扰动大小设置P,注意P不能是零值,一般也不能是1,如果频率的扰动较大这个数值就偏大,一般设置P=0.05,也是预测的均方误差数值;
卡尔曼增益因子K计算步骤,用于根据所述的噪声估计结果,得到应用于当前帧内频率偏移估计的增益因子;
环路滤波步骤,用于根据所述的频率偏移估计值和卡尔曼增益因子,进行一阶环路滤波得到累计频率偏移估计值,完成时间更新和测量更新;
本地设置振荡器精调步骤,用于将所述的累计频率偏移估计来控制数字NCO的输出频率,从而完成当前帧内的一次精细频率校正。
需要进一步说明的是,卡尔曼滤波器是如何将估计值和测量值结合起来,利用“独立高斯分布”的假设条件将信息传递下去,使得卡尔曼滤波器巧妙的用“独立高斯分布的乘积”将这两个测量值和估计值进行融合。
对卡尔曼滤波的应用,有几个观点很重要,是建立卡尔曼滤波器的基础:
1)一个是n-1对n时刻估计值,一个是n时刻的测量值,估计值和测量值都存在误差,且误差都假设满足独立的高斯分布;
2)卡尔曼滤波器就是充分结合了估计值和测量值得到n时刻更接近真值的估计结果;
3)卡尔曼滤波器引入状态空间的目的是避免了“像维纳滤波器一样需要对过去所有[0,n-1]时刻协方差先验知识都已知”,而直接可以通过上一时刻即n-1时刻的状态信息和均方误差信息就可递推得到n时刻的估计。尽管递推使得实际应用中方便了,但n-1对n时刻的估计实际上使用到了所有前[0,n-1]时刻的信息,只不过信息一直通过最小均方误差进行传递到n-1时刻。基于此,卡尔曼滤波也需要先验知识,即-1时刻的初始值。现在已经有了估计值和测量值,哪个更接近真值,这就通过最小均方误差矩阵来决定。
卡尔曼滤波器就是根据上一时刻的矫正后的测量值和协方差误差数值等,计算这一时刻的预估值。可以参考图3,图3表示卡尔曼滤波的这一时刻的预测值和这一时刻的测量值的两个正态概率分布相乘图。卡尔曼滤波方法的核心思想就是利用当前的预测值和测量值去预测新的预测值,这新的预测值和新的测量值,再去预测更新的预测值,如此反复,不断更新,就是卡尔曼滤波。基于上面的理论如果我们有两个概率,一个是n-1对n时刻估计值,即为这一时刻的预测值,一个是n时刻的测量值,并且這两个概率都是真的,将他們两个高斯分布相乘,只剩下重叠部分,即图3中黑点覆盖的区域。它比之前的估计要精确得多。预测值和测量值都是正态分布,也就是高斯分布,新的预测值是这两个高斯分布的乘积,仍然是高斯分布。这个分布的平均值是两个估计值最有可能出现的配置,因此对于给定所有信息的真实配置,这是最好的猜测。新的预测值是卡尔曼滤波后矫正的测量值。这个预测的概率密度函数(probability density functions,pdfs)PDF公式如下,举例说明预测在时间t=1的时候移动台所在的概率密度分布函数如下(1),可以参考图4,根据预测移动台的概率密度分布函数,确定预测移动台所在位置(预测的位置可能不准确)。
由于不确定位置,所以不确定在t=0到t=1过程中移动台是匀速,还是加速或者减速运动,所以此时的预测是不准确的。为此在t=1时我们测量移动台所在位置的PDF如下(2),预测移动台和测量移动台所在位置,根据测量移动台的概率密度分布函数,确定测量移动台所在的位置。测量台具体所在位置可以参考图5,图5还包括上述预测移动台位置的概率分布图。
新PDF是通过预测的PDF(左边)和测量的PDF(右边)在时间t=1相乘得到的,这个新的PDF是对移动台的最佳评估,移动台新的PDF(中间位置)是移动台最佳预测的位置。预测移动台位置、测量移动台位置和最佳预测移动台位置的概率分布图,可以参考图6。移动台最佳的PDF是结合了预测和测量的知识,预测的PDF和测量PDF相乘得到的最佳有用的yfused如下(3):
其实这两个PDF相乘之后的指数部分取值β如下(4):
通过β的取值不断的去简化从而得到卡尔曼滤波所需要的公式(5):
设置β的取值如下(6):
上面参数设置如下(7)、(8):
上面公式中α在指数中是一个常数,不断简化得到,以下公式(9):
其推导过程如下(10):
现在再次回到两个相乘概率密度函数yfused(r,ufused,σfused),这个函数就是我们需要的最佳概率密度分布函数(11):
上面公式中的常数项目sg如下,实际上就是结果的缩放因子(12),相关公式如下(13)、(14)、(15)、(16):
N=(u1-u2)2 (14)
这个常数项目的作用对相乘之后的结果压缩或者放大.两个高斯分布相乘的分布函数即推导出来,即相乘后的分布函数为一个被压缩或者放大的高斯分布,sg为缩放因子,相乘后的概率密度yfused的积分不等于1,但其方差和均值性质不变,也就是我们常说两个高斯分布相乘同样服从高斯分布。
再研究一下缩放因子sg。可以看出,当sg<1时,概率分布被压缩;当sg>1时,概率分布被放大。p(x)是条固定的曲线,p(x)是根据N移动的曲线,大多数情况会出现p(x)<q(x)。
上面y1(r,u1,σ1)y2(r,u2,σ2)代表这移动台的距离,使用米作为单位。如果是测量域,代表的是以光速c从发射机到移动台无线信号传递的时间,而这个预测的PDF函数y1仍然是距离,为此预测域PDFy1通过缩放功能光速c转换到测量域,这样预测域和测量域都是同一个域:时间为变量,如下公式(17)所示。
而y1仍然保持不变,维持时间域,公式如下(18):
所以上面推导出来的下面两个公式需要变动(19)、(20):
除以光速c变换到时间域的处理如下(21):
正态分布的均值ufused就是我们要的输出结果,正态分布的方差就是最小均方误差。推广到矢量的情况,最小均方误差矩阵就是多维正态分布的协方差矩阵。
卡尔曼增益K的含义:就是估计量的方差占总方差(包括估计方差和测量方差)的比重,设置(22):
则得到K(23):
随后就得到ufused和如下公式(24)、(25)所示:
接下来根据上面的推导与标准卡尔曼滤波向量和矩阵进行比较:
当前数据状态矢量,例如矫正的这一时刻信号;
之前一个数据状态矢量,例如预测的这一时刻的信号;
当前数据的协方差矩阵(这一时刻的均方误差);
之前数据的协方差矩阵(上一时刻的预测误差);
u2→zk:测量矢量,例如北斗传感器,无线接收机测量得到的已知数据;
与测量噪声相关的不确定性矩阵(测量出来的误差);
H→Hk:用来映射状态矢量进入测量域的转换矩阵,一般情况下是1;
故此可以得到卡尔曼滤波的三个重要公式Kk,xk/k,Pk/k,如下公式(26)、(27)、(28)所示:
根据前一时刻的模式状态生成当前时刻模式状态的预测值。在分析阶段,引入观测数据(测量数据),利用最小方差估计方法对模式状态进行重新分析,得到新的预测数值。随着模式状态预测的持续进行和新的测量数据的陆续输入,这个过程不断向前推进。即模式随着时间向前积分进行状态预测,当出现测量数据时,根据模式预测误差的协方差矩阵(已知)和观测误差的协方差矩阵(已知)之间相对大小导出状态的最小方差估计,从而得到新的预测数值。根据卡尔曼滤波方法计算出的新的预测数值就是卡尔曼滤波之后的矫正数值。
在一些实施例中,所述基于所述快速变动信道这一时刻对应的过程噪声参数、过去若干时刻的矫正后的信号,确定这一时刻对应的卡尔曼滤波公式中的相关参数,包括:基于所述快速变动信道上一时刻对应的过程噪声参数确定上一时刻的均方误差;基于过去若干时刻的矫正后的信号、上一时刻的均方误差、所述快速变动信道这一时刻对应的过程噪声参数,确定预测参数;基于所述预测参数和这一时刻的所述信号,确定测量参数;基于所述预测参数和所述测量参数,确定这一时刻对应的卡尔曼滤波公式中的相关参数。
由于传输信号的通信信道是快速变动信道,该信道每一时刻对应的噪声参数都可能不同,所以需要预先确定每一时刻对应的快速变动信道的过程噪声参数。均方误差的计算公式与过程噪声参数有关,可以基于快速变动信道上一时刻对应的过程噪声参数、相关计算公式,确定上一时刻的均方误差,初始时刻的均方误差数值可以设定为1。
可以对卡尔曼滤波公式中的相关参数进行分类,可以分为预测参数和测量参数。基于过去若干时刻的矫正后的信号、上一时刻的均方误差、快速变动信道这一时刻对应的过程噪声参数、相关计算公式,其计算结果确定卡尔曼滤波公式中的这一时刻的预测参数;基于这一时刻的预测参数和这一时刻的信号、相关计算公式,其计算结果确定卡尔曼滤波公式中的这一时刻的测量参数。
在本实施例中,确定卡尔曼滤波公式中的相关参数包括卡尔曼滤波预测参数和卡尔曼滤波测量参数,可以实现卡尔曼滤波的方法,预测参数和测量参数的计算过程较为简单,可以快速实现卡尔曼滤波方式。
在一另些实施例中,还包括:对所述快速变动信道进行分析,从预先设定的过程噪声参数的范围内选择所述快速变动信道这一时刻对应的过程噪声参数。
确定快速变动信道过程噪声参数,可以根据对快速变动信道进行分析的经验,确定快速变动信道过程噪声参数的经验数值范围,例如,可以预先设定过程噪声参数的经验数值范围的最小值为0.04,最大值为0.1。在接收到这一时刻的信号后,根据这一时刻在快速变动信道的传输过程中信号的变动情况选择这一时刻对应的过程噪声参数,该过程噪声参数的选择范围为预先设定的过程噪声参数的经验数值范围。
在一些具体的实施例中,例如,在测量移动台的距离时,可以根据快速变动信道的变动情况设置过程噪声参数,可以设置每一时刻的过程噪声参数不同,每一时刻快速变动信道过程噪声参数都有对应的数值,该过程噪声参数可以在经验数值范围内进行随机选择,表征快速变动信道的不稳定性;也可以分段设置快速变动信道过程噪声参数,初期参数数值较大,最大数值可以设置为0.1,后续数值逐渐减小,最小数值可以设置为0.04,表征快速变动信道前期不稳定后期较稳定的特点。
在本实施例中,对快速变动信道进行分析,可以根据经验确定快速变动信道中的过程噪声,可以较为准确地估计快速变动信道的信道噪声对接收信号的影响程度,可以减少信道过程噪声对接收信号偏差,使通信信号的质量提高。
在一些实施例中,所述基于所述快速变动信道这一时刻对应的过程噪声参数、过去若干时刻的矫正后的信号,确定这一时刻对应的卡尔曼滤波公式中的相关参数,包括:分析所述过去若干时刻的矫正后的信号,确定信号的变化趋势;用这一时刻的信号偏差均值方向参数表征所述信号的变化趋势;其中,所述这一时刻的信号偏差均值方向参数为所述这一时刻对应的卡尔曼滤波公式中的相关参数。
分析过去若干时刻的矫正后的信号,对矫正后的信号的数值变化进行分析,确定信号的变化趋势。分析出信号的变化趋势后,可以计算出信号偏差均值方向参数,信号偏差均值方向参数可以表征信号的变化趋势,例如,对信号的频率进行测量时,信号偏差均值方向参数为频谱的变动快慢。
具体的,矫正后的信号数值有时增加有时减少,基本是在某一数值处震荡,可以称之为信号的变化趋势是不变的,信号偏差均值方向参数等于0;矫正后的信号数值是不断增加的,可以称之为信号的变化趋势是增加的,信号偏差均值方向参数大于0;矫正后的信号数值是不断减少的,信号偏差均值方向参数小于0。
在一些实施例的场景中,例如,在测量移动台的距离时,该距离信号的这一时刻的信号偏差均值方向参数可以表征为这一时刻移动台的速度,该信号偏差均值方向参数的计算公式为以下公式(29):
u=v+ak (29)
这一时刻的信号偏差均值方向参数(这一时刻速度)为u,上一时刻的信号偏差均值方向参数(上一时刻速度)v,a为上一时刻信号偏差均值方向参数相对于若干时刻信号偏差均值方向参数的变量(上一时刻的加速度),k为计算的次数。
在本实施例中,通过分析若干时刻的矫正后的信号,确定信号的变化趋势为信号偏差均值方向参数,可以更好地估计信号接下来时刻的变化。
本实施例提供的,所述基于上一时刻的矫正后的信号和上一时刻的均方误差,确定预测参数,包括:对所述上一时刻矫正后的信号与所述这一时刻的信号偏差均值方向参数进行相加处理,确定所述这一时刻的预测信号;对上一时刻的均方误差与所述这一时刻对应的过程噪声参数进行相加处理,确定所述这一时刻的预测均方误差;其中,所述预测参数包括这一时刻的预测信号和这一时刻的预测均方误差。
由于这一时刻的预测信号和这一时刻的预测均方误差是基于上一时刻的相关参数确定的,通过卡尔曼滤波公式进行预测估计相关参数,这部分相关参数称之为预测参数。上一时刻矫正后的信号与这一时刻的信号偏差均值方向参数通过相加计算公式,计算得到这一时刻的预测信号计算公式如下(30)所示;上一时刻的均方误差与这一时刻对应的过程噪声参数通过相加计算公式,计算得到这一时刻的预测均方误差计算公式如下(31)所示:
A为状态转移矩阵,xk-1是上一时刻矫正后的信号,u是这一时刻的信号偏差均值方向参数,Pk-1上一时刻的均方误差,Q是这一时刻的过程噪声参数。
在本实施中,确定卡尔曼滤波预测参数,预测这一时刻的相关参数,与上一时刻矫正后的参数和这一时刻的场景参数息息相关,可以使预测的相关参数更加准确。
在一另些实施例中,还包括:对这一时刻的所述信号进行噪声功率的公式计算,得到这一时刻的噪声功率;叠加这一时刻噪声功率和过去若干时刻噪声功率并进行平均处理,确定这一时刻的平滑噪声功率估计参数;其中,所述这一时刻的平滑噪声功率估计参数为所述这一时刻对应的卡尔曼滤波公式中的相关参数。
由于信号在通信系统的传输过程中因为一些其他因素产生噪声,可能造成接收到的信号具有一定的误差值,其他因素例如天体放电、设备内部电路所引起的噪声。根据这一时刻的信号、噪声功率的计算公式,计算的结果得出这一时刻的噪声功率Pnn,上一时刻的信号计算得到的上一时刻的噪声功率Pnn-1。这一时刻的噪声功率与上一时刻的信号的相减处理,得到这一时刻的噪声功率差值,叠加这一时刻噪声功率差值和过去若干时刻噪声功率差值并进行平均处理,确定这一时刻的平滑噪声功率估计参数。上述平滑噪声功率估计参数不包括收到快速变动信道噪声影响而产生的过程噪声。该平滑噪声功率估计参数如以下公式(32)所示,主要计算由于其他因素引起的噪声误差功率。
Rk为平滑噪声功率估计参数,N是进行叠加的次数。
在一些具体的实施例中,有很多可以计算噪声功率的公式,例如,这一时刻的噪声功率的计算公式可以包括,对这一时刻的信号进行两次不同的信噪比计算,计算出信号功率和总的功率,噪声功率的数值为总的功率与信号功率的相减数值。
计算噪声功率,可以较为准确估计除信道噪声外其他因素引发的噪声,通过相关计算,可以减少噪声对接收信号偏差影响;对噪声功率进行平滑处理,减少偶然因素引发的噪声对接收信号的影响,提高通信系统传输的质量。
在一些实施例中,所述基于所述预测参数和所述这一时刻信号,确定测量参数,包括:基于所述这一时刻的预测均方误差和所述这一时刻的平滑噪声功率估计参数进行计算,确定这一时刻的卡尔曼滤波因子;其中,所述测量参数包括所述这一时刻的卡尔曼滤波因子。
根据预测参数中的这一时刻的预测均方误差和上述这一时刻的平滑噪声功率估计参数,进行卡尔曼滤波因子的计算公式,该计算公式如下公式(33)所示,确定了这一时刻的卡尔曼滤波因子Kk。由于卡尔曼滤波因子是基于接收的信号确定的,接收到的信号可以称之为是测量值,所以这一时刻的卡尔曼滤波因子为测量参数。
其中H为根据需求确定的状态转移矢量,一般为1。
具体的,测量参数还可以包括这一时刻的均方误差Pk。基于上述这一时刻的卡尔曼滤波因子和这一时刻预测的均方误差进行相关计算,其计算结果可以得到这一时刻的均方误差。其计算公式如下公式(34)所示。
进一步的,还包括:对这一时刻卡尔曼滤波因子和过去若干时刻的卡尔曼滤波因子进行分析,确定卡尔曼滤波因子的变化趋势和这一时刻卡尔曼滤波因子相对于上一时刻的变量。若卡尔曼滤波因子的变量小于等于预设数值,确定卡尔曼滤波的系统稳定;若卡尔曼滤波因子的变量大于预设数值,确定卡尔曼滤波的系统不稳定,启动预设的告警装置,开始告警。启动告警装置可以使工作人员可以对卡尔曼滤波的系统进行检查,保证对接收信号进行正常滤波,确定接收信号的准确性,减小偶然的误差。
确定卡尔曼滤波测量参数,基于预测参数和这一时刻的信号进行计算,计算步骤较为简单,公式的错误率不高,计算得出的卡尔曼滤波因子更加准确。
在一另些实施例中,所述利用所述这一时刻对应的卡尔曼滤波公式中的相关参数,对这一时刻的所述信号进行滤波,得到这一时刻的矫正后的信号,包括:基于所述这一时刻的预测信号、这一时刻的卡尔曼滤波因子,对这一时刻的所述信号进行滤波,得到这一时刻的矫正后的信号。
基于预测参数中的这一时刻的预测信号和测量参数中的这一时刻的卡尔曼滤波因子,对接收到的这一时刻的信号进行卡尔曼滤波计算,对这一时刻的信号进行自动校正,生成这一时刻矫正后的信号xk,计算公式如下公式(35)所示,其中,这一时刻接收到的信号为zk。
具体的,可以通过计算这一时刻的测量残留yk,测量残留值为接收到的信号与预估信号的差值,计算公式如下公式(36)所示,可以表征为信号在传输过程中收到相关噪声影响,产生的误差值。
矫正后的信号与接收到的信号相比,减少了快速变动信道的噪声和其他因素噪声的影响,并且计算公式较为简单,计算错误率大大降低。通过该卡尔曼滤波公式进行滤波后,得到的矫正后的信号更接近真实信号,准确性更高,使通信系统的传输质量大大提高,提高了卡尔曼滤波的应用价值。
在一些具体的场景中,例如,测量移动台与测量台的距离。
在一些实验中,测量台中包括北斗星传感器,可以得到测量台发出的信号再被接收的往返时间。信号在传输过程中的速度是光速,所以根据测量出的时间,可以确定移动台与测量台的距离,这一时刻测量距离值为zk。实验开始进行时,确定设置的初始值,初始的均方误差P0为1,状态转移矩阵A为1,测量的维度D为1,只测量一维的测量距离值。测量次数为上述的时刻,开始下一次测量为进行下一时刻的信号接收。初始测量次数k为1,对测量距离值进行滤波后,开始下一次的测量,测量次数加1。
根据过去若干次的测量距离值可以确定这一次的信号偏差均值方向参数u。
根据这一时刻的快速变动信道的变动情况确定对应的这一次的过程噪声参数Q,可以设置初期过程噪声参数的数值较大,最大值可以设置为0.1,后续逐渐减小,最小值可以设置为0.04。
根据这一次测量距离值和相关噪声功率的计算公式,确定这一次的平滑噪声功率估计参数Rk。
明确每一次测量的差值时间,可以设置每一次测量的差值时间是固定的。根据这一次测量距离值和上一次测量距离值的差值确定这一次的运动速度v,可以根据这一次的运动速度和这一次的运动速度的差值确定这一次的加速度a,更新信号偏差均值方向参数u为u=v+ak。
确定卡尔曼滤波公式的相关参数后,通过卡尔曼滤波公式对这一次测量距离值进行滤波,得到这一次矫正后的测量距离值。
上述具体的测量距离的流程图,可以参考图7。
进一步的,还可以测量移动台的速度和加速度。但是对于运动或者加速运动的移动台进行测量,过程噪声参数Q和平滑噪声功率估计参数R的测量显得困难,并且如何估计得更加准确也没有方向,为此提出了平滑分段的测量方式,移动速度平滑计算,加速度二次微分计算等多种新手段。由于对信号进行测量时,只能测量到距离,不可测量出速度和加速度,可以通过计算一定时间内的距离差值确定移动台的这一时刻的速度和这一时刻的加速度。每一次的测量都有固定的时间,一个间隔时间单位是△τ,所以可以根据测量次数确定对应的时间,速度的计算公式,如下公式(37)所示,得到这一次的速度;确定上一次速度和这一次速度的差值,加速度的计算公式,如下公式(38)所示,得到这一次的加速度。
速度的计算是距离分段平滑的,计算速度并没有使用卡尔曼滤波公式进行处理,这一次的速度计算公式,如下公式(39)所示。相邻N次中对速度进行平均处理,这样就可以降低噪声对算法性能的影响。N数值的大小根据两个采样点的间隔和加速度大小确定,如果速度变动慢,并且采样间隔小,则N数值可以设置大一些,反之设置小一些。
同理可得,加速度也是多次进行平均处理,并且上面的两个速度的差距是隔离N个距离的时间,一个间隔时间单位是△τ,故此对应到加速度的时间是△τ×N。加速度的计算公式如下公式(40)所示:
下面举例说明例如距离的采样间隔△τ=5ms,平均速度是v=100m/s,这样一次采样距离的变动是Dist=△τ×v=0.5m。如果加速度a=1m/s2,那么一次采样间隔变动的速度△v=△τ×a=0.005m/s,由于采样噪声使得测距抖动很大,我们看到下面的仿真图形距离上下震荡,使得位置准确度降低,图8和图9仿真初始距离是Dist=14000m左右,由于加速度的存在,使得距离快速加大。下面仿真了匀速运动和加速状态下两种情况来验证测试距离的准确性。具体的卡尔曼滤波前后测量距离值的对比,可以参考图8和图9。
具体的,输出这一次的矫正后的测量距离值和这一次的均方误差,传输到下一次测量中,计算下一次的卡尔曼滤波公式的相关参数。通过调用函数,可以调用这一次卡尔曼滤波公式的相关参数中的这一次卡尔曼滤波因子和这一次的测量残留。卡尔曼滤波因子的幅度是卡尔曼增益系数K,可以参考图10,图10为卡尔曼增益系数幅度与测量次数(或者频偏)的分布图。随着测量次数的增加,卡尔曼增益系数幅度逐渐减小,数值接近0,可以清晰地分析出该实验中滤波系统是稳定的;测量残留可以表征为信号在传输过程中收到相关噪声影响,产生的误差值。本实验中具体的测量残留与测量次数分布图,可以参考图11。
还可以对卡尔曼滤波因子和测量残留进行相乘处理,得到状态预估的修正数值K×yk,可以表征为在卡尔曼滤波系统中对测量数值的滤波矫正数值,随着滤波系统逐渐稳定,修正的数值也逐渐接近0数值。具体状态预估的修正数值与测量次数分布图,可以参考图12。
可以通过对每一次测量出的距离值进行滤波,得到矫正后的距离值,该距离值更接近真实距离值,通过若干次对矫正后的距离值进行速度和加速度的计算,得到的速度和加速度数值也更加准确,通过卡尔曼滤波方法进行滤波后,可以简单快速地测量出通过快速变动信道传输的准确数值,提升通信系统的传输质量。
图13为本申请一实施例提供的一种复杂信道下快速跟踪频偏和距离的装置的结构示意图,如图13所示的,本实施例的复杂信道下快速跟踪频偏和距离的装置1300包括:信号接收模块1301、滤波参数确定模块1302和卡尔曼滤波模块1303。
信号接收模块1301,用于通过快速变动信道,接收这一时刻的信号;
滤波参数确定模块1302,用于基于所述快速变动信道这一时刻对应的过程噪声参数、过去若干时刻的矫正后的信号,确定这一时刻对应的卡尔曼滤波公式中的相关参数;
卡尔曼滤波模块1303,用于利用所述这一时刻对应的卡尔曼滤波公式中的相关参数,对这一时刻的所述信号进行滤波,得到这一时刻的矫正后的信号。
可选的,所述滤波参数确定模块1302,具体用于:
基于所述快速变动信道上一时刻对应的过程噪声参数确定上一时刻的均方误差;
基于过去若干时刻的矫正后的信号、上一时刻的均方误差、所述快速变动信道这一时刻对应的过程噪声参数,确定预测参数;
基于所述预测参数和这一时刻的所述信号,确定测量参数;
基于所述预测参数和所述测量参数,确定这一时刻对应的卡尔曼滤波公式中的相关参数。
可选的,所述装置还包括:过程噪声参数确定模块1304,用于:
对所述快速变动信道进行分析,从预先设定的过程噪声参数的范围内选择所述快速变动信道这一时刻对应的过程噪声参数。
可选的,所述滤波参数确定模块1302,具体用于:
分析所述过去若干时刻的矫正后的信号,确定信号的变化趋势;
用这一时刻的信号偏差均值方向参数表征所述信号的变化趋势;
其中,所述这一时刻的信号偏差均值方向参数为所述这一时刻对应的卡尔曼滤波公式中的相关参数。
可选的,所述滤波参数确定模块1302,具体用于:
对所述上一时刻矫正后的信号与所述这一时刻的信号偏差均值方向参数进行相加处理,确定所述这一时刻的预测信号;
对上一时刻的均方误差与所述这一时刻对应的过程噪声参数进行相加处理,确定所述这一时刻的预测均方误差;
其中,所述预测参数包括这一时刻的预测信号和这一时刻的预测均方误差。
可选的,所述装置还包括:平滑噪声功率估计参数确定模块1305,用于:
对这一时刻的所述信号进行相关噪声功率公式计算,得到这一时刻的噪声功率;
叠加这一时刻噪声功率和过去若干时刻噪声功率并进行平均处理,确定这一时刻的平滑噪声功率估计参数;
其中,所述这一时刻的平滑噪声功率估计参数为所述这一时刻对应的卡尔曼滤波公式中的相关参数。
可选的,所述滤波参数确定模块1302,具体用于:
基于所述这一时刻的预测均方误差和所述这一时刻的平滑噪声功率估计参数进行计算,确定这一时刻的卡尔曼滤波因子;
其中,所述测量参数包括所述这一时刻的卡尔曼滤波因子。
可选的,所述卡尔曼滤波模块1303,具体用于:
基于所述这一时刻的预测信号、这一时刻的卡尔曼滤波因子,对这一时刻的所述信号进行滤波,得到这一时刻的矫正后的信号。
本实施例的装置,可以用于执行上述任一实施例的方法,其实现原理和技术效果类似,此处不再赘述。
图14为本申请一实施例提供的一种电子设备的结构示意图,如图14所示,本实施例的电子设备1400可以包括:存储器1401和处理器1402。
存储器1401上存储有能够被处理器1402加载并执行上述实施例中方法的计算机程序。
其中,处理器1402和存储器1401相连,如通过总线相连。
可选地,电子设备1400还可以包括收发器。需要说明的是,实际应用中收发器不限于一个,该电子设备1400的结构并不构成对本申请实施例的限定。
处理器1402可以是CPU(Central Processing Unit,中央处理器),通用处理器,DSP(Digital Signal Processor,数据信号处理器),ASIC(Application SpecificIntegrated Circuit,专用集成电路),FPGA(Field Programmable Gate Array,现场可编程门阵列)或者其他可编程逻辑器件、晶体管逻辑器件、硬件部件或者其任意组合。其可以实现或执行结合本申请公开内容所描述的各种示例性的逻辑方框,模块和电路。处理器1402也可以是实现计算功能的组合,例如包含一个或多个微处理器组合,DSP和微处理器的组合等。
总线可包括一通路,在上述组件之间传送信息。总线可以是PCI(PeripheralComponent Interconnect,外设部件互连标准)总线或EISA(Extended Industry StandardArchitecture,扩展工业标准结构)总线等。总线可以分为地址总线、数据总线、控制总线等。为便于表示,图中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。
存储器1401可以是ROM(Read Only Memory,只读存储器)或可存储静态信息和指令的其他类型的静态存储设备,RAM(Random Access Memory,随机存取存储器)或者可存储信息和指令的其他类型的动态存储设备,也可以是EEPROM(Electrically ErasableProgrammable Read Only Memory,电可擦可编程只读存储器)、CD-ROM(Compact DiscRead Only Memory,只读光盘)或其他光盘存储、光碟存储(包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等)、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质,但不限于此。
存储器1401用于存储执行本申请方案的应用程序代码,并由处理器1402来控制执行。处理器1402用于执行存储器1401中存储的应用程序代码,以实现前述方法实施例所示的内容。
其中,电子设备包括但不限于:移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。还可以为服务器等。图14示出的电子设备仅仅是一个示例,不应对本申请实施例的功能和使用范围带来任何限制。
本实施例的电子设备,可以用于执行上述任一实施例的方法,其实现原理和技术效果类似,此处不再赘述。
本申请还提供一种计算机可读存储介质,存储有能够被处理器加载并执行如上实施例中的方法的计算机程序。
本领域普通技术人员可以理解:实现上述各方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成。前述的程序可以存储于一计算机可读取存储介质中。该程序在执行时,执行包括上述各方法实施例的步骤;而前述的存储介质包括:ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
Claims (9)
1.一种复杂信道下快速跟踪频偏和距离的方法,其特征在于,包括:
通过快速变动信道,接收这一时刻的信号;
基于所述快速变动信道上一时刻对应的过程噪声参数、所述快速变动信道这一时刻对应的过程噪声参数、过去若干时刻的矫正后的信号,确定这一时刻对应的卡尔曼滤波公式中的相关参数;所述过程噪声参数是根据快速变动信道的变动情况确定的;
利用所述这一时刻对应的卡尔曼滤波公式中的相关参数,对这一时刻的所述信号进行滤波,得到这一时刻的矫正后的信号;
所述基于所述快速变动信道上一时刻对应的过程噪声参数、所述快速变动信道这一时刻对应的过程噪声参数、过去若干时刻的矫正后的信号,确定这一时刻对应的卡尔曼滤波公式中的相关参数,包括:
分析所述过去若干时刻的矫正后的信号,确定信号的变化趋势;
用这一时刻的信号偏差均值方向参数表征所述信号的变化趋势;
其中,所述这一时刻的信号偏差均值方向参数为所述这一时刻对应的卡尔曼滤波公式中的相关参数。
2.根据权利要求1所述的方法,其特征在于,所述基于所述快速变动信道上一时刻对应的过程噪声参数、所述快速变动信道这一时刻对应的过程噪声参数、过去若干时刻的矫正后的信号,确定这一时刻对应的卡尔曼滤波公式中的相关参数,包括:
基于所述快速变动信道上一时刻对应的过程噪声参数确定上一时刻的均方误差;
基于过去若干时刻的矫正后的信号、上一时刻的均方误差、所述快速变动信道这一时刻对应的过程噪声参数,确定预测参数;
基于所述预测参数和这一时刻的所述信号,确定测量参数;
基于所述预测参数和所述测量参数,确定这一时刻对应的卡尔曼滤波公式中的相关参数。
3.根据权利要求1或2所述的方法,其特征在于,还包括:
对所述快速变动信道进行分析,从预先设定的过程噪声参数的范围内选择所述快速变动信道这一时刻对应的过程噪声参数。
4.根据权利要求2所述的方法,其特征在于,所述基于过去若干时刻的矫正后的信号、上一时刻的均方误差、所述快速变动信道这一时刻对应的过程噪声参数,确定预测参数,包括:
对所述上一时刻矫正后的信号与所述这一时刻的信号偏差均值方向参数进行相加处理,确定所述这一时刻的预测信号;
对上一时刻的均方误差与所述这一时刻对应的过程噪声参数进行相加处理,确定所述这一时刻的预测均方误差;
其中,所述预测参数包括这一时刻的预测信号和这一时刻的预测均方误差。
5.根据权利要求4所述的方法,其特征在于,还包括:
对这一时刻的所述信号进行相关噪声功率公式计算,得到这一时刻的噪声功率;
叠加这一时刻噪声功率和过去若干时刻噪声功率并进行平均处理,确定这一时刻的平滑噪声功率估计参数;
其中,所述这一时刻的平滑噪声功率估计参数为所述这一时刻对应的卡尔曼滤波公式中的相关参数。
6.根据权利要求5所述的方法,其特征在于,所述基于所述预测参数和这一时刻的所述信号,确定测量参数,包括:
基于所述这一时刻的预测均方误差和所述这一时刻的平滑噪声功率估计参数进行计算,确定这一时刻的卡尔曼滤波因子;
其中,所述测量参数包括所述这一时刻的卡尔曼滤波因子。
7.根据权利要求6所述的方法,其特征在于,所述利用所述这一时刻对应的卡尔曼滤波公式中的相关参数,对这一时刻的所述信号进行滤波,得到这一时刻的矫正后的信号,包括:
基于所述这一时刻的预测信号、这一时刻的卡尔曼滤波因子,对这一时刻的所述信号进行滤波,得到这一时刻的矫正后的信号。
8.一种复杂信道下快速跟踪频偏和距离的装置,其特征在于,包括:
信号接收模块,用于通过快速变动信道,接收这一时刻的信号;
滤波参数确定模块,用于基于所述快速变动信道上一时刻对应的过程噪声参数、所述快速变动信道这一时刻对应的过程噪声参数、过去若干时刻的矫正后的信号,确定这一时刻对应的卡尔曼滤波公式中的相关参数;所述过程噪声参数是根据快速变动信道的变动情况确定的;
卡尔曼滤波模块,用于利用所述这一时刻对应的卡尔曼滤波公式中的相关参数,对这一时刻的所述信号进行滤波,得到这一时刻的矫正后的信号;
所述滤波参数确定模块,具体用于分析所述过去若干时刻的矫正后的信号,确定信号的变化趋势;用这一时刻的信号偏差均值方向参数表征所述信号的变化趋势;其中,所述这一时刻的信号偏差均值方向参数为所述这一时刻对应的卡尔曼滤波公式中的相关参数。
9.一种电子设备,其特征在于,包括:存储器和处理器;
所述存储器,用于存储程序指令;
所述处理器,用于调用并执行所述存储器中的程序指令,执行如权利要求1-7任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210922335.3A CN115460047B (zh) | 2022-08-02 | 2022-08-02 | 复杂信道下快速跟踪频偏和距离的方法、装置及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210922335.3A CN115460047B (zh) | 2022-08-02 | 2022-08-02 | 复杂信道下快速跟踪频偏和距离的方法、装置及电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115460047A CN115460047A (zh) | 2022-12-09 |
CN115460047B true CN115460047B (zh) | 2024-06-11 |
Family
ID=84295980
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210922335.3A Active CN115460047B (zh) | 2022-08-02 | 2022-08-02 | 复杂信道下快速跟踪频偏和距离的方法、装置及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115460047B (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102010011415B3 (de) * | 2010-03-15 | 2011-03-31 | Deutsches Zentrum für Luft- und Raumfahrt e.V. | Verfahren zur Ermittlung und zum Tracking von Eigenschaften eines Funkübertragungskanals |
KR20160110773A (ko) * | 2015-03-12 | 2016-09-22 | 숙명여자대학교산학협력단 | 칼만 필터 모델을 이용한 이동 객체 추적 방법 및 장치 |
CN107579780A (zh) * | 2017-08-28 | 2018-01-12 | 哈尔滨工业大学深圳研究生院 | 基于半径导向卡尔曼的参数自适应偏振态跟踪和均衡方法 |
CN109729032A (zh) * | 2017-10-31 | 2019-05-07 | 深圳市中兴微电子技术有限公司 | 一种频偏估计值的校正方法、装置及计算机可读存储介质 |
CN110609973A (zh) * | 2019-08-27 | 2019-12-24 | 广东艾科技术股份有限公司 | 一种用于流量测量的卡尔曼滤波方法 |
CN111431626A (zh) * | 2020-03-03 | 2020-07-17 | 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院) | 一种基于训练的自适应水声信道跟踪方法 |
CN112043258A (zh) * | 2020-09-30 | 2020-12-08 | 青岛歌尔智能传感器有限公司 | 动态心率预测方法、装置、设备及可读存储介质 |
CN112697215A (zh) * | 2020-11-19 | 2021-04-23 | 浙江工业大学 | 一种用于超声波水表数据滤波的卡尔曼滤波参数调试方法 |
CN113466904A (zh) * | 2021-06-11 | 2021-10-01 | 西安交通大学 | 一种动态干扰源跟踪方法及系统 |
CN114722343A (zh) * | 2022-03-08 | 2022-07-08 | 潍柴动力股份有限公司 | 一种离合器位置信号滤波方法、装置、存储介质及终端 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7916797B2 (en) * | 2004-12-11 | 2011-03-29 | Electronics And Telecommunications Research Institute | Residual frequency, phase, timing offset and signal amplitude variation tracking apparatus and methods for OFDM systems |
-
2022
- 2022-08-02 CN CN202210922335.3A patent/CN115460047B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102010011415B3 (de) * | 2010-03-15 | 2011-03-31 | Deutsches Zentrum für Luft- und Raumfahrt e.V. | Verfahren zur Ermittlung und zum Tracking von Eigenschaften eines Funkübertragungskanals |
KR20160110773A (ko) * | 2015-03-12 | 2016-09-22 | 숙명여자대학교산학협력단 | 칼만 필터 모델을 이용한 이동 객체 추적 방법 및 장치 |
CN107579780A (zh) * | 2017-08-28 | 2018-01-12 | 哈尔滨工业大学深圳研究生院 | 基于半径导向卡尔曼的参数自适应偏振态跟踪和均衡方法 |
CN109729032A (zh) * | 2017-10-31 | 2019-05-07 | 深圳市中兴微电子技术有限公司 | 一种频偏估计值的校正方法、装置及计算机可读存储介质 |
CN110609973A (zh) * | 2019-08-27 | 2019-12-24 | 广东艾科技术股份有限公司 | 一种用于流量测量的卡尔曼滤波方法 |
CN111431626A (zh) * | 2020-03-03 | 2020-07-17 | 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院) | 一种基于训练的自适应水声信道跟踪方法 |
CN112043258A (zh) * | 2020-09-30 | 2020-12-08 | 青岛歌尔智能传感器有限公司 | 动态心率预测方法、装置、设备及可读存储介质 |
WO2022068589A1 (zh) * | 2020-09-30 | 2022-04-07 | 青岛歌尔智能传感器有限公司 | 动态心率预测方法、装置、设备及可读存储介质 |
CN112697215A (zh) * | 2020-11-19 | 2021-04-23 | 浙江工业大学 | 一种用于超声波水表数据滤波的卡尔曼滤波参数调试方法 |
CN113466904A (zh) * | 2021-06-11 | 2021-10-01 | 西安交通大学 | 一种动态干扰源跟踪方法及系统 |
CN114722343A (zh) * | 2022-03-08 | 2022-07-08 | 潍柴动力股份有限公司 | 一种离合器位置信号滤波方法、装置、存储介质及终端 |
Also Published As
Publication number | Publication date |
---|---|
CN115460047A (zh) | 2022-12-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11808865B2 (en) | Method and system for calibrating a system parameter | |
US11982753B2 (en) | Method and system for calibrating a system parameter | |
US11582577B2 (en) | System and method of time of flight detection | |
CN102508269A (zh) | 卫星导航导频信号捕获方法、伪随机序列剥离方法及装置 | |
CN115460047B (zh) | 复杂信道下快速跟踪频偏和距离的方法、装置及电子设备 | |
CN106855626A (zh) | 矢量跟踪方法及滤波器 | |
CN112462326A (zh) | 一种位置信息确定方法、装置、电子设备和存储介质 | |
US20080037689A1 (en) | Adaptive Kalman filtering for fast fading removal | |
US7398099B2 (en) | System and method for speed indication through transmit power control commands | |
JP2016136714A (ja) | 無線通信利用状況測定方法 | |
CN115118634B (zh) | 传输时延的测量方法、装置、设备及存储介质 | |
JP5097404B2 (ja) | 測位方法及び装置 | |
US20170359153A1 (en) | Measuring delay line linearity characteristics | |
CN115032667A (zh) | 高动态导航信号射频基带一体化方法、装置、设备及介质 | |
CN114650072A (zh) | 信号处理方法、信号处理装置、电子设备及可读存储介质 | |
CN107181708A (zh) | 频率估计方法及定位接收机 | |
CN103139787B (zh) | 一种路测数据的干扰抑制方法及相关装置 | |
US8280311B2 (en) | Method of determining the presence of a telecommunications signal on a frequency band | |
US8571150B2 (en) | Frequency offset compensation apparatus | |
KR970003698B1 (ko) | 다중 표적 환경에서의 검파기 및 그 방법 | |
Ma et al. | A Fast C/N0 Estimation Method Based on the Ratio of Acquisition Correlation Value | |
CN116996139B (zh) | 应用于定向天线系统的智能调整控制方法及系统 | |
CN116626713A (zh) | 信号跟踪方法、装置、电子设备及存储介质 | |
CN117609687A (zh) | 一种基于mean-shift非监督学习的GNSS数据处理方法 | |
CN117388889A (zh) | 一种基于dbscan的gnss定位方法和装置 |
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 |