在高动态环境下的频率精细估算方法

1.本发明涉及通信技术领域，具体指一种在高动态环境下的频率精细估算方法。


背景技术：

2.在全球导航卫星系统(gnss)接收机技术中，信号捕获技术是估计码相位和频率参数的重要过程。为了以低复杂度实现快速捕获，传统方法是基于快速傅里叶变换(fft)提出的。由于导航接收机的跟踪回路带宽只有几赫兹，需要增加fft的点数。一般来说，从粗捕获到精捕获方法是为了减少计算量。信号的码相位和粗略的频率可以从粗捕获方法中得到，而后可以基于剥离码相位的信号进行频率参数的精细估计，这个过程属于精捕获过程。
3.在低动态捕获技术中，信号频率参数是多普勒信息，而多普勒精度可以从信号精捕获中得到。现今已经提出了多种关于准确估算的残余多普勒参数的方法。然而，由于这些方法有些是基于检测峰值与剩余多普勒关系去提高多普勒估计精度，所以该方法对最初多普勒搜索步长有限制。当代有学者提出基于施密特正交(schmidt)方法提升频率估计精度，但是频率参数估计精度有待进一步提升。在高动态捕获技术中，频率参数有多普勒和多普勒变化率组成，若频率参数有单一多普勒刻画在多普勒变化率较高的情况，出现频率偏差。当代主流算法是基于块积累半积分相干积累(basic)方法，该方法将估计多普勒和多普勒变化率二位参数估计通过差分变成两步分别估计多普勒和多普勒变化率算法，该方法虽然计算量低，但是检测概率不高。


技术实现要素：

4.本发明根据现有技术的不足，提出一种在高动态环境下的频率精细估算方法。该方法通过dcft对多普勒和多普勒变化率粗估计，在对剩余多普勒和多普勒变化率整体建模为平均频率(mf)，进一步利用mlep估计mf提升整体频率参数估计精度。本发明提高了在高动态环境下gps软件接收机系统中捕获系统对gps l1 ca码接收信号频率估计精度以及减少计算资源的占用，通过两步频率参数估算方法，可以通过高动态参数来计算出mf，从而可以为高动态环境下实现精确定位做理论基础准备。
5.为了解决上述技术问题，本发明的技术方案为：
6.一种在高动态环境下的频率精细估算方法，包括如下步骤：
7.s1、使用dcft粗略估算参数mf
8.s1-1、获取接收端信号，该信号为gps l1 ca码射频信号，进行下变频后将信号进行粗捕获后得到的信号称为后相关信号；
9.s1-2、利用dcft计算接收端信号的峰值；
10.s1-3、通过公式粗略估算mf参数，其中γ是一个系数,n为系数，ts为采样频率；
11.s2、使用mlep进行二次精确估算参数mf
12.s2-1、获取观测到的峰值并转化为表达式；
13.s2-2、通过峰值表达式设定联合概率密度函数；
14.s2-3、通过联合概率密度函数得到目标函数，并计算目标函数的最优值；
15.s2-4、把最优值代入接收端信号的峰值的表达式中，通过奇异点分割优化，改写目标函数，并得到差分函数和峰值误差函数；
16.s2-5、计算出反馈误差，并通过迭代，得到精确估算参数mf。
17.作为优选，所述步骤s1-1中，经过粗捕获后的后相关信号表达式如下：
[0018][0019]
其中f0表示残余多普勒，即初始频率，μ表示线性调频速率，ts表示采样频率，b(n)表示比特信号，a表示信号幅度。
[0020]
作为优选，所述s1-2具体包括
[0021]
1)将后相关信号进行dcft处理，其处理后信号表达式如下：
[0022][0023]
其中k
t
＝0,
±
1,
±
2,...表示搜索范围，α
t
是变换因子；
[0024]
2)当比特信号b(n)用其他手段获得，如无线网络等手段，作为已知，上述公式简化如下：
[0025][0026]
其中，为0ts到(n-1)ts所对应的mf参数；
[0027]
3)假设a0＝adn,再应用泰勒展开得到|sd(kd,αd)|：
[0028][0029]
其中，|sd(kd,αd)|是信号sd(kd,αd)的幅值。
[0030]
作为优选，所述s1-3具体包括
[0031]
1)假设(k
d0
,α
d0
)时对应于峰值，并且|sd(k
d0
,α
d0
)|≥γa0，进而得到：
[0032][0033]
其中γ是基于一个单位包含的大部分有用能量大小的标准来设置的，通过上式确定的范围；
[0034]
2)通过设置n
·
和γ的值就能得到最大值，把这个最大值作为α0的值。
[0035]
作为优选，所述s2-1中，峰值的表达式为；
[0036][0037]
其中是残余mf，当单元(k
d0
,α
d0
)对应峰值时，w＝wi jwr，其中wi和wr都服从的正态分布；
[0038]
所述s2-2中，(wi，wr)的联合概率密度函数为：
[0039][0040]
其中，f(wi，wr)是(wi，wr)的联合概率密度函数。
[0041]
作为优选，所述s2-3中，基于最大似然估算法，化简(wi，wr)的联合概率密度函数得到目标函数：
[0042][0043]
对目标函数得到这是从而得到：
[0044][0045]
其中，a是基于最大似然估算的最优值。
[0046]
作为优选，所述s2-4中，将所述a式代入sd(k
d0
,α
d0
)中得到：
[0047][0048]
其中，sd(k
d0
,α
d0
)是存在噪声时的检测峰值，当时，其中k＝0,
±
1,
±
2,...是奇异点，lk代表k的长度，奇异点进行分割优化，此时，从而得到改写后的目标函数：
[0049][0050]
假设得到：
[0051][0052]
其中则ji和jr的差分方程为：
[0053][0054][0055]
其中，tc＝cos(tt1),ts＝sin(tt1),t
2c
＝cos(2tt1),t
2s
＝sin(2tt1),
[0056]
峰值误差函数和如下：
[0057][0058]
其中(k0,α0)对应
[0059]
作为优选，所述s2-5中，通过所述ji和jr的差分方程、峰值误差函数和和改写后的目标函数计算出反馈误差δω，反馈误差公式如下：
[0060][0061]
通过迭代得到最优解即得出的精确估算参数mf，
[0062]
其中中的整数k可以从的范围来确定，选择的公式如下：
[0063][0064]
本发明具有以下的特点和有益效果：
[0065]
采用上述技术方案，利用离散调频傅里叶变换(discrete chirp fourier transform，dcft)检测高动态环境下平均频率估计参数，实现频率参数粗估计，进而利用最大似然估计过程(maximum likelihood estimationprocess，mlep)对高动态环境下平均频率进行精确估计，通过上述两步频率参数估算方法，可以通过高动态参数来计算出mf，从而可以为高动态环境下实现精确定位。并且可以实现高检测频率实现参数概率参数估计和高频率估计参数精度实现高动态环境下频率参数捕获。
附图说明
[0066]
为了更清楚地说明本发明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简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，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。
[0067]
图1为本发明实施例的估算方法流程图。
[0068]
图2为本发明实施例中积分时间为200ms时的精确估计平均频率的克拉美罗界。
[0069]
图3为本发明实施例中粗频估算法与对比方法的复乘次数比较图。
[0070]
图4为本发明实施例中粗频估算法与对比方法的检测概率比较图。
[0071]
图5为本发明实施例中精确频率估算法与对比方法的复乘次数比较图。
[0072]
图6为本发明实施例中平均频率误差比较图。
具体实施方式
[0073]
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。
[0074]
在本发明的描述中，需要理解的是，术语“中心”、“纵向”、“横向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”等仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”等的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中，除非另有说明，“多个”的含义是两个或两个以上。
[0075]
在本发明的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以通过具体情况理解上述术语在本发明中的具体含义。
[0076]
本发明提供了一种在高动态环境下的频率精细估算方法，如图1所示，包括如下步骤：
[0077]
s1、使用dcft粗略估算参数mf
[0078]
s1-1、获取接收端信号，该信号为gps l1 ca码射频信号，进行下变频后将信号进行粗捕获后得到的信号称为后相关信号；
[0079]
s1-2、利用dcft计算接收端信号的峰值；
[0080]
s1-3、通过公式粗略估算mf参数，其中γ是一个系数,n为系数，ts为采样频率；
[0081]
s2、使用mlep进行二次精确估算参数mf
[0082]
s2-1、获取观测到的峰值并转化为表达式；
[0083]
s2-2、通过峰值表达式设定联合概率密度函数；
[0084]
s2-3、通过联合概率密度函数得到目标函数，并计算目标函数的最优值；
[0085]
s2-4、把最优值代入接收端信号的峰值的表达式中，通过奇异点分割优化，改写目标函数，并得到差分函数和峰值误差函数；
[0086]
s2-5、计算出反馈误差，并通过迭代，得到精确估算参数mf。
[0087]
进一步的，所述步骤s1-1中，经过粗捕获后，后相关信号的表达式如下：
[0088][0089]
其中f0表示残余多普勒，即初始频率，μ表示线性调频速率，ts表示采样频率，b(n)表示比特信号，a表示信号幅度。
[0090]
需要说明的是，当接收信号与本地的解码信号未同步或我们检测的信号不是我们传输的信号既错误的多普勒检测单元的时候，a≈0，这些情况在下面分析信号部分时不会考虑。或者假设a≠0是基于信噪比(snr)的常量集，反正a不能等于0，不然就毫无意义。对于gps l1 ca信号，f0＝[-250,250]hz,μ＝[-500,500]hz/s。
[0091]
具体的，所述s1-2具体包括
[0092]
1)将后相关信号进行dcft处理，其处理后信号表达式如下：
[0093][0094]
其中k
t
＝0,
±
1,
±
2,...表示搜索范围，α
t
是变换因子；
[0095]
4)当比特信号b(n)用其他手段获得时，作为已知，上述公式简化如下：
[0096][0097]
其中，为0ts到(n-1)ts所对应的mf参数；
[0098]
5)假设a0＝adn,再应用泰勒展开得到|sd(kd,αd)|：
[0099][0100]
其中，|sd(kd,αd)|是信号sd(kd,αd)的幅值。
[0101]
具体的，所述s1-3具体包括
[0102]
1)假设(k
d0
,α
d0
)时对应于峰值，并且|sd(k
d0
,α
d0
)|≥γa0，进而得到：
[0103][0104]
其中γ是基于一个单位包含的大部分有用能量大小的标准来设置的，通过上式确定的范围；
[0105]
2)通过设置n
·
和γ的值就能得到最大值，把这个最大值作为α0的值。
[0106]
具体的，所述s2-1中，峰值的表达式为；
[0107][0108]
其中是残余mf，当单元(k
d0
,α
d0
)对应峰值时，w＝wi jwr，其中wi和wr都服从的正态分布；
[0109]
所述s2-2中，(wi，wr)的联合概率密度函数为：
[0110][0111]
其中，f(wi，wr)是(wi，wr)的联合概率密度函数。
[0112]
具体的，所述s2-3中，基于最大似然估算法，化简(wi，wr)的联合概率密度函数得到目标函数：
[0113][0114]
对目标函数得到这是从而得到：
[0115][0116]
其中，a是基于最大似然估算的最优值。
[0117]
具体的，所述s2-4中，将所述a式代入sd(k
d0
,α
d0
)中得到：
[0118][0119]
其中，sd(k
d0
,α
d0
)是存在噪声时的检测峰值，当时，其中k＝0,
±
1,
±
2,...是奇异点，lk代表k的长度，奇异点进行分割优化，此时，从而得到改写后的目标函数：
[0120][0121]
假设得到：
[0122][0123]
其中则ji和jr的差分方程为：
[0124][0125][0126]
其中，tc＝cos(tt1),ts＝sin(tt1),t
2c
＝cos(2tt1),t
2s
＝sin(2tt1),
[0127]
峰值误差函数和如下：
[0128][0129]
其中(k0,α0)对应
[0130]
具体的，所述s2-5中，通过所述ji和jr的差分方程、峰值误差函数和和改写后的目标函数计算出反馈误差δω，反馈误差公式如下：
[0131][0132]
通过迭代得到最优解即得出的精确估算参数mf，
[0133]
其中中的整数k可以从的范围来确定，选择的公式如下：
[0134][0135]
需要说明的是，本实施例中，通过多次仿真得出，迭代次数i
t
最优为10次。
[0136]
通过上述技术方案，如图2所示，当时积分时间为200ms时，本实施例能够有效提高估计精度。
[0137]
通过本实施例所述的技术方案与传统mf粗估计方法相比，如图3所示，随着积分时间的增加，本实施例所提供的技术方案，复乘次数的增加幅度更大，粗估计的精度有明显的提升，从而为后期精准估算奠定了基础。
[0138]
通过本实施例所述的技术方案与传统mf粗估计方法的检测概率相比，如图4所示，当采样时间为200ms，线性调频速率为200hz/s，初始频率为100hz，本实施例中dcft方式mf粗检测概率实现高检测概率估计频率参数，从而进一步确保后期估算的精度。
[0139]
本实施例所提供技术方案与传统schmit的复乘次数比较，如图5所示，对于mf粗估计，选用传统schmit与提出mlep方式复乘计算量对比。提出mlep比传统schmit复乘计算量低，随着积分时间的增加，变化幅度小，几乎保持不变，可以看出估算的精度非常高。
[0140]
平均频率误差比较，如图6所示，后相关信号的信噪比为5db。平均频率搜索步长为1rad/s。提出方法组合了dcft和mlep、dcft方法和schmit方法对频率参数mf估计精度对比，dcft和mlep相结合随着后相关信号长度的增长，后期走势几乎保持水平，说明本实施例所公开的技术方案参数mf估计精度最高。
[0141]
本实施例中，通过对比例进行具体的说明：
[0142]
表格1是根据现有技术和提出方法流出，得出现有技术方法与本发明一种在高动态环境下的频率精细估算方法的复加计算量和复乘计算量对比
[0143][0144][0145]
在表格1中，呈现了两种精确频率估算法的计算量，t
α
表示线性调频搜索周期，tf表示初始频率搜索周期，c
p,m
和c
p,a
可以这样计算得到：
[0146]
首先公式计算参数a消耗12次复乘1次复加。cos和sin的值可以通过查表得到，他们的计算量可以忽略不计。此外计算差分函数需要18*2次复乘2*2次复加。计算峰值误差函数需要5*2次复乘和1*2次复加。公式需要5次复乘2次复加。计算反馈函数需要1次复加，计算公式需要19次复乘3次复加。一个复乘的计算复杂度相当于两个实数乘，所以c
p,m
＝lk(51ii 19)/2c
p,a
＝lk(9ii 3)/2，其中i
t
表示迭代次数，lk表示切分次数。
[0147]
以上结合附图对本发明的实施方式作了详细说明，但本发明不限于所描述的实施方式。对于本领域的技术人员而言，在不脱离本发明原理和精神的情况下，对这些实施方式包括部件进行多种变化、修改、替换和变型，仍落入本发明的保护范围内。