一种低复杂度高精度gnss高动态信号频率估计方法及系统
技术领域
1.本发明属于通信技术领域，具体涉及一种低复杂度高精度gnss高动态信号频率估计方法及系统。
背景技术：2.卫星信号捕获技术在gnss软件无线电接收机中是重要的组成部分，在这个过程中，需要估计码相位和多普勒频率。很多软件接收机均采用粗-精捕获方式，即对信号先进性粗捕获，估计出码相位和频率粗略位置，再进行频率精细捕获。在进行频率精细捕获时，信号被建模为后相关信号，此时在高动态环境下，峰值不仅受到多普勒影响而且受到频率变化率的影响，所以对高动态后相关信号进行频率精细估计时，需要对多普勒和多普勒变化率两个频率参数估计，而且估计时会受到比特翻转影响。现有比较流行的算法是basic方法，如图4所示，利用两步fft对频率参数进行估计，但是频率估计精度有待进一步提升，。
3.因此，需要对高动态后相关信号频率参数高精度估计问题进行深入研究，提出高精度低复杂度的多普勒和多普勒变化率估计方法。
技术实现要素：4.本发明的目的是为了以低复杂度实现对频率估计精度提升，在高动态有数据比特翻转情况下，提出了一种低复杂度高精度gnss高动态信号频率估计方法及系统。
5.为了达到上述目的，本发明采用如下技术方案：
6.一种低复杂度高精度gnss高动态信号频率估计方法，包括以下步骤：
7.s1、在高动态环境下，对后相关信号进行建模，得到后相关信号；
8.s2、对后相关信号进行相邻差分处理，之后再进行积分得到近邻差分相干信号；
9.s3、对近邻差分相干信号进行多维差分积累，并对多维差分积累得到的信号进行多普勒变化率估计，得到估计的多普勒变化率；
10.s4、基于后相关信号计算差分信号并对其进行积分，之后进行加/减处理，得到每一个翻转位置对应的数据比特符号和积累量；
11.s5、对积累量进行最大位置判决，得到真正的数据翻转位置；
12.s6、对后相关信号去除比特得到待处理信号，对待处理信号进行相干积分处理，之后对相干积分处理后的信号进行多普勒频率估计，得到估计的多普勒频率。
13.作为优选方案，所述步骤s1中，后相关信号为：
14.r(n)＝ab
n exp[j2π(f0nts+αn2t
s2
)]
[0015]
其中，a表示信号幅度，n表示采样点，bn表示第n个采样点的数据比特符号，j为虚数单位，ts表示多普勒频率粗略估计的积分时间，f0表示gnss中频接收信号进行多普勒频率粗略估计所剩下的与真实多普勒频率误差，α表示多普勒变化率。
[0016]
作为优选方案，所述步骤s2中，对后相关信号进行相邻差分处理，得到：
[0017]
[0018]
其中，
[0019]
假设n＝k1nb,...,(k1+1)n
b-1，b
nbn+1
＝1，对dr(n)进行积分，得到近邻差分相干信号：
[0020][0021]
其中，k1＝0,...,k
a-1，ka表示进行多普勒变化率估计的点数，nb表示数据比特周期，k1表示第k1个数据比特符号周期。
[0022]
作为优选方案，所述步骤s3中，对dr(k1)进行多维差分积累得到信号ai：
[0023][0024]
其中i＝1,..,ka；
[0025]
对多维差分积累得到的信号ai进行多普勒变化率估计，包括：
[0026]
对信号ai进行相邻差分积累判决变量：
[0027][0028]
得到估计的多普勒变化率αe＝arg(j1)/(4πnbt
s2
)。
[0029]
作为优选方案，所述步骤s4中，基于后相关信号计算得到的差分信号：
[0030][0031]
其中，i1＝0,1,...,n
b-1，r1(n)＝r(n)exp(-j2π(αn2t
s2
))，α1＝α-αe；
[0032]
对进行积分，得到：
[0033][0034]
其中，k＝0,...,k-1，k表示信号长度；
[0035]
之后进行如下加/减处理：
[0036][0037][0038]
得到每一个翻转位置i1对应的数据比特符号和积累量
[0039]
其中，
[0040]
作为优选方案，所述步骤s5中，
[0041]
对积累量进行最大位置判决：
[0042][0043]
其中，i0表示真正的数据翻转位置。
[0044]
作为优选方案，根据i0得到估计的差分数据比特假设第零个采样点的数据比特符号为1，即b0＝1，求得估计的第n个采样点数据比特符号b
ne
。
[0045]
作为优选方案，所述步骤s6中，对后相关信号去除比特得到待处理信号：
[0046]
rf(n)＝r(i0+n)b
ne exp[-j2π(αen2t
s2
)]
[0047]
之后进行相干积分处理，得到信号：
[0048][0049]
其中，kf＝0,...,k
f-1，kf表示进行多普勒频率估计的点数；nf表示相干积分时间；fh表示根据重新进行粗捕获后剩余多普勒取值范围分为几个可能取值点，h＝1,...,h，h表示可能取值点的下标；
[0050]
对每一个fh对应的r
fi
(kf)进行多普勒频率估计，包括：
[0051]
对进行多维差分积累，得到信号
[0052][0053]
其中，l＝1,..,kf；
[0054]
对信号进行相邻差分积累判决变量：
[0055][0056]
根据得到估计的多普勒频率为：
[0057][0058]
即最大值对应估计的多普勒频率
[0059]
本发明还提供一种低复杂度高精度gnss高动态信号频率估计系统，应用如上任一项方案所述的低复杂度高精度gnss高动态信号频率估计方法，所述低复杂度高精度gnss高动态信号频率估计系统包括：
[0060]
建模模块，用于在高动态环境下对后相关信号进行建模，得到后相关信号；
[0061]
相邻差分处理模块，用于对后相关信号进行相邻差分处理；
[0062]
积分模块，用于对相邻差分处理之后的信号进行积分，得到近邻差分相干信号；
[0063]
多维差分积累模块，用于对近邻差分相干信号进行多维差分积累；
[0064]
多普勒变化率估计模块，用于对多维差分积累得到的信号进行多普勒变化率估计，得到估计的多普勒变化率；
[0065]
计算模块，用于基于后相关信号计算差分信号；
[0066]
所述积分模块还用于对差分信号进行积分；
[0067]
加/减处理模块，用于在差分信号进行积分之后进行加/减处理，得到每一个翻转位置对应的数据比特符号和积累量；
[0068]
判决模块，用于对积累量进行最大位置判决，得到真正的数据翻转位置；
[0069]
去除比特模块，用于对后相关信号去除比特得到待处理信号；
[0070]
相干积分处理模块，用于对待处理信号进行相干积分处理；
[0071]
多普勒频率估计模块，用于对相干积分处理后的信号进行多普勒频率估计，得到估计的多普勒频率。
[0072]
本发明与现有技术相比，有益效果是：
[0073]
本发明在多普勒变化率估计中采用近邻差分去除比特符号、多普勒及多普勒变化率相互影响，对近邻差分信号进行高精度频率估计，而后去除多普勒变化率影响、利用相邻数据比特信号差分去除多普勒对比特翻转影响，直接估算比特符号；在多普勒估计中，利用相干积累提升信噪比，之后高精度估计多普勒；低复杂度实现高动态环境下高精度频率参数估计。
附图说明
[0074]
图1为本发明实施例的低复杂度高精度gnss高动态信号频率估计方法的流程图；
[0075]
图2为现有basic方法与本发明实施例的低复杂度高精度gnss高动态信号频率估计方法的富加计算量对比图；(a)多普勒变化率估计精度对比，(b)多普勒变化率检测方法计算复乘对比，(c)比特翻转检测概率对比；
[0076]
图3为现有basic方法与本发明实施例的低复杂度高精度gnss高动态信号频率估计方法的复乘计算量对比图；(a)多普勒估计精度对比，(b)多普勒检测方法消耗复乘对比；
[0077]
图4为现有的basic方法。
具体实施方式
[0078]
为了更清楚地说明本发明实施例，下面将对照附图说明本发明的具体实施方式。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的前提下，还可以根据这些附图获得其他的附图，并获得其他的实施方式。
[0079]
如图1所示，本发明实施例的低复杂度高精度gnss高动态信号频率估计方法，包括以下步骤：
[0080]
s1.在高动态环境下，后相关信号建模为：
[0081]
r(n)＝abnexp[j2π(f0nts+αn2t
s2
)]
[0082]
其中，a表示信号幅度，bn表示数据比特符号(简称数据比特)，ts表示粗捕获时的积分时间，n表示采样点，f0表示gnss中频接收信号进行多普勒频率粗略估计所剩下的与真实多普勒频率误差，α表示多普勒变化率，j是虚数单位，其平方为负一；
[0083]
对后相关信号进行相邻差分处理：
[0084][0085]
其中，
[0086]
假设n＝k1nb,...,(k1+1)n
b-1，b
nbn+1
＝1，对dr(n)进行积分，得到近邻差分相干信号：
[0087][0088]
其中，k1＝0,...,k
a-1，ka表示进行多普勒变化率估计的点数，nb表示数据比特周期，k1表示第k1个数据比特符号周期。
[0089]
对dr(k)进行多维差分积累得到信号ai：
[0090][0091]
其中，i＝1,..,ka。
[0092]
然后对多维差分积累得到的信号ai进行多普勒变化率估计，具体如下：
[0093]
第一，对信号ai进行进一步相邻差分积累判决变量：
[0094][0095]
第二，可以得出估计的多普勒变化率αe＝arg(j1)/(4πnbt
s2
)。
[0096]
以上是多普勒变化率估计过程。
[0097]
而后，计算差分信号：
[0098][0099]
其中，i1＝0,1,...,n
b-1，r1(n)＝r(n)exp(-j2π(αn2t
s2
))，α1＝α-αe，nb表示数据比特周期。
[0100]
对进行积分：
[0101][0102]
其中，k＝0,...,k-1，k表示信号长度。
[0103]
而后进行如下加/减处理，得到每一个翻转位置i1对应的数据比特符号和积累量
[0104][0105][0106]
其中，
[0107]
然后对积累量进行最大位置判决：
[0108][0109]
其中，i0表示真正的数据翻转位置；根据i0得到表示估计的差分数据比特；
[0110]
根据假设第零个采样点的数据比特符号为1，即b0＝1，可以求得估计的第n个采样点数据比特符号b
ne
。
[0111]
s2.估计多普勒频率
[0112]
待处理信号可以写为
[0113]
rf(n)＝r(i0+n)b
ne
exp[-j2π(αen2t
s2
)]
[0114]
对进行相干积分处理：
[0115][0116]
其中，kf＝0,...,k
f-1，kf表示进行多普勒频率估计的点数；nf表示相干积分时间；fh表示根据重新进行粗捕获后剩余多普勒取值范围分为几个可能取值点，h＝1,...,h，h表示可能取值点的下标；
[0117]
对每一个fh对应的r
fi
(kf)进行基于复角的多普勒频率估计，具体如下：
[0118]
第一，对进行多维差分积累信号
[0119][0120]
其中，l＝1,..,kf；
[0121]
对信号进行进一步相邻差分积累判决变量：
[0122][0123]
第二，可以得出
[0124]
以上是多普勒估计过程，最终估计的多普勒频率为：
[0125][0126]
对rf(n)进行如上处理，最大值对应估算的多普勒频率
[0127]
综上，可以得到估计的多普勒频率变化率αe、比特翻转位置i0、和估计的多普勒频率f
0e
。
[0128]
表1是根据现有basic方法(简称basic)和本发明实施例的上述方法(简称提出方法)的复乘计算量对比：
[0129]
表1
[0130][0131]
其中，nf表示后相关信号长度，nb表示数据比特周期，n
cα
＝1/(2t
s2
nbδ
α
)，n
cf
＝1/(tsδf)，δ
α
表示估计多普勒变化率精度，δf表示估计多普勒的精度，n
f0
为对多普勒搜索(即多普勒粗捕获)的次数。
[0132]
如图2所示，是现有技术方法与本发明的高动态频率估计方法，针对多普勒变化率估计精度、计算量(复乘次数)、和比特翻转检测概率对比图。δ
α
＝40hz/s2。可以从(a)中可以看出snr＝10db时，本发明提出方法(ka＝20)和basic(ka＝10)估计精度相近，但是从(b)中可以看出本发明提出方法比basic计算复乘次数要小很多，从(c)中可以看出提出方法(ka＝20)检测概率要略高于basic(ka＝10)的检测概率。
[0133]
综上，由于本发明实施例的方法的复杂度(复乘次数)要远低于basic，所以可以通过提升ka提升估计精度和检测概率，实现低复杂度高精度地多普勒变化率估计。
[0134]
如图3所示，是现有技术方法与本发明的高动态频率估计方法，针对多普勒估计精度、计算量(复乘次数)对比图。δf＝0.02hz。在(a)中，高信噪比下如10db，本发明提出方法(ka＝20)和basic(ka＝10)估计精度相近，但是从(b)中，可以发现提出方法(ka＝20)的复乘次数比basic(ka＝10)要小很多。因此，可以通过提升ka，实现低复杂度高精度估计多普勒。
[0135]
其中，多普勒在[-300,300]hz内随机取值，多普勒变化率在[-500,500]hz/s2内随机取值，信号为gnss系统里的gps l1 ca码的后相关信号模型，所以nb＝20ms,ts＝1ms，蒙特卡洛仿真次数为2000次，可以极大地减小计算量。
[0136]
基于本发明实施例的低复杂度高精度gnss高动态信号频率估计方法，本发明实施例还提供低复杂度高精度gnss高动态信号频率估计系统，包括：
[0137]
建模模块，用于在高动态环境下对后相关信号进行建模，得到后相关信号；
[0138]
相邻差分处理模块，用于对后相关信号进行相邻差分处理；
[0139]
积分模块，用于对相邻差分处理之后的信号进行积分，得到近邻差分相干信号；
[0140]
多维差分积累模块，用于对近邻差分相干信号进行多维差分积累；
[0141]
多普勒变化率估计模块，用于对多维差分积累得到的信号进行多普勒变化率估计，得到估计的多普勒变化率；
[0142]
计算模块，用于基于后相关信号计算差分信号；
[0143]
所述积分模块还用于对差分信号进行积分；
[0144]
加/减处理模块，用于在差分信号进行积分之后进行加/减处理，得到每一个翻转位置对应的数据比特符号和积累量；
[0145]
判决模块，用于对积累量进行最大位置判决，得到真正的数据翻转位置；
[0146]
去除比特模块，用于对后相关信号去除比特得到待处理信号；
[0147]
相干积分处理模块，用于对待处理信号进行相干积分处理；
[0148]
多普勒频率估计模块，用于对相干积分处理后的信号进行多普勒频率估计，得到估计的多普勒频率；
[0149]
上述所有模块的具体执行过程可以参考方法步骤中的详细描述，在此不赘述。
[0150]
以上所述仅是对本发明的优选实施例及原理进行了详细说明，对本领域的普通技术人员而言，依据本发明提供的思想，在具体实施方式上会有改变之处，而这些改变也应视为本发明的保护范围。
技术特征：1.一种低复杂度高精度gnss高动态信号频率估计方法，其特征在于，包括以下步骤：s1、在高动态环境下，对后相关信号进行建模，得到后相关信号；s2、对后相关信号进行相邻差分处理，之后再进行积分得到近邻差分相干信号；s3、对近邻差分相干信号进行多维差分积累，并对多维差分积累得到的信号进行多普勒变化率估计，得到估计的多普勒变化率；s4、基于后相关信号计算差分信号并对其进行积分，之后进行加/减处理，得到每一个翻转位置对应的数据比特符号和积累量；s5、对积累量进行最大位置判决，得到真正的数据翻转位置；s6、对后相关信号去除比特得到待处理信号，对待处理信号进行相干积分处理，之后对相干积分处理后的信号进行多普勒频率估计，得到估计的多普勒频率。2.根据权利要求1所述的一种低复杂度高精度gnss高动态信号频率估计方法，其特征在于，所述步骤s1中，后相关信号为：其中，a表示信号幅度，n表示采样点，b
n
表示第n个采样点的数据比特符号，j为虚数单位，t
s
表示多普勒频率粗略估计的积分时间，f0表示gnss中频接收信号进行多普勒频率粗略估计所剩下的与真实多普勒频率误差，α表示多普勒变化率。3.根据权利要求2所述的一种低复杂度高精度gnss高动态信号频率估计方法，其特征在于，所述步骤s2中，对后相关信号进行相邻差分处理，得到：其中，假设n＝k1n
b
,...,(k1+1)n
b-1，b
n
b
n+1
＝1，对d
r
(n)进行积分，得到近邻差分相干信号：其中，k1＝0,...,k
a-1，k
a
表示进行多普勒变化率估计的点数，n
b
表示数据比特周期，k1表示第k1个数据比特符号周期。4.根据权利要求3所述的一种低复杂度高精度gnss高动态信号频率估计方法，其特征在于，所述步骤s3中，对d
r
(k1)进行多维差分积累得到信号a
i
：其中i＝1,..,k
a
；对多维差分积累得到的信号a
i
进行多普勒变化率估计，包括：对信号a
i
进行相邻差分积累判决变量：得到估计的多普勒变化率5.根据权利要求4所述的一种低复杂度高精度gnss高动态信号频率估计方法，其特征
在于，所述步骤s4中，基于后相关信号计算得到的差分信号：其中，i1＝0,1,...,n
b-1，r1(n)＝r(n)exp(-j2π(αn2t
s2
))，α1＝α-α
e
；对进行积分，得到：其中，α
b
＝n
b
t
s2
α1，k表示信号长度；之后进行如下加/减处理：之后进行如下加/减处理：得到每一个翻转位置i1对应的数据比特符号和积累量其中，6.根据权利要求5所述的一种低复杂度高精度gnss高动态信号频率估计方法，其特征在于，所述步骤s5中，对积累量进行最大位置判决：其中，i0表示真正的数据翻转位置。7.根据权利要求6所述的一种低复杂度高精度gnss高动态信号频率估计方法，其特征在于，根据i0得到估计的差分数据比特假设第零个采样点的数据比特符号为1，即b0＝1，求得估计的第n个采样点数据比特符号b
ne
。8.根据权利要求7所述的一种低复杂度高精度gnss高动态信号频率估计方法，其特征在于，所述步骤s6中，对后相关信号去除比特得到待处理信号：r
f
(n)＝r(i0+n)b
ne
exp[-j2π(α
e
n2t
s2
)]之后进行相干积分处理，得到信号：其中，k
f
＝0,...,k
f-1，k
f
表示进行多普勒频率估计的点数；n
f
表示相干积分时间；f
h
表示根据重新进行粗捕获后剩余多普勒取值范围分为几个可能取值点，h＝1,...,h，h表示可能取值点的下标；对每一个f
h
对应的进行多普勒频率估计，包括：对进行多维差分积累，得到信号
其中，l＝1,..,k
f
；对信号进行相邻差分积累判决变量：根据得到估计的多普勒频率为：即最大值对应估计的多普勒频率9.一种低复杂度高精度gnss高动态信号频率估计系统，应用如权利要求1-8任一项所述的低复杂度高精度gnss高动态信号频率估计方法，其特征在于，所述低复杂度高精度gnss高动态信号频率估计系统包括：建模模块，用于在高动态环境下对后相关信号进行建模，得到后相关信号；相邻差分处理模块，用于对后相关信号进行相邻差分处理；积分模块，用于对相邻差分处理之后的信号进行积分，得到近邻差分相干信号；多维差分积累模块，用于对近邻差分相干信号进行多维差分积累；多普勒变化率估计模块，用于对多维差分积累得到的信号进行多普勒变化率估计，得到估计的多普勒变化率；计算模块，用于基于后相关信号计算差分信号；所述积分模块还用于对差分信号进行积分；加/减处理模块，用于在差分信号进行积分之后进行加/减处理，得到每一个翻转位置对应的数据比特符号和积累量；判决模块，用于对积累量进行最大位置判决，得到真正的数据翻转位置；去除比特模块，用于对后相关信号去除比特得到待处理信号；相干积分处理模块，用于对待处理信号进行相干积分处理；多普勒频率估计模块，用于对相干积分处理后的信号进行多普勒频率估计，得到估计的多普勒频率。
技术总结本发明涉及一种低复杂度高精度GNSS高动态信号频率估计方法及系统，其方法包括：对后相关信号进行建模，得到后相关信号；对后相关信号进行相邻差分处理，再进行积分得到近邻差分相干信号；对近邻差分相干信号进行多维差分积累，并对多维差分积累得到的信号进行多普勒变化率估计；基于后相关信号计算差分信号并对其进行积分，之后进行加/减处理，得到每一个翻转位置对应的数据比特符号和积累量；对积累量进行最大位置判决，得到真正的数据翻转位置；对后相关信号去除比特得到待处理信号，对待处理信号进行相干积分处理，之后对相干积分处理后的信号进行多普勒频率估计。本发明实现低复杂度实现高动态环境下高精度频率参数估计。杂度实现高动态环境下高精度频率参数估计。杂度实现高动态环境下高精度频率参数估计。
技术研发人员：吴超 钱飞杰 吴亿 苏明坤 孙闽红 刘二小 宋慧娜 滕旭阳 张欢 仇兆阳 简志华 汪立新
受保护的技术使用者：杭州电子科技大学
技术研发日：2022.09.01
技术公布日：2022/12/5
