基于FFT的高动态GPS信号捕获方法优化

针对高动态环境下的GPS接收机对信号捕获速度的要求,提出一种基于小波变换和优化快速傅里叶变换(fast Fourier transform, FFT)的信号捕获方法。在基带信号预处理阶段,对采样后的中频信号进行小波变换,利用逼近信号完成码相位和多普勒频移的估计,降低基带处理信号的数据率;综合基2FFT、基4FFT和素因子算法(prime factor algorithm, PFA)的优势,对捕获过程中的大量FFT运算进行优化处理,提高运算效率。仿真结果表明,改进处理的基于FFT捕获方法可以有效地缩短捕获时间,改善基带模块性能。     

基于加窗PMF-FFT的扩频信号捕获算法研究

介绍了基于FFT的伪码捕获算法,分析了部分匹配滤波(partial matched filter,PMF)积分时间长度的选择依据.提出一种加窗PMF-FFT的伪码捕获改进算法,该算法在PMF过程中采用汉宁窗对数据加权后进行积分,然后做FFT谱分析.详细分析了改进算法的性能.理论分析和仿真结果表明,与原有的算法相比,改进算法在相同FFT峰值衰减时,能够有效增大PMF的积分时间长度,减少FFT运算量,而在相同PMF积分时间长度时,能够有效降低FFT输出的峰值衰减,减小频谱泄漏,从而提高捕获性能.     

一种基于FFT的高动态GPS信号快速捕获方法

对高动态GPS信号快速捕获问题进行了研究,提出了一种适应高动态环境,捕获时间短的捕获方法。该方法采用多普勒频域串行捕获,时域由FFT代替滑动相关的并行捕获的二维策略,从而大大提高了高动态GPS接收机的信号捕获性能。分析了基于FFT的快速捕获原理和软件实现,并通过对实测的GPS信号的捕获验证了该捕获方法的正确性。     

正弦调频干扰下二进制偏移载波的精确捕获

针对正弦调频(sinusoidal frequency modulation, SFM)干扰下二进制偏移载波(binary offset carrier, BOC)信号捕获困难的问题,提出了一种基于离散SFM变换(discrete SFM transform, DSFMT)和部分匹配滤波结合全相位快速傅里叶变换(partial matched filter-all phase fast Fourier transform, PMF-apFFT)的干扰抑制捕获改进算法。该算法首先通过FFT估计SFM干扰的调制频率,在调制频率估计的基础上进行DSFMT,然后从DSFMT域中去除干扰成分再做DSFM反变换(inverse DSFMT, IDSFMT)实现干扰抑制,最后对干扰抑制后的BOC信号采用PMF-apFFT方法完成精确捕获。理论分析与仿真结果表明,所提算法在不影响DSFMT性能的前提下大幅简化了传统DSFMT的计算复杂度,并且在同等情况下,当检测概率为1时，所提算法的性能相比于DSFMT结合PMF-FFT的算法提高了大约3 dB。     

正弦调频干扰下二进制偏移载波的精确捕获

针对正弦调频(sinusoidal frequency modulation, SFM)干扰下二进制偏移载波(binary offset carrier, BOC)信号捕获困难的问题,提出了一种基于离散SFM变换(discrete SFM transform, DSFMT)和部分匹配滤波结合全相位快速傅里叶变换(partial matched filter-all phase fast Fourier transform, PMF-apFFT)的干扰抑制捕获改进算法。该算法首先通过FFT估计SFM干扰的调制频率,在调制频率估计的基础上进行DSFMT,然后从DSFMT域中去除干扰成分再做DSFM反变换(inverse DSFMT, IDSFMT)实现干扰抑制,最后对干扰抑制后的BOC信号采用PMF-apFFT方法完成精确捕获。理论分析与仿真结果表明,所提算法在不影响DSFMT性能的前提下大幅简化了传统DSFMT的计算复杂度,并且在同等情况下,当检测概率为1时,所提算法的性能相比于DSFMT结合PMF-FFT的算法提高了大约3 dB。     

一种时域并行差分相关捕获算法

提出了一种基于硬件实现、在时域对全球导航卫星系统信号进行相关捕获的新算法。算法采用并行差分结构,通过对相关结果的复用,实现了对多个卫星信号的同时捕获。还分析了该算法、传统的相关算法和现有的两种改进型时域相关算法以及基于FFT的频域相关算法的算法复杂度和所需寄存器数量。分析和仿真结果表明,该算法在计算单个复现码的1次相关时,运算量并不随着过采样率的增加而增加。相比于传统的相关算法和现有的两种改进型时域相关算法以及基于FFT的频域相关算法,该算法在运算复杂度上具有优势,有利于在实际硬件系统中实现。     

基于FFT BAQ的SAR原始数据压缩新算法

针对合成孔径雷达(synthetic aperture radar, SAR)原始数据频域压缩运算中基于快速傅里叶变换的分块自适应量化(fast Fourier transform based block adaptive quantization, FFT BAQ)算法实现复杂的问题,分析了SAR原始数据二维傅里叶变换后数据的能量分布情况。从香农率失真理论出发,利用信源微分熵确定最优的量化比特分配,提出了一种改进的FFT BAQ算法。分析了改进算法的复杂度,并与传统的FFT BAQ算法和BAQ算法做了相应的比较实验。实验表明,改进算法在保证原压缩性能的基础上降低了FFT BAQ算法的复杂度和对硬件的要求。     

基于频域处理的机载雷达自适应杂波抑制方法

传统的机载雷达自适应杂波抑制多是从时域角度来考虑的，提出了一种基于频域的杂波抑制方法——FFT频域处理法。该方法将输入数据首先经过FFT运算变换到频域上，然后利用质量中心法来估计杂波谱的中心多普勒频率和带宽，最后将杂波分布区内的FFT通道输出置零(即滤除杂波)。实验仿真结果表明，与传统的基于谱估计的自适应MTI方法相比，该方法具有良好的改善因子和较小的信噪比损失，对于慢速目标检测十分有利，并能有效地防止目标白化，其运算简单，适于工程实现。     

大点数FFT的多DSPs并行处理算法及实现

在FFT变体的基础上 ,提出一种新的并行算法 :先将数据在几片DSPs上并行地进行前几级蝶型运算 ,然后将结果汇总到另一片DSPs进行后几级蝶型运算 ,以实现大点数的FFT。该算法便于流水处理 ,只有一次简单的数据通讯 ,而且旋转因子规律简单易于将大点数FFT拆分成小点数FFT。应用该算法在多DSPs系统上 (5片TI公司的高速DSP芯片 :1片C6 2 0 2和 4片C6 70 1)实现 2 5 6K点复数FFT只需用 4 9ms,说明该算法有并行度高和易于实现的特点。     

实现空间异性纹理映射的查找表方法

为了在移动平台中得到高质量、高实时性的纹理显示,设计并实现了一种基于查找表的各向异性纹理映射方法。该方法通过改变归一化椭圆足迹模型的自变量选择,精确测量各参数量化对图像质量的影响,由此建立查找表获得足迹组合滤波中的所需参数。在此基础上,根据系统有效带宽的限制,加入动态调节纹理映射带宽需求的参数选择功能。实验表明,该滤波方法显示质量高,计算复杂度低,且具有带宽可控的优点,适于移动平台实现。     

大多普勒偏移下直接序列扩频信号捕获新方法

针对具有大多普勒偏移的直接序列扩频信号捕获问题,提出一种基于快速傅里叶变换(FFT)的多普勒和伪码分别并行搜索的捕获新方法.该方法利用伪码二相调制特性,通过乘法消除伪码影响,得到多普勒估计值,在此基础上运用圆周相关法得到的伪码相位估计值.计算机仿真表明,它能更快、更高精度地完成多普勒频率一伪码相位的二维搜索,且捕获时间与多普勒偏移大小无关,尤其适用于大多普勒环境.     

DSSS卫星通信中基于小波包变换的干扰抑制方法

卫星通信中利用直接序列扩频技术具有一定的抗干扰能力,但由于扩频增益无法做到无限大,当强干扰超过系统的干扰容限时,系统传输性能将会大幅降低。通过变换域信号处理技术对直接序列扩频中的干扰进行检测与抑制,能够增强其抗干扰能力。小波包变换具有优异的时频域局部分析能力,非常适合用于直接序列扩频系统中干扰检测与抑制。分别对规则小波包分解和最佳小波包分解进行了研究,提出了一种基于最佳小波包分解的干扰抑制新方法,通过将子带功率比与最小功率阈值相结合,实现对干扰进行定位和抑制。仿真结果表明,所提出的算法与基于规则小波包分解的干扰抑制和传统的快速傅里叶变换算法干扰抑制相比较,性能得到显著改善,且在计算复杂度上上升极少,是提高直接序列扩频信号抗干扰能力的更有效的选择。     

直接序列扩展频谱通信系统仿真

针对频通信广泛的应用 ,对它进行系统建模与仿真非常有益。论述了采用相关器捕捉环路和跟踪环路以及科斯塔斯环路 ,实现无导频直接序列扩频通信系统的伪码同步与载波同步的方法 ,给出了在系统仿真软件Serenade平台下的仿真结果 ,详细展示了扩频接收机工作的全过程 ,为设计、分析直扩通信系统提供了方便。     

基于多尺度Haar小波变换的MPSK信号码速率盲估计

研究了相位编码信号的码速率估计,提出基于Haar小波变换的多尺度MPSK信号码速率盲估计方法。首先对接收信号作FFT得到信号频谱,对频谱进行平滑之后估计其中心频率,接着由估计出的频率构造相关接收机;然后估计信号的3dB带宽,由估计的带宽作为参考选取三个小波尺度,利用Haar小波的边缘检测特性对相关接收机的输出进行多尺度码元相位跳变点检测,多尺度检测的结果进行叠加;最后对叠加的结果作DFT估计频率得到MPSK信号的码速率估计。仿真表明,高于信噪比门限时本算法可以对码速率进行有效估计。     

基于块稀疏贝叶斯学习的直扩通信窄带干扰检测与参数估计

现有基于Nyquist采样定理的直扩(direct sequence spread spectrum, DSSS)通信窄带干扰(narrowband interference, NBI)检测和参数估计方法存在应用受限于采样率较高的问题。针对这一问题,将压缩感知(compressive sensing, CS)应用于DSSS通信NBI的检测和参数估计,根据DSSS信号与NBI的不同压缩域特性以及NBI在频域表现出的分块稀疏特性,利用块稀疏贝叶斯学习(block sparse Bayesian leaning, BSBL)框架获取干扰检测和参数估计的特征量,通过对特征量的检测和参数估计实现对NBI的检测和参数估计。理论分析和仿真结果表明:所提方法能够在压缩采样条件下实现对DSSS通信中NBI的有效检测和参数估计,与传统方法相比具有显著优势,干扰检测和参数估计性能受干扰强度、干扰带宽以及压缩率变化的影响,干扰强度越强、干扰带宽越小、压缩率越大,干扰检测和参数估计效果越好。     

改进的高动态高灵敏度GPS信号捕获算法

首先介绍弱GPS信号定义和影响因素,指出要想实现弱信号条件下的捕获,必须增加处理增益.要提高增益,就要进行累积,而累积最重要的限制就是导航电文的变化、多谱勒频偏的影响以及非相干累积的平方损失.而高动态又必须考虑累积时间与多普勒补偿的均衡.针对这些因素,指出在弱信号条件下,FFT捕获较传统算法更具有优势.采用差分累积提高累积时间并减轻了非相干累积平方增益损失.半比特搜索法能够估计出导航数据的最佳组合,实现很长时间的相干积分.高动态高灵敏度情况下,还必须考虑补偿码多谱勒的影响.提出一套完整的弱信号处理方案,采用Monter·Carlo方法进行仿真,实验结果验证了该算法的有效性.