一种快速的GPS软件接收机信号捕获方案设计

为了提高GPS软件接收机信号捕获的速度,设计了一种快速的GPS信号捕获方案。对比分析了两种常用的GPS(GlobalPositionSystem)信号粗捕获实现方法,设计了一种优化的实现方法;同时对常用的两种精细载波频率算法进行了比较分析,设计了一种二次曲线拟合的方法计算精细载波频率;基于多普勒频移的分布特点,改变以往顺序搜索的方式,采用跳频搜索的方法。最后,将优化的粗捕获方法、精细载波频率算法和多普勒频移跳频搜索方式组合成一个完整的GPS捕获方案,仿真结果表明所设计的实现方案运算量小、速度快,捕获的结果满足跟踪要求。     

基于多普勒频移的双基地声纳目标速度测量

针对单基地声纳仅可获得目标的径向速度以及双基地声纳有大量冗余信息的问题,提出利用单/双基地复合工作的声纳系统求解目标二维速度矢量（速度大小、航向）的方法。为了获得目标的二维速度矢量,在双基地声纳系统中,分析了双基地声纳多普勒频移的特性,并与单基地作了比较;结合单、双基地所获得的多普勒频移特性信息,给出了目标二维速度矢量的两种计算方法;并对目标速度测量误差进行了分析。结果表明,采用单/双基地复合工作的声纳系统,可以完成目标二维速度矢量的测量,而测量误差则与系统的频移分辨力及目标与收、发基地间的相对位置有关。     

基于RSPWVD高速跳频信号跳周期估计算法

针对跳频通信进行有效干扰的关键在于对跳频信号参数进行精确的估计,提出了一种基于重分配平滑伪魏格纳维尔分布(reassigned smoothed pseudo Wigner-Ville distribution,RSPWVD)的高速跳频信号跳周期估计算法。该算法利用了RSPWVD良好的时频聚集性和抑制交叉项的能力,能够有效地估计出跳频信号的跳周期参数(hop duration)。仿真实验结果表明了该算法的准确性与有效性。     

基于瞬时测频的PCM/FM信号解调方法研究

根据瞬时测频理论，提出了一种新的PCM／FM遥测信号解调方法。首先通过瞬时测频方法，估计信号中的多普勒频移，不但修正了信号中存在的多普勒频偏，而且提高了码同步的精度。然后根据PCM／FM信号相邻码同步点间的对应关系，实现了信号的解调。详细介绍了此种解调方法的基本原理及实现过程，分析了影响瞬时测频精度的因素以及多普勒频率对解调性能的影响，提出了提高瞬时测频精度和解调性能的方法。计算机仿真结果表明，该方法解调性能优越，抗干扰能力强，便于软件编程及DSP器件实现，具有一定的应用价值。     

基于Watterson模型短波信道仿真算法

针对短波信道不可逆性、多径以及衰落等特点,提出了一种纯软件的短波信道仿真算法。该算法以Watterson模型为基础,具有简单易行、可移植性强、全数字化等特点,并可实时嵌入到调制解调器中,使该调解器兼有信道模拟器的功能,具有很重要的实际意义。仿真和数字信号处理器的实现验证了该算法的有效性。     

超声多普勒血流信号平均频移估计的仿真研究

提出了基于Matching Pursuit分解的超声多普勒血流信号平均频移估计方法。通过对合成信号的分析比较，确定了最佳估计性能的相关参数。基于优化的参数对不同噪声水平的100例仿真多普勒信号进行分析并计算估计的与理论的平均频移的均方误差，得到基于Matching Pursuit方法的误差比使用传统声谱分析法小。表明该方法对信号瞬时结构的局部具有较好的自适应性，有效克服了短时傅立叶变换存在的时频分辨率矛盾，提高了超声多普勒血流信号平均频移估计的准确性。     

基于Kalman滤波理论的高动态GPS信号跟踪系统仿真研究

高动态意味着载波多普勒频移变化率较大,实际中真实的高动态信号通常难以采集到,比如在弹载、星载环境下.为了研究高动态GPS信号跟踪问题,首先设计了一种高动态GPS中频数字信号仿真模型,并在此基础上研究了一种基于Kalman滤波理论的高动态信号跟踪技术.信号的模拟和跟踪都是基于Matlab的Simulink环境,仿真结果显示高动态信号模拟理想,应用Kalman滤波理论的高动态跟踪技术跟踪稳定,精度满足要求.     

机载脉冲多普勒雷达湍流信号的仿真分析

为了分析湍流特性和有效地对湍流信号进行检测以及研究地杂波对湍流检测的影响,采用快速傅里叶变换(fast Fourier transform, FFT)对湍流回波信号的风速与谱宽进行了计算,建立了相应的湍流模型,在湍流风速和谱宽的检测中引入了地杂波因素。提出了湍流信号处理的FFT方法,重新定义了湍流的风速和谱宽和最小信号检测门限以及相关变量。仿真结果表明,湍流的风速具有脉动特征,该方法能够很好地估计出湍流风场里的风速分布,无地杂波情况下的湍流回波信号的风速与谱宽要优于有地杂波情况。     

中低轨卫星信号的多普勒频移估计与补偿

针对中低轨卫星信号的多普勒频移具有大范围快速时变的问题,基于航天动力学理论,计算出卫星和接收平台间的相对位置和速度,从而可预先估计卫星信号的多普勒频移.对频移估计的误差进行了分析,给出了一种多普勒频移的快速估计和实时补偿算法,同时也对卫星的可视时间段分情况进行讨论.计算机仿真和工程实践表明,该算法简单、实用,有利于对快变大频偏的卫星信号进行快速跟踪和解调.     

天线方向图在GPS仿真实验中的应用

利用Spirent公司的GSS6560 GPS模拟器建立了仿真平台,将载体姿态和接收机天线方向图加入到仿真过程中,模拟了载体姿态变化和天线方向图对接收到的卫星信号的影响,针对有无天线方向图和载体姿态变化的不同情况进行了对比实验,分析了卫星信号强度的变化过程,验证了载体姿态变化对接收机工作情况的影响,为GPS接收机测试和有GPS参与的组合导航系统半实物仿真提供了更加真实的仿真环境。     

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。     

绕地飞行器GPS/INS组合测量系统

采用全球定位系统 /惯性导航系统 (globalpositioningsystem/inertialnavigationsystem ,GPS/INS)组合方式实现对绕地飞行器定位和姿态测量。通过对可观测性能分析 ,得出了这样的结论 :仅用伪距和伪距变化率为观测量的组合系统对姿态角误差的可观测性较差。引入GPS载波测量信息作为观测量 ,可以提高姿态测量的可靠性和准确性。采用接收机自主完整性检测 (receiverautonomousintegritymonitoring ,RAIM)技术实时剔除异常数据 ,总结一种改进的自适应滤波算法进行数据处理 ,较之常规的Kalman滤波算法 ,收敛速度更快 ,平稳性更好。计算机仿真验证了算法的有效性     

基于解析振速的ESPRIT算法

基于声矢量传感器在二维平面波入射时的输出信息,提出了其"解析振速"的输出模型,将目标的方位信息蕴含在输出信号的相位之中,并由此得到了矢量阵的输出模型.当ESPRIT算法应用于矢量阵时,由于矢量阵的内禀属性,旋转矩阵不再与阵型和信号的频率有关,只与目标方位信息有关,从而能够实现任意阵型全空间的无模糊测向.理论分析和仿真表明:本算法无需先验已知阵型;单声矢量传感器也可以应用ESPRIT算法,且此时其性能逼近克拉美-罗界.湖试表明本算法是有效的.     

基于矢量频率锁定环的高动态GPS信号跟踪

研究了高动态环境下矢量跟踪算法在GPS接收机中的应用,提出了一种适合高动态环境的矢量频率跟踪算法。当接收机存在高动态时,与由其引起的多普勒频率的变化率相比,由卫星运动引起的多普勒频率的变化率非常小,多普勒频率的变化主要由接收机的动态引起。对各个通道来说接收机的速度与加速度等状态信息是共同的,因此利用矢量跟踪的方法从各个通道的量测数据中直接估计接收机的速度、加速度等状态,可以有比通常的标量跟踪更低的跟踪门限,而在相同的载噪比下,可以有比通常的标量跟踪更好的估计精度。给出了一种适合高动态环境的矢量频率锁定环(VFLL)的结构,详细分析了导航滤波器的系统转移方程与量测方程,讨论了导航滤波器的实现。利用非线性估计的方法代替鉴频器提取频率误差,提高矢量跟踪的性能。由于矢量跟踪的性能是与想定相关的,在典型的高动态情景下,根据具体的想定,利用仿真的方法分析了矢量频率锁定环的跟踪性能。仿真结果表明矢量跟踪在高动态环境下可以有比标量跟踪更好的优势,能很好地跟踪GPS接收机的高动态信号。     

Velocity measurement technique for high-speed targets based on digital fine spectral line tracking

1.INTRODUCTIONWith the increasing demands for high performanceradar,velocity measurement has become a necessaryfunction of modernradar systems.It is one of thei m-portant features to distinguish a true warhead fromdecoys in missile defense phased array radar systems.The reason for this is that the velocities of warheadsand decoys are different because of their differentmasses.Velocity measurement can also be used tocompensate for the phase distortion of wideband echosignals to prevent spe…     

基于“当前”统计模型的高动态GPS信号跟踪算法

提出了一种新的高动态GPS信号跟踪算法,基于＂当前＂统计模型对载波瞬时相位过程、瞬时频率及瞬时频率变化率过程进行建模;在此基础上,结合系统状态方程为线性而量测方程为非线性的特性,采用简化UKF算法对信号参数进行估计,同时采用EKF和标准UKF滤波算法在同等条件下对信号参数进行估计比对。仿真结果表明对信号参数所建模型能真实反映信号的过程,验证了所建模型的正确性的;简化UKF参数估计结果不仅精度与标准UKF相当且具有较高的运算效率,能更好满足高动态下的实时性需求。

Abstract：

A new high dynamic GPS signal tracking algorithm was proposed.Based on current statistical model,a new model for the GPS signal transitional process was established.Since the system involved a linear state equation and a nonlinear measurement equation,a simple Unscented Kalman Filter （UKF） algorithm was applied to estimation the signal parameters.For comparison purpose,an Extended Kalman Filter （EKF） algorithm and a standard UKF algorithm were also applied to the system to illustrate the effectiveness of the proposed filtering algorithm.Simulation results show that the new model can precisely represent the real signal process,and the simple UKF algorithm achieves high precision comparable to standard UKF with higher operation efficiency.Therefore,the new model and the proposed algorithm can satisfy real time requirement in high dynamic environment.     

基于IMU/GPS的性能导航方法研究

利用直角坐标系与大地坐标系之间的关系,将状态方程直接采用经纬度描述,GPS测量数据与电子地图上的经纬度相匹配,建立了混合模型,给出了一种新的GPS与IMU融合估计方法,提高了重复定位精度,更方便地实现组合导航系统功能。采用GPS和IMU装置进行了地面车辆试验和实际飞行试验,说明了模型和方法的适用性。

Abstract：

A mixed model was established and a new fusion estimation method for GPS and IMU was proposed through the relationship between the Cartesian coordinate system and the ground coordinate system,and the state equation described by the latitude and longitude directly,and the GPS measurement data and electronic map matched to the latitude and longitude.The provided method has improved the repeatability positioning accuracy and more easily integrated navigation system functions.The ground and actual flight were tested to illustrate the applicability of the model and method with GPS and IMU device.