辅助型GPS接收机中伪码相位延时及其不确定度估计算法研究

快速捕获卫星信号是研制辅助型GPS (A-GPS)接收机所必须解决的一项关键技术. 针对A-GPS接收机能从辅助数据中获取有效星历的特点, 本文提出了一种伪码相位延时及其不确定度估计算法. 该算法在对建立的信号发射时刻方程泰勒展开的基础上, 利用辅助信息建立了伪码相位延时及其不确定度估计方程. 分析和仿真表明, 提出的算法能有效压缩剩余卫星伪码相位延时不确定度, 加快A-GPS接收机的捕获速度.     

伪码扩频测距系统中多径误差的实验测量与分析

利用扩频测距发射与接收设备,设计了多径误差测量实验,获得了测距误差随多径延迟变化的实测数据,并针对实验进行理论建模与分析仿真,计算结果与实测数据基本吻合,证明了扩频测距系统中多径分析与仿真模型的正确性,确认了多径引入的扩频测距误差的影响量级。     

基于软技术的高动态扩频信号载波跟踪技术

高动态环境中,由于载体的动态变化范围大,使得所发射信号的多普勒频移、一次变化率、甚至二次变化率都比较大,这对于完成信号的正确解调提出了很高的要求.因而又给出了一种用复合软环来跟踪高动态载波信号的方法,实现了基于数字信号处理器的接收机,并且验证了此方案切实可行,完全达到各种性能要求.     

一种高动态环境下卫星扩频信号的快速捕获方法研究

现代卫星导航及测控应用对接收机在高动态环境下实现测量通信提出了迫切需求。为了解决大多普勒频偏扩频信号的快速捕获问题,提出了一种在频域并行搜索码相位及多普勒频偏的双频域快速捕获方法。采用双块补零算法将长的相关积分操作分割为多个短的相关积分操作,然后采用快速傅里叶变换进行圆周相关,大大节约了处理时间,利用频域圆周移位与时域载波剥离等价的原理,大幅提高了频率搜索效率。与时域相关算法和单频域计算方法相比,在捕获灵敏度不变的条件下,该方法将计算量减少90%,显著提高了运算速度,适合高动态环境下扩频信号的快速捕获。该方案应用于星载接收机平台FPGA实现,测试结果表明该方案可以在0.1s内完成±500kHz频偏下扩频信号捕获。     

无源互调对直扩系统伪码捕获性能的影响

无源互调干扰信号会对无线通信系统造成不同程度的影响,轻则干扰无线通信系统,严重时阻塞无线通信系统信号传输通道。为了定量分析无源互调干扰信号对直扩系统伪码捕获性能的影响,建立了无源互调干扰下直扩系统模型,考虑卫星接收机中噪声的影响,采用修正柯西分布概率密度模型,分别对平方律检波器捕获方法和平方检波累积器捕获方法在无源互调干扰下的捕获性能进行了理论推导和仿真验证。仿真结果表明,高信干噪比下无源互调干扰对通信系统的影响比噪声小,90%捕获检测概率下相差2.92dB;采用平方检波累积方法可获得一定的累积增益,90%捕获检测概率下的累积增益为2.36dB。     

一种基于分组截短PN码的SOFDM信道估计方法

基于PN序列的信道估计方法的特点是计算过程简明,已被广泛应用在地面无线局域网系统中。在卫星正交频分多路复用传输体制(SOFDM)系统中引入传统PN序列信道估计方法的主要问题在于卫星信道的多径延时远大于SOFDM数据符号的持续时间,信道特性比较复杂,使得传统方法的估计精度严重下降。提出了一种改进的方法,根据信道的近似周期特性对数据帧进行合理的等长度分组,并把长PN序列改为短PN码来跟踪信道局部特性的变化,再对分组后的数据子帧分别进行信道估计。对该方法的设计思想进行了理论分析,并通过仿真验证了该方法的估计精度比传统方法至少提高了10倍。     

高动态GPS/SINS 组合导航系统的时间同步方法

高动态环境下GPS/SINS 组合导航系统的同步误差源均被不同程度地放大, 严重影响了系统的组合性能. 给出了同步时间基准及记录GPS 通信延时的硬件设计思想. 在此基础上, 将GPS 与SINS 的时标差、SINS 的频标漂移及GPS 的通信延迟作为同步误差源, 采用软件处理方式完成对SINS 频标漂移的建模、量测信息的外推计算及GPS 通信延时的滤波补偿, 使系统的量测信息在每一个同步点上实现同步. 仿真结果验证了方法的有效性.     

高动态环境下SINS姿态更新的改进等效旋转矢量算法

高动态环境下捷联惯导系统的姿态算法是提高系统精度的关键技术. 通过研究SINS高动态姿态更新方法, 分析姿态矩阵解算的四元数及等效旋转矢量算法, 使等效旋转矢量算法在高动态环境下的应用问题得以完善. 为改善等效旋转矢量算法对于高动态飞行环境的适应性, 以圆锥运动作为环境条件, 对等效旋转矢量算法进行改进, 推导改进算法的误差. 通过与单子样和三子样等效旋转矢量算法进行仿真对比, 验证了改进算法的有效性.     

一种动态环境下空间机器人的快速路径规划方法

针对动态环境下空间机器人采用深度强化学习进行路径规划时存在的收敛速度慢问题,采用迁移学习算法设计了一种适应动态环境的快速路径规划器.首先,综合考虑空间机器人运动过程中存在的避障、时间和扰动约束,在静态环境下对深度神经网络进行预训练.其次,将上述训练后的权值作为动态环境下深度神经网络的初始权值,再经过动态环境下的训练进行参数微调.最后,以平面五自由度空间机器人为例对所设计的方法进行了验证,并与直接训练方法进行了比较.实验结果表明,该方法能够将训练收敛时间从1033回合缩短到450回合,在保证规划路径准确率的前提下,提高训练的收敛速度.