一、用于罗兰C接收机天波识别的IFFT频谱相除技术探讨(论文文献综述)
孙延伟[1](2019)在《eLoran信号处理关键技术研究》文中进行了进一步梳理卫星导航系统(GNSS)是目前应用最为广泛的导航系统,但由于其信号容易受到干扰,因此不能把卫星导航系统作为唯一的授时、定位系统,而eLoran系统作为完全独立于GNSS的无线电导航系统,是在传统Loran-C的基础上,增加数据信道的增强型罗兰系统,既可以实现定位也具有授时功能,是目前呼声最高的GNSS备份系统。本论文对eLoran信号处理中的关键技术进行研究。首先,本论文对eLoran系统进行了介绍,包括eLoran系统的定位原理、信号格式、以及数据信道,重点介绍eLoran系统的数据信道,它是eLoran系统相对于Loran-C系统最大的升级。并对eLoran信号处理系统的总体方案及每部分的功能进行了简单介绍,其中数字滤波和天地波识别是eLoran信号处理的关键技术,也是本论文的研究重点。然后,分析了传统结构的数字带通滤波器在eLoran数字滤波中应用的局限性,提出采用内插结构的FIR滤波器,相比于传统结构的FIR滤波器降低了87%的计算量。并针对eLoran信号处理系统中不能获得理想信号的特点,改进了自适应滤波器的结构,将噪声信号作为其中一路输入信号,在eLoran数字滤波单元中应用NLMS自适应滤波算法来抑制频带内的噪声和干扰。利用eLoran信号的相位编码实现信号搜索与捕获。并且针对基于IFFT的天地波识别方法抗噪性较差的问题以及eLoran天地波信号模型的特点,应用Toeplitz矩阵重构协方差阵,将MUSIC算法应用于eLoran信号处理系统的天地波识别中,解决了在低信噪比环境下无法识别天地波的问题。本论文采用波峰峰值比检测法来精确识别信号的到达时间,动态调整周期识别的标准点。最后,本论文针对eLoran系统数据信道的调制、编码方式,详细描述了信号解调、解码方法。针对eLoran信号的ASF时延计算问题,采用米林顿计算方法。采用单台链概位解算与经纬度修正算法相结合的方式,对eLoran信号进行经纬度信息的解算。最终利用显控平台,对本论文所述的eLoran信号处理系统的功能进行了验证评估。
赵善军[2](2014)在《基于罗兰C系统的无源探测可行性研究》文中指出本文围绕了利用罗兰C系统进行无源探测的可行性展开了课题的相关研究工作,主要目的是为了验证罗兰C系统是否能够进行无源探测,并基于此目的分别对罗兰C系统在理论上和实际上的无源探测可行性做了一定的探究。本文所做的具体工作如下:1.介绍了罗兰C系统的双曲线定位原理、发射信号、罗兰C台链的构成原则以及详细的阐述了各个台链奇偶周期的脉冲编码及作用。并分析了罗兰C系统工作时遇到的干扰信号类型,总结了抑制这些干扰的方法和这些抑制方法的优缺点。最后介绍了罗兰C系统在周期识别时亟待需要解决的天地波时延估计的问题,通过对天地波时延估计的重要性介绍,进而引入了求解天地波时延的一些算法,并总结了算法的特点。2.从无源探测系统的理论要求出发,进行了大量的定量理论分析和仿真实验,主要从罗兰C信号的匹配滤波系数的选择、罗兰C信号的距离和速度的分辨率、罗兰C信号的相位一致性等方面做了相关工作。通过仿真得知,仿真产生的匹配滤波系数与实际发射信号作为匹配滤波系数差别较大,虽然发射信号有拖尾现象,但是在匹配滤波时,还是要根据实际情况将从发射站耦合的信号作为匹配滤波系数,这样才能保证滤波时不会处于失配状态。罗兰C信号的距离分辨率很差,此时考虑借助多普勒信息上区分目标,即从距离和多普勒两维联合的角度进行目标的探测。要利用罗兰C信号多普勒特性进行目标的探测,需要较长时间相干积累,这就要考虑罗兰C信号长时间相干积累的距离走动问题。崇左台发射信号和蒲城发射信号的相位一致性较好,但通过各自发射信号的对比可以看出,崇左台发射信号的相位一致性比蒲城发射信号好,再通过与理论仿真信号对比时发现,崇左台发射信号的尾部保相特性没有蒲城台发射信号保相特性好。3.展开了利用了罗兰C信号对海面上目标的探测的可行性实验,采集实测数据,并分析和处理了实测数据,针对实测数据处理中的若干问题,研究了相应的解决方案。如采集回波信号包络和相位走动,通过分析判断得出问题的原因是采样时钟信号与发射信号时钟不同步,存在偏差从而导致包络和相位走动。采用了对回波信号谱分析的方法,求出频率偏差。进而将包络和相位的走动补偿。利用直达波直接置零的方法处理了实测数据,处理的结果杂乱且不能关联。后来又利用了罗兰C系统的奇偶脉冲组的相位编码是互补码特性,对实测数据进行了脉冲组匹配滤波的处理,处理的结果同样不能令人满意。最后,为了便于直观、有效和快速的处理和分析罗兰C实测数据,设计和开发了一款基于MATLAB GUI技术的罗兰C系统无源探测实测数据处理软件,该软件主要利用前面介绍的信号处理方法进行信号处理,通过实际的使用、测试和验证,该软件都能够稳定、有效、快速的完成实测数据处理的任务。
吴苗,柳林涛,边少锋,苏晓庆,王国成[3](2012)在《基于优化包络相关法的罗兰C天波延迟估计算法》文中指出针对低信噪比条件下,罗兰C天波信号延迟时间估计的准确性和有效性问题,提出基于优化包络的相关系数时域法。通过分析标准罗兰C信号包络的特征,分别采用微分和二次微分方法对罗兰C信号包络进行优化,形成陡峭的包络信号上升沿;利用相关系数法对接收信号包络和参考信号包络进行匹配,形成的匹配峰值分别对应地波和天波信号到达的时刻,由此可获得天波信号的延迟时间;通过仿真分析和实测信号试验验证,证明该方法能满足数字化接收机的实际要求,并具有更高的抗干扰能力、估计准确性和自动识别功能的特点。估计的结果还可以作为判别相位跟踪和周期识别正确率的辅助依据。
吴绳正,刘敬虎,朱银兵,李豹[4](2011)在《水下接收罗兰C信号周期识别补偿方法研究》文中研究说明由于色散效应影响,罗兰C信号在水下传播时各频率分量相位改变量不同,导致合成信号包络发生形变,周期识别时需要进行包周差补偿处理。为此,在分析罗兰C信号水下传播色散特性基础上,通过仿真给出了标准信号由空气入水后在水中不同深度接收到的信号载波前五周半峰值比。然后,结合上述仿真结果,根据最小均方思想设计了一种融入包周差补偿的用于水下接收信号识别的简单可行周期识别方法。试验结果表明,所设计周期识别补偿方法能够准确实现水下接收罗兰C信号的周期识别,提高接收机定位精度,对拓展罗兰C接收机的水下应用领域具有重要意义。
曾辉艳,华宇,李实锋[5](2011)在《一种基于MUSIC算法的天地波识别方法》文中研究指明基于我国BPL长波脉冲信号的特征,利用MUSIC(多信号分类)算法对BPL天、地波延迟进行估计,实现天、地波识别。对传统谱估计IFFT(快速傅里叶逆变换)算法和现代谱估计MUSIC算法进行了仿真和比较,结果表明,这两种方法在较低信噪比条件下可有效分离天、地波,且识别误差都能控制在±5μs内,但MUSIC算法比IFFT算法具有更高的精度和分辨率。
曾辉艳[6](2011)在《数字授时接收机周期识别技术研究》文中进行了进一步梳理授时接收机是实现整个授时系统功能和性能的终端设备,其主要作用是接收授时台站发播的标准时频信息,来实现本地时间信号与标准时间信号UTC(NTSC)的同步。当授时接收机接收长、短波授时信号来进行时间同步时,要求通过周期识别技术识别出一个特定的周期。如果周期识别发生错周,BPL长波接收机将至少引入10μs的误差,BPM短波接收机至少引入1ms的误差。可见,周期识别的准确度关系到整个授时接收机系统的时间频率同步精度和稳定性,因此准确的周期识别是保证接收机授时精度的关键。基于此,本文开展了数字化授时接收机周期识别技术研究,以便为研制高性能的长、短波授时接收机提供参考和技术支持。本论文通过对长、短波授时接收机工作原理的研究,分析了周期识别在长、短波授时接收机中的重要性。通过对现有周期识别技术的研究,发现现有方法普遍存在抗燥性差、跳周现象、未充分利用信号能量、粗过零点难选择等局限性。因此本文提出一种新周期识别方法——相关延迟累加法(RDA法)。该方法具有良好的适用性、较高的识别精度和较强的抗噪性能。在研究周期识别的基础中,为防止天波干扰而影响BPL接收机授时精度,本文在对BPL信号进行周期识别前,先通过IFFT和MUSIC算法进行天地波分离;由于短波信号的中频采样率高,而解调出来的信号频率很小,本文通过CIC对BPM信号进行抽取滤波。随后,通过相关延迟累加法分别对预处理后的长、短波授时信号进行周期识别。通过MATLAB仿真验证,结果表明:该算法对BPL信号周期识别的精度达99%、误差控制在±5ns;对短波信号的识别精度达99%、误差控制在±1.6μs。随后,通过对实际信号的分析与测试,再次验证该算法在长、短波授时接收机周期识别中的可行性和有效性。
吴苗,许江宁,陈志勇,王国成[7](2011)在《基于现代信号处理的罗兰C天波延迟估计研究》文中进行了进一步梳理传统罗兰C接收机为避免天波信号干扰,采用固定的采样时刻,以致接收机信噪比下降,直接影响了接收机的整体工作性能。分析了三种测量天波时间延迟的现代信号处理方法,并进行了实验仿真分析比对,验证了该方法对于测量天波延迟地波时间的准确性和有效性。
田孝华,李睿,王维康[8](2010)在《有效估计塔康测距信号多径时延的方法》文中指出该文利用塔康测距信号收发已知且能量集中的特点,在原有的频谱相除方法的基础上,提出采用功率谱密度函数并引入补偿因子进行频谱相除的方法,对接收信号中多径时延进行估计。该方法首先利用功率谱密度函数与本地参考信号的频谱相除,并通过补偿因子使带外噪声的能量不会因相除而得到很大加强;再利用反傅里叶变换从接收信号中恢复有用信号的波形;最后利用恢复的波形对多径时延进行估计。计算机仿真验证了算法的有效性。
朱银兵,许江宁,曹可劲,崔国恒[9](2010)在《罗兰C周期识别的Wigner-Vill变换分析》文中认为为了改善时域或频域分析的局限性,提高罗兰C的周期识别能力,在分析罗兰C信号的Wigner-Vill变换特征基础上,仿真分析了样本长度、天线输入端信噪比、天地波幅值比及天地波相位差等对罗兰C周期识别的影响。结果表明,罗兰C信号的Wigner-Vill变换峰值稳定、抗噪声性能强,利用不同天地波相位差下罗兰C信号的Wigner-Vill变换最小峰值对应的频率点不同,能够有效的实现罗兰C信号的周期识别。
朱银兵,许江宁,崔国恒,马建国[10](2010)在《罗兰C周期识别时频分析方法研究》文中研究说明该文在分析罗兰C信号的STFT及WV时频变换表示基础上,仿真分析了天线输入端信噪比、天地波幅值比以及天地波相位差对罗兰C信号STFT及WV时频变换的影响。结果表明,罗兰C信号STFT及WV变换的峰值稳定,抗噪声性能强,但都存在多值性,而利用罗兰C信号WV变换的负峰值对应的频率点不同能够有效消除多值性,从而提出了基于WV变换的周期识别新方法。
二、用于罗兰C接收机天波识别的IFFT频谱相除技术探讨(论文开题报告)
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、用于罗兰C接收机天波识别的IFFT频谱相除技术探讨(论文提纲范文)
(1)eLoran信号处理关键技术研究(论文提纲范文)
摘要 |
abstract |
第1章 绪论 |
1.1 研究背景及意义 |
1.2 国内外研究现状 |
1.2.1 eLoran系统的国内外研究现状 |
1.2.2 eLoran信号处理方法的国内外研究现状 |
1.3 论文的研究目的及主要工作 |
第2章 eLoran系统介绍 |
2.1 eLoran系统双曲线定位原理 |
2.2 eLoran系统信号格式 |
2.2.1 单个脉冲的标准特性 |
2.2.2 脉冲组格式 |
2.3 eLoran系统的数据信道 |
2.3.1 数据信道调制方式 |
2.3.2 数据信道编码方式 |
2.4 eLoran信号处理系统及关键技术 |
2.5 本章小结 |
第3章 eLoran数字滤波关键技术 |
3.1 数字带通滤波 |
3.1.1 传统的FIR结构滤波器设计 |
3.1.2 内插FIR滤波器设计 |
3.1.3 内插FIR滤波器仿真 |
3.2 自适应滤波器 |
3.2.1 自适应滤波器的基本原理 |
3.2.2 LMS自适应滤波器设计及仿真 |
3.2.3 NLMS自适应滤波器设计及仿真 |
3.3 本章小结 |
第4章 eLoran信号捕获识别关键技术 |
4.1 信号搜索 |
4.1.1 相位识别 |
4.1.2 台链识别 |
4.2 天地波识别 |
4.2.1 天地波时延估计理论 |
4.2.2 基于IFFT的天地波识别方法及仿真分析 |
4.2.3 基于MUSIC算法的天地波识别方法及仿真分析 |
4.3 周期识别方法及仿真分析 |
4.4 本章小结 |
第5章 eLoran信号解算技术 |
5.1 定时解算 |
5.1.1 信号解调 |
5.1.2 RS解码 |
5.1.3 CRC解码 |
5.2 ASF时延修正 |
5.3 定位解算 |
5.3.1 单台链概位解算算法 |
5.3.2 经纬度修正算法 |
5.3.3 定位解算算法仿真 |
5.4 显控平台 |
5.5 本章小结 |
结论 |
参考文献 |
攻读硕士学位期间发表的论文和取得的科研成果 |
致谢 |
(2)基于罗兰C系统的无源探测可行性研究(论文提纲范文)
摘要 |
ABSTRACT |
符号对照表 |
缩略语对照表 |
第一章 绪论 |
1.1 研究背景与意义 |
1.2 无源探测的研究历史和现状 |
1.3 本文的主要工作和安排 |
第二章 罗兰C系统基本概念和相关研究 |
2.1 引言 |
2.2 罗兰C导航系统的基本概念 |
2.2.1 罗兰C系统的双曲线定位原理 |
2.2.2 罗兰C脉冲的信号形式 |
2.2.3 罗兰C系统发射信号形式 |
2.3 罗兰C系统的干扰抑制问题 |
2.3.1 罗兰C系统中干扰的分类 |
2.3.2 罗兰C系统的干扰抑制 |
2.4 罗兰C系统的天地波识别问题 |
2.4.1 天地波识别的信号模型 |
2.4.2 基于频谱相除IFFT技术的天地波时延估计 |
2.4.3 基于多重信号分类技术的天地波时延估计 |
2.5 本章小结 |
第三章 罗兰C系统发射信号的特性分析 |
3.1 引言 |
3.2 罗兰C信号的匹配滤波系数选择问题 |
3.2.1 匹配滤波理论 |
3.2.2 匹配滤波系数的选择 |
3.3 罗兰C信号的距离和速度分辨率 |
3.3.1 罗兰C信号的距离分辨率 |
3.3.2 罗兰C信号的速度分辨率 |
3.4 罗兰C信号的相位一致性分析 |
3.4.1 罗兰C发射信号本身的相位一致性分析 |
3.4.2 罗兰C发射信号和理论信号的相位一致性分析 |
3.5 本章小结 |
第四章 基于罗兰C系统的无源探测研究 |
4.1 引言 |
4.2 罗兰C信号对于海上目标探测的可行性实验 |
4.2.1 时钟漂移补偿处理 |
4.2.2 基于直达波置零的罗兰C实测信号处理 |
4.2.3 基于脉冲组匹配滤波的罗兰C实测信号处理 |
4.3 罗兰C信号实测数据处理软件的设计 |
4.3.1 罗兰C信号实测数据处理软件的整体设计 |
4.3.2 罗兰C信号实测数据处理软件的具体实现 |
4.4 本章小结 |
结束语 |
参考文献 |
致谢 |
作者简介 |
(3)基于优化包络相关法的罗兰C天波延迟估计算法(论文提纲范文)
1 引 言 |
2 罗兰C信号改进 |
2.1 标准罗兰C信号 |
2.2 罗兰C信号优化 |
3 相关系数匹配法 |
4 包络相关法仿真与试验 |
4.1 包络相关法仿真 |
4.2 包络相关法试验验证 |
5 结 论 |
(6)数字授时接收机周期识别技术研究(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 引言 |
1.2 周期识别技术的研究现状及成果 |
1.3 研究背景、目的和意义 |
1.4 本论文主要研究内容 |
1.5 本论文的结构安排 |
1.6 本章小结 |
第二章 现代数字授时接收机 |
2.1 数字授时接收机 |
2.1.1 数字授时接收机的结构框图 |
2.1.2 数字授时接收机的工作原理 |
2.2 BPL 长波授时接收机 |
2.2.1 BPL 长波系统 |
2.2.2 BPL 长波信号格式 |
2.2.3 BPL 长波授时接收机结构 |
2.3 BPM 短波授时接收机 |
2.3.1 BPM 短波系统 |
2.3.2 BPM 短波信号格式 |
2.3.3 BPM 短波时号的接收 |
2.3.4 BPM 短波授时接收机结构 |
2.4 本章小结 |
第三章 周期识别技术的基础 |
3.1 周期识别的基本原理 |
3.1.1 BPL 周期识别的基本原理 |
3.1.2 BPM 周期识别的基本原理 |
3.2 BPL 长波接收机周期识别的基础 |
3.2.1 BPL 接收机周期识别的基本方法 |
3.2.2 天地波识别原理 |
3.3 BPM 短波接收机周期识别的基础 |
3.3.1 BPM 接收机的传统周期识别方法 |
3.3.2 BPM 信号的抽取滤波 |
3.4 相关延迟累加算法原理 |
3.4.1 延迟相加法 |
3.4.2 相关延迟累加法 |
3.5 本章小结 |
第四章 BPL 接收机的周期识别算法研究 |
4.1 功率谱估计技术的天地波分离 |
4.1.1 谱估计的天地波分离算法设计 |
4.1.2 IFFT 算法和MUSIC 算法仿真验证及比较 |
4.2 RDA 法BPL 周期识别 |
4.2.1 RDA 法 BPL 周期识别算法分析 |
4.2.2 RDA 法仿真验证与结果 |
4.3 实际信号的仿真分析与结果 |
4.4 本章小结 |
第五章 BPM 接收机的周期识别算法研究 |
5.1 周期识别基本方法的验证及比较 |
5.2 RDA 法BPM 周期识别 |
5.2.1 算法原理 |
5.2.2 仿真分析 |
5.3 区分周期识别信号的类型 |
5.4 实际信号的仿真分析 |
5.5 本章小结 |
第六章 RDA 周期识别算法的硬件实现研究 |
6.1 相关延时累加法数字化设计方案 |
6.2 相关延迟累加法的数字化模块设计 |
6.3 本章小结 |
第七章 结论 |
参考文献 |
硕士期间发表的论文 |
致谢 |
(7)基于现代信号处理的罗兰C天波延迟估计研究(论文提纲范文)
1 引言 |
2 罗兰C信号的数学模型 |
3 现代信号处理方法 |
3.1 经典的IFFT分析法[5, 11] |
3.2 相位谱估计方法 |
4 实验仿真 |
4.1 实现信号设计 |
4.2 算法仿真 |
5 结束语 |
(9)罗兰C周期识别的Wigner-Vill变换分析(论文提纲范文)
0 引言 |
1 Wigner-Vill变换 |
2 合成信号WVT特征分析 |
3 性能分析 |
3.1 样本长度 |
3.2 信噪比SNR |
3.3 天地波幅值比SGR |
3.4 天地波相位差 |
4 结论 |
(10)罗兰C周期识别时频分析方法研究(论文提纲范文)
1 引言 |
2 罗兰C信号的时频表示 |
3 罗兰C信号变换域特征分析 |
4 性能分析 |
4.1 信噪比SNR |
4.2 天地波幅值比SGR |
4.3 天地波相位差 |
5 结论 |
四、用于罗兰C接收机天波识别的IFFT频谱相除技术探讨(论文参考文献)
- [1]eLoran信号处理关键技术研究[D]. 孙延伟. 哈尔滨工程大学, 2019(08)
- [2]基于罗兰C系统的无源探测可行性研究[D]. 赵善军. 西安电子科技大学, 2014(03)
- [3]基于优化包络相关法的罗兰C天波延迟估计算法[J]. 吴苗,柳林涛,边少锋,苏晓庆,王国成. 测绘学报, 2012(03)
- [4]水下接收罗兰C信号周期识别补偿方法研究[J]. 吴绳正,刘敬虎,朱银兵,李豹. 舰船电子工程, 2011(11)
- [5]一种基于MUSIC算法的天地波识别方法[J]. 曾辉艳,华宇,李实锋. 时间频率学报, 2011(01)
- [6]数字授时接收机周期识别技术研究[D]. 曾辉艳. 中国科学院研究生院(国家授时中心), 2011(04)
- [7]基于现代信号处理的罗兰C天波延迟估计研究[J]. 吴苗,许江宁,陈志勇,王国成. 海洋测绘, 2011(02)
- [8]有效估计塔康测距信号多径时延的方法[J]. 田孝华,李睿,王维康. 电子与信息学报, 2010(09)
- [9]罗兰C周期识别的Wigner-Vill变换分析[J]. 朱银兵,许江宁,曹可劲,崔国恒. 弹箭与制导学报, 2010(02)
- [10]罗兰C周期识别时频分析方法研究[J]. 朱银兵,许江宁,崔国恒,马建国. 电子与信息学报, 2010(03)