一种应用于天线中的改进双极化顺序ML多径抑制方法与流程

文档序号:16260330发布日期:2018-12-14 21:27阅读:297来源:国知局
一种应用于天线中的改进双极化顺序ML多径抑制方法与流程

本发明一种应用于天线中的改进双极化顺序ml多径抑制方法,属于卫星导航定位技术领域。

背景技术

全球卫星导航系统(gnss,globalnavigationsatellitesystem)近几年来加速发展,集中满足各类用户实现高精度定位导航的需求,针对影响定位精度的各种误差,例如卫星钟差,接收机钟差,电离层误差以及对流层误差等都可以通过差分技术消除,只有多径(mp)误差难以彻底根除,这是影响定位精度的主要误差源之一。由于接收机周围环境不可稳定预测,特别是动态接收机,多径误差很难准确评估。目前的科技水平只能对多径效应进行最大程度上抑制而无法彻底根除。

在接收机中,抑制多径效应的方法分为两种,一是设计合适的天线,在天线部分对多径效应进行抑制,有数据证明这种方法能够比较有效的抑制多经效应。二是在接收机内部改进跟踪环路,对多径信号参数进行估计以及改进鉴相器等。预接收器可以从时空方向对接受到的多径信号进行抑制。因为可视距信号(los)与多径信号存在延迟,所以可以通过设计天线将信号从时空中分集,这种天线被设计成固定的并且硬件成本很高,设计较为繁琐,复杂。接收机内部对鉴相器进行改进或者对los,mp信号参数估计的算法例如多路径缓解技术(mmt),多路径估计延迟锁定环路(medll),确实能够较为有效地抑制长延迟多径,但针对短延迟多径,这类别中大多数算法效率普遍较低。



技术实现要素:

为解决现有技术存在的不足,本发明公开了一种应用于天线中的改进双极化顺序ml多径抑制方法,该算法在天线端进行双极化多径缓解来对短延迟多径进行有效的抑制,提高定位精度。

本发明所采用的技术方案如下:

一种应用于天线中的改进双极化顺序ml多径抑制方法,包括如下步骤:

首先,双极化天线的多径信号表达,将双极化天线接收信号分为右旋圆极化天线和左旋圆极化天线,分别接收rhcp信号和lhcp信号,并加以表达;

其次,采用双极化顺序ml算法dp—msml,使本地生成的自相关函数acf来匹配接收信号的互相关函数ccf,对接收信号的多经参数进行迭代估计,当多径信号相对于可视化信号传输los信号的延迟处于短延迟范围内,使用lhcp通道的互相关函数ccf来协助rhcp通道中的自相关函数acf,以改善短延迟多径抑制性能;设计合理的虚警概率值,确定检测阈值,并且检测新路径是否存在。

所述双极化天线的多径信号表达如下:

上式中,yrhcp表示右旋圆极化天线信号,ylhcp表示左旋圆极化天线信号,s(t-τ0)表示可视化信号传输los信号,s(t-τk)表示匹配跟踪多径信号,m为路径数,θk为载波相位延迟,w(t)为独立的加性高斯白噪声,k为多经路径数目,τk为多经延迟,a0为直达信号幅度。

其中:

其中αk表示信号幅度,p(rr,rlos,δτ)表示偏振损耗,表示rhcp天线在给定方向下的天线的轴比ar值,表示lhcp天线在给定方向下的天线的轴比ar值;|γ0|表示相对振幅的变化极性反射系数,|γx|表示相位的变化极性反射系数;

在rhcp和lhcp通道中的信号以ts的采样周期进行奈奎斯特采样后得到:

其中ak和bk分别表示gr,gl分别表示rhcp和lhcp信号的自相关函数acf;τ=0,ts......(n-1)ts

将式(3)表示成矩阵的形式:

所述双极化顺序ml算法dp—msml使用本地生成的acf来匹配接收信号的ccf:

其中rrhcp(τ),rlhcp(τ)分别表示rhcp和lhcp信道原始的互相关函数ccf。

所述双极化顺序ml算法dp—msml通过以下步骤实现:

1)ml信号参数初始化估计

初始化估计的路径号为0,计算噪声功率,用rhcp的互相关函数ccf最大值以及信噪比snr表示;令signalpower=max(|rrhcp(t)|2),noisepower=signalpwoer/10snr/10分别表示|rrhcp(t)|2,|rlhcp(t)|2取最大值时候的t;

如果令rrhcp(t)=0并按照传统的ml估计方法处理;

当不满足时,进行参数初始化估计,如下式:

rhcp信道初始化参数优化为:

tpathnum=max(crhcp(t))

apatnnum=|crhcp(tmax)|

如果路径数大于1,则lhcp信道初始化参数为:

bpatnnum=|clhcp(tmax)|

2)优化估计路径参数

每当检测到新路径时,需要将之前估计的所有路径参数进一步优化;

ti(n)=t(n)max

同时更新lhcp的路径参数为:

之前所有路径参数细化为:

和g之间的差别仅包括与那时的m个估计路径对应的那些g列;因此,由于i比m小,所以精化阶段的估计性能比第一阶段的估计性能好得多;上式(10)中的解决方案考虑了这些信号分量之间的相互影响.避免了传统ml估计算法对信号参数之间独立性欠考虑而带来的误差。

3)检测新路径

在msml中,路径的数量并不是固定的。相反,在估计新路分量并执行细化步骤的每个周期之后,通过广义似然比l(y)检验来检查下一个可能路径的存在;

如果下列测试比率超过阈值,则认为第(i)条路径存在:

经过化简可得:

其中γ'=2(α-β)logγ且

变量z是一个复高斯标量随机变量,它在这两个假设下的统计量表示为:

其中可表示为下式:

虚警概率表示为:

对于一定的虚警概率,确定检测阈值:

γ'=-2gh(τ-τi)dhq-1dg(τ-τi)ln(pfa)(15)

其中表示为下式:

4)更新检测阈值

检测阈值函数的关键在虚警率的设定,将虚警概率设定为合理值,必须考虑两个重要因素。首先,每条新路径的存在几率小于前一条路径的存在几率。已经表明,城市和郊区通道中路径数目的概率密度函数(pdf)遵循泊松分布。另一个因素,随着估计路径的数量增加,由于扰乱参数的数量并且因此不确定性水平增加,所以下一路径的检测概率相应地减小。当检测路径数目大于2时,这种影响是微不足道的,可以忽略。因此,这里只考虑检测到第一点减少pfa作为新路径的效果。

本发明与现有技术相比具有以下有益效果:

本技术方案在双极化天线中应用了多经缓解技术(mmt)和改进的顺序ml算法(msml),设计了改进的双极化顺序ml(dp-msml)算法;该算法使用lhcp通道的互相关函数(ccf)来协助rhcp通道中的自相关函数acf来改善短延迟多径抑制性能;根据卫星直达信号是右旋圆极化特点,在双极化天线中将信号分为右旋圆极化天线和左旋圆极化天线(rhcp,lhcp),使用本地生成的acf来匹配接收信号的ccf;设计合理的虚警概率值,并由dp-msml算法对每条多路径信号参数进行估计。

本方法考虑了信号分量之间的相互影响,避免了传统ml估计算法对信号参数之间独立性欠考虑而带来的误差。

整个过程中,该算法对短延迟多径的抑制效果相比于传统的多径抑制技术有所提高,并且所提出的dp-msml算法相比于传统的多径抑制技术更能适应弱信号和高动态环境。

附图说明

图1为本发明算法的流程图;

图2为改进双极化顺序ml与标准接收处理的码相位多径误差对比图;

图3为改进双极化顺序ml与标准接收处理的载波相位多径误差对比图;

图4为改进双极化顺序ml与标准接收处理的定位误差对比图。

具体实施方式

下面结合具体实施例和附图对本发明做进一步的详细说明,但是本发明的保护范围并不限于这些实施例,凡是不背离本发明构思的改变或等同替代均包括在本发明的保护范围之内。

如图1所示,

一种应用于天线中的改进双极化顺序ml多径抑制方法,包括如下步骤:

首先,双极化天线的多径信号表达,将双极化天线接收信号分为右旋圆极化天线和左旋圆极化天线,分别接收rhcp信号和lhcp信号,并加以表达;

所述双极化天线的多径信号表达如下:

上式中,yrhcp表示右旋圆极化天线信号,ylhcp表示左旋圆极化天线信号,s(t-τ0)表示可视化信号传输los信号,s(t-τk)表示匹配跟踪多径信号,m为路径数,θk为载波相位延迟,w(t)为独立的加性高斯白噪声,k为多经路径数目,τk为多经延迟,a0为直达信号幅度;

其中:

其中αk表示信号幅度,p(rr,rlos,δτ)表示偏振损耗,表示rhcp天线在给定方向下的天线的轴比ar值,表示lhcp天线在给定方向下的天线的轴比ar值;|γ0|表示相对振幅的变化极性反射系数,|γx|表示相位的变化极性反射系数;

天线的轴比ar是指:任意极化波的瞬时电场矢量的端点轨迹为一椭圆,椭圆的长轴2a和短轴2b之比称之为轴比ar(axialratio),轴比是圆极化天线的一个重要的性能指标,它代表圆极化的纯度,轴比不大于3db的带宽,定义为天线的圆极化带宽,是衡量整机对不同方向的信号增益差异性的重要指标。

在rhcp和lhcp通道中的信号以ts的采样周期进行奈奎斯特采样后得到:

其中ak和bk分别表示gr,gl分别表示rhcp和lhcp信号的自相关函数acf;τ=0,ts......(n-1)ts

将式(3)表示成矩阵的形式:

其次,采用双极化顺序ml算法dp—msml,使本地生成的自相关函数acf来匹配接收信号的互相关函数ccf,对接收信号的多经参数进行迭代估计,当多径信号相对于可视化信号传输los信号的延迟处于短延迟范围内,使用lhcp通道的互相关函数ccf来协助rhcp通道中的自相关函数acf,以改善短延迟多径抑制性能;设计合理的虚警概率值,确定检测阈值,并且检测新路径是否存在。

由于对双极化天线的双路ml估计比单路ml估计要加重一倍的计算量。在medll中,信号路径的数量被认为是固定的。但是,这可能会导致低估或高估正确的路径数量。这反过来可能会导致伪距测量的偏差,在顺序ml(sml)中依赖第一条估计的路径参数来估计各个路径参数,如果第一条路径参数估计不准确将会导致后续工作无法进行。此外,sml将snr与los的残余信号功率比进行比较以估计路径数量。这要求snr值有较高的精度。所以综合上述情况,对sml进行改进并结合双极化多径缓解技术提出了双极化顺序dp—msml算法。

所述双极化顺序ml算法dp—msml使用本地生成的acf来匹配接收信号的ccf:

其中rrhcp(τ),rlhcp(τ)分别表示rhcp和lhcp信道原始的互相关函数ccf。

其中rrhcp(τ),rlhcp(τ)分别表示rhcp和lhcp信道原始的互相关函数ccf;当多径信号相对于los信号的延迟处于短延迟范围内,我们可以使用lhcp的ccf来协助rhcp通道中的msml算法来改善短延迟多径抑制性能,这是我们dp-msml算法的基本概念。

所述双极化顺序ml算法dp—msml通过以下步骤实现:

1)ml信号参数初始化估计

初始化估计的路径号为0,计算噪声功率,用rhcp的互相关函数ccf最大值以及信噪比snr表示;令signalpower=max(|rrhcp(t)|2),noisepower=signalpwoer/10snr/10分别表示|rrhcp(t)|2,|rlhcp(t)|2取最大值时候的t;

如果令rrhcp(t)=0并按照传统的ml估计方法处理;

当不满足时,进行参数初始化估计,如下式:

rhcp信道初始化参数优化为:

tpathnum=max(crhcp(t))

apatnnum=|crhcp(tmax)|

如果路径数大于1,则lhcp信道初始化参数为:

bpatnnum=|clhcp(tmax)|

2)优化估计路径参数

每当检测到新路径时,需要将之前估计的所有路径参数进一步优化;

ti(n)=t(n)max

同时更新lhcp的路径参数为:

之前所有路径参数细化为:

和g之间的差别仅包括与那时的m个估计路径对应的那些g列;因此,由于i比m小,所以精化阶段的估计性能比第一阶段的估计性能好得多;上式(11)中的解决方案考虑了这些信号分量之间的相互影响,避免了传统ml估计算法对信号参数之间独立性欠考虑而带来的误差。

3)检测新路径

在msml中,路径的数量并不是固定的。相反,在估计新路分量并执行细化步骤的每个周期之后,通过广义似然比l(y)检验来检查下一个可能路径的存在;

如果下列测试比率超过阈值,则认为第(i)条路径存在:

经过化简可得:

γ'=2(α-β)logγ且

变量z是一个复高斯标量随机变量,它在这两个假设下的统计量表示为:

其中可表示为下式:

虚警概率表示为:

对于一定的虚警概率,确定检测阈值:

γ'=-2gh(τ-τi)dhq-1dg(τ-τi)ln(pfa)(15)

其中表示为下式:

4)更新检测阈值

本方法主要是依靠阈值的设定来检测新路径是否存在,所以阈值设定是否合理成为关键。其中阈值函数的关键在虚警率的设定。要将虚警概率设定为合理值,必须考虑两个重要因素。首先,每条新路径的存在几率小于前一条路径的存在几率。已经表明,城市和郊区通道中路径数目的概率密度函数(pdf)遵循泊松分布。另一个因素,随着估计路径的数量增加,由于扰乱参数的数量并且因此不确定性水平增加,所以下一路径的检测概率相应地减小。当检测路径数目大于2时,这种影响是微不足道的,可以忽略。因此,这里只考虑检测到第一点减少pfa作为新路径的效果。

本发明在双极化天线中运用了mmt和msml技术。首先将双极化天线的信号分为两类,再结合msml技术提出dp—msml算法对接收信号的多经参数进行迭代估计,利用本地的生成的acf来匹配接收信号的ccf。因为los信号是被rhcp所接收的,所以利用增加的lhcp信道中的ccf协助rhcp信道进行msml迭代算法来抑制短延迟多径。本发明提出的dp—msml算法能够帮助接收机在高动态以及复杂地貌中对弱信号的短延迟多径进行有效抑制,提高定位精度。

实验例

对本发明方法处理后的接收机进行误差分析,对比标准处理接收机得到如图2、3、4所示结果:

如图2、3所示,经过使用改进双极化顺序ml算法处理后的多径误差明显比经标准接收机处理过的多径误差低。如图4所示,经过使用改进双极化顺序ml算法处理后的定位误差明显比经标准接收机处理过的定位误差低。

可见本发明的方法能够显著的抑制gps卫星产生的多径效应。

本发明不会限制于本文所示的实施例,而是要符合与本文所公开的原理和新颖性特点相一致的最宽范围。

当前第1页1 2 
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1