用于获取和跟踪时间变化信号的遗传方法与流程

本申请要求于2013年12月20日提交的、标题为“用于获取和跟踪时间变化信号的遗传方法(GENETIC METHOD FOR ACQUISITION AND TRACKING OF TIME VARYING SIGNALS)”的美国临时专利申请第61/919,463号的权益和于2014年11月10日提交的、标题为“用于获取和跟踪时间变化信号的遗传方法(GENETIC METHOD FOR ACQUISITION AND TRACKING OF TIME VARYING SIGNALS)”的美国临时专利申请第62/077,742号的权益，二者的全部内容通过引用合并于本文中。

背景技术：

自1980年部署了无线电导航卫星的全局定位系统(“GPS”)星座起，政府和行业已经致力于使卫星无线导航越来越准确和可用。首先设想为主要由航空器和地面部队使用的军事用途，信号始终被认为是弱的。尽管当与卫星有清晰的视线时信号足够强以用于户外，但是在信号穿通建筑物墙壁或者树而已经变弱的情况下，用户也急需使用信号的能力。

对于这种系统呈现出的一些最高挑战的两个区域包括：首先是在挑战性的衰减环境下室内跟踪的能力，其次是降低或者消除多径误差的能力；现在考虑系统中的多个主要误差之一。

GPS利用射频(“RF”)频谱中的L波段部分，其固有地不能很好地通过结构、植物、建筑物和其它衰减的环境传输。这种信号损耗能够防止接收器获得视图中的所有卫星，并且在很多情况下不能接收到解决方案或者可能随意地锁定错误的多径信号。这会产生非常差的解决方案或者根本没有解决方案。由于差的信号接收，所以许多接收器进入“码”跟踪模式，在该“码”跟踪模式中，“载波”不能被跟踪，并且较差分辨率的码环(code loop)接管以给出更深的跟踪性能。然而，具有低信噪比(“SNR”)的码环跟踪可能导致大的跟踪误差，从而引起差的精确解决方案。

另外，传统上用于跟踪目的的锁相环、科斯塔斯(Costas)环、延迟锁定环会相当不稳定，且不能够跟踪超过通常15度的相位跟踪误差。已经寻求能够在所有这些状况下进行跟踪的鲁棒性解决方案。总的来说，多年来行业已经研究和开发解决这些问题的方案，但是对于实际的实施方式和成本，还不能够实现高准确性和鲁棒性的解决方案。已经开发用于解决这些问题中的一些的几种主要方法是：a)增强型锁相环、科斯塔斯环和延迟锁定环变体；b)利用来自光学、网络帮助、WiFi整合、蜂窝和其它可能的RF信号的融合的辅助解决方案；c)利用高质量惯性和高质量时钟的长相干持续时间积累(coherent duration integration)；以及d)跟踪用于高精度应用的载波相位周期的实时动力学技术和差分GPS；e)长持续时间非相干跟踪方法。

这些方法和其它方法的通常缺点都在于：它们仅解决问题组中的一部分问题，并且在一些情况下不是针对一般移动导航用户的实际实施方式。利用增强型锁相环的解决方案、开发融合解决方案的当前尝试以及采用INS和/或高质量时钟的长相干跟踪尝试都具有包含复杂性、成本和集成挑战的问题。尽管非相干跟踪能够延续低信号编码跟踪，但是其与通过当前发明能够实现的低水平相干信号跟踪相比，还具有相关积分时间限制和测量精确性限制。另外，非相干方法在许多情况下不解决多径误差。尽管在GPS系统方面陈述了背景问题，但是在本文中所述的技术能够应用至任何时间变化信号处理分析，包括但不限制于无线电信号、声学信号、成像信号、生物信号、雷达信号和通信信号。

技术实现要素：

一种方法和装置，其中，级联遗传(全局)和局部优化算法用作获取和/或跟踪时间变化信号的处理。本发明技术包括用于处理扩展频谱信号的独特构想，其包括使用特别制定的增强型遗传算法来产生多维参考矢量，用于信号相关处理和信号跟踪。该技术包括在来自信号源的向下转换数据的样本中读取，可选地在来自局部网络的当前的数据比特组中读取，以及使用产生和利用多维状态矢量的遗传算法来与输入信号相关。遗传处理包括：形成初始的多维状态矢量群；对矢量群执行独特的非二进制复制操作和突变处理，以产生连续的矢量状态群；每个产生周期对矢量群执行局部优化，以对选中的状态变量优化；以及在完成遗传算法之后，提供用于去除跟踪操作的周跳的处理。

在各种实施例中，本公开总体而言涉及信号处理，并且更具体地涉及用于获取和/或跟踪时间变化信号(诸如，使用多路访问和信号扩展技术的扩展频谱信号)的系统和方法。通常的扩展频谱技术包括：码分多址(“CDMA”)、频分多址(“FDMA”)或者跳频(“FH”)、时分多址(“TDMA”)、以及这些方法的组合。

本公开还涉及其它时间变化信号(诸如，生物信号)的处理和跟踪。其示例为确定和跟踪脉冲速率数据。

获取和跟踪扩展频谱信号需要将接收到的合成信号与由接收器产生的参考信号相关。作为一个示例，对于GPS信号获取和相干或非相干跟踪的情况，用于定位和导航的每个卫星的参考信号必须初始地同步于在信号跟踪处理期间保持的输入信号和参考信号。获取是接收器参考信号与接收到的信号在载波频率、码相位和载波相位上一致的过程。传统上，获取过程使用各种系统的有限频率和/或时域搜索技术来实施，系统的有限频率和/或时域搜索技术在约束的搜索空间内采用时间相关或者快速傅立叶变换。一旦使用这些传统的二维时间/频率搜索技术中的一个检测出输入信号，跟踪功能就保持信号同步。

跟踪是通过控制由接收器产生的参考信号来完成的，使得它们保持锁定至输入信号。传统上，锁相跟踪环技术用于跟踪在用户接收器与卫星之间的相对动态，以保持这种锁定。典型地，两个单独的码和载波锁相环用于跟踪用户接收器与每个卫星之间的相对视线(“LOS”)动态。在一些配置中，载波环可以帮助码环。典型的码和载波跟踪环的特征是：在相关处理期间使用的积分类型(即，相干或非相干积累)；用于测量输入信号与参考信号之间的差异的误差鉴别器的提取形式；以及不同环路滤波器的类型、阶和带宽。可替选地，传统上跟踪可以使用不同形式的紧的或者超紧的跟踪环(可以采用卡曼滤波器)来实现。

本公开描述了方法和装置，其中，级联遗传全局和局部优化算法用作获取和/或跟踪时间变化信号的处理。本公开描述了用于处理扩展频谱信号的独特构想，其包括使用特别制定的增强型遗传算法来产生多维参考矢量，用于信号相关处理和信号跟踪。用于处理扩展频谱的技术包括在来自信号源的向下转换数据的样本中读取，可选地在来自局部网络的当前的数据比特组中读取，以及使用创建和利用多维状态矢量的遗传算法来与输入信号相关。遗传处理包括：形成初始的多维状态矢量群；对矢量群执行独特的非二进制复制操作和突变处理，以产生连续的矢量状态群；每个产生周期对矢量群执行局部优化，以对选中的状态变量优化；以及在完成遗传算法之后，提供用于去除跟踪操作的周跳的处理。

在一个实施例中，本公开提供了新的和改进的方法，以实现由传统码和载波信号跟踪方法所提供的功能，消除所有形式的传统跟踪环实施方式的要求，以及在一个处理中将所有的跟踪操作组合。另外，该方法可以用于获取处理。该技术包括：

1.基于在使用多维参考信号矢量而受群遗传启发的进化计算中的一般概念；以及

2.遗传跟踪处理与级联和迭代处理中的局部优化和周跳校正技术组合，以保持信号跟踪。

提出的技术合并利用遗传算法的原理，所述原理独特地并且特别地适用于任何形式的扩展频谱码和/或载波信号处理和跟踪、或者任何形式的时间变化信号。在执行跟踪操作中，这种新开发的跟踪技术在用于信号相关的参考信号的产生中使用的码和载波相位的选择中，模拟自然进化的过程。基于进化计算的跟踪技术提供了灵活性和适应性的优点，其在低信号水平的挑战环境和多径环境下提供了操作优势。这些新的原理可以应用于跟踪扩展频谱信号，其中GPS是一种应用。此外，这种新方法还可以用于使用与局部优化组合的同一级联进化计算技术的变体来实现扩展频谱信号获取。

附图说明

图1为图示了根据本公开的一个实施例的用于信号跟踪处理的通常遗传循环的一般框图。

图2为根据本公开的一个实施例的遗传载波相位和码相位信号跟踪处理的信号处理流程图。

图3为根据本公开的一个实施例的遗传获取处理的信号处理流程图。

图4为根据本公开的一个实施例的码和载波相位信号跟踪的遗传处理细节的流程图。

图5为根据本公开的一个实施例的状态矢量群(population)的结构。

图6为图示了根据本公开的一个实施例的如图4所描绘的参考状态矢量群创建方法的流程图。

图7为图示了根据本公开的一个实施例的如图4所描绘的复制操作的流程图。

图8为图示了根据本公开的一个实施例的如图4所描绘的突变操作的流程图。

图9为根据本公开的一个实施例的被处理用于产生下一代矢量状态的当前矢量状态。

图10为示出了根据本公开的一个实施例的图2所描绘的局部优化操作的流程图。

图11为示出了根据本公开的一个实施例的图2所描绘的周跳检测操作(cycle slip detection operation)的流程图。

图12为根据本公开的一个实施例的映射成移动设备的硬件设备功能的遗传处理算法的示图。

图13为根据本公开的一个实施例的应用于GPS接收器功能的遗传处理算法的示图。

图14为根据本公开的一个实施例的利用遗传处理的GPS接收器实施方式的示图。

具体实施方式

如图1中所示，通常的遗传算法循环100可以分割成不同的部分。由父亲的染色体表征的父亲101从更大的群中选择，以产生后代。在步骤103，通过挑选的遗传选择处理来进行父亲选择。在步骤109，交配父亲池(mating parent pool)105通过选中的遗传操作来产生后代107。通过限定的遗传评估操作或者拒绝函数111来评估并且排序来自这些选择的后代。然后，在步骤113，基于挑选的替换策略来用现有群的后代的染色体替换现有群中的染色体。这种遗传循环可以重复，直到达到期望的终止标准为止。以这种方式，最终群中的最佳染色体成为问题的高度进化的解决方案。

在将这些一般遗传原理应用于时间变化信号获取和/或跟踪的特定问题中，接收器参考信号的码相位和载波相位通过级联的遗传处理和局部优化算法来选择和优化。在一个实施例中，初始“父亲”群包括状态矢量群，其个体矢量分量在相似性上对应于每个状态矢量中的染色体组。状态矢量能够通过遗传算法来处理，并且被选择为瞬时跟踪问题的解决方案。所有状态矢量的适应度值(类似于图1的“父亲”)和状态矢量的个体分量(类似于图1的“染色体”)通过计算目标函数来评估。另外，状态矢量群通过将接收到的信号与每个参考矢量状态相关并将结果的幅值排序来评估。因此，参考信号相关函数可以用作目标函数。因此，参考信号的瞬时码相位和载波相位可以通过独特限定的遗传算法来优化。另外，局部优化处理和周跳校正处理可以增强遗传处理的输出。级联的遗传和局部优化循环的迭代的重复提供了连续接收信号跟踪能力。

在一个实施例中，执行组合的全局优化和局部优化操作，由此首先，使用利用遗传算法的全局优化解决方案来最大化适应度标准，这可以称作为相关，其利用包括多分段参考矢量组的一般“父亲”群。其次，对短的和排序的获胜参考矢量执行局部优化，以创建新的成员来代替下一代参考矢量组中的最低性能的群成员。第三，检测和校正间断，并且获胜参考矢量状态在时间上向前传播，以在下一个输入信号样本处理期间使用。

在图2中示出了遗传信号跟踪处理200的一个实施例，其可以用于全局优化处理中。在遗传跟踪处理的初始迭代期间，在步骤201中从获取处理中获得获取状态矢量的阵列，以及将其输入至级联遗传跟踪算法203。在步骤205中读取dT时段的向下转换输入信号数据，以及还将向下转换输入信号数据输入至级联遗传跟踪算法203。参照与状态矢量和输入数据信号样本相关联的相关值，在步骤207中评估每个多维状态矢量的适应度，以及在步骤209中对每个多维状态矢量的适应度排序。在一个实施例中，作为适应度标准的遗传操作中采用的目标函数为相关函数。然后，在步骤211中使用遗传处理来更新状态矢量群。在步骤213中，利用局部优化算法来改善所得的状态矢量，以及在步骤215中，通过周跳检测和修复算法来处理继续存在的状态矢量。对于选中数量的代重复步骤205至215，之后在步骤217中，最高排序状态矢量中的伪距率分量和距率分量用作跟踪处理输出。在步骤219中，将所有处理的状态矢量传播至下一个输入采样时间间隔。这些传播的状态矢量成为在处理下一个相干(1/T)ms输入数据样本中使用的状态矢量的初始群。

根据一个实施例，遗传跟踪算法可以包括：1)建立和保持非二进制参考状态矢量群；2)执行复制操作；3)突变操作算法；4)对参考矢量的局部优化算法；5)周跳校正程序；以及6)执行参考状态矢量传播用于下一个迭代循环。所有的处理可以利用矢量状态群成员中扩展的独立分量的组。例如，在一个实施例中，每个矢量状态可以包括非二进制信号参数分量(诸如例如，速度、加速度、码偏移、载波偏移、数据比特和数据比特时间偏移)，以优化输入信号匹配性能，以及改善如图3中所示的遗传获取算法的相干积累时间的长度。

另外，在一个实施例中，局部优化方法可以用于针对由参考状态矢量表示的多个时间段中的每个，增强最大幅度相位轨迹。要注意的是，这些优化的矢量中的每个具有独立的载波/码频率和速率，其帮助解决时钟和动态不稳定性。另外，载波周跳被检测并且分解为优化处理的一部分。

另外，可以以不同的方式来采用遗传构思，以通过将全局优化操作和局部优化操作作为遗传操作的部分，来允许多频率、多分段优化的码部分用于改善在跟踪扩展频谱信号中所使用的相干积累时间的长度。

另外，这种相同的一般遗传信号处理构思能够应用至扩展频谱信号获取的任务，以产生在跟踪处理中使用的初始状态矢量群。如图3中所示，其为图2的步骤201的扩展，其中，从获取处理中获得获取状态矢量的阵列，在步骤301中遗传获取算法300假定状态矢量组。在步骤303中，通过相关适应度标准来评估这些状态矢量。然后，在步骤305中，将状态矢量排序，以及在步骤307中，由遗传信号处理来更新状态矢量。在步骤309中，通过调整状态矢量中使用的搜索参数和停留时间来迭代遗传处理。

图3中所示的遗传获取处理300可以采取可变获取技术或者多停留获取技术二者的一般形式，其中，决策阈值在遗传处理和半最大似然检测处理中的连续循环期间改变。因此，遗传获取处理300能够在继续存在的矢量群之上执行选择处理。开始于错误报警的选择试验概率，每个随后的获取矢量群具有降低的错误报警概率。对于每一代，积累时间可以增加，并且突变处理包括在前一代频率间隔之间的点空间中间的任意一侧上频率段的插入。由于N_pop个矢量的群通过跟踪处理，因此每个个体实验假设的错误报警概率不需要与传统的单个点时间/频率获取解决方案一样高。因此，还可能期望对跟踪转换的相对获取时间进行改善。

图4为参照图3所示和所述的遗传跟踪处理203的解释，图4包括根据本公开的实施例的用于跟踪扩展频谱信号的码相位和载波相位的方法400的一般功能框图。级联遗传和局部优化信号跟踪处理400中的第一步骤是建立包括N_pop个参考状态的初始群，并且通过步骤401中的创建矢量状态群任务来执行。初始参考状态可以根据从传统的获取处理中获得的码和载波相位以及载波速率信息来产生，或者为已经通过遗传获取处理优化的状态矢量组。每个参考状态由M进制矢量来表示，所述M进制矢量具有j个不同信号分量特征的独立量化估计。作为一个示例，参见图5，其图示了矢量状态群，用于GPS信号处理的M＝6个状态扩展频谱参考矢量X_ij(j＝1….6)可以具有以下j个分量：

501-码相位：φ_i，

502-视线速度：v_i，

503-视线加速度：a_i

504-载波相位：θ_i

505-数据比特(d_t)

506-数据转换点：t_i

状态矢量中的j个独特矢量分量中的每个具有独特非二进制值i。作为一个示例，对于GPS 100ms数据和数据转换：i＝k mod 20ms(0≤k≤100)，并且对于载波相位，i＝载波周期的X*1/2ⁿ。另外，速度分量V_i本身是具有ij个分量的多维矢量，从而降低用户时钟稳定性影响：

V_i＝(v_i1,v_i2,…v_ij)，并且j+1＝(j+Δv)，以及

0≤i≤N_pop(群大小)

因而，初始参考矢量可以采用如下的形式：

R₀＝[φ_i,θ_i,(v_i1,v_i2,…v_ij),a_i,d_i,dt_k]

从该初始矢量，可以在遗传跟踪处理的开始处产生初始参考矢量群(N_pop(0))。

另外，图6为图示了根据图4的步骤401的一个实施例的三状态参考矢量群的参考状态矢量创建的流程图。如图6中所示，来自获取处理的码状态、速度和数据转换点用作步骤601中的输入，以在处理603中将初始状态矢量形成为初始矢量。N_pop个成员的矢量状态群通过利用关于初始码分量和速率分量的均匀分布来创建，以产生如以下所示和所述的额外状态矢量：

State[0].Code_Phase[i]＝Correlate_code_phase[0]

State[0].Velocity[j]＝Correlate_vel[0],j＝0->nvs

State[0].ms＝Correlate_ms[0]

State[i].Code_Phase[i]＝Correlate_code_phase[0]+U(-0.5->+0.5)

State[i].Velocity[j]＝Correlate_vel[0]+U(-0.5->+0.5)/4.0,j＝0->nvs

State[i].ms＝Correlate_ms[0]

该处理的额外实施例包括：2^M个未知数据序列的M分量矢量用作参考矢量状态的分量的情况。在这种情况下，遗传算法可以随着接收到的数据比特序列也成为遗传优化处理的分量而帮助数据解调处理。

再次参见图4，在步骤401中，处理400产生N_pop个合成参考信号样本的群，每个合成参考信号样本对应于参考矢量状态。另外，在步骤403中，处理400将由状态矢量所表示的参考信号分别与接收到的合成扩展频谱输入信号的Nms采样相关。结果是与参考矢量状态群的每个成员相关联的相关值。在步骤405中，使用作为遗传评估的目标函数的相关值的幅度来评估每个参考矢量的适应度。因而，每个参考状态矢量的适应度通过每个参考状态矢量中的矢量分量(类似于“染色体”)来确定。然后，通过他们与输入的合成信号样本的相关性的幅度来分类和排序这些父亲参考矢量。根据一个实施例，针对第t输入时间样本的遗传处理算法的第一阶段完成。

再次参见图4，独特的级联三级中间循环操作可以用于获得矢量组，该矢量组在信号输入时间样本t+1处理期间用于下一代的N_pop个参考状态矢量。迭代处理413包括重复通过步骤407中的三父亲复制操作、步骤409中的群突变操作和步骤411中的局部优化处理和周跳去除处理。复制处理和突变处理每个都产生N_pop/2个候选状态矢量“孩子”的新群，该N_pop/2个候选状态矢量“孩子”通过如步骤411中所示的局部优化处理来处理。然后，新的参考矢量状态与输入信号样本相关，以及与这些候选参考状态矢量相关联的所得相关值被分类和排序用于下一次迭代。重复迭代处理413，直到最佳状态矢量之间的群差异不被改善或者其被第N代415限制。在一个实施例中，第N代典型地可以为第十。

在迭代处理413结束时，在步骤417中，产生的最高排序的优化的多频率、多码分段参考矢量在时间上向前传播。在一个实施例中，通过将码相位、载波相位和数据转换点调节等于该参考矢量的载波相位速率乘以迭代间隔的量来执行参考矢量状态传播。然后，传播的参考矢量可以用于代替之前的参考状态矢量，并且重新填充的参考矢量组可以在遗传跟踪处理算法的下一个循环期间与下一个输入信号数据样本一起使用。

图7为在图4上扩展的流程图，并且图示了复制操作700的实施例。处理700使用参考矢量群中排序在最上面的25％作为潜在父亲，以将N_pop/2个孩子产生为用于下一代的候选者。在步骤701中，从通过相关值排序的本群最上面的25％中随机选择三个M进制的参考状态矢量父亲，并且它们用于在步骤703中创建M进制孩子候选者参考状态矢量。在步骤705中，通过父亲状态矢量中的每个单独的i分量的三点插值来形成每个新状态m。在步骤707中，重复父亲插值过程，以产生新的候选者N_pop/2个参考矢量状态群。在步骤709中，使用相关函数作为遗传目标函数来排序产生的矢量状态。因而，每个参考状态矢量的适应度由每个“孩子”参考状态矢量中的矢量分量(类似于“染色体”)来确定。遗传跟踪算法的这部分提供了用于下一个遗传算法迭代的N_pop/2个状态的候选者群。

遗传跟踪算法中的第三分量(如图8的流程图中所示的)实施突变操作800。该处理用于确定其余的N_pop/2个参考状态矢量的候选者选择用于复制操作和评估操作的下一次迭代。突变处理将组成的参考矢量分量(“染色体”)突变或改变，或者不将参考状态矢量突变。通过父亲状态矢量的排序而在最下面的50％的参考状态矢量经受这些操作。

针对每个途径(pass)的突变和未突变的状态矢量的数目是来自选中分布的产生的随机数和选中阈值的函数。如图8的实施例所示，其为在步骤409中执行的突变操作的扩展，在突变操作800的每个途径i期间，在步骤801中，计数器增大，以及在步骤803中，从单位sigma均匀分布中选择随机数。该数目与阈值TH_mut进行比较，以控制对父亲参考状态矢量的最下面的一半执行总突变的数目。如果参考状态矢量突变，则在状态矢量中的组成分量突变。作为对码相位和速度矢量分量的说明，突变采取以下形式：

码相位i＝mod[码相位(i-1)+Gauss*5.0,1023]

速度i＝速度(i-1)+Gauss*100*(1/gen)

这些变量的统计分布特征还可以类似于用于产生初始状态矢量群的分布特征。

如果参考状态矢量中的一个或更多个未突变，则其在该特定迭代期间保持不变。在突变操作完成时，产生的N_pop/2个参考状态矢量包括突变的和未突变的父亲参考状态矢量的混合。如图9中所示，其为给优化处理提供将下一代参考状态矢量的过程，并且是如图4中所示的目标函数在步骤405中的应用的扩展，来自突变处理的N_pop/2个参考矢量与来自复制操作的N_pop/2个参考矢量通过局部优化处理来处理。

图10和图11提供了图4中所示的步骤411的局部优化和周跳去除的扩展。图10为示出一种类型的局部优化处理、下山单纯形处理(Downhill Simplex process)的流程图。优化处理增大每个信号参考矢量中的信号分量，以优化目标函数。状态矢量中的每个分量(除了比特转换时间之外)增大和减小大约它的当前状态值，以优化目标函数。用于该示例的算法基于非线性优化的Nelder-Mead方法或者下山单纯形方法。该过程通过推断在布置为单纯形的每个测试点处测量的目标函数的行为，来在状态矢量中产生新的分量。总之，单纯形中的最差点用经由单纯形的其余N个点的几何中心反映的点来代替。如果该点优于最佳当前点，则试图进行点的扩展。如果新点不优于之前的值，则试图将单纯形朝向更优的点收敛。

包括在Nelder-Mead处理中的主要步骤如下：1)排序─在测试下相对于矢量分量变量对目标函数的幅度进行排序；2)几何中心─计算除了x_n＝1之外的全部点的几何中心x_o；3)转换─包括反映、扩展、收敛、还原操作，即通过首先试图通过利用相对于最佳的反映、扩展或者收敛来用较佳点代替最差顶点x_h，而从当前计算新的单纯形。如果其在最大化目标函数方面成功了，则接受的点(矢量分量)变成工作的单纯形的新顶点。如果其失败了，则单纯形向着最佳顶点x_l收缩。

根据维基百科，Nelder-Mead方法或者下山单纯形方法或者Amoeba方法为由John Nelder和Roger Mead(1965)提出的通常的非线性优化技术和数值方法，并且为用于在若干维度空间中最小化目标函数的技术。

该方法利用的单纯形的构思，其为N维中的N+1个顶点的特定多面体。单纯形的示例包括：线上的线段、平面上的三角形、三维空间中的四面体等等。

当目标函数平滑地变化并且为单峰时，该方法利用N个变量来近似问题的局部最佳。

局部优化之后，针对正的或者负的周跳，测试和校正每个参考矢量。图11是示出周跳检测/校正操作的流程图。确定载波周跳的方法包括：

1.使用动态编程来从参考矢量相位分量的每个中识别和去除周跳；

2.使用局部优化来用适应度标准平滑相位轨迹；

3.通过量化的加速检测来识别其余的周跳部分；以及

4.使用局部优化方法来进行相位轨迹的最终平滑。

周跳检测和校正处理中的第一步包括对参考矢量组N_pop中的每个估计的速度矢量分量(V_ij)细化。每个速度矢量分量增大等于(λ*n_x/dt)的量，其中，n_x＝(±1,±2)。所得的参考矢量组通过目标函数来评估。选中的v_ij分量矢量为最大化了用作目标函数的相关值的矢量。

在该处理中的第二步骤包括周跳去除处理。在该步骤中，对周跳值n_x进行假设(n_x＝0,±1,±2)。对于n_x的每个值，分量速度矢量v_ij被校正等于(v_ij/t+n_x)的量。选中的矢量分量为最大化目标函数的分量。另外，保持遗传循环周期内针对每个参考矢量(或者参考矢量中的每个速度分量)的完整相位变化。在该示例中，利用了在单独的时间间隔内的离散速度增量。另一种方法是利用多个时间间隔内的速度的函数变化，以将相位偏移隔离。

在周跳校正之后，通过将每个矢量的载波相位分量和码相位分量增大等于该矢量的速度分量乘以迭代间隔的量，而在时间上向前传播所得的参考矢量组(N_popnew)。这些新的参考状态矢量成为遗传跟踪处理的下一次迭代的初始群。

图12示出本文中所述的遗传处理功能如何在移动设备1201中实施。信号获取和/或信号跟踪功能可以通过限定的遗传处理方法来实施。更具体地，信号获取和/或信号跟踪功能可以与移动设备1201相关联，且可以通过本文中所述的遗传处理方法来实施。可以应用遗传处理功能的未详尽列出的信号类型为：无线电导航信号、声学信号、成像信号、生物信号、雷达信号、通信信号、其它的时间变化信号。此外，如图12所示，移动设备1201包括：模数转换器(“A/D”)1203、存储器件1205、处理器1207和相关器1209。适当时，相关器1209执行对接收到的信号进行处理的相关功能。处理器1207可以位于移动设备1201内，并且与用于记录来自处理器1207的数据或者信息的存储器件1205或者非易失性计算机可读介质电耦接或者以其它方式连接。处理器1207可以被配置成允许基于从移动设备1201的其它部件接收到的命令或者指令而在移动设备内修改或者执行计算功能。在另一个实施例中，处理器1207还可以远离移动设备1201定位，但是与移动设备1201通信。

储存在存储器件1205中的软件可以包括用于实施逻辑功能(即，“逻辑”，其可以以数字形式(诸如数字电路或者源码)实施，或者以模拟形式(诸如模拟电路或者模拟源，如模拟电信号、声音信号或者视频信号)实施)的可执行指令的排序列表，可以被选择性地实施在任何计算机可读(或者信号承载(signal-bearing))介质中以通过或结合指令执行系统、装置或设备(诸如，基于计算机的系统、包含处理器的系统或者可以选择性地从指令执行系统、装置或者设备获取指令并且执行指令的其它系统)使用。在本文档的上下文中，“计算机可读介质”和/或“信号承载介质”为可以包括、储存、通信、传播或者传送通过或结合指令执行系统、装置或设备而使用的程序的任何装置。计算机可读介质可以选择性地为，例如但不限于，电子的、磁性的、光学的、电磁的、红外线的或半导体的系统、装置、设备或传播介质。计算机可读介质的更具体的示例“非详尽列表”将包括以下：具有一个或更多个导线的电连接“电子的”、便携式计算机磁盘(磁性的)、RAM(电子的)、只读存储器“ROM”(电子的)、可擦除可编程只读存储器(EPROM或者快闪存储器)(电子的)、光纤(光学的)以及便携式光盘只读存储器“CDROM”(光学的)。应当注意的是，由于程序能够例如通过纸或者其它介质的光学扫描而被电子捕获，然后如果需要以适合的方式被编译、解释或者另外地处理，以及然后储存在计算机存储器中，所以计算机可读介质甚至可以为在其上印刷程序的纸或者另一种适合的介质。

本文中所谓的移动设备可以实施为手持便携式设备、计算机、移动电话(有时被称为智能电话)、平板个人计算机(PC)、膝上型计算机、或者它们的任意组合。智能电话的非限制性示例包括例如，产品(诸如智能电话(现在为Hewlett Packard or HP))、智能电话、Motorola等。平板设备包括：的平板电脑，并且更通常为一类被称为上网本的轻量便携式计算机。在一些实施例中，移动设备可以包括或者可以实施为任意类型的无线设备、移动站或者具有自含电源(例如，电池)的便携式计算设备，诸如，膝上型计算机、超级膝上型计算机、具有通信能力的个人数字助理(PDA)、蜂窝电话、组合蜂窝电话/PDA、移动单元、订户站、用户终端、便携式计算机、手持式计算机、掌上型计算机、可佩戴计算机、媒体播放器、寻呼机、消息传递设备、数据通信设备等等。另外，尽管结合图12对移动设备进行了描述，但是本文中所述的遗传处理功能可以在适合于处理特定类型或者形式的信号的任何其它的设备中实施。

图13为遗传处理功能应用至GPS系统的实施例。如图13中所示，GPS接收器1301可以包括：RF信号处理部件1303、信号获取部件1305、信号跟踪部件1307和导航处理部件1309。关于从GPS航天器(“SV”)或者卫星接收到的信号，信号获取部件功能和/或信号跟踪部件功能可以包括限定的遗传处理方法。另外，图14为利用遗传处理的GPS接收器实施方式的另一个实施例。如图14中所示，GPS接收器1401通过RF前端1403从GPS卫星接收GPS信号。接收器1401包括样本缓冲器1405，其将每个通道的数据样本提供至接收器的部件。那些部件可以包括：N-相关器1407、样本缓冲器1409、储存局部优化方法1411的存储器、储存全局优化方法1413的存储器、优化管理器1415和接收器管理器1417。

将理解的是，可替代地，本发明的方法和系统的实施例可以通过控制可编程计算机的软件程序或者基于硬件的集成电路器件(其包括微处理器和包含永久指令的存储器)来实施。另外，如相关领域的技术人员将理解的和以下参照图1至图14所述的，本文中所讨论的方法和系统的一个或更多个方面的部分或全部可以分布为制造品，该制造品本身包括计算机可读介质，该计算机可读介质具有在其上体现的计算机可读代码装置。

计算机可读程序代码装置结合计算机系统是可操作的，以执行所有步骤或者一些步骤，从而执行方法或者创建本文中所讨论的系统。计算机可读介质可以为可记录介质(例如，硬件驱动器、光盘、EPROM或者存储卡)。可以利用已知或者已开发的任意有形介质，其能够与计算机系统一起储存适合于使用的信息。计算机可读代码装置为允许计算机读取指令和数据的任何机制，诸如磁性介质上的磁性变化或者光盘的表面上的光学特性变化。该介质可以分布在多个物理设备上(或者多个网络之上)。例如，一个设备可以为与终端相关联的物理存储介质，而另一个设备可以为与处理中心相关联的物理存储介质。

本文中所述的计算机设备、系统和服务器中的每个包括配置相关联的处理器以实施本文中所公开的方法、步骤和功能的存储器。这种方法、步骤和功能可以通过移动设备的处理能力、POS终端、支付处理器、捕捉器、发布方或者通过前述的任意组合来执行。存储器可以是分布式的或者局部的，而处理器可以是分布式的或者单一的。存储器可以实施为电的、磁性的或者光学的存储器、或者这些或其它类型的储存设备的任意组合。此外，术语“存储器”、“存储仓库”、“存储器件”、或者类似的术语应当被广义地解释为足以包括能够从由相关的处理器存取的可寻址空间中的地址读取或者写入至该地址的任何信息。

参照图1至图14所讨论的以及图1至图14所示的本发明的方面或者适当地其任何部分或功能可以利用硬件、软件模块、固件、具有储存在其上的指令的有形计算机可读介质或者它们的组合来实施，并且可以在一个或更多个计算机系统或者其它的处理系统中实施。

结合本文所公开的实施例所述的各种示例性功能元件、逻辑块、模块、电路和处理器可以利用适当地设计成执行本文中所述功能的适当处理器件、数字信号处理器(DSP)、专用集成电路(ASIC)、现场可编程门阵列(FPGA)或其它可编程逻辑器件、离散门或晶体管逻辑、离散硬件部件、或者其任意组合来实施或执行。如本文中所述的，处理器可以为微型处理器，但是可替选地，处理器可以为被设计成执行适当功能的任何常规处理器、控制器、微型控制器或者状态机。处理器可以是计算机系统的一部分，该计算机系统还具有：用户接口端部，其与用户接口通信并且接收由用户输入的命令；至少一个存储器(例如，硬件驱动器或者其它可比较性储存器以及随机存取存储器)，其储存包括程序的电信息并且通过用户接口端口进行通信，所述程序在处理器的控制下操作；以及视频输出，其经由任意类型的视频输出格式来产生输出。

结合本文中所公开的实施例所描述的各种功能性元件、逻辑块、模块和电路元件的功能可以通过使用专用硬件以及能够结合适当的软件来执行软件的硬件来执行。当由处理器提供时，功能可以通过单个专用处理器、单个共享处理器、或者多个单独的处理器(其中的一些可以被共享)来提供。此外，术语“处理器”或者“模块”的明确使用不应当解释为唯一地涉及能够执行软件的硬件，并且可以隐含地包括而不是限制于DSP硬件、用于储存软件的只读存储器(ROM)、随机存取存储器(RAM)和非易失性储存器。也可以包括常规的和/或惯用的其它硬件。类似地，附图中所示的任何开关仅是概念上的。它们的功能可以通过程序逻辑的操作、专用逻辑、程序控制和专用逻辑的交互、或者甚至手动地执行，如从上下文中更具体理解的，可由实施者选择特定技术。

结合本文中所公开的实施例所述的各种功能元件、逻辑块、模块和电路元件可以包括处理单元，其用于执行软件程序指令，以提供用于本文中所述的系统和方法的计算操作和处理操作。处理单元可以负责执行移动设备与适当系统的其它部件之间的各种声音和数据通信操作。尽管处理单元可以包括单个处理器架构，但是可以理解的是，可以包括根据所述实施例的任何合适的处理器架构和/或任何合适数目的处理器。在一个实施例中，处理单元可以利用单个集成处理器来实施。

结合本文中所公开的实施例所述的各种功能元件、逻辑块、模块和电路元件的功能还可以实施在计算机可执行指令的一般形式(general context)中，例如由处理单元执行的软件、控制模块、逻辑和/或逻辑模块。一般地，软件、控制模块、逻辑和/或逻辑模块包括布置成执行特性操作的任何软件元件。软件、控制模块、逻辑和/或逻辑模块可以包括执行特定任务或者实施特定抽象数据类型的例程、程序、对象、部件、数据结构等。软件、控制模块、逻辑和/或逻辑模块和技术的实施方式可以储存在一些形式的计算机可读介质上和/或通过一些形式的计算机可读介质来传输。在这方面，计算机可读介质可以为可用于储存信息且可由计算设备访问的任何可用的介质。一些实施例还可以在分布式计算环境下实践，在分布式计算环境中，通过经由通信网络链接的一个或更多个远程处理设备来执行操作。在分布式计算环境中，软件、控制模块、逻辑和/或逻辑模块可以位于包括存储设备的局部和远程计算机储存介质中。

另外，将理解的是，本文中所述的实施例说明了示例性的实施方式，并且功能元件、逻辑块、模块和电路元件可以以与所述实施例一致的各种其它方式来实施。此外，由这种功能元件、逻辑块、模块和电路元件执行的操作可以组合和/或单独地用于指定的实施方式，并且可以由更多数目或更少数目的部件或模块来执行。通过阅读本发明，本领域的技术人员将显然的是，本文中所述和所示的各个实施例中的每个具有离散的部件和特征，在不脱离本公开的范围的情况下，它们可以容易地与任何其它若干方面的特征分开或者组合。任何所述的方法可以采用所述的事件顺序或者逻辑上可能的任何其它顺序来执行。

值的注意的是，对“一个实施例”或者“实施例”的任何引用意味着结合实施例所述的具体特征、结构或特性包括在至少一个实施例中。在说明书中短语“在一个实施例中”或者“在一个方面中”的出现不一定指代同一实施例。

除非另外具体说明，否则可以理解的是，诸如“处理”、“计算(computing,calculating)”、“确定”等的术语表示计算机或计算系统或者类似的电子计算设备(诸如，设计成执行本文中所述功能的通用处理器、DSP、ASIC、FPGA或其它可编程逻辑设备、离散门或晶体管逻辑、离散硬件部件、或者它们的任意组合，所述功能将在寄存器中和/或存储器中表示为物理量(例如，电子)的数据操纵和/或变换成在存储器、寄存器或者其它这种信息储存、传输或显示设备中类似地表示为物理量的其它数据)的动作和/或处理。

值的注意的是，一些实施例可以使用表述“耦接”和“连接”及其它们的派生物来描述。这些术语并非旨在为彼此同义的。例如，一些实施例可以使用术语“连接”和/或“耦接”来描述，以表示两个或更多个元件彼此直接物理或者电接触。然而，术语“耦接”也可以意味着两个或更多个元件彼此不直接接触，但是仍彼此协作或相互作用。关于软件要素，例如，术语“耦接”可以涉及接口、消息接口、应用程序接口(API)、交换消息等。

将理解的是，本领域的技术人员将能够设计各种布置，这些布置尽管在本文中未明确地描述或者示出，但是体现了本发明的原理，并且包括在本发明的范围内。此外，本文中所述的所有示例和条件语言主要旨在帮助读者理解本公开中所述的原理和有助于促进本领域的构思，并且被解释为不限制于这种具体阐述的示例和条件。此外，本文中阐述原理、方面和实施例以及其具体示例的全部陈述旨在包括其结构的等效形式和功能的等效形式两者。另外，意图是，这些等效形式包括当前已知的等效形式和在未来开发的等效形式，即，执行相同功能而不管结构的开发的任何元件。因此，本发明的范围不旨在限制于示例性方面和本文中所示和所述的方面。确切地说，本发明的范围通过所附权利要求来呈现。

在本公开的上下文中(具体地在所附权利要求的上下文中)所使用的术语“一个(a和an)”和“所述”以及类似的指示应当解释为覆盖单数和复数二者，除非在本文中另外指出或者在上下文中明显矛盾。本文中值的范围的阐述仅仅旨在用作单独地指示每个单独值落入该范围的简写方法。除非在本文中另外指出，否则每个单独值都被合并在说明书中，就像其被单独地在本文中阐述一样。本文中描述的所有方法可以以任何合适的顺序来执行，除非在本文中另外指出或者除非与在上下文中明显矛盾。本文中提供的任何示例和全部示例或者示例性语言(例如，“诸如”、“在…情况下”、“例如”)的使用仅仅旨在更好地说明本公开，而不是限制本公开另外要求保护的范围。说明书中没有语言应当被解释为指示实施本公开所必需的任何不要求保护的元素。还应当注意的是，权利要求可以被撰写为排除任何可选的元素。照此，该陈述旨在用作与权利要求元素的阐述相关的诸如“单独地”、“仅仅”等的排他性术语的使用或者“负”限制的使用的前置基础。

本文中公开的替选元素或者实施例的组不应当解释为限制。每组成员可以被单独地提及和要求保护，或者与本文中发现的组的其它成员或者其它元素任意组合。应当理解，由于便利和/或专利性的原因，一组中的一个或更多个成员可以包括在一组中或者从该组中删除。

尽管如上所述已经描述了实施例的某些特征，但是对于本领域的技术人员来说将出现许多修改、替换、变化和等效形式。因此，将理解的是，所附权利要求旨在覆盖全部的这种修改和变化，它们都落在所公开实施例的范围内。

将理解的是，本发明所公开的示例并非限制于附图中所公开和/或所示的本文中的特定装置和步骤，而是还包括权利要求范围内的任何修改或者等效形式。

尽管如上所述已经描述了实施例的某些特征，但是对于本领域的技术人员来说将出现任何修改、替换、变化和等效形式。因此，将理解的是，所附权利要求旨在覆盖全部的这种修改和变化，它们都落在所公开实施例和所附权利要求的范围内。

本文中所述主题的各个方面在以下编号条款中进行了陈述：

1.一种用于通过同时地使用全局优化方法和局部优化方法二者来处理接收到的数据采样而获取和跟踪时间变化信号的相干处理。

A.实施该处理的一种方法是通过使用全局优化部分的遗传算法和局部优化处理的Amoeba算法。

B.其它的优化实施例包括用于全局的模拟退火算法和用于局部优化的Nelder-Mead方法；其它的优化实施例包括单纯形和复合形算法。

C.本公开的实施例的应用覆盖CDMA、FDMA、TDMA、其它的多路存取技术。

D.本公开的实施例的用途和市场包括：卫星无线电导航、通信系统、RADAR、声学、光学传输等等。

2.根据权利要求1所述的方法，其中，相干跟踪包括用于码信号相位和载波信号相位二者的遗传算法。

3.一种使用用于获取包括在该临时申请中概述的步骤的时间变化信号的独特构想的处理。

4.一种使用用于跟踪包括在该临时申请中概述的步骤的时间变化信号的独特构想的处理。

5.根据权利要求1所述的方法，其中，遗传算法(状态矢量群、复制操作和突变操作)利用扩展的独立分量的非二进制组，诸如：速度、加速度、码偏移、载波偏移、数据比特和数据比特时间偏移；并且之后为用于状态矢量传播的局部优化算法。

6.一种方法，其中，多频率、多分段优化码部分用于改善相干积累时间的长度。

A.全局优化方法，用于创建初始的优化码片段组。

B.局部优化方法，用于针对多时间段中的每个来优化最大幅度相位轨迹，每个时间段具有独立的载波/码频率和速率以解决时钟和动态不稳定性。

7.根据权利要求6所述的方法，其中，全局优化方法(诸如，遗传算法)用于优化码片段，而局部优化方法用于使用多时间段来创建最大幅度相位轨迹。

8.根据权利要求6所述的方法，其中，每个时间段具有独立的载波/码频率和速率，以解决时钟和动态不稳定性。

9.一种解决载波周跳的方法，所述方法包括：

A.使用动态编程来识别和去除周跳；

B.使用局部优化来平滑相位轨迹；

C.通过量化的加速度来识别其余的周跳部分；以及

D.应用局部优化方法来进行相位轨迹的最终平滑。

10.一种组合全局优化和局部优化的方法，所述方法包括：

A.确定具有遗传算法的全局优化方案，所述遗传算法利用包括3个多分段父亲矢量状态的组的一般群；以及

B.寻找间断，并且对那些胜出和分类的选择执行局部优化。

C.使用局部优化算法在下一代多分段矢量组中选择第三父亲。

11.本公开大体上如所公开的和所述的。

12.一种方法，其中，表示为多维矢量的不同的个体基因的使用可以认为在信号参考选择过程中仿真多维匹配滤波器的效果。

13.一种利用遗传跟踪算法来处理诸如心率数据的生物信号的方法。在这种情况下，原始加速计和心率传感器数据以抑制伪信号的这种方式被预处理。所得的信号与假定的速率参考信号相关，以产生目标函数。目标函数用作速率评估的度量。之前所述的遗传处理(包括突变的矢量分量群复制)被迭代，以跟踪心率变化。