GPS卫星导航信号捕获算法研究

发布时间：2017-09-28 22:21

  本文关键词：GPS卫星导航信号捕获算法研究

  更多相关文章： GPS 高灵敏度 联合捕获 差分相干累积 L2C

【摘要】：历经三十余年的发展与创新,GPS已经融入日常生活中的各个领域。信号捕获方面的研究始终是研究的热点之一,国内外围绕该方面已开展工作多年,取得了许多重要的成果。随着GPS现代化进程的推进,新增的民用信号正得到研究者们的广泛关注,为信号捕获算法的研究带来了新的活力。本文主要围绕弱信号条件下的捕获算法进行了研究,并结合使用了新增的民用信号L2C。主要工作包括:本文对传统的GPS信号构成和产生原理进行了阐述,结合分析建立了数字中频信号的数学模型。本文引入了三个用以评估捕获性能的分析指标:检测概率、虚警概率和信噪比增益;介绍了三种常规捕获中的基础模型,在分析与仿真验证后选择并行码相位搜索模型作为后续研究的基础。本文针对弱信号环境下信号功率微弱的特点,详细阐述了几种有效的改善信号质量的累积算法,根据理论分析和实验仿真比较各自的优缺点。相干累积算法对提升信噪比增益最为有效;非相干累积算法虽能提高捕获效率,但会引入平方损耗;差分相干累积算法在平衡两者优缺点的基础上被提出。本文在上述研究的基础上,提出了一种建立在差分相干累积上的改进算法,使用半比特法消除了导航数据符号变化对相干累积的影响;通过取模的方法避免了差分相干累积受到导航数据符号变化的干扰;采用圆周移位搜索方法减少了快速傅里叶变换及反变换的次数,提高了捕获的速度。仿真结果验证了改进算法在捕获性能上的优越,并且随着处理数据长度的增加而提高。本文针对传统信号的固有缺陷,通过对新增民用L2C信号的结构以及相关特性这两方面的研究,分析了两种信号的联合使用可能对弱信号环境中信号捕获算法的改进带来的积极意义。阐述了联合捕获的理论依据,给出了五种联合捕获的算法或结构。仿真结果表明联合捕获算法切实可行并且捕获性能相较于单信号的非相干累积算法要优越不少,验证了之前的理论分析,在捕获算法研究方面具有积极的意义。
【关键词】：GPS 高灵敏度 联合捕获 差分相干累积 L2C
【学位授予单位】：江南大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：P228.4
【目录】：

• 摘要3-4
• Abstract4-7
• 第一章 绪论7-11
• 1.1 课题的研究背景、目的和意义7
• 1.2 国内外研究现状7-10
• 1.2.1 卫星导航系统发展现状7-9
• 1.2.2 卫星信号捕获技术的发展现状9-10
• 1.3 本文的研究内容和结构安排10-11
• 第二章 GPS信号的构成11-21
• 2.1 GPS信号11-19
• 2.1.1 GPS信号的结构12-13
• 2.1.2 C/A码13-15
• 2.1.3 GPS信号功率与信噪比15-17
• 2.1.4 GPS信号的多普勒移17-19
• 2.2 GPS中频信号模型19-20
• 2.3 本章小结20-21
• 第三章 GPS信号捕获的基本原理和方法21-30
• 3.1 信号捕获的基本过程21-22
• 3.2 捕获的性能评价22-24
• 3.2.1 检测概率和虚警概率22-23
• 3.2.2 等价相干累积信噪比增益23-24
• 3.3 GPS信号捕获的基本方法24-29
• 3.3.1 串行搜索捕获24-25
• 3.3.2 并行频率空间搜索捕获25-26
• 3.3.3 并行码相位搜索捕获26-28
• 3.3.4 基本算法的仿真实验28-29
• 3.4 本章小结29-30
• 第四章 GPS弱信号捕获方法30-45
• 4.1 弱信号捕获的影响因素30-32
• 4.1.1 接收机输入的信噪比30
• 4.1.2 滞留多普勒频移30-31
• 4.1.3 捕获时的最大导航数据长度31
• 4.1.4 多普勒频移变化率31-32
• 4.1.5 强弱信号互相关干扰32
• 4.2 常用累积算法32-39
• 4.2.1 相干累积32-34
• 4.2.2 非相干累积34-36
• 4.2.3 差分相干累积36-38
• 4.2.4 仿真验证及性能分析38-39
• 4.3 基于差分累积的改进算法39-44
• 4.3.1 半比特累积39-40
• 4.3.2 圆周移位多普勒搜索40-41
• 4.3.3 改进算法41-42
• 4.3.4 改进算法的仿真实验42-44
• 4.4 本章小结44-45
• 第五章 GPS信号联合捕获算法45-60
• 5.1 GPS现代化45-47
• 5.2 GPS的L2C信号47-51
• 5.2.1 L2C信号的结构47-49
• 5.2.2 CL码和CM码49-51
• 5.2.3 捕获方法分析51
• 5.3 L1 C/A和L2C联合捕获算法51-59
• 5.3.1 联合捕获的理论基础51-52
• 5.3.2 基于FFT的联合捕获算法52-56
• 5.3.3 联合捕获算法仿真分析56-59
• 5.4 本章小结59-60
• 主要结论与展望60-62
• 主要结论60
• 展望60-62
• 致谢62-63
• 参考文献63-66
• 附录: 作者在攻读硕士学位期间主要学术成果66

，

本文编号：938395