短波通信抗干扰技术研究

短波多载波信号在通信过程中由于信道衰落等因素的影响导致信号会产生不稳定的现象。通过分集合并技术,可有效提高信号强度,增强信号稳定性。本文通过对分集合并技术原理研究的基础上,提出了分集合并技术实现的三个步骤。依次通过单路解调、分集合并以及信号重构来获得稳定的信号获取、合并增强以及有效的输出接收,可最大程度的降低信道衰弱的影响,提高信噪比,提升短波多载波通信可靠性。     

多天线智能分集接收系统的设计

通过对多天线分集接收技术的分析,针对多径传输引起的衰落,提出一种多天线分集接收方法。本文将智能控制处理技术与空间分集接收天线技术相结合,通过智能控制选择合并算法。通过无线遥控接收机进行实验,取得良好接收效果。     

超宽带Pre—Rake接收技术研究

针对当前超宽带系统接收机误码性能较低、复杂度较高的缺点,提出了一种采用DS-PAM调制的Pre-Rake分集合并接收方案.方案基于IEEE802.15.3a的超宽带标准信道模型,首先将DS-PAM调制的发送信号,经信道传输后,在接收端对最强径信号做采样判决.基于蒙特卡罗仿真,对Pre-Arake、Pre-Stake、Pre-Prake等三种不同结构和不同支路数下的接收机性能进行了分析,并比较了不同脉冲传输速率和不同信道环境下的Pre-Rake接收机和Rake接收机的误码率.仿真结果表明,在传输速率较高且多径衰落严重的信道环境里,Pre-Rake接收机的误码率明显低于传统的Rake接收机,即Pre-Rake接收机可以有效的克服码间干扰和多径衰落.     

GSM系统无线分集接收合并

无线信号在复杂无线信道中传播会产生多径衰落,利用分集接收技术,即在若干支路上接收相关性很小的载有同一消息的信号,通过合并技术将各信号合并输出,能达到在接收端大大降低深衰落概率的目的。信号接收方案的选择是否合适,将直接影响到移动系统的整体性能好坏以及系统地实现成本。文中分析了选择性合并、等增益合并、最大比合并的理论性能对比,给出了等增益合并实现的软件流程图,还介绍了简化的等增益合并和加权合并在实际应用中的TA计算方法。相对于最大比合并,等增益合并大大的降低了运算量,减少系统开销,在实际应用中是比较经济的而且能取得较好性能的合并方式。     

衰落信道下基于软件无线电平台的自适应DBF接收机

综合考虑软件无线电体系架构和自适应DBF,介绍了一种利用多径分集的接收机实现方案。分析了系统的相关模型和结构,重点阐述了平坦衰落和频率选择性衰落下,自适应DBF实现多径分集的方法,并分析了相关性能。仿真结果证实了通过DBF的空间信号处理,可以实现传统波束合成分集和新增的多径分集,提高系统性能。     

OFDM通信系统中的最优合并空间分集算法

本文分析了OFDM通信系统在平坦瑞利多径衰落条件下采用最优合并(OC)空间分集接收算法的QAM调制信号的平均误符号率(SER)。采用在DFT变换前进行分集合并方法,大大减小了计算代价。考虑到同信道干扰(CCI)用户数大于或等于分集接收天线数,对各接收天线的接收信号按照输出最大信干比的原则进行加权合并。给出了平均SER的仿真结果,表明最优合并空间分集算法具有较好的性能。     

应用分集技术的六端口接收机

简要介绍了六端口结直接将射频调制信号下变频至基带进行解调的工作原理.鉴于六端口直接变频接收机众多的优点,预计它将有广阔的应用领域,人们正在试图将它与多种通信技术相结合.当信道处于深度衰落时接收中将发生差错,通常可以采用分集接收的方法予以改善.但是在新型的六端口接收机中,能否应用分集接收技术还无人讨论过.正是探讨了将一部分分集接收技术应用于这种接收机的可行性,以及相应的接收机结构.最后,仿真研究了采用分集技术的六端口接收机接收BPSK信号的接收性能,结果和理论相符,验证了该文所述观点的正确性.     

一种基于MIMO的时延估计算法

在城市峡谷和室内环境中,信号在传输过程中受多径衰落和非视距的影响,导致长期演进(LTE)系统的时延参数无法精确估计。针对该问题,提出一种基于多输入多输出(MIMO)的LTE时延参数估计算法。采用具有良好自相关特性的主同步信号作为参考信号,利用MIMO发射分集和最大比合并接收技术降低信号传输过程中的误码率,通过参考信号与接收信号进行互相关处理,获得时延估计。仿真结果表明,当累积分布概率为90%时,该算法的时延参数估计误差比参考算法提高了大约5个最小采样间隔。     

天线分集技术在WSNs定位中的应用

针对基于接收信号强度指示（RSSI）的定位算法中根据RSSI测距误差较大的问题,提出了在锚节点上使用天线分集技术的方法。该方法在锚节点上安装2根天线,天线互成90°,采用空间分集。锚节点在接收未知节点广播信号时,选择2根天线中信号强的天线接收信号,并记录RSSI值。实验证明：在锚节点上引入天线分集技术,可以降低无线信号多径衰落的影响,提高RSSI值的稳定性,减小了测距误差,提高了定位精度。     

基于OFDM的WLAN合作分集系统设计

针对基于正交频分复用(OFDM)的无线局域网(WLAN)的系统容量与抗多径衰落等问题,提出了以合作分集方式实现空间分集的WLAN系统。该系统将具有单一天线的WLAN终端通过网络连接以合作方式形成虚拟天线阵列实现空间分集。给出了放大转发模式、解码转发模式以及这两种模式混合的直接解码转发模式下的系统模型、功率分配方案与终端接收机的设计方案。详细的仿真实验证明了提出的合作分集系统在系统容量与抗多径衰落上具有更优越的性能。     

GPS接收机数字基带信号处理算法研究

为了优化GPS接收机数字信号基带处理过程,提高伪距测量精度和GPS定位精度,需要从解扩解调的角度,建立相应同步环路的数学模型,分析GPS接收机基带数字信号处理算法.采用循环相关法作为信号捕获方法,采用Costas环作为信号跟踪方法,在MATLAB环境下实现了相应的算法设计、验证与仿真.验证结果表明这种算法能够为软件CPS接收机提供快速捕获及跟踪能力,是一种适用而高效的软件CPS接收机处理算法,对于开发GPS接收机产品以及开展相关领域的研究工作都具有重要的意义.     

基于MLP神经网络改进组合导航算法

为解决GPS信号失锁条件下,GPS/INS(inertial navigation system)组合导航系统解算精度降低甚至发散的问题,提出采用多层感知机神经网络(multilayer perceptron neural networks,MLPNN)来辅助组合导航系统.在GPS信号有效时对神经网络进行训练,在GPS...     

基于BAP-UKF方法的微弱GPS信号多径参数估计

在室内、城市中心等恶劣环境下,多径效应已成为码跟踪的主要误差源。采用一种数据块平均预处理—无迹卡尔曼滤波器(BAP-UKF)方法来估计微弱GPS信号的多径参数,该方法采用数据BAP方法处理接收到的微弱GPS信号,以抑制噪声和干扰,提高接收信号的信噪比;经过BAP的信号通过多径相关器后的同相或正交相值,将作为UKF的观测量来估计码跟踪时的多路径的幅值、码延时、相位、载波多普勒等参数.仿真结果表明:该方法能够有效地估计出载噪比低至21 dB-Hz的微弱信号多径参数,从而证明了其有效性。     

GPS接收装置的射频干扰分析

工程实际中,具有GPS接收功能的装置会与其它设备的射频源共存,这些射频源包括GSM、UMTS、WLAN、Bluetooth.指出这些射频源对GPS接收装置的干扰程度,明确哪种射频源对GPS接收装置的阻塞影响最大,同时提出相应的解决方案是关键.验证方法主要是基于Texas Instrument的GPS接收装置,接收由GPS卫星模拟器发出的GPS信息,由具备GSM、UMTS、WLAN、Bluetooth功能的外部设备分别对GPS接收装置发出不同的射频干扰信号.结果证明,工作在UMTS频段的设备,对GPS接收装置的阻塞影响最大,改善GPS接收装置中的带通滤波器性能,对抑制UMTS干扰信号有很好的作用.     

OFDM系统抗多径衰落性能及仿真分析

OFDM技术在现代通信技术中的应用越来越广泛,因为该系统具备了多种有利于信号高效传输的优点,特别是其抗多径效应特别突出.作为OFDM系统的显著特点之一,抗多径效应使得系统传输信号的误码率大大降低.为了验证其抗衰落性能,文中分析了多径衰落信道接收信号的特点,建立了多径传播的仿真模型,利用改进的IDFT和DFT的方法,分别在两径及六径瑞利衰落信道进行传输,通过对有无OFDM系统时误差的仿真,说明了OFDM系统具有较强抗多径衰落性能的结论,并提出了一些改善系统性能的方法.     

基于SVM的GPS有效性分析方法

GPS定位在室外复杂环境下会受到影响,造成定位结果发散。针对GPS数据设计了一种基于SVM的GPS有效性判断,该方法突破了传统的GPS精度判断指标,创新地引入了其他GPS数据作为GPS有效性的指标,并提出了一种基于SVM的GPS信号的有效性进行分析判断。实验结果表明,该方法的GPS有效性判断准确率达到95.1%,剔除了无效的GPS信号。     

浅谈高灵敏度GPS室内定位技术

室内环境GPS定位与导航技术的研究实质上是低信噪比环境下信号的处理问题,文章对室内环境下导航与定位的关键技术：微弱GPS信号捕获、微弱GPS信号码跟踪、室内环境下位置解算以及辅助GPS定位等进行了详细的介绍,对一些主要的GPS信号捕获算法进行了计算机仿真,对部分关键技术提出了改进方法,并在最后给出了高灵敏度软件接收机的整体设计方案。     

双频GPS信号仿真的电离层误差补偿模型研究

研究了电离层对不同频率GPS信号传播的影响,由空间电离层的特点和IGS电离层数据,针对目前模拟器只能仿真单频信号的缺陷,给出了改进的适用于多频信号仿真器的Klobuchar和GIM电离层误差模型及算法具体实现,并作出了详细证明,最后说明了如何在多频信号仿真器中应用融合的误差模型,实现双频GPS信号模拟器中电离层误差仿真的精确补偿。     

A novel hybrid fusion algorithm to bridge the period of GPS outages using low-cost INS

Land Vehicle Navigation (LVN) mostly relies on integrated system consisting of Inertial Navigation System (INS) and Global Positioning System (GPS). The combined system provides continuous and accurate navigation solution when compared to standalone INS or GPS. Different fusion methodology such as those based on Kalman filtering and particle filtering has been proposed that estimates and models the INS error during the GPS signal availability. In the case of outages, the developed model provides an INS error estimates, thereby improving its accuracy. However, these fusion approaches possess several inadequacies related to sensor error model, immunity to noise and computational load. Alternatively, Neural Network (NN) based approaches has been proposed. In the case of low-cost INS, the NN suffers from poor generalization capability due to the presence of high amount of noises.The paper thus introduces a novel and hybrid fusion methodology utilizing Dempster–Shafer (DS) theory augmented by Support Vector Machines (SVM), known as DS-SVM. The INS and GPS data fusion is carried using DS fusion whereas SVM models the INS error. During GPS availability, DS provides accurate solution; whereas during outages, the trained SVM model corrects the INS error thereby improving the positioning accuracy. The proposed methodology is evaluated against the existing Artificial Neural Network (ANN) and the Random Forest Regression (RFR) methodology. A total of 20–87% improvement in the positional accuracy was found against ANN and RFR.     

A low-cost INS/GPS integration methodology based on random forest regression

This paper, for the first time, introduces a random forest regression based Inertial Navigation System (INS) and Global Positioning System (GPS) integration methodology to provide continuous, accurate and reliable navigation solution. Numerous techniques such as those based on Kalman filter (KF) and artificial intelligence approaches exist to fuse the INS and GPS data. The basic idea behind these fusion techniques is to model the INS error during GPS signal availability. In the case of outages, the developed model provides an INS error estimates, thereby maintaining the continuity and improving the navigation solution accuracy. KF based approaches possess several inadequacies related to sensor error model, immunity to noise, and computational load. Alternatively, neural network (NN) proposed to overcome KF limitations works unsatisfactorily for low-cost INS, as they suffer from poor generalization capability due to the presence of high amount of noise.In this study, random forest regression has shown to effectively model the highly non-linear INS error due to its improved generalization capability. To evaluate the proposed method effectiveness in bridging the period of GPS outages, four simulated GPS outages are considered over a real field test data. The proposed methodology illustrates a significant reduction in the positional error by 24–56%.