CN114374407B - 基于m序列的空间信道特性预测方法、系统及可存储介质 - Google Patents
基于m序列的空间信道特性预测方法、系统及可存储介质 Download PDFInfo
- Publication number
- CN114374407B CN114374407B CN202210022920.8A CN202210022920A CN114374407B CN 114374407 B CN114374407 B CN 114374407B CN 202210022920 A CN202210022920 A CN 202210022920A CN 114374407 B CN114374407 B CN 114374407B
- Authority
- CN
- China
- Prior art keywords
- signal
- delay
- spatial channel
- sequence
- channel characteristic
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 43
- 238000010586 diagram Methods 0.000 claims abstract description 29
- 238000005070 sampling Methods 0.000 claims abstract description 20
- 238000001228 spectrum Methods 0.000 claims description 16
- 230000015572 biosynthetic process Effects 0.000 claims description 7
- 238000012545 processing Methods 0.000 claims description 7
- 238000004590 computer program Methods 0.000 claims description 6
- 238000001914 filtration Methods 0.000 claims description 5
- 230000008569 process Effects 0.000 claims description 4
- 238000005311 autocorrelation function Methods 0.000 claims description 3
- 230000005540 biological transmission Effects 0.000 claims description 3
- 238000007493 shaping process Methods 0.000 claims description 3
- 238000004891 communication Methods 0.000 abstract description 21
- 230000001427 coherent effect Effects 0.000 description 12
- 230000000875 corresponding effect Effects 0.000 description 6
- 230000008901 benefit Effects 0.000 description 5
- 230000007480 spreading Effects 0.000 description 5
- 238000005314 correlation function Methods 0.000 description 3
- 125000004122 cyclic group Chemical group 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 239000000654 additive Substances 0.000 description 2
- 230000000996 additive effect Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000001934 delay Effects 0.000 description 2
- 230000000630 rising effect Effects 0.000 description 2
- 102100029469 WD repeat and HMG-box DNA-binding protein 1 Human genes 0.000 description 1
- 101710097421 WD repeat and HMG-box DNA-binding protein 1 Proteins 0.000 description 1
- 230000002146 bilateral effect Effects 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000000644 propagated effect Effects 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B13/00—Transmission systems characterised by the medium used for transmission, not provided for in groups H04B3/00 - H04B11/00
- H04B13/02—Transmission systems in which the medium consists of the earth or a large mass of water thereon, e.g. earth telegraphy
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B1/00—Details of transmission systems, not covered by a single one of groups H04B3/00 - H04B13/00; Details of transmission systems not characterised by the medium used for transmission
- H04B1/69—Spread spectrum techniques
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B17/00—Monitoring; Testing
- H04B17/30—Monitoring; Testing of propagation channels
- H04B17/309—Measuring or estimating channel quality parameters
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B17/00—Monitoring; Testing
- H04B17/30—Monitoring; Testing of propagation channels
- H04B17/391—Modelling the propagation channel
- H04B17/3913—Predictive models, e.g. based on neural network models
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Quality & Reliability (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Measurement Of Velocity Or Position Using Acoustic Or Ultrasonic Waves (AREA)
Abstract
本发明公开了基于m序列的空间信道特性预测方法、系统及可存储介质,属于水声信道通信技术领域,包括:设置阵列参数以及发射信号参数;根据设置的阵列参数以及发射信号参数截取采样信号;对截取的采样信号进行延时求和波束形成;将延时求和波束形成的数据进行捕获,得到捕获结果;根据捕获结果生成延时角度分布图,对信号延时与入射角度进行预测;根据信号延时与入射角度预测结果对路径信号进行多普勒分析,完成空间信道特性预测。本发明解决了传统波达方向预测、延时和多普勒问题,从而提高了空间信道特性的预测性能。
Description
技术领域
本发明涉及水声信道通信技术领域,更具体的说是涉及一种基于m序列的空间信道特性预测方法、系统及可存储介质。
背景技术
无论采用何种通信模式,水声信道的传播特性对水声通信系统的有效性和可靠性都产生了巨大的影响。在设计通信系统之前,需要对水声信道的特性有充分的了解,因此水声信道是水声通信研究中的一个很重要的方面。
信号从发射机到达接收机可以借助许多不同的传播路径。水声信号在传播过程中由于介质的非均匀性会使得声线弯曲,经过海底、海面的反射与折射产生多径效应。从更高的层面讲,实际环境中多径的能量往往会“成组”地到达接收机,因此可以将同时到达多径定义为一个“簇”,多径簇的出现源于人们在无线信道测量中的观察,在水下信道同样也存在这个现象,多径簇概念的应用能够很好的提升信道建模的性能,在此基础上获得更多的信道信息,发展出更优秀的通信系统。多径以簇的形式存在于实际信道中,主要是因为物理信道中散射体的离散分布,每个散射体都会形成一条或几条路径,声波能量通过这些路径从发射机传送到接收机。在接收机处,这些簇以不同的时间、从不同的角度到达,但每一个簇内的多径信号却非常相似。因此,簇可以在时延域、角度域观测到。
为了更好的研究空间信道的特性,观测到多径簇,并为通信系统开发创造先验知识,现有技术中,通常是先利用传统的波达方向预测(DOA)算法预测出信号的入射方向,再利用波束形成分离不同空间的信号加以利用,不涉及到时延和多普勒的预测,或者对于单个接收通道进行时延和多普勒预测。总的来说,信号方位谱预测、时延与多普勒预测都已经有大量的方法,但是却是分开使用,虽然可以先预测信号方向再预测时延,但是会导致分辨率的问题,即相近的波达方向但不同到达时间的信号无法分辨,或者相近的到达时间但波达方向不同无法分辨。
具体的,传统的波达方向预测(DOA)方法的问题有以下方面:
第一个问题,相干源DOA预测问题,由于传播环境复杂,特别是对于通信来说,信号经过反射和折射到达接收机,各条路径的信号便都是相干信号源,对于相干信号源,一般的DOA预测算法,如传统的MUSIC、ESPRIT等子空间类算法,已经不能有效的分辨信号的DOA。常用的是降维处理,采取牺牲有效阵列孔径来实现去相干,如空间平滑技术等,面对一些阵元个数较少的设备,难以在其上面完全解相干,在通信系统中,信道特性可能很复杂,随着路径数的增加,会进一步增加相干信号源的数目,且信道特性未知,到达接收机的相干信号源个数未知,如果需要完全解相干,需要留有很大冗余,这会导致阵列非常巨大,巨大的阵列在实际使用中会造成诸多不便。
第二个问题,信号源数目预测的问题,阵列信号处理中的大部分算法均需要知道入射信号个数,同样信号源未知时需要先预测信号源个数或者留有冗余,当信号源个数预测有误差,将会严重影响到DOA预测的结果。这些问题对于子空间类的DOA预测算法需要进一步解决,但是经典的延时求和波束形成便有这方面的优势,延时求和波束形成只需要改变各个阵列输入的延时,扫描一定方向内的入射信号,再利用匹配滤波器即输入信号与样本信号做相关,获得信噪比最大的输出信号,与信号入射相干源个数无关,虽然由于延时求和波束形成的分辨率较差,可能无法分辨,但是只要在某个方向有入射信号,那在这个方向便有增益。延时求和波束形成方法具有运算量小、稳健性好等优点,但延时求和波束形成所能提供的阵列增益有限,对于强干扰的抑制能力不强,其空间分辨力受到“瑞利限”的限制,对位于波束宽度内的多目标无能为力。
第三个问题,在水声通信范畴中,如果要进行远距离通信,由于在海水中的传播损失较大,到达接收端的信噪比较低,且由于海中各种恶劣环境的影响,干扰严重,这些问题是无论子空间类的DOA算法还是延时求和波束形成都需要解决的。
因此,如何提供一种基于m序列的空间信道特性预测方法、系统及可存储介质是本领域技术人员亟需解决的问题。
发明内容
有鉴于此,本发明提供了一种基于m序列的空间信道特性预测方法、系统及可存储介质,解决了传统DOA预测、时延和多普勒的问题。
为了实现上述目的,本发明提供如下技术方案:
一方面,本发明提供了一种基于m序列的空间信道特性预测方法,具体步骤为:
S100:设置阵列参数以及发射信号参数;
S200:根据设置的阵列参数以及发射信号参数截取采样信号;
S300:对采样信号进行延时求和波束形成;
S400:将所述S300得到的数据进行捕获,得到捕获结果;
S500:根据捕获结果生成延时角度分布图,根据延时角度分布图获取路径信号以及所述路径信号对应的角度、时延信息;
S600:根据m序列及波束形成对路径信号进行多普勒分析,完成空间信道特性预测。
优选的,所述S100中,设置阵列参数包括:
S110:设置信源到参考阵元之间的距离为:
r>>2D2/λ
其中,r为信源到参考阵元之间的距离,D为阵列孔径,λ为信源的信号波长;
S120:设置阵元间距为:
其中,d阵元间距;
S130:设置阵元个数为5-20个。
优选的,所述S100中,设置发射信号的参数包括:所述发射信号为一段由m序列对单频信号进行扩频的信号,其公式为:
C(t)=c(t)cos(ωct)-c(t)sin(ωct)
式中,c(t)为扩频信号,ci∈(-1,1)为m序列的第i个码元,Tc为码元间隔,Nm为m序列周期,/>是码元脉冲成型滤波器,ωc为载波频率。
优选的,所述S200截取采样信号包括:采集发射信号中的多个阵元信号,从每个阵元信号中截取长度为N的信号,其中N=NmTc是扩频信号c(t)的长度。
优选的,所述S300对截取的采样信号进行延时求和波束形成包括:
S310:对第m路(m=1,2,…,M)截取的采样信号进行FIR滤波,则第m路信号滤波后的输出um(t)。
S320:对um(t)进行适当的时间延迟,比如τ(m,θ)(对应波束的导向角度为θ时所需的时延量),然后进行求和得到导向角度θ的波束形成后的数据
式中θ属于扫描的角度范围[θmin,θmax],τ为m序列的一个周期,依次扫描范围内所有角度,得到每个方向波束形成后的数据;
优选的,所述S400将所述S300得到的数据进行捕获包括:
S410:将波束形成后的数据进行逐一检测,判断捕获中的最大值是否超过预设阈值;
S420:若最大值没有超过预设阈值,则返回S200,将截取信号的起始点相比上一次延迟N/2,再从起始点开始截取长度为N信号;
S430:若最大值超过预设阈值,则捕获成功。
优选的,所述S500包括:将捕获成功的延时求和波束形成的数据与m序列结合,得到延时角度分布图,根据延时角度分布图获取路径信号以及所述路径信号对应的角度、时延信息。
优选的,所述S600包括:根据所述S500获取的数据利用捕获成功的延时求和波束形成的数据与m序列的自相关函数取出这一路径的信号进行多普勒分析,完成空间信道特性预测。
另一方面,本发明提供了一种基于m序列的空间信道特性预测系统,包括:
预设模块,设置阵列参数以及发射信号参数;
截取模块,与所述预设模块连接,用于根据设置的阵列参数以及发射信号参数截取采样信号;
处理模块,与所述截取模块连接,用于对截取的采样信号进行延时求和波束形成;
捕获模块,与所述处理模块连接,用于将所述S300得到的数据进行捕获,得到捕获结果;
生成模块,与所述捕获模块连接,用于根据捕获结果生成延时角度分布图,根据延时角度分布图获取路径信号以及所述路径信号对应的角度、时延信息;
预测模块,与所述生成模块连接,用于根据m序列及波束形成对路径信号进行多普勒分析,完成空间信道特性预测。
在一方面,本发明还提供了一种非暂态计算机可读存储介质,其存储有计算机程序,其特征在于,该计算机程序被处理器执行时实现基于m序列的空间信道特性预测方法的步骤。
经由上述的技术方案可知,与现有技术相比,本发明公开提供了基于m序列的空间信道特性预测方法、系统及可存储介质,解决了传统DOA预测、时延和多普勒的问题,提高了空间信道特性预测性能,具体的:
(1)通过延时求和波束形成和快速并行捕获结合,可以提高输入信号的信噪比,捕获性能相比与单个阵元更好,且能获得更加准确的时延与多普勒频偏估计;
(2)通过本发明可以得到时延-角度分布图,更好的分析空间信道特性,为通信系统开发奠定基础;
(3)相比与普通延时求和波束形成,继承了其优良特性,结构简单,估计相干信号源不受影响,解决了分辨率的问题,并将空间谱上升至时延-角度谱,使得分辨率更加高,不受相干源个数的影响,且通过m序列的伪随机特性,从而抑制其他强干扰,使其不受干扰信号的影响,只估计发射终端的信号入射方向、时延以及多普勒;
(4)通过本发明m序列优良的相关性,可以在低信噪比下稳定估计信号入射方向、时延与多普勒;
(5)本发明不需要估计信号源的个数且多径产生的相干源对其没有影响,在不同的信道场景中,可以维持阵列的孔径不变,更具有适应性;
(6)在特殊环境下,为了通信的隐蔽性,通信中不适合加单频信号时,m序列作为典型的扩频序列,本发明更加适合扩频通信系统。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据提供的附图获得其他的附图。
图1为本发明提供的基于m序列的空间信道特性预测方法流程示意图;
图2为本发明实施例提供的快速并行捕获算法示意图;
图3为本发明实施例提供的比例峰值判决原理图;
图4为本发明实施例提供的时频二维搜索图示意图;
图5为本发明实施例提供的时延-角度分布示意图;
图6为本发明实施例提供的基于m序列的空间信道特性预测系统结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
一方面,参见附图1所示,本发明实施例公开了一种基于m序列的空间信道特性预测方法,空间信道特性包括延时、入射角度以及多普勒分析,具体步骤为:
S100:设置空间信道的阵列参数以及发射信号参数;
S200:根据设置的阵列参数以及发射信号参数截取采样信号;
S300:对采样信号进行延时求和波束形成;
S400:将S300得到的数据进行捕获,得到捕获结果;
S500:根据捕获结果生成延时角度分布图,根据延时角度分布图获取路径信号以及路径信号对应的角度、时延信息;
S600:根据m序列及波束形成对路径信号进行多普勒分析,完成空间信道特性预测。
具体的,本实施例扩频序列选用m序列来做时频二维搜索,由于m序列有较好的自相关特性,做滑动相关时,本地m序列与输入信号中m序列对齐便能获得较高的幅度增益,便能知道每条路径的到达时间。
更具体的,在m序列的一个周期内,即0≤τ≤NTc,其中N为m序列的长度,Tc为一个码元的时宽,m序列是幅度为+1和-1的矩形波信号,那么m序列的自相关函数表示为:
在一个具体实施例中,为了满足信号源在远场的条件,设置阵列为一维、二维或高维均匀线阵,进一步的,需要设置均匀线阵参数以及发射信号参数。
具体的,设置均匀线阵参数包括:
对需要声源在接收阵列的远场,此时声波到达接收阵列时在不同阵元处产生的波前的曲率变化可以忽略,那么按球面波传播的声波可以合理地假设为平面波,信源位于阵列的远场(Fraunhofer)区域的定义为:
r>>2D2/λ (2)
其中,r为信源到参考阵元之间的距离,D为阵列孔径,λ为信源的信号波长。
具体的,本实施例采用的是均匀直线阵,为了避免方向模糊产生的空间泄露,需要在入射角度[-90°,90°]的范围内不出现栅瓣,此时阵元间距d须满足:
具体的,以上都是对于窄带信源,通信信号一般为宽带信源,此时信号的每个频率对应的波长λ不同,此时公式中的理论上λ应该取最小的波长λmin,但本发明是利用m序列进行DOA预测,m序列对单频信号扩频后信号可以作为宽带信号,λ可以取通信信号的中心频率的波长λfc,会至少有一半的频率不会产生栅瓣,那么通过栅瓣进来的信号将会严重变形,调制信号中的m序列的相关性将会大大衰落,那么利用m序列作为匹配滤波器进行接收就不会产生很大峰值,还有高频信号的传播特性的影响,所以可以放宽阵元间距d的要求。
更具体的,本实施例还对阵元个数进行设置,采用延时求和波束形成与m序列结合的方法,基阵阵元越多,波束形成增益越大。但实际上,由于信号空间相干半径的存在,使得大基阵孔径条件下基阵阵元接收信号之间的相关性减弱,此时基阵增益也不会再随着阵元数目的增加而线性增加,同时阵元个数也不宜过少,太少会导致波束宽度太宽,会使得DOA预测产生角度模糊,所以需要根据实际使用情况合理决定阵元个数,本实施例选取阵元个数为10。
在一个具体实施例中,设置发射信号的参数包括:发射信号为一段由m序列对单频信号进行扩频的信号,其公式为:
C(t)=c(t)cos(ωct)-c(t)sin(ωct) (4)
式中,c(t)为扩频信号,ci∈(-1,1)为m序列的第i个码元,Tc为码元间隔,Nm为m序列周期,/>是码元脉冲成型滤波器,本实施例取根升余弦滤波器,滚降系数为α,那么信号带宽B=(1+α)/Tc,载波频率ωc需要根据阵元间距的要求合理选择。
在一个具体实施例中,截取采样信号包括:采集发射信号中的多个阵元信号,从每个阵元信号中截取长度为N的信号,其中N=NmTc是扩频信号c(t)的长度;
在一个具体实施例中,对截取的采样信号进行延时求和波束形成包括:
对第m路(m=1,2,…,M)截取的采样信号进行FIR滤波,则第m路信号滤波后的输出为um(t)。
对um(t)进行适当的时间延迟,然后进行求和得到导向角度θ的波束形成后的数据:
式中θ属于扫描的角度范围[θmin,θmax],τ为m序列的一个周期,依次扫描范围内所有角度,得到每个方向波束形成后的数据;
具体的,规定扫描范围为-90°~90°,利用各个阵元之间的声程差对各个阵元做延时,控制阵元之间的时延,便能控制扫描角度,达到转动阵列波束的指向性的目的。
更具体的,在做延时之前,信号会经过FIR滤波器,这里选用带通滤波器,可以滤除带外的干扰,提高信号的信干噪比。经过对-90°~90°每个方向做延时,最后进行求和,得到-90°~90°每个方向波束形成后的数据;
在一个具体实施例中,将波束形成的数据进行捕获包括:
由于发送信号只有一段,且接受端并不知道信号有没有到来,所以本实施例有一个与常规的DOA方法不同的部分,增加了一个捕获的阶段。
具体的,参见附图2所示的快速并行捕获算法示意图,将波束形成后的数据作为输入信号进行逐一检测,然后选取最大值并输出;
更具体的,参见附图3所示,为比例峰值判决原理图,并将上述输出结果送入比例峰值判决,看是否超过阈值,如果没有超过阈值,则返回,将输入数据步进N/2长度,重复步骤S200、S300和S400,直到超过阈值,捕获成功。
更具体的,快速并行捕获的详细原理为:
由于可能有多普勒效应的影响,发射终端的信号会经过压缩或者扩展,导致发射信号的载波频率发生偏移,所以将本地的m序列分别与余弦信号和正弦信号相乘,得到两路信号,公式如下,
CI(t)=c(t)cos(ω0t) (5)
CQ(t)=c(t)sin(ω0t) (6)
其中,ω0为本地载波频率。
由于用到了循环相关的理论,给出循环相关的公式,假设有待处理的信号x(m)和本地的匹配信号h(m)的互相关表达式如下:
互相关的输出y(n)傅里叶变换为:
Y(k)=H(k)X*(k) (8)
所以求x(m)和h(m)的互相关,可以先将x(m)和h(m)变到频域,其中一个取共轭后,再相乘,然后傅里叶反变换回来,便可以得到相关值,这种方法可以大大减少求相关的运算量。
假设信道为加性高斯白噪声信道,单个通道输入的信号r(t)可以表示为(注意这里的r(t)并不是波束形成后的数据,先推导单个通道,再推导延时求和后的数据):
r(t)=A(c(t-τ)cos(ω'c(t-τ))-c(t-τ)sin(ω'c(t-τ)))+n(t) (9)
其中,A表示信号幅度,τ表示信号的时延,ω′c表示接收信号的载波频率,n(t)为加性高斯白噪声,双边功率谱密度为N0/2。将r(t)以离散信号表示为r(n),采样间隔为Ts。
r(n)=A(c(n-τn)cos(ω'c(n-τn))-c(n-τn)sin(ω'c(n-τn)))+N(n) (10)
此时ω′c和ω0表示接收信号的数字角频率,将CI(t)也以离散形式表示:
CI(n)=c(n)cos(ω0n) (11)
那CI(n)与r(n)求傅里叶变换后得到CI(k)与R(k),将CI(k)取共轭再与R(k)相乘,再傅里叶反变换,得到CI(n)与r(n)的循环相关,其时域为:
其中,N′(n)是CI(n)与噪声的相关值,θ为接收信号的载波相位,由于ω′c+ω0是高频分量,求和后值相比前一项要小,所以忽略其影响,将其划入噪声之中,可以简化如下:
同理也可以得到CQ(n)与r(n)的循环相关,表达式如下:
进行一维搜索时载波频率不变,从扩频码所有相位中找到相关器输出的最大值,显然当τn=-n时式(13)与(14)的前两项取最大值,且最终进入判决器的变量为一维搜索时的最大值。
令τn=-n,假设扩频序列对其时相乘为1,且忽略噪声项,同时由欧拉公式ejx=cosx+jsinx,式(13)与(14)可以变到复数域进行求和:
将式(15)和(16)变回实数,可以得到:
最终判决变量Ys为:
式(19)已经不含载波相位参数θ,判决变量的大小由载波频率偏移Δω和扩频序列长度决定,如果载波频偏Δω=0,N固定,那么最终判决变量Ys将取最大值。
根据公式(19),设置本地载波的搜索频率,就可以遍历的搜索到最大值。
参见附图4所示,为本实施例提供的时频二维搜索图,具体的频域搜索步长的设置为:
设通信双方的相对径向速度最大为vmax(m/s),声速为c(m/s),发射机的中心频率为f0(Hz),则搜索的最小频率fmin为:
fmin=f0(1-vmax/c) (20)
一个扩频码片时间宽度为tchip,扩频序列的周期为(2n-1),则扩频信号的频率最小分辨率Δf为:
Δf=1/[tchip×(2n-1)] (21)
可以设频率搜索的步长为Δf,可见,扩频序列周期越长,对多普勒频移越敏感,搜索步长越小。设频率粗搜索的频道数为Nf,则:
Nf=2×(f0-fmin)/Δf (22)
在一个具体实施例中,将捕获成功的延时求和波束形成的数据与m序列结合,得到延时角度分布图,对信号延时与入射角度进行预测。
具体的,利用延时求和波束形成后的数据与利用公式(5)和(6)得到本地信号CI(n)和CQ(n)做循环相关,输入信号y(n)为:
其中,r(n-i*τθ)是利用阵元之间的声程差做延时补偿后单个通道的数据,这里以第一个阵元为参考阵元,如果信号从0°入射,按照角度θ补偿,就会导致第二个阵元信号相比第一个阵元延时偏差τθ,第M个阵元相比与第一个阵元有延时偏差(M-1)τθ。
将波束形成后的数据y(n)替换式(12)中的r(n),同时将高频分量划入噪声之中,得到与式(13)类似的式子:
如果利用时频二维搜索就可以得到的参考阵元输入信号的起始点和接收信号载波频率,那就可以把上式中的τn与频偏Δω消掉,得到简化公式,如下:
将式(25)同样利用欧拉公式变成复数:
上式与常规波束形成类似,只是前面多了m序列的相关函数R(τ),下面给出常规波束形成的阵列输出公式,用于对比:
对比式(26)与(27)后可知,延时求和波束形成与m序列结合后,多了一个类似权值的R(n-iτθ),这个m序列的相关函数可以带来一系列好处,首先由于m序列的伪随机性,其他干扰信号与他不相关,可以不受强干扰信号的影响,只预测发射终端的信号;其次,相关函数R(τ)的高增益,也可以使得信号在很低的信噪比下进行预测;同时当预测角度有偏差时,由于R(n-iτθ)的作用将会比常规波束形成更快的速度衰减,所以比常规波束形成更具有稳定性。还有,由于不同路径到达的时间通常不一样,入射的信号可以找到一个唯一的时间与角度对应,这也是观察到多径簇的关键。
更具体的,参见附图5所示,为本实施例提供的时延-角度分布图,根据以上原理,时延和入射角度联合预测的过程是利用时频二维搜索预测出的载波频率,消除载波频偏后,对各个方向做延时求和波束形成,将波束形成的数据进行快速并行捕获,得到时延-角度分布图。
在一个具体实施例中,观察时延-角度分布图,每一簇峰值便是一簇不同路径的信号,可以挑选一条路径的信号,由于从图中可以看出到达角度与时延,便可以利用波束形成和m序列的相关性取出这一路径的信号进行多普勒分析。
另一方面,参见附图6所示,本实施例还提供了基于m序列的空间信道特性预测系统,包括:
预设模块,设置阵列参数以及发射信号参数;
截取模块,与预设模块连接,用于根据设置的阵列参数以及发射信号参数截取采样信号;
处理模块,与截取模块连接,用于对截取的采样信号进行延时求和波束形成;
捕获模块,与处理模块连接,用于将S300得到的数据进行捕获,得到捕获结果;
生成模块,与捕获模块连接,用于根据捕获结果生成延时角度分布图,根据延时角度分布图获取路径信号以及路径信号对应的角度、时延信息;
预测模块,与生成模块连接,用于根据m序列及波束形成对路径信号进行多普勒分析,完成空间信道特性预测。
再一方面,本实施例还提供了一种非暂态计算机可读存储介质,其存储有计算机程序,其特征在于,该计算机程序被处理器执行时实现上述基于m序列的空间信道特性预测方法的步骤。
经由上述的技术方案可知,与现有技术相比,本发明公开提供了基于m序列的空间信道特性预测方法、系统及可存储介质,解决了传统DOA预测、时延和多普勒的问题,提高了空间信道特性预测性能,具体的:
(1)通过延时求和波束形成和快速并行捕获结合,可以提高输入信号的信噪比,捕获性能相比与单个阵元更好,且能获得更加准确的时延与多普勒频偏估计;
(2)通过本发明可以得到时延-角度分布图,更好的分析空间信道特性,为通信系统开发奠定基础;
(3)相比与普通延时求和波束形成,继承了其优良特性,结构简单,估计相干信号源不受影响,解决了分辨率的问题,并将空间谱上升至时延-角度谱,使得分辨率更加高,不受相干源个数的影响,且通过m序列的伪随机特性,从而抑制其他强干扰,使其不受干扰信号的影响,只估计发射终端的信号入射方向、时延以及多普勒;
(4)通过本发明m序列优良的相关性,可以在低信噪比下稳定估计信号入射方向、时延与多普勒;
(5)本发明不需要估计信号源的个数且多径产生的相干源对其没有影响,在不同的信道场景中,可以维持阵列的孔径不变,更具有适应性;
(6)在特殊环境下,为了通信的隐蔽性,通信中不适合加单频信号时,m序列作为典型的扩频序列,本发明更加适合扩频通信系统。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其它实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (10)
1.基于m序列的空间信道特性预测方法,其特征在于,具体步骤为:
S100:设置阵列参数以及发射信号参数;
S200:根据设置的阵列参数以及发射信号参数截取采样信号;
S300:对采样信号进行延时求和波束形成;
S400:将所述S300得到的数据进行捕获,得到捕获结果;
S500:根据捕获结果生成延时角度分布图,根据延时角度分布图获取路径信号以及所述路径信号对应的角度、时延信息;
S600:根据m序列及波束形成对路径信号进行多普勒分析,完成空间信道特性预测。
2.根据权利要求1所述的基于m序列的空间信道特性预测方法,其特征在于,所述S100中,设置阵列参数包括:
S110:设置信源到参考阵元之间的距离为:
r>>2D2/λ
其中,r为信源到参考阵元之间的距离,D为阵列孔径,λ为信源的信号波长;
S120:设置阵元间距为:
其中,d阵元间距;
S130:设置阵元个数为5-20个。
3.根据权利要求1所述的基于m序列的空间信道特性预测方法,其特征在于,所述S100中,设置发射信号的参数包括:所述发射信号为一段由m序列对单频信号进行扩频的信号,其公式为:
C(t)=c(t)cos(ωct)-c(t)sin(ωct)
式中,c(t)为扩频信号,ci∈(-1,1)为m序列的第i个码元,Tc为码元间隔,Nm为m序列周期,/>是码元脉冲成型滤波器,ωc为载波频率。
4.根据权利要求3所述的基于m序列的空间信道特性预测方法,其特征在于,所述S200截取采样信号包括:采集发射信号中的多个阵元信号,从每个阵元信号中截取长度为N的信号,其中N=NmTc是扩频信号c(t)的长度。
5.根据权利要求1所述的基于m序列的空间信道特性预测方法,其特征在于,所述S300对截取的采样信号进行延时求和波束形成的具体过程包括:
S310:对第m路(m=1,2,…,M)截取的采样信号进行FIR滤波,则第m路信号滤波后的输出为um(t);
S320:对um(t)进行时间延迟,然后进行求和得到导向角度θ的波束形成后的数据:
式中θ属于扫描的角度范围[θmin,θmax],τ为m序列的一个周期,依次扫描范围内所有角度,得到每个方向波束形成后的数据。
6.根据权利要求4所述的基于m序列的空间信道特性预测方法,其特征在于,所述S400将所述S300得到的数据进行捕获的具体过程包括:
S410:将波束形成后的数据进行逐一检测,判断捕获中的最大值是否超过预设阈值;
S420:若最大值没有超过预设阈值,则返回S200,将截取信号的起始点相比上一次延迟N/2,再从起始点开始截取长度为N信号;
S430:若最大值超过预设阈值,则捕获成功。
7.根据权利要求1所述的基于m序列的空间信道特性预测方法,其特征在于,所述S500包括:将捕获成功的延时求和波束形成的数据与m序列结合,得到延时角度分布图,根据延时角度分布图获取路径信号以及所述路径信号对应的角度、时延信息。
8.根据权利要求1所述的基于m序列的空间信道特性预测方法,其特征在于,所述S600包括:根据所述S500获取的数据利用捕获成功的延时求和波束形成的数据与m序列的自相关函数取出这一路径的信号进行多普勒分析,完成空间信道特性预测。
9.一种利用权利要求1-8任一项所述的基于m序列的空间信道特性预测方法的基于m序列的空间信道特性预测系统,其特征在于,包括:
预设模块,设置阵列参数以及发射信号参数;
截取模块,与所述预设模块连接,用于根据设置的阵列参数以及发射信号参数截取采样信号;
处理模块,与所述截取模块连接,用于对截取的采样信号进行延时求和波束形成;
捕获模块,与所述处理模块连接,用于将所述S300得到的数据进行捕获,得到捕获结果;
生成模块,与所述捕获模块连接,用于根据捕获结果生成延时角度分布图,根据延时角度分布图获取路径信号以及所述路径信号对应的角度、时延信息;
预测模块,与所述生成模块连接,用于根据m序列及波束形成对路径信号进行多普勒分析,完成空间信道特性预测。
10.一种非暂态计算机可读存储介质,其存储有计算机程序,其特征在于,该计算机程序被处理器执行时实现如权利要求1-8任一项所述基于m序列的空间信道特性预测方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210022920.8A CN114374407B (zh) | 2022-01-10 | 2022-01-10 | 基于m序列的空间信道特性预测方法、系统及可存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210022920.8A CN114374407B (zh) | 2022-01-10 | 2022-01-10 | 基于m序列的空间信道特性预测方法、系统及可存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114374407A CN114374407A (zh) | 2022-04-19 |
CN114374407B true CN114374407B (zh) | 2024-03-08 |
Family
ID=81144002
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210022920.8A Active CN114374407B (zh) | 2022-01-10 | 2022-01-10 | 基于m序列的空间信道特性预测方法、系统及可存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114374407B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
AU2002251216A1 (en) * | 2001-04-02 | 2002-10-21 | Qinetiq Limited | Communication system for underwater use |
WO2013173800A1 (en) * | 2012-05-17 | 2013-11-21 | Loctronix Corporation | Gnss long-code acquisition, ambiguity resolution and signal validation |
FR3002388A1 (fr) * | 2013-02-20 | 2014-08-22 | Commissariat Energie Atomique | Methode d'acquisition d'un signal gps par decodage iteratif |
CN104603853A (zh) * | 2012-05-04 | 2015-05-06 | 李尔登公司 | 用于处理分布式输入-分布式输出无线系统中的多普勒效应的系统和方法 |
CN105572650A (zh) * | 2015-12-15 | 2016-05-11 | 宁波大学 | 一种宽带复相关流速测量方法 |
CN107666333A (zh) * | 2017-01-20 | 2018-02-06 | 西南电子技术研究所(中国电子科技集团公司第十研究所) | 扩/跳频信号体制阵列天线自适应波束形成系统 |
CN111786763A (zh) * | 2020-06-23 | 2020-10-16 | Oppo广东移动通信有限公司 | 信号传输方法及装置、发射端、接收端、存储介质 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7447117B2 (en) * | 2004-06-24 | 2008-11-04 | The United States Of America As Represented By The Secretary Of The Navy | Correlation based decision-feedback equalizer for underwater acoustic communications |
US7495611B2 (en) * | 2007-07-03 | 2009-02-24 | The United States Of America As Represented By The Secretary Of The Navy | Method for determining signal direction using artificial doppler shifts |
US10411843B2 (en) * | 2012-06-25 | 2019-09-10 | Cohere Technologies, Inc. | Orthogonal time frequency space communication system compatible with OFDM |
WO2015066866A1 (en) * | 2013-11-06 | 2015-05-14 | Telefonaktiebolaget L M Ericsson (Publ) | Method and device for detecting secondary synchronous signal, computer program and storage medium |
-
2022
- 2022-01-10 CN CN202210022920.8A patent/CN114374407B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
AU2002251216A1 (en) * | 2001-04-02 | 2002-10-21 | Qinetiq Limited | Communication system for underwater use |
CN104603853A (zh) * | 2012-05-04 | 2015-05-06 | 李尔登公司 | 用于处理分布式输入-分布式输出无线系统中的多普勒效应的系统和方法 |
WO2013173800A1 (en) * | 2012-05-17 | 2013-11-21 | Loctronix Corporation | Gnss long-code acquisition, ambiguity resolution and signal validation |
FR3002388A1 (fr) * | 2013-02-20 | 2014-08-22 | Commissariat Energie Atomique | Methode d'acquisition d'un signal gps par decodage iteratif |
CN105572650A (zh) * | 2015-12-15 | 2016-05-11 | 宁波大学 | 一种宽带复相关流速测量方法 |
CN107666333A (zh) * | 2017-01-20 | 2018-02-06 | 西南电子技术研究所(中国电子科技集团公司第十研究所) | 扩/跳频信号体制阵列天线自适应波束形成系统 |
CN111786763A (zh) * | 2020-06-23 | 2020-10-16 | Oppo广东移动通信有限公司 | 信号传输方法及装置、发射端、接收端、存储介质 |
Non-Patent Citations (6)
Title |
---|
DS-CDMA系统新的空时并联结构及二维自适应DBF算法;姜永权, 周渊平, 魏月;电子学报(第09期);全文 * |
Dynamics Analysis of a Dual-Arm Space Robot Using Euler-Poincare Equation;Zhang Baosheng;IEEE;全文 * |
基于ITS信道模型的HF信道模拟器的实现;谭帅;焦培南;李铁成;;无线电工程;20100105(第01期);全文 * |
基于伪随机序列的多波束水声探测系统的信道估计技术;姜雪;李颂文;;声学技术(第03期);全文 * |
姜永权,周渊平,魏月.DS-CDMA系统新的空时并联结构及二维自适应DBF算法.电子学报.2004,(第09期),全文. * |
姜雪 ; 李颂文 ; .基于伪随机序列的多波束水声探测系统的信道估计技术.声学技术.2007,(第03期),全文. * |
Also Published As
Publication number | Publication date |
---|---|
CN114374407A (zh) | 2022-04-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US5532700A (en) | Preprocessor and adaptive beamformer for active signals of arbitrary waveform | |
JP4339801B2 (ja) | 固有値分解を利用しない信号到来方向推定手法および受信ビーム形成装置 | |
US5179542A (en) | Signal processor | |
CN107255797B (zh) | 基于发射空时权优化及ka-stap的机载雷达杂波抑制方法 | |
CN109541548B (zh) | 一种基于匹配场的空气声呐定位方法 | |
CN107505596B (zh) | 基于双扩展水声信道环境下的mimo主动探测信号设计与检测系统和方法 | |
WO2003096587A9 (en) | System and method for localizing targets using multiple arrays | |
CN110082741A (zh) | 一种基于伪数据重构的超分辨波达角估计算法 | |
CN110488253B (zh) | 基于互相关函数延迟求和的多途时延差估计方法 | |
CN101335574B (zh) | 多途信道中的声屏蔽方法 | |
CN114374407B (zh) | 基于m序列的空间信道特性预测方法、系统及可存储介质 | |
CN112924926B (zh) | 一种多途信道下的doa估计方法 | |
CN102957472A (zh) | 稀疏阵列天线系统接收通信信号的方法及装置 | |
CN111722178B (zh) | 一种基于指向性模型数值求解的远场窄带信号来波方向估计方法 | |
CN109491009A (zh) | 一种光纤组合阵及基于光纤组合阵的栅瓣抑制方法 | |
EP2317335A1 (en) | Improved beamforming method for analysing signals received by a transducer arrray, and relative detection system | |
KR20190134893A (ko) | 안테나 어레이 외삽을 이용한 레이더 수신신호의 도착방향 추정 방법 및 장치 | |
Ling et al. | Probing waveforms and adaptive receivers for active sonar | |
US9172423B1 (en) | Correlator time delay extraction for wireless acoustic sensors | |
JP7487488B2 (ja) | 信号処理装置 | |
CN114019453B (zh) | 一种基于水声基线定位系统的测距方法 | |
CN113406562B (zh) | 北斗和超宽带系统中一种toa与doa联合估计降维方法 | |
Ulrich et al. | Wavelength-diverse MIMO radar: parameter-coupling, array-carrier optimization and direction-of-arrival estimation | |
CN113009410A (zh) | 一种浅海多径环境下目标doa估计联合处理方法 | |
Sreekumar et al. | DoA estimation of broad-banded linear and quadratic chirps using nested and co-prime arrays |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |