法律状态公告日
法律状态信息
法律状态
2022-06-07
未缴年费专利权终止 IPC(主分类):H04L12/26 专利号:ZL2016104799741 申请日:20160622 授权公告日:20191029
专利权的终止
2019-10-29
授权
授权
2016-12-07
实质审查的生效 IPC(主分类):H04L12/26 申请日:20160622
实质审查的生效
2016-11-09
公开
公开
技术领域
本发明属于辐射源细微特征技术领域,特别涉及一种基于精度递进定时估计的波特率细微特征估计方法。
背景技术
辐射源细微特征估计,是指通过对信号参数的精确计算,获取辐射源的工作状态、区分不同的辐射源的技术。对于地面站接收到的卫星通信信号来说,信号经过了地面发送设备和卫星透明转发两个环节。假设进行细微特征分析处理的地面接收设备的采样时钟、本振等皆具有很高的精度和稳定度,相较于通信链路中的设备来说高出至少两个数量级。因此,地面接收设备不会对接收的卫星下行信号附加额外的频偏或采样偏差。在卫星通信链路中,即使使用同样型号的通信设备,包括调制解调器、上变频器等终端设备,由于设备工作状态、工作环境、芯片与器件间差异等因素,符号速率和载波频率的细微差异也是客观存在的。
符号速率参数依赖于调制解调器内的数字时钟,包括调制波形生成的时钟以及DAC的工作时钟等。这些数字时钟通常由晶体振荡器和时钟锁相芯片提供,即使是同一型号同一批次的器件与芯片,其间的细微差异也是存在的,通常晶振的说明文档中会给出其稳定度参数。而另一方面,晶振的输出时钟受工作状态和环境温度等因素影响很大。因此符号速率参数的差异总是存在的,只是细微特征提取设备本身的稳定度能否达到区分其差异,以及细微特征提取算法能否有效提取出这种差异。上述辐射源细微特征差异在实际卫星通信系统中有明显体现。如某卫星VSAT网的TDMA信号,某个TDMA载波中的各时隙突发来自不同的地面VSAT终端,这些终端型号相同,参数设置也一致,按网络分配占用该TDMA载波的不同时隙以突发形式进行传输,这些辐射源之间的载波频率与符号速率也同样都存在较大差异。
假定数据sr(t)按采样率fs离散化为sr(n),DFT运算的点数选为N,对sr(n)进行取模运算,从DFT功率谱中获得的峰值位置位于K0,则满足:
符号速率:
进行DFT计算进行估计时,所对应的估计误差为:
符号速率误差:
对于细微特征估计来说,上述精度远远不够。
发明内容
为克服现有技术中的不足,本发明提供一种基于精度递进定时估计的波特率细微特征估计方法,解决辐射源细微特征难以识别的问题,为辐射源的识别提供可靠依据。
按照本发明所提供的设计方案,一种基于精度递进定时估计的波特率细微特征估计方法,包含如下步骤:
步骤1、采集长度为L的待估计信号sr(n),对其进行取模运算,得到|sr(n)|;
步骤2、对|sr(n)|进行DFT粗估计,得到符号速率RB的估计值
步骤3、依据估计值
步骤4、根据符号速率估计值
步骤5、根据符号速率估计值
步骤6、根据步骤4得到的
步骤7、根据符号周期
步骤8、判断估计值
上述的,步骤1中的符号速率RB的估计值
上述的,步骤2中进行DFT粗估计包含如下内容:设定信号sr(t)按照采样率fs离散化为sr(n),DFT运算点数为N,符号速率RB的估计值
>
上述的,步骤3具体包含如下内容:
步骤3.1、依据估计值误差范围对|sr(n)|进行CZT细化谱分析,CZT细化谱计算频率范围选择为:
步骤3.2、设定对细化范围进行K点均匀采样细化;
步骤3.2、根据CZT计算公式:
>
>
>
对Sr0(k)查找峰值,其对应的频率值即为符号速率RB的估计,更新符号速率RB的估计值
上述的,最佳抽样时刻估计包含内容如下:依据估计值
上述的,步骤6中符号周期
本发明的有益效果:
本发明解决现有技术中辐射源细微特征估计精度不高的问题,通过对待估计信号进行变换,进行DFT粗估计,获得估计误差范围;采用CZT方法进行频谱细化分析,获得较高精度的信号波特率,然后进行精度递进定时估计的波特率估计,获得更高的估计精度,使得其满足预定精度要求,以区分不同辐射源的细微特征,简化流程,大大减少计算量,提高其实时性,便于工程实现,为辐射源的识别提供可靠依据。
附图说明:
图1为本发明的流程示意图;
图2为实施例二定时估计
具体实施方式:
下面结合附图和技术方案对本发明作进一步详细的说明,并通过优选的实施例详细说明本发明的实施方式,但本发明的实施方式并不限于此。
实施例一,参见图1所示,一种基于精度递进定时估计的波特率细微特征估计方法,包含如下步骤:
步骤1、采集长度为L的待估计信号sr(n),对其进行取模运算,得到|sr(n)|;
步骤2、对|sr(n)|进行DFT粗估计,得到符号速率RB的估计值
步骤3、依据估计值
步骤4、根据估计值
步骤5、根据估计值
步骤6、根据步骤4得到的
步骤7、根据符号周期
步骤8、判断估计值
首先对待估计信号进行变换,进行DFT粗估计,获得估计误差范围;采用CZT方法进行频谱细化分析,获得较高精度的信号波特率,然后进行精度递进定时估计的波特率估计,获得更高的估计精度,使得其满足预定精度要求,以区分不同辐射源的细微特征,简化流程,大大减少计算量,为辐射源的识别提供可靠依据。
实施例二,参见图1所示,一种基于精度递进定时估计的波特率细微特征估计方法,包含如下内容:
步骤1、采集长度为L的待估计信号sr(n),对其进行取模运算,得到|sr(n)|,以将其转换为单极性基带脉冲序列。
步骤2、对|sr(n)|进行DFT粗估计,得到对应的估计误差范围,具体包含如下内容:设定信号sr(t)按照采样率fs离散化为sr(n),DFT运算点数为N,为能从符号速率位置的凸显的离散谱线单频分量测量符号速率,符号速率RB的估计值
>
步骤3依据估计值误差范围对|sr(n)|进行CZT细化谱分析,选定CZT细化区间,计算细化间隔,估计匹配数据量,进行CZT计算,更新符号速率估计值
步骤3.1、依据估计值误差范围对|sr(n)|进行CZT细化谱分析,CZT细化谱计算频率范围分别对应选择:
步骤3.2、设定对细化范围进行K点均匀采样细化,使得频谱分析的分辨率
步骤3.2、根据CZT计算公式:
>
>
>
对Sr0(k)查找峰值,其对应的频率值即为符号速率RB的估计,更新符号速率RB的估计值
步骤4、依据估计值
步骤5、根据符号速率估计值
步骤6、根据步骤4得到的
>
上式简化为:
>
即为M2-M1范围选取的原则,依据CZT频谱细化分析方法中符号速率的最大可能的归一化估计误差值
例如,符号速率为RB=2.5MBd、采用16384符号数据进行CZT细化分析方法得到的
步骤7、根据符号周期
步骤8、根据估计值
符号周期估计方法在高精度要求上存在矛盾,
根据
M2确定之后,计算
考虑
本发明并不局限于上述具体实施方式,本领域技术人员还可据此做出多种变化,但任何与本发明等同或者类似的变化都应涵盖在本发明权利要求的范围内。
机译: 机动车特征在于参数估计的方法,包括用于估计参数的激活装置,以及基于针对相关参数的估计值的激活来确定估计程序。
机译: 用于汽车的估计行驶时间确定方法,包括基于实际检测到的行驶特征数据和与实际检测到的特征数据相关的平均行驶时间来预测机动车的估计行驶时间。
机译: 基于用户的驾驶特征的程序,车辆终端,移动终端,估计服务器以及估计行为的方法