论文摘要
低轨卫星通信中多普勒频移很大,如果不能有效地对多普勒频移进行补偿,会造成捕获电路输出信噪比严重恶化。已有的多普勒频移补偿方案大多采用自动频率控制(AFC)环路,当多普勒频移达到±100kHz左右时,一般AFC环路难以有效的工作。常将大多普勒频移范围分为若干较小的子区间,采用串行或并行两种频率子区间搜索技术。串行技术搜索时间很长,而并行技术耗费硬件资源很大,对此,本文广泛吸取了国内外的已有的有益成果,作了大量的仿真试验,利用协同神经网络算法确定频率子区间,对大多普勒频移的数字基带补偿方案进行了系统而深入地研究。本文的主要工作归纳如下:(1)利用协同神经网络确定频率子区间。不同频率子区间的信号可以看作是不同的模式,而协同神经网络在模式识别上有自己特有的优势,从而有利于利用协同神经网络解决频率子区间确定问题。(2)通过对应用协同神经网络确定频率子区间的具体分析,得到了协同神经网络伴随向量的简化逼近形式,并考虑到在无先验知识的情况下,待估频偏落在每个频率子区间的机会均等,仅仅利用初始序参数就可以达到目的,使得协同神经网络算法在实际应用时大为简化。(3)将基于协同神经网络的频率子区间确定技术与传统串行和并行技术相比较,分析归纳各种传统频率估计器在应用于多普勒频偏补偿时的不同特点,从算法复杂度的角度说明这种多普勒频移补偿方案的优越性。(4)利用BP网络、径向基网络、广义回归神经网络作频率估计方面的探索,并得到一系列仿真结果。研究结果表明:(1)基于协同神经网络的频率子区间确定算法能够正确地确定频率子区间,且速度比串行技术快很多,而硬件资源耗费也不大,与AFC环路结合能有效地对多普勒频偏进行补偿。(2)广义回归神经网络有较好的多普勒频移估计性能,但其网络规模较大,会耗费很多资源。
论文目录
相关论文文献
标签：多普勒频移论文; 扩展卡尔曼滤波论文; 协同神经网络论文; 广义回归神经网络论文;