Loran-C数字信号处理的关键技术研究

论文摘要

星基导航系统（GNSS）被公认为是最好的无线电导航系统,但由于其信号微弱很容易受到干扰,使其应用受到影响。研究结果表明,Loran-C系统的应用潜力没有得到充分的发挥,完全可以成为GNSS系统最好的补充,Loran-C接收机技术在今后的10-20年还会得到巨大的发展。例如北美的Loran-C接收机,在发射台站全部可视的范围内可同时跟踪30-35个发射台站。本论文主要研究Loran-C数字信号处理的关键技术。本论文主要通过两种不同的途径研究了Loran-C数字信号处理的关键技术。第一种途径是在现有Loran-C信号格式下,研究Loran-C数字信号处理的关键技术。如数字带通滤波器及其优化、自适应滤波器、时间延迟估计、算法强度缩减等等。第二种途径是研究了利用Loran-C数据链传播授时信息的解调技术。具体研究工作如下:研究了连续波干扰对Loran-C信号的影响。高阶的数字FIR带通滤波器能够抑制大多数的干扰,剩余的同步干扰则需要用陷波器来抑制。首先,借助Matlab中的Fdatool工具箱设计了数字带通滤波器。然后研究FIR滤波器常系数的CSD编码表示,有效减少了常系数乘法中所需加法/减法的个数。一般来讲,CSD编码能够比二进制编码减少33%的非零数位。为了进一步减少硬件的复杂程度,最后研究了算法强度的缩减。为了抑制同步干扰研究了自适应滤波器。首先介绍了LMS和NLMS两种自适应滤波器。并且针对Loran-C信号特点,对这两种自适应滤波器的性能进行了仿真分析和对比。在此基础上,作者提出了GNGD算法,并首次应用到抑制Loran-C信号中的同步连续波干扰。GNGD算法能够有效克服NLMS算法在系数估计中的参数初始值敏感问题,并且可以取得比NLMS更好的线性化效果。仿真结果表明:GNGD算法具有更好的自适应滤波效果。天波干扰通常影响Loran-C接收机的性能,目前所设计的Loran-C接收机采用固定的采样时间点,导致对天波的抑制方法不是最优的。本论文研究了分离天波和地波的傅立叶反变换频谱相除法,并对时间延迟估计的主要性能参数（如信噪比、带通滤波器、天波地波强度比、窗函数）进行了研究。针对此方法中分辨率较低且在信噪比低时失效的缺陷,本论文研究了高分辨率的估计技术（如MUSIC算法、特征向量分解算法）。在此基础上,作者首次将改进的ESPRIT算法应用到天波延迟估计。由于改进的ESPRIT算法消除了在整个时域的搜索,因此更适合于实时处理。之后利用Matlab对这些算法进行了仿真分析和对比,验证了以上的结论。最后研究了Loran-C数据链。Loran-C数据链是利用罗兰C信号作载体建立的数据通讯系统,它能够发播授时信息。本论文给出了两种授时电文,通过信号处理程序解调出了宣城台发播的Loran-C数据链中的授时信息。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 前言
• 1.2 Loran-C接收机的发展历史和现状
• 1.2.1 Loran-C的发展历史和应用现状
• 1.2.2 国内Loran-C的建设和发展
• 1.3 本课题的研究背景
• 1.4 Loran-C授时国内外研究动态
• 1.4.1 Loran-C授时国外研究动态
• 1.4.2 Loran-C授时国内研究动态
• 1.5 论文的内容安排和主要研究成果
• 1.5.1 论文的内容安排
• 1.5.2 主要研究成果
• 第二章 Loran-C系统简介
• 2.1 双曲定位原理
• 2.2 Loran-C信号
• 2.2.1 工作频率的选取
• 2.2.2 Loran-C脉冲信号
• 2.2.3 包周差（ECD）
• 2.2.4 信号格式
• 2.3 BPL长波授时系统的组成
• 2.3.1 时频系统
• 2.3.2 发播系统
• 2.3.3 监控系统
• 2.4 长波定时校频设备的工作原理
• 2.5 本章小结
• 第三章 Loran-C接收机前端信号处理的研究
• 3.1 连续波干扰
• 3.1.1 连续波干扰的分类
• 3.1.2 连续波干扰的影响
• 3.2 目前罗兰C接收机的抑制干扰技术
• 3.3 Loran-C前端带通滤波器的设计
• 3.3.1 FIR数字滤波器的特点和设计方法概述
• 3.3.2 Loran-C前端带通滤波器的设计
• 3.3.3 Loran-C前端带通滤波器的仿真分析
• 3.4 算法的强度缩减
• 3.4.1 CSD表示法
• 3.4.2 子表达式消除法
• 3.5 Loran-C前端带通滤波器的优化设计与实现
• 3.6 本章小节
• 第四章 Loran-C接收机前端自适应滤波器的研究
• 4.1 自适应滤波概述
• 4.1.1 自适应滤波的概念
• 4.1.2 正交性原理
• 4.1.3 横向滤波器
• 4.2 LMS类自适应算法
• 4.2.1 LMS自适应算法原理
• 4.2.2 LMS自适应算法流程
• 4.2.3 Loran-C信号的LMS自适应算法仿真
• 4.3 归一化LMS类自适应算法
• 4.3.1 归一化LMS自适应算法原理
• 4.3.2 归一化LMS自适应算法流程
• 4.3.3 Loran-C信号的归一化LMS自适应算法仿真
• 4.4 GNGD算法
• 4.4.1 GNGD算法原理
• 4.4.2 GNGD算法流程
• 4.4.3 Loran-C信号的GNGD算法仿真
• 4.5 本章小结
• 第五章 高分辨率Loran-C天波延迟的研究
• 5.1 时间延迟估计理论
• 5.1.1 概述
• 5.1.2 高斯环境下的时间延迟估计
• 5.1.3 非高斯环境下的时间延迟估计
• 5.1.4 多径条件下的时间延迟估计
• 5.2 Loran-C天波延迟
• 5.2.1 天波延迟估计的背景
• 5.2.2 天波延迟估计的方法
• 5.3 天波延迟估计的数学模型
• 5.3.1 天波延迟的数学表达式
• 5.3.2 天波估计的数学模型
• 5.4 基于IFFT的天波延迟估计
• 5.4.1 仿真分析
• 5.4.2 性能评估
• 5.4.3 实测结果
• 5.5 自适应接收机的设计
• 5.6 基于MUSIC算法的天波延迟估计
• 5.6.1 MUSIC算法
• 5.6.2 仿真分析
• 5.6.3 实测结果
• 5.7 基于ESPRIT算法的天波延迟估计
• 5.7.1 ESPRIT算法
• 5.7.2 仿真分析
• 5.8 本章小结
• 第六章 Loran-C数据链的研究
• 6.1 Loran-C数据链的背景
• 6.2 Loran-C数据链的发播
• 6.2.1 发播数据的规格结构
• 6.2.2 授时电文的格式
• 6.3 Loran-C数据链的解调
• 6.3.1 基准信号的获取
• 6.3.2 Loran-C数据链的解调方法
• 6.4 Loran-C数据链解调的实测结果
• 6.5 本章小结
• 发表的论文和参加的科研工作
• 参考文献
• 致谢