[发明专利]基于EKF的TC-OFDM接收机码跟踪方法及装置

摘要

本发明实施例提供了一种基于EKF的TC‑OFDM接收机码跟踪方法及装置。该方法包括：接收当前时刻的目标信号，并获取所述TC‑OFDM接收机自身产生的本地信号；对所述目标信号与所述本地信号进行相关运算，得到当前时刻的信号观测值；获取所述当前时刻的上一时刻的状态估计值，使用EKF算法对所述当前时刻的信号观测值和所述当前时刻的上一时刻的状态估计值进行计算，得到当前时刻的状态估计值，其中，所述状态估计值包括码相位误差和信号幅度。通过将码相位误差和信号幅度共同作为EKF的状态估计值进行计算，提高了跟踪环路的收敛速度和稳健性，从而提高了TC‑OFDM接收机的跟踪灵敏度。

主权项

1.一种基于扩展卡尔曼滤波EKF的时分码分正交频分复用TC‑OFDM接收机码跟踪方法，其特征在于，应用于所述TC‑OFDM接收机，所述方法包括：接收当前时刻的目标信号，并获取所述TC‑OFDM接收机自身产生的本地信号；对所述目标信号与所述本地信号进行相关运算，得到当前时刻的信号观测值；获取所述当前时刻的上一时刻的状态估计值，使用EKF算法对所述当前时刻的信号观测值和所述当前时刻的上一时刻的状态估计值进行计算，得到当前时刻的状态估计值，其中，所述状态估计值包括码相位误差和信号幅度；所述对所述目标信号与所述本地信号进行相关运算，得到当前时刻的信号观测值包括：对所述目标信号i、q以及本地信号e、l分别经过超前相关器和滞后相关器进行相关运算，得到所述超前相关器的输出信号I_E、Q_E，以及所述滞后相关器的输出信号I_L、Q_L，并确定所述超前相关器和所述滞后相关器的输出信号的积分值E、L分别为：其中，所述τ为码相位误差，且所述A_c＝(A|sinc(f_dT_coh)|)²，所述A为所述超前相关器和所述滞后相关器支路输出的信号幅度，所述d是所述超前相关器和所述滞后相关器之间的间距，所述T_coh为所述相关运算的相干积分时间，所述R(·)为自相关函数，所述n_E为所述超前相关器输出的噪声，所述n_L为所述滞后相关器输出的噪声；f_d为残留载波频率差；根据所述超前相关器和所述滞后相关器输出信号的积分值E、L确定所述当前时刻的信号观测值Y_k为：所述使用EKF算法对所述当前时刻的信号观测值和所述当前时刻的上一时刻的状态估计值进行计算，得到当前时刻的状态估计值包括：根据所述上一时刻的状态估计值，以及预设的状态转移矩阵，确定当前时刻的状态预测值，并确定上一时刻的系统过程误差对应的协方差矩阵；根据所述上一时刻的系统过程误差对应的协方差矩阵，以及所述预设的状态转移矩阵，确定当前时刻的预测误差；确定所述当前时刻的信号观测值对应的观测矩阵和随机观测噪声，以及所述随机观测噪声的协方差矩阵；根据所述当前时刻的预测误差、所述观测矩阵、以及所述随机观测噪声的协方差矩阵，确定当前时刻的滤波增益；根据所述当前时刻的状态预测值、所述滤波增益、以及所述当前时刻的信号观测值，确定所述当前时刻的状态估计值；所述根据所述上一时刻的状态估计值，以及预设的状态转移矩阵，确定当前时刻的状态预测值包括：根据公式X_k,k‑1＝ΦX_k‑1，确定所述当前时刻的状态预测值X_k,k‑1；其中，所述X_k‑1为所述上一时刻的状态估计值，为所述预设的状态转移矩阵；所述确定上一时刻的系统过程误差对应的协方差矩阵包括：根据公式确定上一时刻的系统过程误差W_k‑1；其中，所述n_τ、是均值为0，方差为δ_τ²和的高斯白噪声；根据公式确定所述上一时刻的系统过程误差对应的协方差矩阵Q_k‑1；所述根据所述上一时刻的系统过程误差对应的协方差矩阵，以及所述预设的状态转移矩阵，确定当前时刻的预测误差包括：获取上一时刻的系统过程误差P_k‑1包括：根据公式获取上一时刻的系统过程误差P_k‑1，其中，I为单位矩阵，所述H_k‑1为上一时刻的信号观测值Y_k‑1对应的观测矩阵，R_k‑1为上一时刻的随机观测噪声V_k‑1的协方差矩阵，所述K_k‑1为上一时刻的滤波增益，P_k‑1,k‑2为上一时刻的上一时刻的预测误差；根据公式P_k,k‑1＝ΦP_k‑1Φ^T+Q_k‑1，确定所述当前时刻的预测误差P_k,k‑1；其中，所述Φ^T为所述Φ的转置矩阵；所述确定所述当前时刻的信号观测值对应的观测矩阵和随机观测噪声，以及所述随机观测噪声的协方差矩阵包括：确定所述当前时刻的信号观测值Y_k为：确定所述当前时刻的信号观测值Y_k对应的随机观测噪声为V_k，所述当前时刻的信号观测值Y_k对应的观测矩阵H_k为：确定所述随机观测噪声V_k的协方差矩阵R_k为：所述根据所述当前时刻的预测误差、所述观测矩阵、以及所述随机观测噪声的协方差矩阵，确定当前时刻的滤波增益包括：根据公式确定所述当前时刻的滤波增益K_k；所述根据所述当前时刻的状态预测值、所述滤波增益、以及所述当前时刻的信号观测值，确定所述当前时刻的状态估计值包括：根据公式X_k＝X_k,k‑1+K_k(Y_k‑h(X_k,k‑1))，确定所述当前时刻的状态估计值X_k，