【摘 要】
：
针对传统定位接收机在低信噪比环境下残留载波跟踪误差较大的缺点,本文提出了一种基于最大似然估计(Maximum likelihood estimation,MLE)和卡尔曼滤波(Kalman Filter,KF)
【机 构】
：
北京邮电大学,北京,中国,100876
论文部分内容阅读
针对传统定位接收机在低信噪比环境下残留载波跟踪误差较大的缺点,本文提出了一种基于最大似然估计(Maximum likelihood estimation,MLE)和卡尔曼滤波(Kalman Filter,KF)的载波环路参数估计算法。该方法对相干积分后的数据进行处理,根据给出的包含信号幅度,载波频率和载波相位的MLE代价函数推导出MLE鉴别器公式,并利用文伯格-马夸特(Levenberg-Marquardt,LM)参数估计算法迭代得到参数初始值,应用KF算法平滑LM估计值,形成闭合的载波环路。该方法能够有效减小TC-OFDM载波环路中信号参数的估计误差,提高接收机在低信噪比环境下的跟踪灵敏度。理论分析和仿真结果表明,本文提出的新型载波环路充分利用环路参数特性,克服了传统载波跟踪环路算法的不足,有效提高TC-OFDM接收机的跟踪灵敏度。
其他文献
随着微机电系统(MEMS)技术和计算机技术的不断发展成熟以及对低成本因素的考虑，对飞行器姿态解算的各种性能指标要求也日趋提高，采用常规的姿态解算算法或者单纯只采用卡尔
Getting accurate geomagnetic field value is the prerequisite and foundation for the application of geomagnetic navigation.However,the measuring precision of
在导航信号较弱或者强干扰的环境中，传统的GPS/INS组合导航滤波方式自适应能力弱，无法应对多变的外部环境，为此提出卷积神经网络辅助的组合导航自适应滤波，结合自适应滤波和
随着移动终端的快速发展,基于指纹识别的定位技术得到了很多人的关注。为了减少位置指纹定位算法的计算量,常应用K-means算法对指纹库进行聚类分析。但K-means聚类算法的聚类
针对蓝牙定位结果跳变问题和行人航位推算(Pedestrian dead reckoning,PDR)误差累积问题,本文提出了一种基于二阶级联扩展卡尔曼滤波(Extended Kalman Filter,EKF)和粒子
针对基于RSSI的最大似然估计算法在测距和定位中存在较大误差问题，本文提出了一种基于该算法的改进版.首先对接收到的RSSI信号进行高斯滤波，以滤出较大的测量误差；然后在用
基于行人航迹推算(PDR)的定位技术具有导航定位自主性和连续性优势,而且短时间能够实现很高的定位精度,与此同时,MEMS传感器在商业的移动设备上的广泛可用性使得PDR成为
室内位置服务在人们日常生活中扮演越来越重要角色,然而GPS,北斗,GLONASS,等卫星定位技术在室内难以获取精确位置信息.本文提出一种以粒子滤波算法为框架,融合了蓝牙定位
发射阵地上空扰动引力对弹道导弹主动段飞行影响很大.通过使用基于SRTM数据的地形分类，计算了七种地形类别的纬向、经向和径向扰动引力，并对弹道扰动引力进行了分析和比较.
The premise of using geomagnetic measurement to realize high precision navigation is that magnetometer can obtain geomagnetic field data accurately.However,