针对高轨卫星连线干涉测量(Connected Element Interferometry,CEI)信号的高精度频率估计这一难题,建立了CEI中的正弦信号频率估计模型。设计了基于深度学习框架的CEI信号频率估计算法,将算法划分为基于前馈深度神经网络的频率表征模块...针对高轨卫星连线干涉测量(Connected Element Interferometry,CEI)信号的高精度频率估计这一难题,建立了CEI中的正弦信号频率估计模型。设计了基于深度学习框架的CEI信号频率估计算法,将算法划分为基于前馈深度神经网络的频率表征模块和基于卷积神经网络的频率计算及估计模块,在此基础上设计了各模块的具体结构和学习训练流程。对于算法的核心模块进行了仿真实验验证,并将所提算法与前人的相关算法进行了比较与分析,证明了该算法的有效性、稳定性和优越性。展开更多
针对连线干涉测量系统(CEI)在无模型时延或模型时延不准确条件下相位模糊度解算困难的问题,提出了利用伪码测距信号辅助的载波相位模糊解算方法。在测站距离约束下,根据两站所接收伪码信号的相对位置关系计算得到一个时延差作为解载波...针对连线干涉测量系统(CEI)在无模型时延或模型时延不准确条件下相位模糊度解算困难的问题,提出了利用伪码测距信号辅助的载波相位模糊解算方法。在测站距离约束下,根据两站所接收伪码信号的相对位置关系计算得到一个时延差作为解载波相位模糊的时延预报值。为了提高解模糊能力,引入了伪码捕获和跟踪的基本方法。仿真分析了不同信噪比下所能达到的最大精度,结果表明在信噪比高于0 d B时,可直接解算S频段的载波相位模糊;在信噪比较低时,可解算宽带群时延的相位模糊。在0 d B和-30 d B条件下重复试验1 000次,正确率分别达到99.88%和99.91%,证明了算法的有效性。展开更多
文摘针对高轨卫星连线干涉测量(Connected Element Interferometry,CEI)信号的高精度频率估计这一难题,建立了CEI中的正弦信号频率估计模型。设计了基于深度学习框架的CEI信号频率估计算法,将算法划分为基于前馈深度神经网络的频率表征模块和基于卷积神经网络的频率计算及估计模块,在此基础上设计了各模块的具体结构和学习训练流程。对于算法的核心模块进行了仿真实验验证,并将所提算法与前人的相关算法进行了比较与分析,证明了该算法的有效性、稳定性和优越性。
文摘针对连线干涉测量系统(CEI)在无模型时延或模型时延不准确条件下相位模糊度解算困难的问题,提出了利用伪码测距信号辅助的载波相位模糊解算方法。在测站距离约束下,根据两站所接收伪码信号的相对位置关系计算得到一个时延差作为解载波相位模糊的时延预报值。为了提高解模糊能力,引入了伪码捕获和跟踪的基本方法。仿真分析了不同信噪比下所能达到的最大精度,结果表明在信噪比高于0 d B时,可直接解算S频段的载波相位模糊;在信噪比较低时,可解算宽带群时延的相位模糊。在0 d B和-30 d B条件下重复试验1 000次,正确率分别达到99.88%和99.91%,证明了算法的有效性。
