论文部分内容阅读
卫星导航信号质量对导航系统性能具有显著的影响,导航载荷通道的非理想特性会引起导航信号失真,导致信号质量的下降。其中,通道群时延失真特性会导致相关函数畸变,引入较大的测距偏差。为对导航载荷信号质量进行优化,需要对通道的群时延特性进行评估。采用仪器测量通道的群时延特性通常不能真实反映导航信号的失真情况,因此一般从采集的下行导航信号中提取通道特性。一般的基于相关函数的群时延提取方法,将实际信号互相关函数与理想信号相关函数通过傅里叶变换转换到频域求得,群时延估计精度不高,尤其是在频谱零值处。不同于传统方法,本文从机器学习角度出发,提出了一种基于时间序列的导航信号群时延特性检测算法。该方法考虑群时延可分解为一次、二次、三次群时延的线性组合,通过得到不同组合下的相关值,将相关值看成一组时间序列进行训练。当获取实际信号相关函数时,再利用时间序列相似性检测算法和多分类器对其进行检测,估计出其群时延参数。我们通过交叉检验对本文提出的方法进行验证,并对估计精度进行了评估。实验结果表明,本文提出的方法能明显改善检测性能,检测准确率可达到85%以上,估计精度可达0.0718ns。