基于奇异值分解的压缩感知GNSS信号捕获算法

doi:10.7523/j.ucas.2021.0031

中国科学院大学学报 ›› 2023, Vol. 40 ›› Issue (1): 128-134.DOI: 10.7523/j.ucas.2021.0031

• 简报 • 上一篇

基于奇异值分解的压缩感知GNSS信号捕获算法

邓乐乐^1,2, 周方明^1,2, 赵璐璐¹, 梁广^1,2, 余金培^1,2

1. 中国科学院微小卫星创新研究院, 上海 201203;
2. 中国科学院大学, 北京 100049

收稿日期:2020-12-10 修回日期:2021-03-29 发布日期:2021-07-02
通讯作者: 赵璐璐,E-mail:zhaoll@microsate.com
基金资助:
国家自然科学基金(61671304)和上海市启明星计划(18QA1404000)资助

Compressed sensing GNSS signal acquisition algorithm based on singular value decomposition

DENG Lele^1,2, ZHOU Fangming^1,2, ZHAO Lulu¹, LIANG Guang^1,2, YU Jinpei^1,2

1. Innovation Academy for Microsatellites, Chinese Acadomy of Sciences, Shanghai 201203, China;
2. University of Chinese Academy of Sciences, Beijing 100049, China

Received:2020-12-10 Revised:2021-03-29 Published:2021-07-02

摘要/Abstract

摘要： 信号捕获是全球导航卫星系统(GNSS)信号接收的关键步骤，其搜索过程运算量较大。压缩感知可以减少捕获的运算量，但对捕获性能有一定影响。为提高压缩感捕获算法的性能，在GNSS信号稀疏性的基础上，构造基于奇异值分解的高斯测量矩阵，该测量矩阵比传统高斯测量矩阵具有更好的非相关性和重构性能，利用该矩阵进行基于压缩感知的捕获算法仿真。仿真结果表明，与传统高斯压缩感知捕获算法对比，改进算法在较低信噪比情况下捕获概率有明显提升。

关键词: 全球导航卫星系统, 信号捕获, 压缩感知, 奇异值分解

Abstract: Signal acquisition is the key step of GNSS (global navigation satellite system) signal reception, and its search process is computationally expensive. Compressed sensing can reduce the amount of computation, but it has a certain impact on the acquisition performance. In order to improve the performance of compressed sensing acquisition algorithm, based on the sparsity of GNSS signal, a Gaussian measurement matrix based on singular value decomposition is constructed. Compared with the traditional Gaussian measurement matrix, the constructed measurement matrix has better performance of non-correlation and reconstruction. Simulation results show that compared with the traditional Gaussian compressed sensing acquisition algorithm, the acquisition probability of the improved algorithm is significantly improved in the case of lower signal-to-noise ratio.

Key words: GNSS, signal acquisition, compressed sensing, singular value decomposition

中图分类号:

TN927.23

邓乐乐, 周方明, 赵璐璐, 梁广, 余金培. 基于奇异值分解的压缩感知GNSS信号捕获算法[J]. 中国科学院大学学报, 2023, 40(1): 128-134.

DENG Lele, ZHOU Fangming, ZHAO Lulu, LIANG Guang, YU Jinpei. Compressed sensing GNSS signal acquisition algorithm based on singular value decomposition[J]. Journal of University of Chinese Academy of Sciences, 2023, 40(1): 128-134.

参考文献

[1] 张利伟,赵冬青,彭少磊.圆周移位在伪码补零BDS信号捕获算法中的应用[J].测绘科学技术学报,2017,34(5):466-469.DOI：10.3969/j.issn.1673-6338.2017.05.006.
[2] 张春熹,李先慕,高爽.基于稀疏傅里叶变换的快速捕获方法[J].北京航空航天大学学报,2018,44(4):670-676.DOI：10.13700/j.bh.1001-5965.2017.0280.
[3] 冯永新,任锦君,刘芳.双块零扩展截断相关的长码信号快速捕获算法[J].兵工学报,2019,40(3):539-547.DOI：10.3969/j.issn.1000-1093.2019.03.012.
[4] Donoho D L.Compressed sensing[J].IEEE Transactions on Information Theory,2006,52(4):1289-1306.
[5] Candes E J,Romberg J,Tao T.Robust uncertainty principles:exact signal reconstruction from highly incomplete frequency information[J].IEEE Transactions on Information Theory,2006,52(2):489-509.DOI：10.1109/TIT.2005.862083.
[6] 李灯熬,邓豆豆,赵菊敏,等.基于卡尔曼滤波的压缩感知卫星信号捕获算法研究[C]//第九届中国卫星导航学术年会论文集:S09用户终端技术.哈尔滨,2018:91-94.
[7] He G D,Song M Z,He X,et al.GPS signal acquisition based on compressive sensing and modified greedy acquisition algorithm[J].IEEE Access,2019,7:40445-40453.DOI：10.1109/ACCESS.2019.2906682.
[8] 杨峰,周飞,潘丽丽,等.基于交错方向乘子法的并行GPS信号捕获算法[J].电子科技大学学报,2020,49(2):187-193.DOI：10.12178/1001-0548.2018112.
[9] 王凯,吴斌,汪勃.一种利用压缩感知改进的PMF-FFT扩频捕获算法[J].电讯技术,2018,58(6):661-667.DOI：10.3969/j.issn.1001-893X.2018.06.008.
[10] Candes E J,Tao T.Decoding by linear programming[J].IEEE Transactions on Information Theory,2005,51(12):4203-4215.DOI：10.1109/TIT.2005.858979.
[11] 焦李成,杨淑媛,刘芳,等.压缩感知回顾与展望[J].电子学报,2011,39(7):1651-1662.
[12] Dan K. A singularly valuable decomposition: The SVD of a matrix[J].The College Mathematics Journal,1996,27(1):2-23.DOI：10.1080/07468342.1996.11973744.
[13] 刘航，王波，郎代志，等.基于奇异值分解改进观测矩阵的FBG传感信号处理[J].软件导刊,2020,19(8):202-206.
[14] 彭玉楼,何怡刚,林斌.基于奇异值分解的压缩感知噪声信号重构算法[J].仪器仪表学报,2012,33(12):2655-2660.DOI：10.19650/j.cnki.cjsi.2012.12.003.
[15] Juditsky A,Nemirovski A.On verifiable sufficient conditions for sparse signal recovery via l1 minimization.[J]Mathematical Programming,2011,127(1):57-88.DOI：10.1007/s10107-010-0417-z.
[16] 许学杰,潘志刚,刘畅.基于压缩感知的SAR图像压缩算法[J].中国科学院大学学报,2015,32(6):790-796.DOI：10.7523/j.issn.2095-6134.2015.06.010.
[17] 杨海蓉,张成,丁大为,等.压缩传感理论与重构算法[J].电子学报,2011,39(1):142-148.
[18] 谈继魁,方勇,霍迎秋.基于GPU并行计算的OMP算法[J].电视技术,2015,39(15):42-45,54.DOI：10.16280/j.videoe.2015.15.010.
[19] 郭晓彤.基于压缩感知的GPS信号捕获算法研究[D].西安：西安电子科技大学，2014.

基于奇异值分解的压缩感知GNSS信号捕获算法

Compressed sensing GNSS signal acquisition algorithm based on singular value decomposition

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 11

编辑推荐

Metrics

本文评价

访问统计

联系我们

[1]	马田, 陈锟山, 刘玉, 李婷婷, 许镇. 随机介质背景下的空频TR-MUSIC成像方法[J]. 中国科学院大学学报, 2021, 38(2): 260-269.
[2]	徐丽凡, 王雄. 一种基于差分算法的共形聚焦式微波热疗系统[J]. 中国科学院大学学报, 2020, 37(5): 708-713.
[3]	刘皓, 谭超, 董峰. 基于高斯回归预测的超声成像高分辨率重建[J]. 中国科学院大学学报, 2020, 37(2): 234-241.
[4]	凌程, 耿修瑞, 杨炜暾, 赵永超. 一种改进的基于奇异值分解的亚像素级图像配准算法[J]. 中国科学院大学学报, 2019, 36(1): 101-108.
[5]	田野, 张冰尘, 洪文. 基于分布式压缩感知的重轨干涉SAR形变检测方法与实验[J]. 中国科学院大学学报, 2016, 33(1): 107-114.
[6]	许学杰, 潘志刚, 刘畅. 基于压缩感知的SAR图像压缩算法[J]. 中国科学院大学学报, 2015, 32(6): 790-796.
[7]	甘彤, 王晓岚, 马冠一. 双线性极化天线的CAPS信号合成捕获算法[J]. 中国科学院大学学报, 2015, 32(6): 803-806.
[8]	刘波, 李道京. 基于随机重复频率和压缩感知的运动目标ISAR成像[J]. 中国科学院大学学报, 2014, 31(2): 231-237.
[9]	罗铁坚, 程福兴, 周佳. 融合奇异值分解和动态转移链的学术资源推荐模型[J]. 中国科学院大学学报, 2014, 31(2): 257-266.
[10]	姚振杰, 易卫东. 一种用于车牌识别的图像超分辨率算法[J]. 中国科学院大学学报, 2013, 30(1): 137-143.
[11]	肖俊; 王颖. 基于块奇异值分解的水印算法研究[J]. 中国科学院大学学报, 2006, 23(3): 370-376.