王　凱，吳　斌，汪　勃

(北京跟蹤與通信技術(shù)研究所，北京100094)

0　引言

為了應(yīng)對(duì)航天測(cè)控領(lǐng)域不同的任務(wù)模式和應(yīng)用場(chǎng)景，新的測(cè)控體制不斷涌現(xiàn)[1]，由此對(duì)設(shè)備通用性、標(biāo)準(zhǔn)化和小型化要求越來(lái)越高。

擴(kuò)頻測(cè)控體制是我國(guó)當(dāng)前主流的測(cè)控體制，直擴(kuò)和跳頻是其中常見(jiàn)的2種信號(hào)體制，它們之間存在一定的差異，采用現(xiàn)有的接收設(shè)備會(huì)存在一些問(wèn)題。若采用獨(dú)立接收設(shè)備，則平臺(tái)搭載的設(shè)備載荷負(fù)擔(dān)較重，可擴(kuò)展性差，不利于航天領(lǐng)域的應(yīng)用[2]；如采用軟件重載接收設(shè)備，則信號(hào)體制每次改變，就需要重新加載軟件，地面到星上的延時(shí)使得系統(tǒng)的實(shí)時(shí)性受到限制[3]。因此需研究統(tǒng)一接收體制，在接收信號(hào)的過(guò)程中對(duì)不同體制的信號(hào)只需調(diào)整參數(shù)，具有實(shí)時(shí)性好、通用性強(qiáng)的特點(diǎn)。

此外，測(cè)控體制存在信息保密性不足的隱患[4]，新提出的提高測(cè)控頻段、擴(kuò)頻碼速率等抗干擾方法都會(huì)不同程度地增大系統(tǒng)帶寬，接收設(shè)備的采樣成本、設(shè)計(jì)難度都會(huì)急劇增加。因此有必要研究一種能夠有效降低信號(hào)采樣速率、解決其高數(shù)據(jù)率的信號(hào)處理方法。

壓縮感知[5](Compressed Sensing，CS)是新提出的一種信號(hào)采集與處理理論，它以信號(hào)稀疏表示為基礎(chǔ)，提出了采樣率由信號(hào)所包含的信息量決定，而不再受限于信號(hào)帶寬[6]，這為緩解采樣壓力提供了全新的途徑。并且基于壓縮感知理論的信號(hào)處理方法能用不同的稀疏矩陣和觀測(cè)矩陣對(duì)不同體制的信號(hào)進(jìn)行表達(dá)，為實(shí)現(xiàn)信號(hào)統(tǒng)一接收提供了可能。

本文利用壓縮感知原理的內(nèi)在聯(lián)系，構(gòu)建了基于壓縮感知的直擴(kuò)、跳頻統(tǒng)一捕獲接收框架，實(shí)現(xiàn)過(guò)程運(yùn)用復(fù)用、優(yōu)化的設(shè)計(jì)思路，節(jié)省了邏輯資源，降低了算法復(fù)雜度。仿真分析表明，提出的方法能有效捕獲直擴(kuò)、跳頻信號(hào)，成功率高、模式切換速度快，相較于軟件重載的捕獲方法，在實(shí)時(shí)性上具有更好的性能。

1　壓縮感知基本原理

壓縮感知以稀疏表示理論為基礎(chǔ)，通過(guò)對(duì)信號(hào)進(jìn)行隨機(jī)投影實(shí)現(xiàn)壓縮采樣，然后由采樣值通過(guò)求解一個(gè)優(yōu)化問(wèn)題重構(gòu)出原信號(hào)。其數(shù)學(xué)描述如下[7]：

設(shè)信號(hào)x∈RN在稀疏基Ψ下是K稀疏的，即

(1)

系數(shù)向量v中僅K個(gè)非零值，則可通過(guò)測(cè)量矩陣Φ投影完成壓縮采樣，獲得低維測(cè)量值y：

y=Φx=ΦΨv=Θv，

(2)

式中，Φ∈RM×N為測(cè)量矩陣；Θ=ΦΨ為感知矩陣。然后可以通過(guò)優(yōu)化算法由y恢復(fù)原信號(hào)x。由于感知矩陣Θ的行數(shù)M比列數(shù)N少，故式(1)是欠定方程，通?？梢酝ㄟ^(guò)求解最小化l0范數(shù)問(wèn)題來(lái)重構(gòu)原信號(hào)[8]。

min‖v‖l0s.t.y=Θv。

(3)

當(dāng)感知矩陣Θ滿足約束等距特性時(shí)[9]，可以將式(3)等價(jià)地轉(zhuǎn)換為式(4)所示的最小化l1范數(shù)問(wèn)題。

min‖v‖l1s.t.y=Θv。

(4)

2　直擴(kuò)信號(hào)CSPMF-FFT捕獲算法

PMF-FFT捕獲算法由于具備良好的性能而被廣泛應(yīng)用[10]，本文在PMF-FFT捕獲算法的基礎(chǔ)上，引入壓縮感知思想，提出了CSPMF-FFT(Compressed Sensing PMF-FFT)捕獲算法。

2.1　矩陣運(yùn)算模型

為了便于引入壓縮感知思想，首先建立PMF-FFT捕獲算法的矩陣運(yùn)算模型。根據(jù)PMF-FFT方法基本原理[11]，其捕獲過(guò)程主要包括匹配濾波和傅里葉變換2個(gè)步驟。假設(shè)匹配濾波器個(gè)數(shù)為M，每個(gè)匹配濾波器對(duì)連續(xù)的X個(gè)碼元進(jìn)行相關(guān)，從而濾波器系數(shù)矩陣可表示為：

式中，ci為濾波器的抽頭系數(shù)。每一次相關(guān)時(shí)刻，數(shù)據(jù)長(zhǎng)度為N的信號(hào)不斷滑入濾波器中，各次輸入的信號(hào)可表示為X(假設(shè)L=N)：

Xi表示輸入信號(hào)矩陣中第i列向量，即為每次滑動(dòng)送入匹配濾波器的信號(hào)。完成匹配濾波后，將輸出的M個(gè)相關(guān)結(jié)果做快速傅氏變換。M階的離散傅氏變換基為PFFT，其中WM=e-j2π/M。

2.2　引入壓縮感知思想

根據(jù)矩陣模型，可知完成一次PMF-FFT算法的運(yùn)算過(guò)程可表示為θi=PFFTCPMFXi，將各次輸出θi重新排列組成輸出矩陣θ。由直擴(kuò)信號(hào)的強(qiáng)自相關(guān)性可知，當(dāng)捕獲成功時(shí)，輸出矩陣中會(huì)產(chǎn)生一個(gè)顯著的峰值，而未完成捕獲時(shí)輸出值較小，由此可知信號(hào)經(jīng)過(guò)變換在矩陣θ中呈現(xiàn)稀疏性。

根據(jù)上述分析，可以得到稀疏變換矩陣為：

Ψ=PFFTCPMF。

(5)

信號(hào)在此稀疏矩陣下的稀疏表示為：

θ=Ψx=PFFTCPMFx。

(6)

在稀疏表示后可利用測(cè)量矩陣完成壓縮測(cè)量。隨機(jī)高斯矩陣作為普適性的測(cè)量矩陣與稀疏矩陣具有良好的非相干性[12]，能有效地對(duì)信號(hào)進(jìn)行壓縮觀測(cè)，得到信號(hào)的測(cè)量值：

y0=Φθ=ΦΨx，

(7)

式中，ΦM1×M為隨機(jī)高斯矩陣。獲得壓縮測(cè)量值后，通過(guò)正交匹配追蹤(OMP)算法對(duì)信號(hào)進(jìn)行重構(gòu)[13]，恢復(fù)稀疏系數(shù)矩陣θ，根據(jù)θ中峰值的位置索引可以估計(jì)得到碼相位和多普勒頻偏。

CSPMF-FFT算法在每一個(gè)碼相位下進(jìn)行搜索，捕獲成功時(shí)輸出信號(hào)矩陣中存在峰值且超過(guò)門限，記錄相應(yīng)的偽碼相位并根據(jù)譜峰位置估計(jì)多普勒頻移。當(dāng)且僅當(dāng)序列碼相位完全對(duì)齊和頻率完全補(bǔ)償時(shí)，輸出幅值最大。算法的捕獲流程如圖1所示。

圖1　CSPMF-FFT捕獲算法流程

3　跳頻BDSA捕獲算法

基于壓縮域信號(hào)處理理論[14]，提出基于塊對(duì)角稀疏分析(Block Diagonal Sparse Analysis，BDSA)的跳頻信號(hào)捕獲算法。

3.1　塊對(duì)角稀疏分析

跳頻信號(hào)在時(shí)頻域具有顯著的稀疏性，故其頻譜在頻率跳變處產(chǎn)生較大峰值[15]。但是信號(hào)在每一個(gè)時(shí)間段內(nèi)只存在一個(gè)頻率，直接采用傅里葉基只反映了其頻域特性，而沒(méi)有反映時(shí)域特性，即使能提取各頻點(diǎn)的頻率，也無(wú)法得到頻點(diǎn)跳變順序。故在捕獲時(shí)需構(gòu)造一個(gè)能同時(shí)反映其時(shí)、頻域結(jié)構(gòu)特點(diǎn)的稀疏矩陣。研究表明塊對(duì)角稀疏矩陣能很好地表達(dá)跳頻信號(hào)的時(shí)、頻域特性，其結(jié)構(gòu)如圖2所示[16]。

圖2　塊對(duì)角矩陣結(jié)構(gòu)

以僅包含2個(gè)頻點(diǎn)的信號(hào)為例進(jìn)行分析，依據(jù)可能出現(xiàn)的跳頻頻率和跳變時(shí)刻構(gòu)建2個(gè)子對(duì)角塊，即對(duì)k=1，2，...，N-1，構(gòu)造k×k維傅里葉正交矩陣Ψk，1和(N-k)×(N-k)維傅里葉正交矩陣Ψk，2，并將矩陣Ψk，1和Ψk，2作為對(duì)角塊構(gòu)造稀疏矩陣Ψk：

構(gòu)造Ψk時(shí)其子塊矩陣維數(shù)有3種情況，如圖3所示。無(wú)論是kK的情況，信號(hào)經(jīng)稀疏變換后稀疏系數(shù)幅值均會(huì)發(fā)生峰值泄露，僅當(dāng)k=K為跳頻頻點(diǎn)時(shí)，稀疏系數(shù)幅度的峰值達(dá)到最大，跳頻信號(hào)才能在Ψk下進(jìn)行最優(yōu)稀疏分解[17]，如圖4所示。

圖3　塊對(duì)角矩陣維數(shù)情況

圖4　不同矩陣情況下信號(hào)稀疏變換

3.2　引入壓縮感知思想

首先用M×N維的高斯隨機(jī)矩陣Φ對(duì)信號(hào)X進(jìn)行壓縮測(cè)量，獲取測(cè)量值Y：

Y=ΦX=ΦΨkak=Θkak。

(8)

信號(hào)X在塊對(duì)角稀疏矩陣Ψk下被表達(dá)為：

X=a1(K)×ΨK，P1(K)+a2(K)×ΨK，P2(K)，

(9)

式中，a1(K)和a2(K)為稀疏系數(shù)向量ak中存在的2個(gè)顯著的非零系數(shù)；P1(k)和P2(k)為a1(K)和a2(K)在向量ak中的位置P2(k)。則壓縮采樣值Y可表示為：

Y=Θkak=a1(K)×θK，P1(K)+a2(K)×θK，P2(K)。

(10)

壓縮測(cè)量值Y與感知矩陣Θk中的每一個(gè)列向量θk，i(i=1，2，3，...，N)進(jìn)行相關(guān)運(yùn)算，相應(yīng)的表達(dá)式為：

(11)

當(dāng)k≠K時(shí)，信號(hào)X在矩陣Ψk上不能完全稀疏表達(dá)，故得到的a1(K)和a2(K)相比k=K時(shí)小很多。因此可通過(guò)求解γ=α1(k)2+α2(k)2(k=1，2，3，...，N-1)的最大值估計(jì)參數(shù)K。

根據(jù)得到的跳變時(shí)刻K，通過(guò)P1(k)和P2(k)可以估計(jì)出信號(hào)中包含的2個(gè)頻點(diǎn)頻率f1和f2：

f1=(P1(k)-1)×fs/K，

(12)

f2=(P2(k)-K-1)×fs/(N-K)，

(13)

式中，fs=1/Ts為奈奎斯特采樣率；N為一跳信號(hào)的采樣點(diǎn)數(shù)?？偨Y(jié)基于壓縮感知的BDSA跳頻信號(hào)參數(shù)估計(jì)算法的流程圖如圖5所示。

圖5　BDSA捕獲算法流程

4　統(tǒng)一捕獲接收框架

基于壓縮感知的擴(kuò)頻信號(hào)處理，能用不同的稀疏矩陣作為參數(shù)對(duì)不同體制信號(hào)稀疏表示，并輔以不同的測(cè)量矩陣進(jìn)行壓縮測(cè)量，最后通過(guò)重構(gòu)算法或壓縮域信號(hào)處理實(shí)現(xiàn)捕獲。通過(guò)壓縮感知理論的內(nèi)在聯(lián)系，搭建擴(kuò)頻信號(hào)統(tǒng)一接收框架，通過(guò)對(duì)不同體制信號(hào)的公共模塊的提取，利用不同的參數(shù)實(shí)現(xiàn)同一模塊的共用，完成對(duì)直擴(kuò)和跳頻2種體制信號(hào)的統(tǒng)一接收，統(tǒng)一接收框架如圖6所示。

圖6　基于壓縮感知原理的擴(kuò)頻統(tǒng)一接收框架

由圖6可知，擴(kuò)頻信號(hào)統(tǒng)一捕獲框架主要包括：射頻前端模塊、檢測(cè)識(shí)別模塊、參數(shù)選擇模塊、壓縮采樣模塊、稀疏分析模塊、信號(hào)處理模塊和信息提取模塊。

在各模塊中，壓縮采樣模塊、稀疏分析模塊和信號(hào)處理模塊是基于壓縮感知的統(tǒng)一捕獲框架的核心組成部分。射頻前端模塊和信息提取模塊是系統(tǒng)的前后端信號(hào)處理部分，為整系統(tǒng)的運(yùn)行提供保障。檢測(cè)識(shí)別模塊和參數(shù)選擇模塊是多體制信號(hào)統(tǒng)一處理模塊的必要組成部分，為整系統(tǒng)的順利運(yùn)行提供支撐。

確定統(tǒng)一接收系統(tǒng)中的各項(xiàng)參數(shù)，如表1所示。

表1擴(kuò)頻信號(hào)統(tǒng)一接收框架參數(shù)

名稱符號(hào)取值檢測(cè)識(shí)別標(biāo)志Rdet　0：跳頻信號(hào)　1：直擴(kuò)信號(hào)模式切換指令Mins　0：接收信號(hào)體制不發(fā)生改變　1：接收信號(hào)體制發(fā)生改變稀疏矩陣參數(shù)Ψi　ΨFH：跳頻信號(hào)對(duì)應(yīng)的稀疏矩陣　ΨDS：直擴(kuò)信號(hào)對(duì)應(yīng)的稀疏矩陣觀測(cè)矩陣參數(shù)Φj　ΦFH：跳頻信號(hào)對(duì)應(yīng)的觀測(cè)矩陣　ΦDS：直擴(kuò)信號(hào)對(duì)應(yīng)的觀測(cè)矩陣捕獲算法參數(shù)Fn　FFH：跳頻BDSA捕獲算法　FDS：直擴(kuò)CSPMF?FFT捕獲算法

基于統(tǒng)一捕獲框架，設(shè)計(jì)統(tǒng)一捕獲算法流程如下：

① 前端天線接收信號(hào)x，經(jīng)前端模塊處理后的信號(hào)被分別送入檢測(cè)識(shí)別模塊、壓縮采樣模塊和稀疏分析模塊。

② 檢測(cè)識(shí)別模塊調(diào)用檢測(cè)識(shí)別算法，判斷接收信號(hào)為跳頻體制還是直擴(kuò)體制，通過(guò)判決結(jié)果給Rdet賦值0或者1，并送入?yún)?shù)選擇模塊；模式切換指令Mins預(yù)置0表示接收體制不發(fā)生改變，當(dāng)接收體制發(fā)生改變時(shí)設(shè)置為1。

③ 參數(shù)選擇模塊接收到檢測(cè)識(shí)別符Rdet后，從寄存器中選擇相應(yīng)的稀疏矩陣Ψi送入稀疏分析模塊，觀測(cè)矩陣Φj送入壓縮采樣模塊，捕獲算法Fn送入信號(hào)處理模塊。

④ 稀疏分析模塊和壓縮采樣模塊在接收到參數(shù)后啟動(dòng)工作，稀疏分析模塊對(duì)信號(hào)進(jìn)行稀疏分析提供理論先驗(yàn)：x=Ψv；壓縮采樣模塊完成對(duì)接收信號(hào)x的壓縮測(cè)量：y=Φx；完成后將壓縮采樣值y和感知矩陣Θ=ΦΨ送入信號(hào)處理模塊。

⑤ 信號(hào)處理模塊調(diào)用捕獲算法Fn進(jìn)行捕獲處理，完成捕獲并輸出捕獲信息，經(jīng)信息提取模塊處理后輸出測(cè)距、測(cè)速等信息。

⑥ 當(dāng)接到模式切換指令Mins時(shí)，重復(fù)步驟①～⑤；當(dāng)不再有數(shù)據(jù)輸入時(shí)，停止工作。通過(guò)模式切換指令的調(diào)度，當(dāng)信號(hào)體制不發(fā)生改變時(shí)可以節(jié)省參數(shù)加載時(shí)間。

5　仿真分析與實(shí)驗(yàn)

5.1　CSPMF-FFT直擴(kuò)捕獲算法仿真分析

對(duì)提出的CSPMF-FFT算法進(jìn)行仿真驗(yàn)證?？紤]BPSK調(diào)制的擴(kuò)頻信號(hào)，載頻4 MHz，碼長(zhǎng)1 023，信息速率1 kB/s，碼速率Rc=10.23 Mc/s，碼周期1/Rc，每個(gè)碼元采集2個(gè)點(diǎn)，即采樣率fs=2Rc，相關(guān)處理時(shí)間為1 ms。仿真中頻偏設(shè)為8 500 Hz，偽碼相位延遲為275，匹配濾波器個(gè)數(shù)M=64，每個(gè)濾波器相關(guān)積分碼元數(shù)X=16，輸出做256點(diǎn)FFT運(yùn)算。

在壓縮比為2的情況下，采用CSPMF-FFT算法對(duì)信號(hào)進(jìn)行捕獲，重構(gòu)恢復(fù)得到離散輸出譜峰如圖7所示，對(duì)離散普峰值做曲線擬合，估得多普勒頻偏為8 750 Hz，此時(shí)多普勒頻偏分辨率Δfd=1/(MXTc)為250 Hz。匹配濾波相關(guān)輸出幅值如圖8所示，在碼元相位為275成功捕獲時(shí)產(chǎn)生一個(gè)顯著的峰值?？梢?jiàn)CSPMF-FFT算法能有效地捕獲直擴(kuò)信號(hào)并估計(jì)出信號(hào)的相位信息和多普勒頻偏。

圖7　離散重構(gòu)譜峰與FFT變換位數(shù)關(guān)系

圖8　相關(guān)輸出幅度隨碼相位變換關(guān)系

在不同的信噪比和壓縮比情況下，對(duì)CSPMF-FFT方法的捕獲概率進(jìn)行仿真，結(jié)果如圖9所示?？梢?jiàn)捕獲概率隨著信噪比的提高而上升，隨著壓縮比的提高而下降。在壓縮比等于2的情況下，當(dāng)信噪比大于-10 dB時(shí)捕獲成功率達(dá)到90%以上，可認(rèn)為CSPMF-FFT算法能有效地捕獲直擴(kuò)信號(hào)。

圖9　直擴(kuò)信號(hào)捕獲概率

5.2　BDSA跳頻捕獲算法仿真分析

對(duì)BDSA跳頻信號(hào)捕獲算法的性能進(jìn)行仿真分析，本質(zhì)上是分析捕獲算法對(duì)跳頻頻點(diǎn)和跳變時(shí)刻這2個(gè)參數(shù)的估計(jì)性能。設(shè)置跳頻信號(hào)的仿真參數(shù)為：跳頻點(diǎn)為{1.0，1.1，1.2，1.3，1.4，1.5，1.6，1.7} kHz，載波頻率隨機(jī)變化；跳頻周期為200 ms，采樣頻率fc=4 kHz。在不同的信號(hào)信噪比下，考慮不同的壓縮比，對(duì)參數(shù)進(jìn)行估計(jì)，跳變時(shí)刻的估計(jì)成功率與跳變時(shí)刻的捕獲成功率如圖10和圖11所示。

圖10　跳變時(shí)刻捕獲成功率

圖11　跳頻頻點(diǎn)捕獲成功率

圖10和圖11的仿真結(jié)果顯示，對(duì)跳變時(shí)刻和跳頻頻點(diǎn)的捕獲概率隨信噪比的提高而上升，而當(dāng)信噪比增大到一定程度時(shí)，捕獲成功率維持在一個(gè)穩(wěn)定值而不再繼續(xù)上升。在信噪比相同的情況下，捕獲概率隨著壓縮比的增大而下降。在壓縮比為2、信噪比大于5 dB時(shí)，對(duì)跳變時(shí)刻的捕獲成功率達(dá)到90%以上，對(duì)跳頻頻點(diǎn)的捕獲成功率達(dá)到80%以上，此時(shí)能對(duì)跳變時(shí)刻和跳頻頻點(diǎn)有效地進(jìn)行估計(jì)。當(dāng)壓縮比達(dá)到16時(shí)，捕獲算法失效。相較于對(duì)跳變時(shí)刻的估計(jì)，在相同的信噪比與壓縮比條件下對(duì)跳頻頻點(diǎn)估計(jì)概率較低，這是由于對(duì)頻點(diǎn)的估計(jì)是建立在跳變時(shí)刻正確估計(jì)的基礎(chǔ)之上，相應(yīng)的捕獲性能也因此有所下降。

5.3　統(tǒng)一捕獲框架仿真分析

對(duì)擴(kuò)頻信號(hào)統(tǒng)一捕獲接收框架進(jìn)行仿真驗(yàn)證，系統(tǒng)的有效性和實(shí)時(shí)性是衡量其工作狀況的2個(gè)重要指標(biāo)，前面已經(jīng)對(duì)捕獲算法的有效性進(jìn)行了分析，故此處主要針對(duì)實(shí)時(shí)性展開分析。

統(tǒng)一捕獲系統(tǒng)實(shí)時(shí)性主要體現(xiàn)為不同體制模式切換時(shí)的實(shí)時(shí)性和對(duì)信號(hào)進(jìn)行捕獲的實(shí)時(shí)性。設(shè)定模式切換下直擴(kuò)信號(hào)捕獲工作模式和跳頻信號(hào)捕獲工作模式，分別記錄下二者模式切換加信號(hào)捕獲的總時(shí)間，與軟件重載模式下對(duì)2種信號(hào)捕獲的時(shí)間進(jìn)行對(duì)比。

① 直擴(kuò)信號(hào)實(shí)時(shí)性驗(yàn)證示意圖如圖12所示。直擴(kuò)信號(hào)捕獲工作模式，記錄模式切換開始工作的時(shí)刻tDS1，生成直擴(kuò)信號(hào)并對(duì)其進(jìn)行捕獲，記錄捕獲完成的時(shí)間tDS2，則工作模式切換加上直擴(kuò)捕獲的總時(shí)間為：

ΔtDS=tDS2-tDS1。

(14)

圖12　直擴(kuò)信號(hào)實(shí)時(shí)性驗(yàn)證示意

② 跳頻信號(hào)實(shí)時(shí)性驗(yàn)證示意圖如圖13所示。跳頻信號(hào)捕獲工作模式，記錄模式切換開始工作的時(shí)刻tFH1，生成跳頻信號(hào)并對(duì)其進(jìn)行捕獲，記錄捕獲完成的時(shí)間tFH2，則工作模式切換和跳頻信號(hào)捕獲的總時(shí)間為：

ΔtFH=tFH2-tFH1。

(15)

圖13　跳頻信號(hào)實(shí)時(shí)性驗(yàn)證示意

③ 軟件重載信號(hào)捕獲仿真驗(yàn)證示意圖如圖14所示。軟件重載信號(hào)捕獲工作模式，作為對(duì)比，加入基于軟件重載的捕獲接收過(guò)程，此處僅考慮仿真軟件重載程序，并未考慮設(shè)備間程序加注所需的信息傳輸、設(shè)備啟閉等其他時(shí)間。記錄完成上一次捕獲的時(shí)間tall1，然后通過(guò)仿真軟件重載程序，首先生成直擴(kuò)信號(hào)并對(duì)其進(jìn)行捕獲，然后再重載一次程序，生成跳頻信號(hào)并對(duì)其進(jìn)行捕獲，記錄捕獲完成的時(shí)間tall2，則該工作模式完成軟件重載和2種信號(hào)捕獲的總時(shí)間為：

Δtall=tall2-tall1。

(16)

圖14　軟件重載信號(hào)捕獲仿真驗(yàn)證示意

將模式切換捕獲時(shí)長(zhǎng)ΔtDS和ΔtFH作為捕獲框架實(shí)時(shí)性的驗(yàn)證指標(biāo)，Δtall作為對(duì)照，利用仿真軟件獨(dú)立重復(fù)進(jìn)行10次實(shí)驗(yàn)，由于耗時(shí)較小，因此每次實(shí)驗(yàn)重復(fù)進(jìn)行5次模式切換及捕獲過(guò)程，測(cè)取時(shí)長(zhǎng)的平均值以克服隨機(jī)性帶來(lái)的偏差，對(duì)比結(jié)果如表2所示。

表2統(tǒng)一捕獲與軟件重載捕獲耗時(shí)對(duì)比結(jié)果

實(shí)驗(yàn)序號(hào)統(tǒng)一捕獲模式切換軟件重載直擴(kuò)捕獲ΔtDS/s跳頻捕獲ΔtFH/s直擴(kuò)、跳頻捕獲Δtall/s10．0032140．0041520．0105020．0030110．0040580．0117530．0030170．0040500．0118040．0031010．0040530．0103750．0031670．0041170．0121160．0030460．0040960．0116770．0032080．0041410．0102580．0031940．0041360．0116390．0031140．0042170．01184100．0030590．0041790．01097

仿真實(shí)驗(yàn)結(jié)果表明，捕獲系統(tǒng)對(duì)2種體制的信號(hào)能以小于0.005 s的時(shí)間完成模式切換及信號(hào)捕獲，從而驗(yàn)證了捕獲框架的實(shí)時(shí)性。并且相較于軟件重載的捕獲方法，完成2種信號(hào)捕獲的時(shí)間總和小于軟件重載完成2種信號(hào)捕獲的時(shí)間，并且這是在未考慮設(shè)備間程序加注所需的信息傳輸、設(shè)備啟閉等其他時(shí)間的情況下完成的，可見(jiàn)提出的統(tǒng)一捕獲框架在實(shí)時(shí)性上具有更加優(yōu)異的性能。

6　結(jié)束語(yǔ)

針對(duì)當(dāng)前航天測(cè)控領(lǐng)域多體制信號(hào)捕獲時(shí)接收設(shè)備存在的設(shè)備載荷負(fù)擔(dān)重、采樣壓力大和實(shí)時(shí)性受限等問(wèn)題，本文在對(duì)直擴(kuò)、跳頻壓縮感知捕獲算法分別進(jìn)行研究的基礎(chǔ)上，提取了信號(hào)稀疏分析、壓縮觀測(cè)和信號(hào)捕獲的共用模塊并進(jìn)行了合理的復(fù)用與優(yōu)化，構(gòu)建了基于壓縮感知原理的擴(kuò)頻統(tǒng)一捕獲框架。仿真結(jié)果表明，提出統(tǒng)一接收框架能有效地對(duì)擴(kuò)頻信號(hào)進(jìn)行捕獲接收，在對(duì)信號(hào)捕獲實(shí)時(shí)性上相較于軟件重載的捕獲方法具有更好的性能。全文通過(guò)對(duì)以上內(nèi)容的研究，將新穎的壓縮感知思想引入到擴(kuò)頻信號(hào)捕獲接收技術(shù)研究中，不僅為解決當(dāng)前擴(kuò)頻測(cè)控通信系統(tǒng)面臨的問(wèn)題提供了思路，也將為其未來(lái)的發(fā)展帶來(lái)啟發(fā)。研究成果能為測(cè)控設(shè)備小型化和信號(hào)處理任務(wù)的時(shí)效性帶來(lái)幫助，對(duì)于資源受限、分秒必爭(zhēng)的航天領(lǐng)域，將產(chǎn)生重大的影響。

[1]劉嘉興.飛行器測(cè)控與信息傳輸技術(shù)[M].北京：國(guó)防工業(yè)出版社，2015：13-20.

[2]王遠(yuǎn)，姚艷軍，王爍.我國(guó)天基信息網(wǎng)未來(lái)發(fā)展設(shè)想[J].信息通信，2014(1)：91-92.

[3]李志剛，張彧，潘長(zhǎng)勇，等.抗單粒子翻轉(zhuǎn)的可重構(gòu)衛(wèi)星通信系統(tǒng)[J].宇航學(xué)報(bào)，2009，30(5)：1752-1756.

[4]黃慈寧.測(cè)控通信非常規(guī)抗跟蹤干擾方法研究[D].西安：西安電子科技大學(xué)，2015.

[5]DONOHO D L.Compressed Sensing[J].IEEE Transactions on Information Theory，2006，52(4)：1289-1306.

[6]HAYASHI K，NAGAHARA M，TANAKA T.A User’s Guide to Compressed Sensing for Communications Systems[J].Ieice Transactions on Communications，2013，E96-B(3)：685-712.

[7]BOUGHER B.Introduction to Compressed Sensing[J].Leading Edge，2015，34(10)：1256-1257.

[8]CANDES E J，ROMBERG J，TAO T.Robust Uncertainty Principles：Exact Signal Reconstruction from Highly Incomplete Frequency Information[J].Information Theory IEEE Transactions on，2006，52(2)：489-509.

[9]BARANIUK R，DAVENPORT M，DEVORE R，et al.A Simple Proof of the Restricted Isometry Property for Random Matrices[J].Constructive Approximation，2008，28(3)：253-263.

[10] 楊秦彪，王祖林，黃勤，等.高動(dòng)態(tài)鏈路中折疊PMF-FFT快速捕獲方法[J].系統(tǒng)工程與電子技術(shù)，2016，38(8)：1723-1729.

[11] QI J，LUO F，SONG Q.Fast Acquisition Method of Navigation Receiver Based on Folded PMF-FFT[C]∥Computing，Communications and It Applications Conference，IEEE，2015：62-66.

[12] 王俠，王開，王青云，等.壓縮感知中的確定性隨機(jī)觀測(cè)矩陣構(gòu)造[J].信號(hào)處理，2014，30(4)：436-442.

[13] JIAN W，KWON S，SHIM B.Generalized Orthogonal Matching Pursuit[J].IEEE Transactions on Signal Processing，2011，60(12)：6202-6216.

[14] 程艷合，楊文革，屈文星，等.壓縮域直擴(kuò)測(cè)控通信信號(hào)載波同步技術(shù)[J].電訊技術(shù)，2015，55(6)：585-593.

[15] 張益東，楊文革.基于壓縮感知的跳頻信號(hào)接收處理方法綜述[J].通信技術(shù)，2016，49(4)：383-390.

[16] 邱硯馳.基于壓縮感知的跳頻信號(hào)盲處理系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D].西安：西安電子科技大學(xué)，2015.

[17] 張春磊，李立春，王大鳴.壓縮域?qū)拵l信號(hào)跳變時(shí)刻估計(jì)算法[J].太赫茲科學(xué)與電子信息學(xué)報(bào)，2015，13(1)：122-129.