熊興雨，倪淑燕，程乃平

(中國(guó)人民解放軍航天工程大學(xué)， 北京 101416)

新型DSSS信號(hào)中的二進(jìn)制偏移載波(Binary Offset Carrier,BOC)調(diào)制方式，在二進(jìn)制相移鍵控(Binary Phase Shift Keying,BPSK)基礎(chǔ)上引入了方波副載波，該調(diào)制方式的優(yōu)點(diǎn)主要有:一是由于引入了方波副載波，使其頻譜從傳統(tǒng)DSSS信號(hào)的中心頻段向左右兩側(cè)搬移,較好地兼容了傳統(tǒng)的BPSK信號(hào),提升了頻譜利用率,不需要增加新的頻段；二是BOC(m,n)信號(hào)具有兩個(gè)獨(dú)立的調(diào)制參數(shù),信號(hào)設(shè)計(jì)者可以根據(jù)需要把信號(hào)能量調(diào)制到對(duì)稱的頻段范圍；三是BOC及其衍生調(diào)制信號(hào)可以實(shí)現(xiàn)不同導(dǎo)航系統(tǒng)之間的兼容和互操作,其自相關(guān)函數(shù)峰值更尖銳的特點(diǎn)使它可以在定位精度方面有更大的潛力；四是信號(hào)頻譜分布在中心頻率兩側(cè),給導(dǎo)航接收機(jī)的信號(hào)同步設(shè)計(jì)帶來(lái)靈活和便利,接收機(jī)既可以處理單側(cè)頻帶也可以同時(shí)處理兩側(cè)的頻帶。

BOC調(diào)制方式在軍事通信上的應(yīng)用價(jià)值凸顯，而作為非協(xié)作方，為達(dá)成破解敵方信號(hào)和有效干擾敵方通信目的，就必須先截獲敵方的信號(hào)、估計(jì)信號(hào)的參數(shù)，并對(duì)信號(hào)進(jìn)行捕獲跟蹤。因此，對(duì)BOC調(diào)制方式的衛(wèi)星導(dǎo)航信息偵查中的檢測(cè)估計(jì)、捕獲跟蹤等關(guān)鍵技術(shù)的研究更為重要。然而導(dǎo)航背景下信號(hào)功率較低與BOC調(diào)制的自相關(guān)函數(shù)多峰特性、頻譜分類特性以及獨(dú)立調(diào)制參數(shù)的引入為BOC調(diào)制盲檢測(cè)估計(jì)帶來(lái)困難；BOC調(diào)制信號(hào)自相關(guān)函數(shù)圖像存在多個(gè)副峰，使得接收機(jī)需要額外運(yùn)算量來(lái)達(dá)到與傳統(tǒng)信號(hào)相同的性能,從而提升了BOC信號(hào)盲捕獲的復(fù)雜度；BOC調(diào)制信號(hào)的延遲鎖定環(huán)路的相位鑒別函數(shù)具有多個(gè)跟蹤穩(wěn)定點(diǎn),但其中只有一個(gè)過(guò)零點(diǎn)是正確的碼同步位置，一旦不能正確鎖定在主峰上,接收機(jī)將對(duì)導(dǎo)航信號(hào)傳播時(shí)延估計(jì)造成較大偏差,從而引起較大的測(cè)距誤差。

目前針對(duì)BOC及其衍生信號(hào)的研究文獻(xiàn)并不多，且集中在對(duì)BOC信號(hào)的特性分析與捕獲跟蹤上，針對(duì)非協(xié)作BOC信號(hào)的檢測(cè)估計(jì)與高調(diào)制階數(shù)的無(wú)模糊捕獲跟蹤研究較少。

本文首先對(duì)BOC調(diào)制方式的自相關(guān)函數(shù)特性與頻譜特性以及其帶來(lái)的問(wèn)題進(jìn)行分析，回顧介紹國(guó)內(nèi)外主要的解決方案并進(jìn)行分析比較后提出未來(lái)發(fā)展方向，為接下來(lái)的盲檢測(cè)估計(jì)與無(wú)模糊捕獲跟蹤研究打下基礎(chǔ)。

1 BOC調(diào)制方式模型及其特性分析

1.1 BOC調(diào)制方式模型

2001年John W.Betz系統(tǒng)性地提出BOC調(diào)制技術(shù)[1]，與傳統(tǒng)直擴(kuò)信號(hào)不同，BOC調(diào)制信號(hào)在其基礎(chǔ)上引入了副載波，從結(jié)構(gòu)上BOC調(diào)制信號(hào)可分為數(shù)據(jù)信息、偽碼序列、主載波和方波副載波4個(gè)層次。BOC調(diào)制方式先將導(dǎo)航數(shù)據(jù)信息與偽碼序列模二相加實(shí)現(xiàn)擴(kuò)頻調(diào)制，再將已擴(kuò)序列調(diào)制到方波副載波上得到基帶BOC調(diào)制信號(hào)，最后調(diào)制到主載波上。圖1所示的結(jié)構(gòu)框圖描述了BOC調(diào)制信號(hào)的產(chǎn)生原理。

圖1 BOC調(diào)制信號(hào)的產(chǎn)生原理結(jié)構(gòu)

1.2 BOC自相關(guān)函數(shù)特性

由于BOC調(diào)制方式引入了方波副載波，因此其自相關(guān)函數(shù)圖像存在個(gè)數(shù)、高度均與BOC調(diào)制階數(shù)有關(guān)的副峰。圖2是理想狀態(tài)下、信噪比為-10 dB條件下CA碼碼長(zhǎng) 1 023，擴(kuò)頻碼速率1.023 MHz，副載波速率2.046 MHz的sine-BOC(2,1)調(diào)制信號(hào)的自相關(guān)函數(shù)圖像，由圖2可知，BOC調(diào)制信號(hào)的自相關(guān)函數(shù)中存在副峰，且副峰個(gè)數(shù)、高度隨著調(diào)制階數(shù)的增大而增大，副峰間隔隨著調(diào)制階數(shù)的增大而減小。

圖2 BOC(2,1)調(diào)制信號(hào)的自相關(guān)函數(shù)圖像

1.3 BOC頻譜分裂特性

對(duì)BOC調(diào)制方式的頻譜進(jìn)行分析，圖3是無(wú)噪聲、信噪比為-10 dB條件下sine-BOC(2,1)調(diào)制信號(hào)的頻譜圖像。由頻譜圖像可知，由于BOC調(diào)制方式引入了方波副載波，使頻譜發(fā)生了分裂向兩側(cè)搬移，隨著調(diào)制階數(shù)的增大，頻譜主瓣與在主瓣間的副瓣數(shù)之和隨之增大，主瓣與中心頻段的距離也隨之增大。BOC調(diào)制方式的頻譜分裂特性提升了頻譜的利用率。

可見，BOC調(diào)制方式的自相關(guān)函數(shù)多峰特性與頻譜分裂特性為非協(xié)作方進(jìn)行BOC調(diào)制方式的檢測(cè)估計(jì)、捕獲跟蹤帶來(lái)較大困難。信噪比條件稍有惡化，自相關(guān)副峰幅值與頻譜副瓣幅值就會(huì)顯著提升并超過(guò)主峰與主瓣，為檢測(cè)估計(jì)與無(wú)模糊捕獲跟蹤造成困難。

圖3 BOC(2,1)調(diào)制信號(hào)的頻譜圖像

2 非協(xié)作BOC信號(hào)檢測(cè)估計(jì)方法

BOC調(diào)制方式的自相關(guān)函數(shù)多峰特性與頻譜分裂特性為非協(xié)作方進(jìn)行檢測(cè)估計(jì)帶來(lái)了巨大困難,國(guó)內(nèi)外針對(duì)BOC調(diào)制方式的盲檢測(cè)估計(jì)研究主要是在研究BOC調(diào)制方式的自相關(guān)函數(shù)特性與頻譜分裂特性的基礎(chǔ)上對(duì)傳統(tǒng)DSSS信號(hào)的檢測(cè)估計(jì)技術(shù)進(jìn)行改進(jìn)。

2.1 傳統(tǒng)非協(xié)作直擴(kuò)信號(hào)檢測(cè)估計(jì)方法及其不足

相比國(guó)內(nèi)，國(guó)外對(duì)非協(xié)作直擴(kuò)信號(hào)的檢測(cè)估計(jì)的研究起步較早[2]。

1967年H.Urkowite提出了能量檢測(cè)法[3]，該方法是目前為止信號(hào)檢測(cè)中最早的也是最經(jīng)典的檢測(cè)方法之一，在平穩(wěn)噪聲情況下具有很好的檢測(cè)性能。能量檢測(cè)法的檢測(cè)原理是：信號(hào)加噪聲的能量大于純?cè)肼暻闆r下的能量，它通過(guò)對(duì)接收到的信號(hào)做能量積累并通過(guò)判決門限的方式來(lái)確定信號(hào)的有無(wú)，如果積累的能量高于一定的門限，判定信號(hào)存在，否則，判定信號(hào)不存在。但該方法因系統(tǒng)缺陷在低信噪比條件下無(wú)法有效檢測(cè)信號(hào)。

為了改進(jìn)能量檢測(cè)法的缺陷，1985年A.Polydoros根據(jù)偽隨機(jī)碼良好的自相關(guān)特性和周期特性提出了時(shí)域自相關(guān)檢測(cè)法，在檢測(cè)信號(hào)的同時(shí)估計(jì)擴(kuò)頻碼周期[4]，基本原理是將偽碼信號(hào)經(jīng)過(guò)一個(gè)或多個(gè)碼元時(shí)間后與原信號(hào)作相關(guān)運(yùn)算。但由于BOC信號(hào)具有自相關(guān)函數(shù)多峰特性，峰值比較器的判決易受噪聲影響，在低信噪比條件下檢測(cè)性能下降。

2001 年J.B和D.A.Hill提出了平方倍頻檢測(cè)法[5]，該方法將信號(hào)平方處理后消除了極性和相位變化，將其通過(guò)帶通濾波器后，濾出高頻分量。文獻(xiàn)[6]依此提出采用相關(guān)累加的方法平滑噪聲對(duì)信號(hào)檢測(cè)帶來(lái)的干擾，進(jìn)而提升在低信噪比條件下的檢測(cè)性能，但是BOC調(diào)制方式引入了獨(dú)立的調(diào)制參數(shù)，還需要檢測(cè)BOC信號(hào)的副載波頻率和擴(kuò)頻碼碼速率。僅使用相關(guān)積累平方倍頻檢測(cè)法是無(wú)法完成非協(xié)作BOC信號(hào)的檢測(cè)估計(jì)的。

2.2 非協(xié)作BOC信號(hào)檢測(cè)估計(jì)技術(shù)現(xiàn)狀

近年來(lái)，國(guó)內(nèi)的一批學(xué)者將傳統(tǒng)非協(xié)作直擴(kuò)信號(hào)的檢測(cè)估計(jì)技術(shù)與BOC調(diào)制方式的自相關(guān)特性研究相結(jié)合，提出了幾種非協(xié)作BOC信號(hào)的檢測(cè)估計(jì)方案。

2010年，寧鵬等[7]提出了峰間距離檢測(cè)法與直線方程檢測(cè)法實(shí)現(xiàn)BOC信號(hào)的特征參數(shù)盲估計(jì)。對(duì)于BOC調(diào)制信號(hào)的載波頻率檢測(cè)，均選用相關(guān)積累-平方倍頻檢測(cè)法；解調(diào)均為將BOC調(diào)制信號(hào)與本地載波進(jìn)行混頻，再通過(guò)低通濾波器進(jìn)行處理；通過(guò)對(duì)BOC基帶信號(hào)的自相關(guān)函數(shù)圖進(jìn)行搜索峰值，得到副載波頻率和擴(kuò)頻碼碼速率之間的關(guān)系；根據(jù)BOC信號(hào)自相關(guān)函數(shù)峰間距離是副載波周期的一半的性質(zhì)，可以通過(guò)計(jì)算峰間距離的碼片數(shù)并利用采樣頻率計(jì)算副載波頻率與擴(kuò)頻碼碼速率。

直線方程檢測(cè)法與峰間距離檢測(cè)法的區(qū)別在于檢測(cè)副載波頻率與擴(kuò)頻碼碼速率的方式，根據(jù)BOC信號(hào)的歸一化自相關(guān)函數(shù)特性可知主峰的高度為1。由主峰、最接近主峰的過(guò)零點(diǎn)以及第一副峰三點(diǎn)確定一條直線得到對(duì)應(yīng)直線方程。將第一副峰峰值及其對(duì)應(yīng)的碼片數(shù)直接代入方程，可以得到副載波頻率和擴(kuò)頻碼碼速率之間的關(guān)系，再根據(jù)峰值搜索得到的峰值個(gè)數(shù)，直接求出以上兩個(gè)參數(shù)[8]。

2013年He D N等[9]利用循環(huán)譜算法實(shí)現(xiàn)非協(xié)作BOC信號(hào)的檢測(cè)估計(jì)。該方法首先推導(dǎo)出基帶BOC信號(hào)的譜相關(guān)函數(shù)，然后提取頻譜頻率為零的循環(huán)譜包絡(luò)，從循環(huán)譜包絡(luò)中可以搜索到四個(gè)最大主峰和四個(gè)相鄰的最大副峰，最后根據(jù)最大主峰及最大副峰所在位置實(shí)現(xiàn)對(duì)載波頻率、副載波速率和擴(kuò)頻碼碼速率的盲估計(jì)[10]。

2016年,Zhang Tianqi等[10]改進(jìn)了循環(huán)譜算法，詳細(xì)推導(dǎo)了sine-BOC與cose-BOC信號(hào)的循環(huán)譜包絡(luò)，并對(duì)比兩者的異同，通過(guò)在循環(huán)頻率域的一維搜索實(shí)現(xiàn)了非協(xié)作BOC信號(hào)的副載波類型識(shí)別與參數(shù)估計(jì)。

2.3 基于現(xiàn)有非協(xié)作BOC信號(hào)檢測(cè)估計(jì)方法的思考

對(duì)于非協(xié)作BOC信號(hào)的副載波頻率和擴(kuò)頻碼碼速率的檢測(cè)，幾種檢測(cè)方法各有優(yōu)缺點(diǎn)。

峰間距離檢測(cè)法實(shí)現(xiàn)簡(jiǎn)單，檢測(cè)速度快，對(duì)BOC信號(hào)的副載波頻率和擴(kuò)頻碼碼速率進(jìn)行檢測(cè)時(shí)，隨著信噪比的降低以及誤碼率的增高，檢測(cè)性能有所下降，當(dāng)誤碼率超過(guò)一定門限后，檢測(cè)精度急劇下降；由于噪聲的干擾，直線方程檢測(cè)法的檢測(cè)精度要低于峰間距離檢測(cè)法。從圖4的仿真圖像可以看出，檢測(cè)性能受信噪比影響較大。

圖4 不同信噪比下直線方程檢測(cè)圖像

循環(huán)譜及其改進(jìn)算法對(duì)非協(xié)作BOC信號(hào)檢測(cè)估計(jì)由于采樣時(shí)間有限，接收的數(shù)據(jù)長(zhǎng)度不可能無(wú)限長(zhǎng)，這就導(dǎo)致噪聲在非零循環(huán)頻率處的循環(huán)譜非恒為零且計(jì)算量較大[11]。關(guān)鍵的是，在對(duì)其進(jìn)行公式推導(dǎo)與分析后，出現(xiàn)了cose-BOC信號(hào)的循環(huán)譜包絡(luò)在二倍載波頻率附近副峰位置的偏差問(wèn)題，以及調(diào)制階數(shù)N為2時(shí)的副峰內(nèi)外側(cè)不明顯的問(wèn)題，這些都需要與自相關(guān)函數(shù)圖像出現(xiàn)的主峰與副峰數(shù)、循環(huán)譜包絡(luò)二倍載波頻率附近的兩個(gè)主峰距離等信息相結(jié)合，并做出改進(jìn)后才能更有效地進(jìn)行副載波類型的識(shí)別與擴(kuò)頻碼碼速率、副載波速率以及擴(kuò)頻碼碼長(zhǎng)的估計(jì)。以上方法或在低信噪比條件下性能較差，或計(jì)算量較大，在提升低信噪比條件下的性能以及提升算法智能性減少算法復(fù)雜度方面需進(jìn)行進(jìn)一步研究。

3 非協(xié)作BOC信號(hào)捕獲跟蹤方法

BOC調(diào)制信號(hào)自相關(guān)函數(shù)的多峰特性可能導(dǎo)致傳統(tǒng)接收機(jī)出現(xiàn)捕獲和跟蹤模糊性問(wèn)題，如果不進(jìn)行處理就會(huì)出現(xiàn)大的定位偏差或產(chǎn)生錯(cuò)誤的定位結(jié)果[12]。

3.1 非協(xié)作BOC信號(hào)無(wú)模糊捕獲方法及其優(yōu)缺點(diǎn)

為了解決BOC調(diào)制信號(hào)的捕獲模糊性，國(guó)外學(xué)者研究較早,提出了一系列無(wú)模糊捕獲算法。

2006年A.Burian等[13]提出了一種邊帶處理算法,該方法只處理一個(gè)邊帶而忽略另一個(gè)邊帶能量，因此存在約3 dB的能量損耗；2003年Martin.N等[14]提出了一種典型的相關(guān)后處理方法即峰跳法，在低信噪比條件下會(huì)出現(xiàn)判決錯(cuò)誤的現(xiàn)象，且應(yīng)用于高階調(diào)制的BOC信號(hào)時(shí)效果較差；2004年V.Calmettes等[15]提出了子載波相位消除算法,該算法利用本地復(fù)制的同相和正交BOC信號(hào)與接收信號(hào)相關(guān)后平方相加合成一個(gè)新的無(wú)模糊相關(guān)函數(shù),去除副載波的影響。2007年加拿大學(xué)者Olivier Julien[16]利用本地產(chǎn)生輔助信號(hào)去除副峰的思想提出了僅適用于Sine-BOC(n,n)的自相關(guān)邊鋒消除技術(shù)。

近幾年，對(duì)BOC信號(hào)的無(wú)模糊捕獲研究又有了新的進(jìn)展，文獻(xiàn)[17]提出了基于互相關(guān)函數(shù)重構(gòu)的無(wú)模糊捕獲算法，并進(jìn)行了FPGA模塊化設(shè)計(jì)和實(shí)現(xiàn)。該算法重構(gòu)的相關(guān)函數(shù)較好地消除了副峰，能夠?qū)崿F(xiàn)對(duì)BOC調(diào)制信號(hào)的無(wú)模糊捕獲，且算法易于工程實(shí)現(xiàn)，具有較高的工程實(shí)用價(jià)值；根據(jù)同相與正交BOC信號(hào)合成后可以去除副峰的特點(diǎn)。文獻(xiàn)[18]提出了一種改進(jìn)的碼相關(guān)波形(CCRW)無(wú)模糊捕獲算法。該算法能夠完全消除邊峰，從而解決捕獲過(guò)程中的模糊問(wèn)題。與傳統(tǒng)的無(wú)模糊捕獲方法相比，該方法具有較高的峰均比和較好的檢測(cè)性能，可以在系統(tǒng)計(jì)算復(fù)雜度較低的情況下提高捕獲性能。以上方法在低階數(shù)調(diào)制條件下無(wú)模糊捕獲效果較好，也有效地降低了系統(tǒng)運(yùn)算復(fù)雜度，但在高階數(shù)調(diào)制條件下效果較差，須進(jìn)行進(jìn)一步研究。

3.2 非協(xié)作BOC信號(hào)無(wú)模糊跟蹤方法及其優(yōu)缺點(diǎn)

傳統(tǒng)的鎖頻環(huán)、鎖相環(huán)與延遲鎖定環(huán)路的聯(lián)合跟蹤算法受到BOC調(diào)制方式的自相關(guān)函數(shù)多峰特性影響產(chǎn)生跟蹤模糊性而失效，如圖5所示。因此國(guó)內(nèi)外學(xué)者針對(duì)BOC調(diào)制信號(hào)的無(wú)模糊跟蹤技術(shù)進(jìn)行了一系列研究。

自相關(guān)邊鋒消除算法的實(shí)現(xiàn)比較簡(jiǎn)單,可以在一定程度上削弱跟蹤模糊性,但是它并不能完全消除邊峰[19],并且僅適用于sine-BOC(n,n)調(diào)制信號(hào),跟蹤效果也較sine-BOC(n,n)信號(hào)本身有所下降[20]。

為了改善以上方法的跟蹤效果，國(guó)內(nèi)外學(xué)者針對(duì)BOC調(diào)制方式的自相關(guān)函數(shù)特性對(duì)無(wú)模糊跟蹤技術(shù)較早地進(jìn)行了研究與改進(jìn)。2010年，Zheng Y[21]提出了基于偽相關(guān)函數(shù)的無(wú)模糊跟蹤方法，該方法可以完全消除跟蹤模糊問(wèn)題,具有較好的抗噪聲干擾能力,但是其抗多徑干擾效果不佳。該方法可推廣應(yīng)用到其他的BOC信號(hào)類型[22],但信號(hào)跟蹤效果不佳[23]。2012年，Youngpo Lee等[24]針對(duì)cosine-BOC(n,n)調(diào)制信號(hào)提出的無(wú)模糊跟蹤方法,對(duì)中長(zhǎng)時(shí)延的多徑干擾具有較好的抑制能力,但是對(duì)短時(shí)延多徑干擾抑制能力較差,此外,該方法的抗熱噪聲性能很差。Jiamin Qi等[25]將BOC調(diào)制信號(hào)的自相關(guān)函數(shù)進(jìn)行分解得到次相關(guān)函數(shù),該方法的跟蹤性能較好,但是計(jì)算繁雜,硬件實(shí)現(xiàn)復(fù)雜。

圖5 傳統(tǒng)跟蹤環(huán)路跟蹤發(fā)生相位錯(cuò)誤鎖定

針對(duì)以上性能與算法復(fù)雜度問(wèn)題，國(guó)內(nèi)學(xué)者進(jìn)一步研究了提升算法性能的同時(shí)兼顧算法的計(jì)算復(fù)雜度[26]以及高階BOC信號(hào)的捕獲跟蹤技術(shù)[27]。陳輝華等[28]通過(guò)設(shè)置兩個(gè)本地輔助信號(hào)實(shí)現(xiàn)無(wú)模糊捕獲跟蹤,盡管消除了模糊問(wèn)題,但是該方法的捕獲概率和跟蹤性能都大幅降低；文獻(xiàn)[29]在通用跟蹤環(huán)路基礎(chǔ)上,給出了碼跟蹤誤差的一般表達(dá)式,為跟蹤算法的性能測(cè)試提供依據(jù)。文獻(xiàn)[30]研究了多徑干擾條件下BOC(n,n)信號(hào)的跟蹤方法,該方法基于最大似然估計(jì)和卡爾曼濾波,適用于低載噪比條件。文獻(xiàn)[31]針對(duì)BOC信號(hào)提出的捕獲算法,降低了計(jì)算量。文獻(xiàn)[32]分析了峰跳法、類BPSK法和雙環(huán)路法應(yīng)用于高階BOC信號(hào)時(shí)的跟蹤性能和復(fù)雜度對(duì)比。以上無(wú)模糊跟蹤方法較為有效地削弱了跟蹤模糊性，但提升性能將帶來(lái)算法運(yùn)算復(fù)雜度的較大提升且在高階數(shù)調(diào)制條件下性能較差，為解決這些問(wèn)題須進(jìn)行進(jìn)一步研究。

4 結(jié)論

本文從BOC信號(hào)的自相關(guān)函數(shù)多峰特性與頻譜分裂特性入手，介紹了非協(xié)作BOC信號(hào)檢測(cè)估計(jì)、捕獲跟蹤技術(shù)的研究現(xiàn)狀，綜合分析比較了非協(xié)作BOC信號(hào)檢測(cè)估計(jì)、捕獲跟蹤各種方案的優(yōu)缺點(diǎn)并進(jìn)行了思考分析。

綜上所述，在非協(xié)作BOC信號(hào)檢測(cè)估計(jì)技術(shù)研究方面，從BOC調(diào)制方式的自相關(guān)函數(shù)特性、頻譜分裂特性的細(xì)致研究入手，在算法上消除噪聲影響，改善低信噪比條件下的性能，改善只能估計(jì)一種或兩種參數(shù)的時(shí)效性缺陷，提升對(duì)高階BOC及其衍生信號(hào)檢測(cè)估計(jì)的適應(yīng)性以及利用人工智能技術(shù)，進(jìn)一步提升算法智能性以減少算法的計(jì)算復(fù)雜度是當(dāng)前非協(xié)作BOC信號(hào)檢測(cè)估計(jì)技術(shù)研究的發(fā)展趨勢(shì)。在非協(xié)作BOC信號(hào)捕獲跟蹤技術(shù)研究方面，針對(duì)BOC調(diào)制方式的自相關(guān)函數(shù)特性，對(duì)已有方法進(jìn)行捕獲跟蹤性能上的改進(jìn)，提升在低信噪比條件下的無(wú)模糊捕獲跟蹤能力，提升對(duì)高階BOC及其衍生信號(hào)捕獲跟蹤的適應(yīng)性、算法計(jì)算復(fù)雜度的降低以及結(jié)合人工智能等新興技術(shù)，進(jìn)一步提升捕獲跟蹤時(shí)效性與智能性是當(dāng)前非協(xié)作BOC信號(hào)捕獲跟蹤技術(shù)研究的發(fā)展趨勢(shì)。