[发明专利]一种基于深度卷积神经网络的导航卫星微弱信号捕获方法

说明书

本发明的基于深度卷积神经网络的导航卫星微弱信号捕获方法，首先导航卫星信号接收机捕获微弱的导航卫星信号，经过射频电路进行信号处理，得到中频信号和本地生成信号以及相关信号；接着，采用卷积神经网络对相关信号进行检测；并利用区域编码的方法提高相关峰值的绝对位置精度，训练数据集，得出PC‑CNN_S和PP‑CNN_S的优化模型，确定优化网络参数并输出最优值。本发明的基于深度卷积神经网络的导航卫星微弱信号捕获方法，由于采用了卷积神经网络的峰值分类和峰值定位来捕获导航卫星的微弱信号，通过训练数据找出优化模型，提高了捕获导航卫星微弱信号的性能。

技术领域

本发明涉及一种基于深度卷积神经网络的导航卫星微弱信号捕捉方法，更具体的说，尤其涉及一种采用相关峰值分类和相关峰值定位的深度卷积神经网络框架，将其应用于导航卫星微弱信号的捕获检测，通过对深度卷积神经网络进行数据训练，确定优化网络参数并输出最优值，提高了捕获导航卫星微弱信号性能的方法。

背景技术

由于深度卷积神经网络对微弱的导航卫星信号捕获具有较高的精度，卷积神经网络(Convolutional Neural Networks，CNNs)技术得到了工业界和学术界的广泛关注。在衰落环境下，卫星导航信号非常微弱，采用传统的捕获算法对接收机的检测概率非常低。在GPS这种卫星导航系统中，采用了码分多址技术，其在地球表面的扩频信号功率约为-128.5dBm。接收机通过扩频增益使相关峰值大于噪声功率来获取信号。在城市峡谷、植被或室内等衰落环境中，GPS信号进一步衰减。典型的GPS信号衰减在植被下约为5～15dB，城市峡谷中约为10～30dB，地下超过25dB，因此可用GPS接收机的采集阈值至少优于-145dBm。传统的导航卫星信号捕获算法主要采用额外的硬件成本来提高捕获概率。在文献“Researchof Weak GPS Signal Acquisition Algorithm”(S.Tian,and Y.Pi,2008InternationalConference on Communications,Circuits and Systems Communications,Circuits andSystems,2008.pp.793-796May,2008.)和文献“A Double Dwell High Sensitivity GPSAcquisition Scheme Using Binarized Convolution Neural Network”(Z.Wang,Y.Zhuang,J.Yang,H.Zhang,J.Yang,H.Zhang,W.Dong,M.Wang,L.Hua,B.Liu,B.Liu,andL.Shi,Sensors 18 1482,2018)中，采用差分相关算法、空间天线分集来实现微弱GPS信号的捕获，但带来更多的计算、内存或其他硬件成本。目前的基于深度卷积神经网络的导航卫星微弱信号捕获方法，通常涉及了一种图像相关峰值分类和相关峰值定位的深度卷积神经网络框架，深度卷积神经网络包括一个峰值分类(Peak Classification，PC)和一个峰值定位(Peak Position，PP)，分别对相关图像进行相关峰值的分类和绝对位置的识别，提高了获得微弱卫星导航信号的性能。

但是，在目前的基于深度卷积神经网络的导航卫星微弱信号捕获方法中，能够充分利用深度卷积神经网络的方法还缺乏成功的先例。没有充分利用深度卷积神经网络来捕获信号，现有的导航卫星微弱信号捕获方法，所取得的系统可靠性较差且捕获效率较低。

在本发明中，发明人针对导航卫星微弱信号的捕获提出了一种基于深度卷积神经网络的导航卫星微弱信号捕获方法。在本发明的方法中，建立了一种图像相关峰值分类和相关峰值定位的深度卷积神经网络框架，将其应用于导航卫星微弱信号检测，通过对深度卷积神经网络进行数据训练，确定优化网络参数并输出最优值，提高了捕获导航卫星微弱信号性能的方法。

发明内容

本发明为了克服上述技术问题的缺点，提出了一种基于深度卷积神经网络的导航卫星微弱信号捕获方法。