Kỹ thuật dự đoán độ trễ Teager Kaiser đƣợc dựa trên nguyên tắc năng lƣợng tín hiệu của các kênh khác nhau thông qua bộ điều khiển phi tuyến TK Hamila (2002), Hamila et al (2003). Đầu ra ΨTK (x (n)) của bộ điều khiển TK áp dụng cho một tín hiệu rời rạc x (n), có thể là định nghĩa là hàm Hamila et al (2003):
37
Nếu một hàm tự tƣơng quan không kết hợp đƣợc sử dụng nhƣ một đầu vào cho các bộ điều khiển TK phi tuyến, nó có thể sau đó báo hiệu sự hiện diện của một thành phần đa đƣờng rõ ràng hơn so với tìm kiếm trực tiếp từ hàm tự tƣơng quan. Ít nhất ba giá trị tự tƣơng quan (tức thì, sớm và rất sớm) là cần thiết để tính toán bộ điều khiển TK. Nhƣng thông thƣờng, sự ƣớc lƣợng độ trễ dựa vào TK sử dụng một số lƣợng lớn bộ tự tƣơng quan (ví dụ, 193 bộ tự tƣơng quan đã đƣợc sử dụng trong các mô phỏng báo cáo của Bhuiyan & Lohan (2010)) và rất nhạy cảm với sự lựa chọn ngƣỡng phụ thuộc nhiễu. Thứ nhất, nó tính phƣơng sai nhiễu, sau đó đƣợc sử dụng để tính toán một ngƣỡng thích nghi. Các đỉnh ở trên ngƣỡng thích nghi đƣợc coi là đỉnh cạnh tranh. Trong số tất cả các đỉnh cạnh tranh, TK chọn độ trễ liên quan để mà đỉnh cao cạnh tranh có sự khác biệt trễ gần nhất so với ƣớc tính độ trễ trƣớc đó.
38
2.2.5. Bộ ước lượng độ trễ RSSML
RSSML tiếng anh là Reduced Space Search Maximum Likelihood. Nó có khả năng giảm thiểu hiệu ứng đa đƣờng một cách hợp lý tại các chi phí phức tạp tăng lên. Các RSSML, đƣợc đề xuất bởi tác giả trong Bhuiyan et al (2009) và sau đó tiếp tục đƣợc củng cố trong Bhuiyan & Lohan (2010), dùng để bù đắp lỗi đa đƣờng bằng cách đƣa vào một đƣờng cong phi tuyến về chức năng tự tƣơng quan đầu vào kết hợp hoàn hảo với biên độ, pha và độ trễ của tín hiệu đa đƣờng. Về mặt khái niệm, một máy thu quang phổ rộng thƣờng làm đƣợc điều tƣơng tự, nhƣng chỉ một tín hiệu (tức là, các tín hiệu LOS). Với sự hiện diện của tín hiệu đa đƣờng, RSSML cố gắng tách các thành phần LOS từ tín hiệu kết hợp bằng cách ƣớc lƣợng các tham số tín hiệu trong với khả năng tối đa, mà kết quả là đạt đƣợc sự phù hợp với đƣờng cong tốt nhất khi nhận hàm tự tƣơng quan đầu vào. Nhƣ đã đề cập trong Bhuiyan & Lohan (2010), nó cũng kết hợp với một phƣơng pháp phát hiện đỉnh ngƣỡng, cuối cùng làm giảm các tìm kiếm mã trễ không gian đáng kể. Tuy nhiên, sự nhƣợc điểm của RSSML là yêu cầu bộ nhớ mà nó sử dụng để lƣu trữ các tài liệu tham khảo chức năng tƣơng quan.
Trong một cấu trúc đa tƣơng quan dựa trên các ƣớc tính độ trễ LOS, về mặt lý thuyết, có thể là bất cứ nơi nào trong phạm vi cửa sổ mã chậm trễ của chip ± τW, mặc dù trong thực tế, nó là có thể có một lỗi trễ xung quanh dự toán độ trễ trƣớc đó. Phạm vi cửa sổ trễ mã cơ bản phụ thuộc vào số lƣợng bộ tự tƣơng quan (tức là, M) và khoảng cách giữa các bộ tự tƣơng quan theo phƣơng trình sau:
τW = ± (M - 1)/2 . Δ (2.3) Ví dụ trong Bhuiyan & Lohan (2010), 193 bộ tự tƣơng quan đã đƣợc sử dụng với một khoảng cách tƣơng quan của 0,0208 chip, kết quả là một loạt cửa sổ trễ mã ± 2 chip so với bộ tƣơng quan tức thời. Do đó, dự toán độ trễ LOS có thể là bất cứ nơi nào trong phạm vi cửa sổ ± 2 chip này. Các hàm tự tƣơng quan tham chiếu lý tƣởng đƣợc tạo ra cho đến các đƣờng Lmax cho các chỉ số trễ ở khoảng giữa (tức là, chỉ số trễ thứ
39
(M+1)/2, với M = 193, thì chỉ số độ trễ giữa là 97). Những hàm tự tƣơng quan lý tƣởng cho các chỉ số trễ giữa đƣợc tạo ra ngoại tuyến và lƣu trong một bảng tra cứu trong bộ nhớ. Trong thời gian thực, RSSML đọc giá trị tự tƣơng quan từ bảng tra cứu, dịch các hàm tự tƣơng quan tham chiếu lý tƣởng ở giữa trì hoãn chỉ số tƣơng ứng với chỉ số ứng cử viên chậm trễ trong cửa sổ chậm trễ mã, và sau đó tính Lỗi Minimum Mean Square (MMSE) cho ứng cử viên cụ thể chậm trễ.
Thay vì xem xét tất cả sự chậm trễ LOS có thể trong một cửa sổ mã chậm trễ đƣợc xác định trƣớc khi ứng viên chậm trễ, không gian tìm kiếm là giảm đầu tiên cho một số đỉnh núi cạnh tranh mà là tạo ra dựa trên các ngƣỡng nhiễu tính nhƣ đƣợc giải thích trong Bhuiyan & Lohan (2010).
Điều này cuối cùng sẽ làm giảm thời gian xử lý cần thiết để tính MMSE (tức là, MMSE cần phải đƣợc tính toán chỉ cho các không gian tìm kiếm giảm). Một ví dụ đƣợc hiển thị trong hình. 7, nơi RSSML ƣớc tính một chức năng tƣơng quan không mạch lạc nhất trang bị với chi phí 3,6 · 10-4 MMSE trong hai con đƣờng Rayleigh kênh với sự chậm trễ đƣờng dẫn [0 0,35] chip, quyền hạn đƣờng dẫn [0 -2] dB tại một C / N0 là 50 dB-Hz.
40
Hình 2.6 Hàm tƣơng quan không kết hợp nhận đƣợc và ƣớc lƣợng trên hai kênh Rayleigh, trễ đƣờng truyền [0 0.35] chíp, công suất đƣờng truyền [0 -2] dB, C/N0 :
50dB-Hz
2.2.6. Bộ ước lượng đa đường dựa trên độ dốc
Một kỹ thuật giảm nhiễu đa đƣờng dựa trên độ dốc, có tên là Slope-based Multipath Estimator (SBME), trong Bhuiyan, Lohan & Renfors (2010). Không giống nhƣ việc kỹ thuật giảm nhiễu đa đƣờng thảo luận ở trên, SBME không đòi hỏi một số lƣợng lớn các bộ tự tƣơng quan, thay vì nó chỉ đòi hỏi một bộ tƣơng quan bổ sung (nhƣ so sánh với một DLL thông thƣờng) ở cuối của hàm tự tƣơng quan. Trong thực tế, SBME đƣợc sử dụng kết hợp với một vòng lặp theo dõi nEML Bhuiyan, Lohan & Renfors (2010). Nó xuất phát đầu tiên từ một phƣơng trình ƣớc lƣợng đa đƣờng bằng
41
cách sử dụng hình dạng tƣơng quan của hàm tự tƣơng quan bình thƣờng lý tƣởng, mà sau đó đƣợc sử dụng để bù đắp cho tín hiệu đa đƣờng của một vòng lặp theo dõi
nEML. Các dẫn xuất của phƣơng trình ƣớc lƣợng cho BPSK điều biến GPS L1 C / Một tín hiệu đƣợc chỉ ra trong trong Bhuiyan, Lohan & Renfors (2010). Báo cáo trong Bhuiyan, Lohan & Renfors (2010) rằng SBME có hiệu suất giảm nhẹ hơn so với nEML trong khoảng cách bằng nhau của mô hình kênh hai con đƣờng.
2.2.7. Bộ theo dõi độ trễ hai tầng dựa vào tỷ lệ C/N0
Một bộ theo dõi độ trễ hai tầng dựa vào tỷ lệ C/N0 là một sự kết hợp của hai kỹ thuật theo dõi cá nhân, cụ thể là nEML và HRC (hoặc MGD). Các theo dõi đã đƣợc chia thành hai giai đoạn dựa trên theo dõi thời gian và cƣờng độ tín hiệu nhận đƣợc (ví dụ, C / N0). Ở giai đoạn đầu tiên của việc theo dõi (khoảng 0,1 giây hoặc lâu hơn), các tracker chậm trễ hai giai đoạn luôn luôn bắt đầu với một theo dõi nEML loop, kể từ khi nó bắt đầu theo dõi các tín hiệu với một độ trễ mã ƣớc tính thô thu đƣợc từ giai đoạn thu. Và ở giai đoạn thứ hai hoặc cuối cùng của việc theo dõi (ví dụ, khi DLL theo dõi lỗi là khoảng không), các bộ theo dõi độ trễ hai tầng chuyển mạch phân biệt DLL của nó từ nEML về HRC (hoặc MGD), khi đó HRC (hoặc MGD) có khả năng giảm nhiễu đa đƣờng tốt hơn so với nEML. Trong khi làm nhƣ vậy, nó phải đƣợc đảm bảo rằng các ƣớc lƣợng tỷ số C/N0 đáp ứng một ngƣỡng nhất định do các bộ theo dõi hai lớp. Điều này là do thực tế HRC (hoặc MGD) liên quan đến một (hoặc hai trong trƣờng hợp MGD) phân biệt tốt hơn nEML, mà làm nhiễu hơn nhiều so với nEML. Thực nghiệm thấy rằng một tỷ số C/N0 ngƣỡng 35 dB-Hz có thể là một lựa chọn tốt, nhƣ đã đề cập trong Bhuiyan, Zhang & Lohan (2010).
Vì vậy, ở giai đoạn theo dõi này, các bộ theo dõi độ trễ hai lớp chuyển từ nEML đến HRC (hoặc MGD) chỉ khi ƣớc lƣợng C/N0 đáp ứng các tiêu chí trên đây (C/N0 ngƣỡng là lớn hơn 35 dB-Hz).
42
Một ví dụ đƣờng cong S không kết hợp đƣợc hiển thị trong hình 2.7 cho CBOC - tín hiệu điều chế trong đơn đƣờng kênh tĩnh Bhuiyan, Zhang & Lohan (2010). Những đƣờng mờ không giao cắt để HRC (khoảng ± 0,16 chip) là gần hơn nhiều so với các nEML (khoảng ± 0,54 chip) trong trƣờng hợp đặc biệt này. Điều này cho thấy một thực tế rằng xác suất cho bất kỳ các đỉnh của HRC cao hơn nhiều so với nEML, đặc biệt là trong giai đoạn đầu của việc theo dõi khi độ trễ mã có thể không nhất thiết phải gần đỉnh chính của hàm tự tƣơng quan.
Đây là lý do chính để lựa chọn một bộ theo dõi nEML ở giai đoạn ban đầu trong một thời gian cụ thể (ví dụ nhƣ 0,1 giây hoặc lâu hơn). Điều này cuối cùng sẽ kéo theo lỗi trễ xung quanh bằng không sau khi giai đoạn ban đầu.
2.2.8. Bộ điều khiển TK kết hợp nEML DLL
Một cách tiếp cận kết hợp đơn giản bộ điều khiển TK với nEML DLL đã đƣợc thực hiện trong Bhuiyan & Lohan (2010), để chứng minh cho tính khả thi của việc có một sự phân biệt nEML sau khi thực hiện TK trên hàm tự tƣơng quan không kết hợp. Trong phƣơng pháp kết hợp này, bộ điều khiển TK đầu tiên đƣợc áp dụng cho các hàm tự tƣơng quan không kết hợp, và sau đó phân tích nEML đƣợc áp dụng cho các đầu ra TK. Động lực cho phƣơng pháp kết hợp này đi kèm từ thực tế là, khi chúng ta áp dụng bộ điều khiển TK để các hàm tự tƣơng quan không kết hợp, nó thƣờng làm cho các tùy chỉnh của các hàm tự tƣơng quan không kết hợp (sau khi điều khiển TK) dốc hơn nhiều so với trƣớc. Điều này cuối cùng sẽ làm giảm tác dụng của hiệu ứng đa đƣờng trong trƣờng hợp kết hợp TK với nEML (TK + nEML).
43
Hình 2.7 Đƣờng cong S không kết hợp cho kênh tĩnh đƣờng đơn đƣợc biến điệu CBOC(-) Bhuiyan, Zhang & Lohan (2010)
2.2.9. Giảm nhiễu sóng con (adsbygoogle = window.adsbygoogle || []).push({});
So với các phƣơng pháp truyền thống giảm nhiễu,kỹ thuật giảm nhiễu bằng sóng con dựa trên sóng con chuyển đổi có nhiều đặc tính đặc biệt. Nó có thể làm giảm nhiễu của tín hiệu mà vẫn giữ đặc tính của tín hiệu. Hiện nay giảm nhiễu sóng con thƣờng đƣợc sử dụng trong đoạn video hình ảnh giảm nhiễu. Một số báo cáo cho biết nó cũng có thể đƣợc sử dụng trong xử lý tín hiệu thời gian thực.
44
Bởi vì một số lợi thế quan trọng trong phân tích Fourier, phân tích sóng con đã trở thành một công cụ đƣợc sử dụng rộng rãi trong các tín hiệu lập dự toán, phân loại, và nén. Gợn sóng chuyển đổi xu hƣớng tập trung năng lƣợng tín hiệu vào một số lƣợng tƣơng đối nhỏ của các hệ số lớn. Dựa trên cơ sở này, một phƣơng pháp gọi là co sóng con để sử dụng ngƣỡng trong miền sóng con đã đƣợc đề xuất, và nó đã đƣợc chứng minh là khá tối ƣu cho một loạt các tín hiệu hỏng bởi phụ nhiễu Gaussian.
Thƣờng các bƣớc để giảm nhiễu tần số cao bằng sóng con giảm nhiễu là:
Một sóng con trực tiếp chuyển đổi đƣợc tính từ hình ảnh ban đầu.
Mỗi qui mô sóng con đƣợc ƣớc tính một cách riêng biệt.
Định nghĩa một ngƣỡng cho hệ số sóng con zeroing.
Hệ số sóng con khác lên theo ƣớc lƣợng địa phƣơng gốc (ngƣỡng mềm).
Sau khi biến đổi ngƣợc sóng con, hình ảnh đƣợc chuẩn hóa lại.
Các tín hiệu với nhiễu Gaussian đƣợc chia thành tín hiệu rời rạc chi tiết và tín hiệu rời rạc sau khi tiếp cận biến đổi sóng con. Nó đƣợc chứng minh là biên độ và nguồn giảm khi mức độ quy mô giảm. Đối với tất cả các cấp sóng con, nguồn gốc của nhiễu trắng tín hiệu chi tiết giảm khi quy mô tăng lên. Nhƣng các tín hiệu không phù hợp với các tiêu chuẩn. Theo phƣơng pháp này, chúng ta có thể lựa chọn một ngƣỡng để lọc ra các nhiễu trắng Gaussian để đạt đƣợc hiệu quả giảm nhiễu cho tín hiệu ban đầu.
45
2.3. Kết luận:
Nội dung chƣơng này chủ yếu đề cập đến các kỹ thuật giảm nhiễu đa đƣờng đang đƣợc sử dụng rộng rãi hiện nay. Phân tích các ƣu nhƣợc điểm của từng kỹ thuật và chỉ ra đƣợc một vài ứng dụng của chúng. Ngoài ra còn cho ta thấy đƣợc ảnh hƣởng của nhiễu đa đƣờng cũng nhƣ các thông số gây ra nhiễu đa đƣờng.
46
CHƢƠNG 3. ỨNG DỤNG BIẾN ĐỔI SÓNG CON TRÊN MÁY THU GNSS
3.1 Phương pháp lựa chọn sóng con
Ngƣỡng cứng và mềm có thể đƣợc sử dụng để lọc sóng con nhiễu. Giả sử Δx là ngƣỡng, ngƣỡng mềm: Sign(x). (|x| - x) |x| > x y = 0 còn lại Đối với ngƣỡng cứng: x |x| > x y = 0 còn lại
Ngƣỡng cứng có nghĩa là giá trị đƣợc thiết lập bằng không khi nó có giá trị thấp hơn ngƣỡng, và các dữ liệu khác không thay đổi. Ngƣỡng mềm, thu nhỏ các dữ liệu khác không. Bằng cách so sánh, ngƣỡng mềm không chứa các giá trị liên tục, trong khi ngƣỡng cứng chứa giá trị tính đƣợc liên tục ± Δx. Thƣờng thì ngƣỡng mềm có nhiều hiệu quả hơn so với ngƣỡng cứng.
47
Hình 3.1 Ngƣỡng cứng (trái) và ngƣỡng mềm (phải)
Việc lựa chọn các ngƣỡng nhiễu Gaussian đƣợc dựa trên bốn tiêu chí sau: rigrsure, sqtwolog, heursure và minmax. Ta không thảo luận nhiều với các tiêu chí khác, tôi sử dụng tiêu chí thứ ba là phƣơng pháp lựa chọn ngƣỡng giảm nhiễu sóng con làm việc.
3.2 Lựa chọn phương pháp dò sóng
Các phƣơng pháp thu tín hiệu NC và DF đƣợc sử dụng đầu tiên để nhận đƣợc lƣới tín hiệu tự tƣơng quan hai chiều.
Trong phƣơng pháp NC, các số liệu thống kê kiểm tra Y nhƣ sau: Khi mã / doppler phù hợp, Y = 2 2 ) 2 ( ) 2 ( sin wTN wTN A2Lcos(wTN) + L i i Z 1
Khi mã / doppler không phù hợp, Y = L i i Z 1
48
T : Thời gian ổn định L : Thời gian chênh lệch N : Số chênh lệch
w
: Tần số ƣớc tính chênh lệch
A : Tỉ số công suất nhiễu của tín hiệu GPS (adsbygoogle = window.adsbygoogle || []).push({});
Các phân bố xác suất của hai phƣơng thức này là:
Giá trị trung bình của tín hiệu tự tƣơng quan của phƣơng pháp NC không phải là bằng không, có nghĩa là những nhiễu không thể đƣợc lọc bằng giảm nhiễu sóng con. Ngƣợc lại, giá trị trung bình của tín hiệu tự tƣơng quan của phƣơng pháp DF bằng không và xác suất phân bố là tƣơng tự nhƣ nhiễu trắng Gauss. Vì vậy, chúng ta có thể sử dụng phƣơng pháp giảm nhiễu sóng con để làm giảm mức độ nhiễu của phƣơng pháp DF. Vì giá trị đỉnh có phân bố mức độ nhiễu khác nhau, nhiễu tỷ lệ tín hiệu của đỉnh sẽ đƣợc tăng lên sau khi nhiễu đƣợc lọc bởi sóng con. Các phân bố xác suất của phƣơng pháp DF là tƣơng tự nhƣ nhiễu trắng Gauss. Để có đƣợc mật độ xác suất thống kê kiểm tra Y, trƣớc hết chúng ta cần phải có đƣợc mật độ xác suất của nhiễu Zi.
Mặc dù Zi là không hoàn toàn phù hợp với sự phân bố Gaussian. Nhƣng để thuận tiện, ta cho rằng đó là một phân bố Gaussian, trung bình bằng không và vi phân là 4LN2σ4 . Hơn nữa, L i i Z 2 1
cũng đƣợc giả định là một phân bố Gaussian với số không trung bình và vi phân 8LN2σ4
. Hai giả thuyết là H0 (tín hiệu không đƣợc phát hiện) và H1 (tín hiệu phát hiện). Vì vậy, f (Y | H0) và f (Y | H1) là cả hai phân bố Gaussian với vi phân khác nhau. Nhƣ vậy chúng ta có thể sử dụng phƣơng pháp giảm nhiễu sóng con để lọc ra nhiễu Gaussian trong Y.
49
3.3 Phương pháp giảm nhiễu
Tƣơng tự nhƣ hình ảnh giảm nhiễu sóng con, phƣơng pháp giảm nhiễu sóng con này gồm các bƣớc sau đây:
Bộ chuyển đổi lƣới thu 2-D để thu mảng 1-D.
Một sóng con trực tiếp chuyển đổi đƣợc tính từ mảng thu gốc.
Ngƣỡng mềm đƣợc sử dụng cho các hệ số wavelet zeroing.
Sau khi biến đổi ngƣợc sóng con, các mảng đƣợc tái đơn giản hóa và tăng tỷ lệ SNR của đỉnh.
Cải thiện lƣới từ các mảng. Sau đó, chúng sẽ dễ dàng hơn để tìm ra những đỉnh