Các thuật toán xửlý không gian – thời gian có thể được phân thành hai loại: xử lý không gian – thời gian tách riêng và kết hợp. Phương pháp xử lý kết hợp
không gian – thời gian khai thác cả đặc điểm không gian và thời gian của tín hiệu
đến trong một bộ lọc không gian – thời gian đơn, trái lại phương pháp xử lý tách riêng lại bao gồm một vài bộcân bằng thời gian và một bộtạo chùm tia không gian
để các ảnh hưởng nhiễu và tác động đa đường có thể được giảm thiểu tại hai lớp riêng biệt và được biểu diễn trên hình 5.2.
Hình 5. 2: Biểu diễn các kỹthuật xửlý không gian – thời gian khác nhau
Trong khi phương pháp xử lý kết hợp không gian – thời gian cho phép làm
tăng độ tăng ích của xửlý, thì phương pháp xửlý tách riêng giúp giảm bớt các tính toán phức tạp trong hệ thống và việc mất hiệu suất là nhỏ nhất khi so sánh với
phương pháp cũ. Khi xem xét phương pháp xử lý tách riêng, việc tạo chùm tia
không gian có thể bổ sung một vào phương pháp ví dụ như: MSE, Maximum SNR,
Maximum Likehood (ML) và Minimum Variance (MV). Có thể mô tảngắn gọn các
ứng dụng của các phương pháp này cho việc tạo chùm tia không gian như sau
2.1. MSE
Trong phương pháp này, MSE giữa đầu ra của mảng mong muốn (của tín hiệu tham khảo) và đầu ra của mảng thực tếlà nhỏnhất. Kỹ thuật này đưa ra nhằm giảm sự thích nghi MSE. Vector độlớn tối ưu, 0 1 1
0 0 0
w w w wM T, thỏa mãn tiêu chuẩn MSE, được cung cấp như sau:
2 2 w w minE e t minE d t wHy t (5.2) 1 wMSE R ryy yd
Trong đó: Ryy là ma trận tự tương quan của tín hiệu đầu vào và ryd là vector
tương quan chéo giữa tín hiệu đến, y t , và tín hiệu tham khảo d(t).
Khi giá trị của Ryy và ryd không biết chính xác, nhóm các giá trị trung bình
được tính toán nhờ vào việc lưu nhanh vector đầu vào và vector độ lớn được tính toán thích ứng. Với phương pháp này, cần phải giả định rằng tín hiệu tham khảo là
đã biết, điều này ít khi đúng đặc biệt là với các tín hiệu GNSS.
Một đồ thị mẫu của hệ số mảng có được khi sử dụng tiêu chuẩn MSE cho mảng 6 phần tử tuyến tính được đưa ra trong hình 5.3. Tín hiệu mong muốn DOA
được đặt giá trị 150 trong khi tín hiệu tham khảo DOA được đặt giá trị 500. Các
bước sau đây nằm trong thuật toán trung bình bình phương tối thiểu giúp lấy tối thiểu MSE trong việc tạo chùm tia không gian thích nghi
- Bước 1: đặt vector w(0) = 0 và thông số kích thước bước μ≪1, - Bước 2: tính toán đầu ra của bộlọc z t wHt1 y t
- Bước 3: tính toán sai số ước lượng e t d t z t
- Bước 4: cập nhật vector trọng lượng w t wt 1 y t e t
- Bước 5: lặp lại bước 2 đến bước 4 cho đến khi t= T
Thuật toán thích ứng LMS cho phép loại bỏnhiễu như sốlần lưu nhanh được sử dụng để làm tăng xử lý thích nghi. Có thể đạt được một nhiễu null hẹp hơn và sâu hơn khi sốlần lưu nhanh đạt tới 100.
Hình 5. 3:Đồthịhệsốcủa mảng với hàm của việc lưu nhanh sửdụng trong xử
lý mảng thích nghi cho giảm thiểu nhiễu sửdụng mảng tuyến tính 6 phần tử (adsbygoogle = window.adsbygoogle || []).push({});
Để xác định khả năng thích nghi của hệ thống, nhiễu đầu tiên được đặt tại 450 và tín hiệu nhiễu thứ hai được đặt tại -300. Có thể thu được các chùm tia thích
ứng khi nhiễu DOA bằng không trong khi vẫn duy trì tăng ích lớn nhất với DOA mong muốn. Tổng của 200 lần được yêu cầu để thu được đáy rỗng trong hình 5.4 tại nhiễu DOA.
Hình 5. 4: Xửlý mảng thích nghi giảm thiểu sựxuất hiện của hai tín hiệu gây nhiễu từ các hướng khác nhau sửdụng thuật toán LMS
2.2. Maximmum SNR
Trong phương pháp này, SNR tại đầu ra của mảng là lớn nhất. Việc định dạng chùm tia được dựa vào nguyên tắc này. Xét hệthống của phương trình đưa ra
trong (5.3) với nhiễu η(t):
wH
z t y t t (5.3)
Mô hình toán học cho SNR và vector độ lớn tối ưu làm SNR cực đại có thể
biểu diễn như sau
w w
maxSNR max SignalPower
NoisePower 2 2 w w w w max max w w H yy H E y t R R E t (5.4) 1 1 wSNR R s
Trong đó: μlà hằng sốphức tạp, được định nghĩa là
w w w H H s R . 2.3. ML
Trong phương pháp này, chức năng có thểcủa mô hình tín hiệu tập trung vào các thông số ước lượng là lớn nhất. Đánh giá hợp lý cực đại (MLE) của việc thiết lập các thông số chưa biết, E, được đưa ra bởi công thức
ˆE
ˆ argmax
E p y E (5.5)
Trong đó: p y E là hàm khả năng được định nghĩa bởi hàm mật độ của y
gồm trễ mã, tần số Doppler và pha sóng mang để E = {τ, fD,θ} và y là các đầu ra của bộ tương quan được định nghĩa bởi (4.12) để đóng góp của chúng trong hàm khả năng là có ý nghĩa và có thểthực hiện được. Khi đềxuất STAP, các thông sốbổ sung được bao gồm cảtín hiệu đầy đủvà nhiễu DOA.
Các đánh giá ML thường gặp khó khăn khi tính toán và các kỹ thuật lặp lại khác nhau có thể được xử dụng để xác định Ê. Thuật toán SAGE là một ví dụ của các kỹthuật như vậy cho trễchung, tần sốDoppler và sự đánh giá DOA.
2.4. MV
Trong phương pháp này, sự thay đổi nhiễu (hoặc tương năng lượng nhiễu
đầu ra tương đương) là nhỏnhất phụ thuộc vào các quan hệtuyến tính đểcung cấp
tăng ích thuần nhất trong một hướng mong muốn. Việc định hình chùm tia Capon (hoặc việc tạo búp sóng MVDR) là cơ sởtrong tiêu chuẩn này và được mô tảbởi
2
w w (adsbygoogle = window.adsbygoogle || []).push({});
minE t min wHRw phụthuộc vào wHs1
1 1 wMVDR HR s s R s (5.6) Có thểthấy rằng nếu 1 2 n R I, việc tạo búp sóng MVDR dẫn đến trễ cơ bản và việc tạo búp sóng tổng được đưa ra trong (4.4). Một biểu diễn đơn giản của đầu ra từ sự tạo búp sóng MVDR với việc có và không có nhiễu cho mảng 9 phần tử
tuyến tính được biểu diễn trong hình 5.5. Tín hiệu đến bao gồm một tín hiệu đầy đủ
với góc nâng 200 và một tín hiệu nhiễu với góc nâng 800.Trong trường hợp không có nhiễu, có thể nhận thấy trễ quy ước việc tạo chùm tia tổng và việc tạo chù tia MVDR cung cấp các kết quả tương tự. Với sự có mặt của nhiễu, MVDR có thể được đặt hoàn toàn vào đáy rỗng dọc theo nhiễu DOA trong khi duy trì một tăngích duy nhất đối với tín hiệu DOA. Để tính toán xa hơn hiệu suất của quá trình tạo chùm tia DOA, hai tín hiệu can thiệp tại -600 và -400 được đưa vào với nhiễu hiện có và tín hiệu mong muốn. Mô hình của hệsố mảng sau khi ứng dụng vào MVDR
được biểu diễn trong hình 5.6. Có thể thấy rõ ràng rằng, khi sử dụng MVDR, việc tạo chùm tia không gian có thể đặt điểm không vào nhiễu DOA mà không làm ảnh
hưởng đến răng ích của tín hiệu DOA mong muốn.
Hình 5. 5: Hiệu suất của việc tạo chùm tia MVDR khi có và không có nhiễu (mảng 9 phần tử)
Hình 5. 6:Hệsốcủa mảng sau khi ứng dụng tạo chùm tia trong nguồn gây nhiễu tại DOA 800, -600và -400và DOA mong muốn tại 200(mảng 9 phần tử)
3. STAP cho tín hiệu GNSS
Sự hoàn thiện của kỹ thuật STAP đã được ứng dụng trong radar, sonar, airborne và các hệthống thông tin di động. Điều này dẫn đến khả năng ứng dụng kỹ
thuật STAP vào xử lý tín hiệu GNSS. Một vài kỹ thuật STAP đã được giới thiệu cho việc cải thiện hiệu năng của xửlý tín hiệu GNSS. Các kỹthuật này khai thác lợi thếcủa STAP cho việc giảm thiểu ảnh hưởng của tác động đa đường và sựcan thiệp của các tín hiệu không mong muốn, qua đó giúp cải thiện chất lượng tín hiệu. Cơ sở
của tín hiệu GNSS bao gồm cả phương pháp xử lý kết hợp không gian – thời gian và xửlý riêng biệt không gian – thời gian đã được nghiên cứu. Khi xét cho phương
pháp tách riêng từng phần, một bộlọc thời gian được áp dụng trong mỗi anten và bộ
lọc không gian có thể được áp dụng cho hai tầng khác nhau, đó là pre-correlation và post-correlation được biểu diễn trong hình 5.7. Đối với lớp pre-correlation, các trọng số không gian được ứng dụng trong tín hiệu đến sau khi làm sạch sóng mang
trong khi đối với lớp post-correlation, các trọng số không gian được ứng dụng sau các khối I&D trong các đầu ra của bộ tương quan. Trong xử lý pre-correlation, tốc
độ cập nhật của vector trọng số vào khoảng MHz (tương ứng với tần số lấy mẫu) trong khi xử lý post-correlation có lợi thế của tốc độ cập nhật chậm hơn, vào
khoảng kHz (tần sốI&D). Trong cơ sởxủa xửlý pre-correlation, nhiễu và các thành phần thêm vào chiếm một phần đáng kể trong ma trận tương quan không gian và
dẫn đến khả năng giảm thiểu nhiễu và tín hiệu thêm vào không mong muốn. Tuy nhiên thông tin của các tín hiệu trực tiếp và tín hiệu phản xạkhông có sẵn như các
tín hiệu GNSS tốt hơn dưới mức nhiễu. Thông tin này có thể được lấy ra từ xửlý post-correlation.
Hình 5. 7: STAP Pre và Post-correlation được sửdụng trong các tín hiệu GNSS
Một STAP kết hợp được đề xuất cho mảng anten GNSS. Các trọng số được
thay đổi theo bộ lọc tối ưu cho năng lượng nhỏ nhất quan hệ tuyến tính để giảm thiểu MSE giữa tia tín hiệu tới và tín hiệu tham khảo. Các quan hệ tuyến tính bao gồm đường chéo pha sóng mang không và đường chéo trễ mã không trong tín hiệu tạo chùm tia để đường chéo cảm ứng của mảng anten tiến đến 0. Trong dạng xửlý này, ta cần có các thông tin của phổ năng lượng tín hiệu đầu vào, sự đáp lại của các front-end và sự đáp lại của anten của mỗi phần tửtrong mảng. Việc định dạng chùm sóng hybrid bao gồm một tổ hợp tuyến tính các trọng số của việc định dạng chùm
sóng MSE tối thiểu chỉ xét trong miền thời gian và việc định dạng chùm sóng
phương sai tối thiểu chỉ xét trong miền không gian. Nhiệm vụ chính của việc định dạng chùm sóng hybrid là loại bỏ tác động đa đường cũng như nhiễu. Xửlý không
gian thích nghi được yêu cầu dựa trên mối quan hệ giữa việc tạo chùm sóng MVDR và các thuật toán SAGE.
Các thuật toán không gian – thời gian có thể được ứng dụng cho các tín hiệu Galileo. Dữliệu Galileo trực tiếp đã được sửdụng đểchứng minh sựhoạt động của máy thu dẫn đường Galileo có sử dụng mảng anten. Một kỹ thuật làm giảm nhiễu cho tần số Galileo E1 được đề xuất để tận dụng lợi thế từviệc xử lý kết hợp miền tần sốkhông gian - thời gian. Để đạt được việc giảm nhiễu, người ta đã đề xuất một thuật toán tham chiếu cơ sở để loại bỏtín hiễu nhiễu không mong muốn từtín hiệu nhận được. Ở đây, tín hiệu đến được tham chiếu vào không gian con trực giao nhiễu
và sau đó một bộ lọc không gian – thời gian được áp dụng. Trong nghiên cứu này, cấu trúc xửlý riêng biệt không gian – thời gian được đề xuất. Xửlý thời gian được
ứng dụng tại đầu ra mỗi anten và xử lý không gian được áp dụng tại lớp post- correlation. Xử lý thời gian dựa trên sự cân bằng MMSE và xử lý không gian dựa trên sự định hình chùm tia thích nghi và sẽ được nhắc đến trong các phần sau.