一种高动态低信噪比环境下基于多样本点串行快速傅里叶变换的信号捕获方.docx

本文介绍了一种新的信号捕获方法，名为“基于多样本点串行快速傅里叶变换的信号捕获方法”（Multi-sample Serial-FFT, MS-FFT），适用于高动态低信噪比的环境，如高超音速飞行器的通信场景。高超音速飞行器的多普勒频移大，对通信系统的捕获能力提出了极高要求。传统的信号捕获方法，如2维最大似然搜索，计算复杂度过高，而基于部分匹配滤波的PMF-FFT算法虽然在复杂度和性能之间取得平衡，但仍存在频偏适应范围有限、抗噪声性能不足等问题。 PMF-FFT算法是通过分段最大似然处理来实现信号捕获，但在处理大频偏或低信噪比环境时，可能牺牲精度或性能。为了克服这些限制，文献中提出了一些改进方法，但往往伴随着复杂度增加或适用范围缩小的问题。此外，还有一些非PMF-FFT算法，虽然避免了某些缺点，但引入了新的问题，如算法适用范围受限、抗噪声能力弱或时间开销增大。 本文提出的MS-FFT算法则采取不同的策略。该算法利用串行FFT处理多个下采样信号序列，通过非相干叠加合并获取相关峰以完成时间同步，然后处理固定相位差实现频率捕获。理论分析表明，MS-FFT算法的捕获性能与频偏大小无关，只与采样率有关，而且计算复杂度没有显著增加。 系统模型部分，文章以PN序列为基础设计高动态捕获信号，考虑了残留频偏的影响。接收信号受到噪声干扰，并且频偏以复数形式表达。1维最大似然检测通常通过匹配滤波实现，但这种方法在高动态环境下效率低下。相比之下，MS-FFT算法在保持较低复杂度的同时，能适应更广泛的频偏范围，尽管SNR性能略有下降。 为了评估新算法的性能，文章进行了理论推导并进行了仿真实验，对比了MS-FFT与PMF-FFT算法在存在频偏条件下的峰值信噪比（PSNR）。仿真实验结果证实，MS-FFT算法在不显著增加计算复杂度的情况下，具有更广的频率适应范围，且捕获性能优于PMF-FFT算法。 本文提出了一种针对高动态低信噪比环境的创新信号捕获技术，通过多样本点串行FFT处理提高了捕获效率和频偏适应性，为解决高超音速飞行器等应用中的通信挑战提供了新的解决方案。