本發(fā)明涉及衛(wèi)星導(dǎo)航技術(shù)領(lǐng)域，特別是長周期偽碼擴(kuò)頻信號捕獲的方法，更具體地涉及一種基于GPU的長碼直接捕獲方法。

背景技術(shù)：

長周期偽碼擴(kuò)頻信號抗干擾性能相比短碼更強(qiáng)，在短碼受干擾條件下，只能依賴長碼的直接捕獲，因此長碼直接捕獲技術(shù)是導(dǎo)航領(lǐng)域的一個(gè)研究熱點(diǎn)。偽碼擴(kuò)頻信號捕獲階段需要搜索確定偽碼相位和多普勒初始值，長碼直接捕獲需要搜索的碼相位不確定范圍相比短碼更大，通常是短碼搜索范圍的10³～10⁴倍，因此如何快速搜索確定偽碼相位，是其中需要解決的關(guān)鍵問題。

GPU中有大量的浮點(diǎn)運(yùn)算單元，通過利用數(shù)以百計(jì)的處理器核心，GPU計(jì)算FFT的速度可提升10倍。近幾年，基于GPU的通用計(jì)算技術(shù)開始應(yīng)用于工程計(jì)算領(lǐng)域，相關(guān)專家和研究機(jī)構(gòu)對GPU通用計(jì)算在導(dǎo)航信號接收領(lǐng)域的應(yīng)用進(jìn)行了部分研究，對基于GPU的捕獲研究主要集中在短碼捕獲分析上，還未見相關(guān)材料對基于GPU的長碼捕獲進(jìn)行研究。

技術(shù)實(shí)現(xiàn)要素：

針對長周期偽碼直接捕獲時(shí)大量碼相位搜索問題，本發(fā)明提出一種基于GPU的長碼分段重疊局部相關(guān)捕獲方法。

基于GPU的長碼分段重疊局部相關(guān)捕獲方法，流程如圖1，包括以下步驟：

步驟S1提取長碼生成本地參考信號序列

根據(jù)本地時(shí)間t₀，取[t₀ t₀+t]時(shí)間段持續(xù)時(shí)間為t的長碼數(shù)據(jù)，根據(jù)采樣率f_s生成本地參考信號序列p(n)，p(n)為{p(0) p(1) … p(tf_s)}；

步驟S2輸入信號剝離載波

以采樣率f_s對輸入信號進(jìn)行采樣，采集(T+t)秒的輸入信號，其中T為預(yù)設(shè)的偽碼搜索不確定時(shí)間范圍，剝離載波后生成輸入信號復(fù)信號序列s(n)，s(n)為{s(0) s(1) … s[(T+t)f_s]}。

步驟S3分配數(shù)據(jù)存儲(chǔ)空間，傳輸數(shù)據(jù)到GPU設(shè)備端

在GPU設(shè)備端為輸入信號復(fù)信號序列s(n)和本地參考信號序列p(n)分配存儲(chǔ)空間，使用cudaMemcpy()函數(shù)將輸入信號復(fù)信號序列s(n)和本地參考信號序列p(n)由主機(jī)端拷貝到GPU設(shè)備端；

步驟S4輸入信號復(fù)信號序列重疊分段劃分，本地信號序列補(bǔ)零擴(kuò)展

將輸入信號復(fù)信號序列部分重疊分段劃分，得到m個(gè)序列s_i(n)i＝0,1,…,(m-1)，將本地信號序列p(n)補(bǔ)充Tf_s/m個(gè)0，得到序列p_0m(n)；

步驟S5創(chuàng)建傅里葉變換計(jì)劃

調(diào)用函數(shù)cufftPlan1d()、cufftPlanMany()創(chuàng)建傅里葉變換計(jì)劃；

步驟S6批處理計(jì)算信號序列傅里葉變換

調(diào)用函數(shù)cufftExecC2C()、cufftExecR2C()，批處理計(jì)算分段劃分的m個(gè)序列s_i(n)的傅里葉變換序列S_i(k)和本地信號序列p_0m(n)的傅里葉變換序列P_0m(k)；

步驟S7頻域共軛乘運(yùn)算

在GPU中逐點(diǎn)計(jì)算S_i(k)與P_0m(k)的共軛乘積，得到序列Y_im(k)；

步驟S8逆FFT得到多段相關(guān)值序列，拼接后得到整個(gè)相關(guān)值序列

調(diào)用函數(shù)cufftExecC2C()計(jì)算Y_im(k)的逆FFT，得到m個(gè)循環(huán)相關(guān)序列y_im(n)，截取每個(gè)相關(guān)序列的前Tf_s/m個(gè)值y_i(n)，拼接后得到整個(gè)不確定時(shí)間范圍內(nèi)的相關(guān)值序列r(n)；

步驟S9計(jì)算相關(guān)值序列模值

在GPU中逐點(diǎn)計(jì)算相關(guān)值序列r(n)的模值，得到模值序列M(n)；

步驟S10信號檢測

搜索M(n)的最大值，判斷是否超過檢測門限，并確定碼相位值t_d。

與現(xiàn)有技術(shù)相比，本發(fā)明的有益效果是：

針對長周期偽碼直接捕獲時(shí)大量碼相位搜索問題，本發(fā)明提出了一種基于GPU的長碼分段重疊局部相關(guān)捕獲方法，將輸入信號序列分段處理，每一段信號序列的搜索處理過程采用基于GPU的長碼部分相關(guān)直接捕獲方法，各段信號序列搜索并行批處理。對輸入數(shù)據(jù)分段劃分，降低了數(shù)據(jù)處理的規(guī)模和存儲(chǔ)要求，適應(yīng)不同性能的GPU實(shí)現(xiàn)，對數(shù)據(jù)的劃分同時(shí)有利于多核處理器對數(shù)據(jù)進(jìn)行并行任務(wù)處理，可以充分發(fā)揮多核的并行處理優(yōu)勢?；贕PU的長碼分段重疊局部相關(guān)捕獲方法，利用GPU中數(shù)以百計(jì)的浮點(diǎn)運(yùn)算單元并行進(jìn)行FFT運(yùn)算，提高了長碼偽碼相位捕獲速度，對衛(wèi)星導(dǎo)航擴(kuò)頻信號軟件接收有著重大意義。

本發(fā)明方法與平均搜索法、XFAST等方法結(jié)合使用可以進(jìn)一步提高搜索速度。該方法提高了長碼直接捕獲的實(shí)時(shí)性，實(shí)現(xiàn)了基于GPU的長碼直接時(shí)域捕獲，相比在FPGA中實(shí)現(xiàn)的方法，修改靈活方便，可廣泛應(yīng)用于信號監(jiān)測接收、中心站信號處理的長碼直接捕獲。

隨著GPU運(yùn)算能力的進(jìn)一步增強(qiáng)，基于GPU能夠在頻域搜索更多的頻率單元，能夠進(jìn)行更長時(shí)間的非相干累加，從而能夠處理更大動(dòng)態(tài)、更低信噪比的信號，提高系統(tǒng)處理性能指標(biāo)。

附圖說明

圖1是本發(fā)明提供的基于GPU的長碼分段重疊局部相關(guān)捕獲方法流程圖；

圖2是本發(fā)明提供長碼分段重疊局部相關(guān)捕獲方法中輸入信號劃分方法示意圖；

具體實(shí)施方式

為使本發(fā)明的目的、技術(shù)方案和優(yōu)點(diǎn)更加清楚，下面將結(jié)合附圖對本發(fā)明實(shí)施方式作進(jìn)一步地詳細(xì)描述。

對于長周期偽碼，以GPS P碼為例，偽碼周期為7天，在整個(gè)捕獲處理時(shí)間段內(nèi)偽碼不重復(fù)，不能像短碼一樣進(jìn)行整個(gè)偽碼周期的相關(guān)運(yùn)算。

首先根據(jù)本地時(shí)間t₀，取[t₀ t₀+t]時(shí)間段持續(xù)時(shí)間為t的長碼數(shù)據(jù)，生成采樣率為f_s、持續(xù)時(shí)間為t的本地參考信號序列p(n)，p(n)為{p(0) p(1) … p(tf_s)}。將本地參考信號序列p(n)補(bǔ)充Tf_s個(gè)0，得到p₀(n)，即

記偽碼速率為f_p，以采樣率f_s(f_s＞2f_p)對輸入信號進(jìn)行采樣，采集(T+t)秒的輸入信號，其中T為不確定時(shí)間范圍，剝離載波后的輸入信號復(fù)信號序列為s(n)，s(n)為{s(0) s(1) … s[(T+t)f_s]}。在整個(gè)待搜索的相位空間，共有Tf_s個(gè)可能的偽碼相位值。s(n)與p₀(n)的相關(guān)值序列r(n)計(jì)算如式(2)：

其中n＝0,1,…Tf_S，i是一個(gè)中間變量，從0到(T+t)f_s的自然數(shù)。

為了加速相關(guān)搜索的速度，采用FFT計(jì)算相關(guān)值序列r(n)。短周期偽碼擴(kuò)頻信號用FFT方法計(jì)算相關(guān)值時(shí)，由于偽碼的周期重復(fù)性，在處理時(shí)間段內(nèi)的相關(guān)搜索為循環(huán)相關(guān)運(yùn)算，可直接應(yīng)用FFT算法。長周期偽碼擴(kuò)頻信號在處理時(shí)間段內(nèi)偽碼不重復(fù)，信號相關(guān)搜索過程為輸入信號與本地信號的線性相關(guān)運(yùn)算，需要轉(zhuǎn)化成循環(huán)相關(guān)后才能應(yīng)用FFT算法。將s(n)的周期拓展序列記為p₀(n)的周期拓展序列記為則s(n)與p₀(n)的循環(huán)相關(guān)序列y_T+t(n)計(jì)算如式(3)：

其中R_T+t(n)為矩形序列，表示取長度為(T+t)f_s的主值序列。

記s(n)的離散傅里葉變換為S(k)，p₀(n)的離散傅里葉變換為P₀(k)，y_T+t(n)的離散傅里葉變換為Y_T+t(k)，由(3)式可得

其中表示P₀(k)的共軛 (4)

對頻域計(jì)算的結(jié)果取逆FFT可得

y_T+t(n)＝IFFT[Y_T+t(k)] (5)

取循環(huán)相關(guān)序列y_T+t(n)的前Tf_s+1個(gè)值，舍棄后tf_s個(gè)值，即得到不確定時(shí)間范圍T內(nèi)的相關(guān)值序列r(n)。

如果輸入信號序列較長時(shí)，可將輸入信號序列分段處理，每一段信號序列的搜索處理過程均采用上述的基于GPU的長碼部分相關(guān)直接捕獲方法，各段信號搜索處理過程可利用多核處理器并行進(jìn)行，其輸入信號序列的劃分如圖2所示。

將輸入信號序列劃分為m段，每一段序列持續(xù)時(shí)間為T/m+t，序列重疊時(shí)間與本地參考信號序列持續(xù)時(shí)間相同，均為t。則各子序列s_i(n)為：

{s(iTf_s/m),s(iTf_s/m+1),…,s[(i+1)Tf_s/m+tf_s]}其中i＝0,1,…,(m-1)

將序列p(n)補(bǔ)充Tf_s/m個(gè)0，得到p_0m(n)，應(yīng)用上述推導(dǎo)的局部相關(guān)碼相位空間搜索方法，計(jì)算出s_i(n)與p_0m(n)的相關(guān)值子序列y_i(n)：

{y(iTf_s/m),y(iTf_s/m+1),…,y[(i+1)Tf_s/m]}

所有的y_i(n)拼接后即可得到整個(gè)不確定時(shí)間范圍內(nèi)的相關(guān)值序列r(n)。

GPU中具有數(shù)以百計(jì)的浮點(diǎn)處理器，其快速傅里葉變換庫cuFFT充分利用大量的處理器資源進(jìn)行FFT運(yùn)算，在cuFFT函數(shù)庫中，F(xiàn)FT變換函數(shù)可以同時(shí)對輸入的多組不同的數(shù)據(jù)進(jìn)行FFT變換批處理操作，據(jù)此可以實(shí)現(xiàn)長碼分段重疊局部相關(guān)捕獲方法。

本發(fā)明提出了一種基于GPU的長碼分段重疊局部相關(guān)捕獲方法，流程如圖1，其包括以下步驟：

步驟S1提取長碼生成本地參考信號序列

根據(jù)本地時(shí)間t₀，取[t₀ t₀+t]時(shí)間段持續(xù)時(shí)間為t的長碼數(shù)據(jù)，根據(jù)采樣率f_s生成本地參考信號序列p(n)，p(n)為{p(0) p(1) … p(tf_s)}；

步驟S2輸入信號剝離載波

以采樣率f_s對輸入信號進(jìn)行采樣，采集(T+t)秒的輸入信號，其中T為預(yù)設(shè)的偽碼搜索不確定時(shí)間范圍，剝離載波后生成輸入信號復(fù)信號序列s(n)，s(n)為{s(0) s(1) … s[(T+t)f_s]}。

步驟S3分配數(shù)據(jù)存儲(chǔ)空間，傳輸數(shù)據(jù)到GPU設(shè)備端

在GPU設(shè)備端為輸入信號復(fù)信號序列s(n)和本地參考信號序列p(n)分配存儲(chǔ)空間，使用cudaMemcpy()函數(shù)將輸入信號復(fù)信號序列s(n)和本地參考信號序列p(n)由主機(jī)端拷貝到GPU設(shè)備端；

步驟S4輸入信號復(fù)信號序列重疊分段劃分，本地信號序列補(bǔ)零擴(kuò)展

將輸入信號復(fù)信號序列部分重疊分段劃分，得到m個(gè)序列s_i(n)i＝0,1,…,(m-1)，將本地信號序列p(n)補(bǔ)充Tf_s/m個(gè)0，得到序列p_0m(n)；

步驟S5創(chuàng)建傅里葉變換計(jì)劃

調(diào)用函數(shù)cufftPlan1d()、cufftPlanMany()創(chuàng)建傅里葉變換計(jì)劃；

步驟S6批處理計(jì)算信號序列傅里葉變換

調(diào)用函數(shù)cufftExecC2C()、cufftExecR2C()，批處理計(jì)算分段劃分的m個(gè)序列s_i(n)的傅里葉變換序列S_i(k)和本地信號序列p_0m(n)的傅里葉變換序列P_0m(k)；

步驟S7頻域共軛乘運(yùn)算

在GPU中逐點(diǎn)計(jì)算S_i(k)與P_0m(k)的共軛乘積，得到序列Y_im(k)；

步驟S8逆FFT得到多段相關(guān)值序列，拼接后得到整個(gè)相關(guān)值序列

調(diào)用函數(shù)cufftExecC2C()計(jì)算Y_im(k)的逆FFT，得到m個(gè)循環(huán)相關(guān)序列y_im(n)，截取每個(gè)相關(guān)序列的前Tf_s/m個(gè)值y_i(n)，拼接后得到整個(gè)不確定時(shí)間范圍內(nèi)的相關(guān)值序列r(n)；

步驟S9計(jì)算相關(guān)值序列模值

在GPU中逐點(diǎn)計(jì)算相關(guān)值序列r(n)的模值，得到模值序列M(n)；

步驟S10信號檢測

搜索M(n)的最大值，判斷是否超過檢測門限，并確定碼相位值t_d。

假定虛警概率P_fa＝10^-8，則由公式(6)

式中σ_n為噪聲均方根值，得到判決門限V_t為6.07σ_n，由此算得需要的最小信噪比S/N為12.7dB。載噪比C/N₀與信噪比關(guān)系如式(7)：

C/N₀＝S/N-10logT (7)

式中T表示相干積分時(shí)間。

當(dāng)存在多普勒誤差f_e時(shí)，由式(8)算得相關(guān)損耗L：

L＝20log[sinc(πf_eT)] (8)

由式(7)和式(8)，當(dāng)輸入信號C/N₀＞55.7dB·Hz時(shí)，本地參考信號序列持續(xù)時(shí)間t取0.05ms，在多普勒范圍[-5kHz,5kHz]內(nèi)，相關(guān)損耗不超過1dB。利用本發(fā)明方法搜索確定偽碼相位后，再利用一組分段相關(guān)值序列進(jìn)行多普勒頻率估計(jì)，為了提高頻率估計(jì)的準(zhǔn)確度，將分段相關(guān)值序列后補(bǔ)零，對補(bǔ)零序列FFT變換估計(jì)出信號多普勒初始值。當(dāng)輸入信號C/N₀＞42.7dB·Hz時(shí)，本地參考信號序列持續(xù)時(shí)間t取1ms，在多普勒范圍[-250Hz,250Hz]內(nèi)，相關(guān)損耗不超過1dB，為了覆蓋整個(gè)多普勒不確定范圍，需要利用頻域移位的方法將本地補(bǔ)零序列多普勒變換依次移位補(bǔ)償搜索多普勒，重復(fù)搜索21個(gè)多普勒槽，從而完成長碼的時(shí)頻二維搜索。

以上包含了本發(fā)明優(yōu)選實(shí)施例的說明，這是為了詳細(xì)說明本發(fā)明的技術(shù)特征，并不是想要將發(fā)明內(nèi)容限制在實(shí)施例所描述的具體形式中，依據(jù)本發(fā)明內(nèi)容主旨進(jìn)行的其他修改和變型也受本專利保護(hù)。本發(fā)明內(nèi)容的主旨是由權(quán)利要求書所界定，而非由實(shí)施例的具體描述所界定。