买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：山东交通学院

摘要：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‑CNNS和PP‑CNNS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。

主权项：1.一种基于深度卷积神经网络的导航卫星微弱信号捕获方法，其特征在于，通过如下步骤来实现：步骤一，导航卫星信号接收机获得微弱的导航卫星信号，经过射频电路处理，接收到中频信号rt并产生本地生成信号st，通过对中频信号rt和本地生成信号st之间进行相关运算，获得其相关信号Rt；步骤二，采用绝对位置卷积神经网络对信号的相关值进行检测；步骤三，采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-CNNS和PP-CNNS的最优模型；所述步骤一通过以下分步骤来实现：a获取中频信号rt；对于一个深度卷积神经网络的导航卫星信号捕获系统，经过射频电路处理，接收到中频信号为：rt＝ADrtCrt-τ×cos[2πfIF+fdt+φ0]+nt1在公式1中，A是信号振幅，Drt是调制的数据，fd是多普勒频移，φ0是原始相位，Crt-τ是具有延迟时间的伪随机码；b接收机产生本地生成信号为st；对于一个深度卷积神经网络的导航卫星信号捕获系统，接收机产生的本地生成信号为： 在公式2中，是具有延迟时间的本地伪随机码，是本地频移，φ1是初相位；c获得相关信号Rt；对中频信号rt和本地生成信号st进行相关处理，获得的相关信号为： 在公式3中，Δφ＝φ0-φ1，ncor是包括高斯噪声和互相关输出的等效噪声；所述步骤二通过以下分步骤来实现：d相关器处理信号，获得相关图像，并输入卷积神经网络；采用M个相关器对信号进行并行处理，以减少采集时间，将整个相关图像分割为多幅相关子图像，并输入卷积神经网络；ePC-CNNS识别图像中的相关峰值；绝对位置卷积神经网络中的相关峰值分类有S1个卷积层，一个A×A内核，M1个最大池化层和E1个全连接层，用于识别图像中的相关峰值，由于在整个相关图像中只有一幅分割图像具有相关峰值，PC-CNNS的高识别精度可以减少其分割图像的数量；fPP-CNNS对分割图像的相关峰值进行绝对位置识别；PP-CNNS中有N2个最大池化层，S2个卷积层和E2个全连接层，每一层背后都有一个ReLU作为非线性激活函数，峰值分类后，PP-CNNS对有相关峰值的分割图像进行绝对位置识别，没有相关峰的分割图像仅用于协助计算；所述步骤三通过以下分步骤来实现：g为了提高相关峰值的绝对位置精度，采用区域编码的方法；像素绝对位置的分辨率随图像尺寸的增大而减小，与图像尺寸的倒数呈线性关系，当二维坐标是卷积神经网络的训练目标时，随着图像尺寸的增大，会影响定位精度，当图像大小为X1×X1时，根据归一化的结果，任意两个像素的坐标分辨率比为1X1，对于X2×X2的图像，任意两个像素的坐标分辨率比为1X2，在相同的卷积神经网络中，图像尺寸越大，坐标识别精度越低，采用区域编码的方法将输入图像分割为若干具有各自X1×X1坐标的区域，所有区域的坐标范围都被限制在X1到X2之间；h得出PC-CNNS的最优模型；相关峰值图像被分为多幅相关子图像，其中只有一个具有相关峰值的图像和多个含有噪声的图像，可以在PC-CNNS中以精度检测不具有相关峰的图像，具有相关峰值的图像分类精度较高，得出PC-CNNS的最优模型；i得出PP-CNNS的最优模型；更改PP-CNNS框架的卷积层数S2，可以找到最佳的绝对位置精度，根据不同模型的识别率和绝对定位精度，得出了PP-CNNS模型具有最高的位置精度，确定了PP-CNNS模型，整个相关图像的绝对定位精度为得出最终相关峰绝对位置精度。

全文数据：

权利要求：

百度查询： 山东交通学院 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