基于短时脉冲干扰的L1载波恢复方法、装置及智能终端与流程

基于短时脉冲干扰的l1载波恢复方法、装置及智能终端
技术领域
1.本发明涉及卫星通信技术领域，特别是涉及基于短时脉冲干扰的l1载波恢复方法、装置及智能终端。


背景技术：

2.船舶搭载全球导航卫星系统接收机，从卫星中接收l1载波信号，l1载波信号是指卫星导航系统中l1频段所传输的信号，l1频段指的是导航信号中的第一频段，通过对l1载波信号进行解调和处理，得到相应的距离、速度和时间等导航信息。然而，当遭遇短时强脉冲电磁干扰时，例如太阳黑子爆发、太阳风暴、闪电、小型核爆等影响，信号相位会受到干扰，影响导航信息的接收。
3.现有技术中通过研究海事卫星全球宽带网(bgan)信号帧中的独特(uw)字，采用数据辅助的频偏估计和面向判决的相偏估计算法，完成对实际接收海事卫星bgan信号的载波恢复，只能用来恢复受到高斯白噪声影响的载波信号，不能用来恢复受到短时大脉冲影响的载波信号。


技术实现要素：

4.本发明的主要目的在于提供基于短时脉冲干扰的l1载波恢复方法、装置及智能终端，旨在解决现有技术中只能恢复受到高斯白噪声影响的载波信号，不能用来恢复受到短时大脉冲影响的载波信号的技术问题。
5.为了实现上述目的，本发明第一方面提供了一种基于短时脉冲干扰的l1载波恢复方法，上述基于短时脉冲干扰的l1载波恢复方法包括：获取li载波信号；根据预设采样率将上述li载波信号转换为离散信号；根据上述离散信号确定ca向量；通过压缩感知方法处理上述ca向量，获得稀疏向量；根据上述稀疏向量确定上述li载波信号的频率信息和相位信息。
6.可选的，上述根据上述离散信号确定ca向量包括：根据上述离散信号、第一公式、第二公式和第三公式确定ca向量；
7.上述第一公式为：
8.{s(n)}，n＝0，1，2，
…
，n-1，
9.其中，s(n)表示上述离散信号的第n个字节；
10.上述第二公式为：
11.rs(n，v)＝e{s(n)s
*
(n+v)}，
12.其中，rs(n，v)表示上述离散信号的自相关函数，v表示上述离散信号序列的离散时延，且v＝0，
±
1，
…
，
±
(n-1)，e表示逐个位乘法运算后形成得集合；
13.上述第三公式为：
14.15.其中，rs(ξ，v)表示上述离散信号的循环自相关向量函数，ξ表示循环频率；
16.查找循环自相关向量函数的峰值，将峰值作为采样起点，每隔一个码元取一个采样点，获得ca码序列；
17.将多个连续的ca码序列的集合确定为ca向量。
18.可选的，上述通过压缩感知方法处理上述ca向量，获得稀疏向量，包括：
19.将上述ca向量存储在x(n)中；
20.根据一组基ψ
t
＝[ψ1，ψ2，
…
，ψn]和第四公式确定上述x(n)的线性组合表达；
[0021]
上述第四公式为：
[0022][0023]
其中，y表示m
×
1阶观测向量，表示m
×
n维矩阵，a表示m
×
n阶传感矩阵，m表示测量值维度，n表示一个完整的ca向量的采样数量，且m小于n，ψ表示n
×
n阶变换矩阵，α表示n
×
1维系数向量；
[0024]
计算上述线性组合表达的稀疏解，获得上述稀疏向量。
[0025]
可选的，上述计算上述线性组合表达的稀疏解，获得上述稀疏向量，包括：
[0026]
根据第一采样模型建立上述ca向量的压缩采样模型，上述第一采样模型为：
[0027][0028]
其中，表示上述第一采样模型，a表示压缩传感矩阵，r表示上述ca向量的稀疏向量的估计值，e表示满足alpha稳定分布的脉冲噪声；
[0029]
通过最小二乘法确定和第五公式迭代上述ca向量的稀疏向量的估计值，直到满足第一条件或者迭代次数大于预设迭代次数，获得最终估计值；
[0030]
上述第一条件为：
[0031]
arg minr||y-ar+ε||
δ
+λ||r||1，
[0032]
其中，ε大于0，且每个分量都无限趋近于0，δ表示优化采用l1范数和相关熵范数组合约束，l1范数表示向量所有元素的数值的绝对值之和；
[0033]
根据上述最终估计值确定观测向量；
[0034]
根据上述观测向量计算上述稀疏向量。
[0035]
本技术实施例第二方面提供了一种基于短时脉冲干扰的l1载波恢复装置，上述基于短时脉冲干扰的l1载波恢复装置包括：获取模块，用于获取li载波信号；采样模块，用于根据预设采样率将上述li载波信号转换为离散信号；计算模块，用于根据上述离散信号确定ca向量；处理模块，用于通过压缩感知方法处理上述ca向量，获得稀疏向量；恢复模块，用于根据上述稀疏向量确定上述li载波信号的频率信息和相位信息。
[0036]
可选的，上述计算模块还用于：根据上述离散信号、第一公式、第二公式和第三公式确定ca向量；
[0037]
上述第一公式为：
[0038]
{s(n)}，n＝0，1，2，
…
，n-1，
[0039]
其中，s(n)表示上述离散信号的第n个字节；
[0040]
上述第二公式为：
[0041]rs
(n，v)＝e{s(n)s
*
(n+v)}，
[0042]
其中，rs(n，v)表示上述离散信号的自相关函数，v表示上述离散信号序列的离散时延，且v＝0，
±
1，
…
，
±
(n-1)，e表示逐个位乘法运算后形成得集合；
[0043]
上述第三公式为：
[0044][0045]
其中，rs(ξ，v)表示上述离散信号的循环自相关向量函数，ξ表示循环频率；
[0046]
查找循环自相关向量函数的峰值，将峰值作为采样起点，每隔一个码元取一个采样点，获得ca码序列；
[0047]
将多个连续的ca码序列的集合确定为ca向量。
[0048]
可选的，上述处理模块还用于：
[0049]
将上述ca向量存储在x(n)中；根据一组基ψ
t
＝[ψ1，ψ2，
…
，ψn]和第四公式确定上述x(n)的线性组合表达；
[0050]
上述第四公式为：
[0051][0052]
其中，y表示m
×
1阶观测向量，表示m
×
n维矩阵，a表示m
×
n阶传感矩阵，m表示测量值维度，n表示一个完整的ca向量的采样数量，且m小于n，ψ表示n
×
n阶变换矩阵，α表示n
×
1维系数向量；
[0053]
计算上述线性组合表达的稀疏解，获得上述稀疏向量。
[0054]
可选的，上述处理模块还用于：根据第一采样模型建立上述ca向量的压缩采样模型，上述第一采样模型为：
[0055][0056]
其中，表示上述第一采样模型，a表示压缩传感矩阵，r表示上述ca向量的稀疏向量的估计值，e表示满足alpha稳定分布的脉冲噪声；
[0057]
通过最小二乘法确定和第五公式迭代上述ca向量的稀疏向量的估计值，直到满足第一条件或者迭代次数大于预设迭代次数，获得最终估计值；
[0058]
上述第一条件为：
[0059]
arg minr||y-ar+ε||
δ
+λ||r||1，
[0060]
其中，ε大于0，且每个分量都无限趋近于0，δ表示优化采用l1范数和相关熵范数组合约束，l1范数表示向量所有元素的数值的绝对值之和；
[0061]
根据上述最终估计值确定观测向量；
[0062]
根据上述观测向量计算上述稀疏向量。
[0063]
本技术第三方面提供了一种智能终端，智能终端包括存储器、处理器以及存储在存储器上并可在处理器上运行的基于短时脉冲干扰的l1载波恢复程序，基于短时脉冲干扰的l1载波恢复程序被处理器执行时实现如上述基于短时脉冲干扰的l1载波恢复方法的步骤。
[0064]
申请实施例第四方面提供了一种计算机可读存储介质，计算机可读存储介质上存储有基于短时脉冲干扰的l1载波恢复程序，基于短时脉冲干扰的l1载波恢复程序被处理器执行时实现如上述基于短时脉冲干扰的l1载波恢复方法的步骤。
[0065]
由上可见，本技术提供了一种基于短时脉冲干扰的l1载波恢复方法，上述基于短时脉冲干扰的l1载波恢复方法包括：获取li载波信号；根据预设采样率将上述li载波信号转换为离散信号；根据上述离散信号确定ca向量；通过压缩感知方法处理上述ca向量，获得稀疏向量；根据上述稀疏向量确定上述li载波信号的频率信息和相位信息。本发明根据l1载波信号的离散信号确定ca向量，并通过压缩感知方法处理ca向量，估计出频率和相位，可以在原始l1载波信号受到短时脉冲干扰时，恢复出原始l1载波信号的相位信息。
附图说明
[0066]
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其它的附图。
[0067]
图1是本技术实施例提供的一种基于短时脉冲干扰的l1载波恢复方法的实施例流程示意图；
[0068]
图2是本技术实施例提供的一种基于短时脉冲干扰的l1载波恢复装置的实施例结构示意图；
[0069]
图3是是本技术实施例提供的一种智能设备的实施例结构示意图。
具体实施方式
[0070]
以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本发明实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况下，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本发明的描述。
[0071]
应当理解，当在本说明书和所附权利要求书中使用时，术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
[0072]
还应当理解，在本发明说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本发明。如在本发明说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。
[0073]
还应当进一步理解，在本发明说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
[0074]
如在本说明书和所附权利要求书中所使用的那样，术语“如果”可以依据上下文被解释为“当
…
时”或“一旦”或“响应于确定”或“响应于检测到”。类似的，短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述的条件或事件]”或“响应于检测到[所描述条件或事件]”。
[0075]
下面结合本发明实施例的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
[0076]
在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是本发明还可以采用其它不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本发明内涵的情况下做类似推广，因此本发明不受下面公开的具体实施例的限制。
[0077]
为了解决现有技术的问题，本发明实施例提供了一种基于短时脉冲干扰的l1载波恢复方法，请参阅图1，图1为本技术实施例提供的基于短时脉冲干扰的l1载波恢复方法的实施例的流程示意图，包括以下步骤：
[0078]
步骤s10，获取li载波信号；
[0079]
步骤s20，根据预设采样率将li载波信号转换为离散信号。
[0080]
需要说明的是，通过模拟数字转换芯片(analog-to-digital converter，adc)以3gsps数据的采样率将l1载波信号采集为8位数字离散信号，并存储于内存中循环刷新，8位数字离散信号存储于接收机的片上内存，其一次循环写入1024m字节数据，即每次循环将约0.36s内的l1载波信号转换为字节表示的离散信号。
[0081]
步骤s30，根据离散信号确定ca向量。
[0082]
需要说明的是，本实施例中ca向量为gps载波信号的ca向量，具体是指gps系统中的c/a码(coarse/acquisition码)序列，是一种长度为1023的伪随机码序列，由1和-1交替组成。
[0083]
ca码序列是gps中的一种调制信号，用于将导航数据调制到载波上，同时也是接收机对gps信号进行接收、跟踪和定位的关键参考信号之一。
[0084]
ca码序列是由gps卫星发送的，接收机通过对接收的gps信号进行解调，可以提取出ca码序列。ca码序列在gps信号中以1.023mhz的速率传输，每个码片的长度为1ms。由于ca码序列是伪随机码序列，其具有很好的随机性和唯一性，因此可以用于多普勒效应的消除、信号的同步和跟踪等目的，是gps系统中的重要参考信号之一。
[0085]
在一些实施例中，步骤s30还包括：
[0086]
根据上述离散信号、第一公式、第二公式和第三公式确定ca向量；
[0087]
上述第一公式为：
[0088]
{s(n)}，n＝0，1，2，
…
，n-1，
[0089]
其中，{s(n)}表示上述离散信号的序列表示，s(n)表示上述离散信号的第n个字节；
[0090]
上述第二公式为：
[0091]rs
(n，v)＝e{s(n)s
*
(n+v)}，
[0092]
其中，rs(n，v)表示上述离散信号的自相关函数，v表示上述离散信号序列的离散时延，且v＝0，
±
1，
…
，
±
(n-1)，e表示逐个位乘法运算后形成得集合，由于l1载波信号为循环平稳信号，其自相关为时间变量的周期函数；
[0093]
上述第三公式为：
[0094][0095]
其中，rs(ξ，v)表示上述离散信号的循环自相关向量函数，ξ表示循环频率；f0为载频，fc为码元速率，tc为码片时宽，fs为ca采样频率，k为任意整数，表示初相，n0＝1。
[0096]
查找循环自相关向量函数的峰值，将峰值作为采样起点，每隔一个码元取一个采样点，获得ca码序列，将多个连续的ca码序列的集合确定为ca向量。
[0097]
需要说明的是，循环自相关向量函数的峰值即为序列长度1023个码元的周期峰值。
[0098]
对于找到的峰值，确定峰值位置，将其作为参考点，从参考点开始每隔一个码元取一个采样点，得到1023个采样点，即为ca码序列。
[0099]
还需要说明的是，由于gps信号的频率很高，因此在进行自相关运算时需要进行高速计算，本技术通过了dsp进行快速傅里叶变换(fft)进行计算以满足计算的实时性。
[0100]
当gps信号受到多径效应影响时，为避免出现多个峰值，根据距离v＝0最近的一个峰值提取ca码序列。
[0101]
需要说明的是，l1载波信号是bpsk信号，它的ca向量只在几个固定的频率点存在频谱分量，是高度稀疏的。将ca向量函数rs的计算结果顺序排布，即可得到ca向量x(n)。
[0102]
在一些实施例中，从s(n)中取得前n个点，计算其ca向量并存储于x(n)中。
[0103]
步骤s40，通过压缩感知方法处理ca向量，获得稀疏向量；
[0104]
在一些实施例中，步骤s40包括：
[0105]
将上述ca向量存储在x(n)中；
[0106]
根据一组基ψ
t
＝[ψ1，ψ2，
…
，ψn]和第四公式确定上述x(n)的线性组合表达，x(n)＝αψ，α表示n
×
1维系数向量，ψ表示n
×
n阶变换矩阵；当信号x在某个基ψ上至多含有b个非零系数α，且k＜＜n时，称x为b稀疏信号，ψ为x的稀疏基，α的非零系数位置即为信号支撑集；
[0107]
将信号x投影到一组测量向量ψ
t
＝[ψ1，ψ2，
…
，ψn]上，m为测量值维度，且m＜＜n，得到x的测量值，表示为矩阵形式：
[0108][0109]
其中，y表示m
×
1阶观测向量，表示m
×
n维矩阵，a表示m
×
n阶传感矩阵，m表示测量值维度，n表示一个完整的ca向量的采样数量，且m小于n，ψ表示n
×
n阶变换矩阵，α表示n
×
1维系数向量。
[0110]
高斯随机矩阵是压缩感知中使用最为广泛的观测矩阵。为m
×
n阶的随机高斯矩
阵，其中每个元素独立地服从均值为0，方差为1/m的高斯分布，即
[0111][0112]
ψ是一个快速傅里叶变化矩阵，将x信号转换到频率域r上。即：
[0113]
x＝ψr，
[0114]
这里r为信号的一种稀疏表示。使用van nee(1991)的方法可以从r中恢复频率信息。
[0115]
计算上述线性组合表达的稀疏解，获得上述稀疏向量。
[0116]
在一些实施例中，计算上述线性组合表达的稀疏解，获得上述稀疏向量，包括：根据第一采样模型建立上述ca向量的压缩采样模型，上述第一采样模型为：
[0117][0118]
其中，表示上述第一采样模型，a表示压缩传感矩阵，是m
×
n阶传感矩阵，r表示上述ca向量的稀疏向量的估计值，e表示满足alpha稳定分布的脉冲噪声；
[0119]
通过最小二乘法确定一个r＝r_est∈rn使得||y-ar||2最小，a∈r
m*n
是满轶矩阵；
[0120]
通过第五公式确定最小二乘解，上述第五公式为：
[0121]
r_est＝(a
t
a)-1at
y，
[0122]
将找到的r_est覆盖原有r，继续进行求解，该过程为一次迭代重构。
[0123]
不断进行迭代重构，直到满足r第一条件或者迭代次数大于预设迭代次数，获得最终估计值；
[0124]
需要说明的是，r满足第一条件表示为r满足第一条件的计算结果最小，即不断修改r直到r满足公式中的内容最小；
[0125]
上述第一条件为：
[0126]
arg minr||y-ar+ε||
δ
+λ||r||1，
[0127]
其中，ε大于0，且每个分量都无限趋近于0，用于保证y＝ar在算法迭代过程中不会取负数值，δ表示优化采用l1范数和相关熵范数组合约束，l1范数表示向量所有元素的数值的绝对值之和；
[0128]
当ar非常接近y且r中的系数和同时最小时，确定最终的r；
[0129]
根据上述最终估计值确定观测向量y_est；
[0130]
上述估计方法为凸松弛算法(gradient projection for sparse reconstruction gpsr)；
[0131]
根据上述观测向量计算上述稀疏向量x_est。
[0132]
步骤s50，根据稀疏向量确定li载波信号的频率信息和相位信息。
[0133]
在一些实施例中，将稀疏向量x_est的幅值二值化，使用方波包络作为被恢复出的相位信息。
[0134]
由上可见，本发明利用相位编码信号循环自相关向量的稀疏性，使用了基于压缩感知(compressed sensing，cs)的相位编码信号参数估计技术，在原始l1信号受到短时大脉冲干扰时，可以恢复出原始l1载波信号的相位信息。
[0135]
与上述一致地，以下为实施上述基于短时脉冲干扰的l1载波恢复装置，具体如下：请参阅图2，为本技术实施例提供的一种基于短时脉冲干扰的l1载波恢复装置的实施例结
构示意图，上述基于短时脉冲干扰的l1载波恢复装置包括：
[0136]
获取模块201，用于获取li载波信号；
[0137]
采样模块202，用于根据预设采样率将li载波信号转换为离散信号；
[0138]
计算模块203，用于根据离散信号确定ca向量；
[0139]
处理模块204，用于通过压缩感知方法处理ca向量，获得稀疏向量；
[0140]
恢复模块205，用于根据稀疏向量确定li载波信号的频率信息和相位信息。
[0141]
在一些实施例中，上述计算模块203还用于：
[0142]
根据上述离散信号、第一公式、第二公式和第三公式确定ca向量；
[0143]
上述第一公式为：
[0144]
{s(n)}，n＝0，1，2，
…
，n-1，
[0145]
其中，s(n)表示上述离散信号的第n个字节；
[0146]
上述第二公式为：
[0147]rs
(n，v)＝e{s(n)s
*
(n+v)}，
[0148]
其中，rs(n，v)表示上述离散信号的自相关函数，v表示上述离散信号序列的离散时延，且v＝0，
±
1，
…
，
±
(n-1)，e表示逐个位乘法运算后形成得集合；
[0149]
上述第三公式为：
[0150][0151]
其中，rs(ξ，v)表示上述离散信号的循环自相关向量函数，ξ表示循环频率；
[0152]
查找循环自相关向量函数的峰值，将峰值作为采样起点，每隔一个码元取一个采样点，获得ca码序列；
[0153]
将多个连续的ca码序列的集合确定为ca向量。
[0154]
在一些实施例中，上述处理模块204还用于：
[0155]
将上述ca向量存储在x(n)中；
[0156]
根据一组基ψ
t
＝[ψ1，ψ2，
…
，ψn]和第四公式确定上述x(n)的线性组合表达；
[0157]
上述第四公式为：
[0158][0159]
其中，y表示m
×
1阶观测向量，表示m
×
n维矩阵，a表示m
×
n阶传感矩阵，m表示测量值维度，n表示一个完整的ca向量的采样数量，且m小于n，ψ表示n
×
n阶变换矩阵，α表示n
×
1维系数向量；
[0160]
高斯随机矩阵是压缩感知中使用最为广泛的观测矩阵。为m
×
n阶的随机高斯矩阵，其中每个元素独立地服从均值为0，方差为1/m的高斯分布，即
[0161][0162]
ψ是一个快速傅里叶变化矩阵，将x信号转换到频率域r上。即：
[0163]
x＝ψr，
[0164]
这里r为信号的一种稀疏表示。使用van nee(1991)的方法可以从r中恢复频率信息。
[0165]
计算上述线性组合表达的稀疏解，获得上述稀疏向量。
[0166]
在一些实施例中，上述处理模块还用于：
[0167]
根据第一采样模型建立上述ca向量的压缩采样模型，上述第一采样模型为：
[0168][0169]
其中，表示上述第一采样模型，a表示压缩传感矩阵，r表示上述ca向量的稀疏向量的估计值，e表示满足alpha稳定分布的脉冲噪声；
[0170]
通过最小二乘法确定和第五公式迭代上述ca向量的稀疏向量的估计值，直到满足第一条件或者迭代次数大于预设迭代次数，获得最终估计值；
[0171]
上述第一条件为：
[0172]
arg minr||y-ar+ε||
δ
+λ||r||1，
[0173]
其中，ε大于0，且每个分量都无限趋近于0，δ表示优化采用l1范数和相关熵范数组合约束，l1范数表示向量所有元素的数值的绝对值之和；
[0174]
根据上述最终估计值确定观测向量；
[0175]
上述估计方法为凸松弛算法(gradient projection for sparse reconstruction gpsr)；
[0176]
根据上述观测向量计算上述稀疏向量。
[0177]
与上述一致地，请参阅图3，为本技术实施例提供的一种智能设备的实施例结构示意图。如图所示，该包括处理器、存储器、通信接口以及一个或多个程序，其中，上述一个或多个程序被存储在上述存储器中，并且被配置由上述处理器执行，本技术实施例中，上述程序包括用于执行以下步骤的指令：
[0178]
获取li载波信号；
[0179]
根据预设采样率将li载波信号转换为离散信号；
[0180]
根据离散信号确定ca向量；
[0181]
通过压缩感知方法处理ca向量，获得稀疏向量；
[0182]
根据稀疏向量确定li载波信号的频率信息和相位信息。
[0183]
本技术实施例还提供一种计算机存储介质，其中，该计算机存储介质可存储有基于短时脉冲干扰的l1载波恢复程序，该程序执行时包括上述基于短时脉冲干扰的l1载波恢复方法实施例中记载的任何一种基于短时脉冲干扰的l1载波恢复方法的部分或全部步骤。
[0184]
尽管在此结合各实施例对本技术进行了描述，然而，在实施所要求保护的本技术过程中，本领域技术人员通过查看上述附图、公开内容、以及所附权利要求书，可理解并实现上述公开实施例的其他变化。在权利要求中，“包括”一词不排除其他组成部分或步骤，“一”或“一个”不排除多个的情况。单个处理器或其他单元可以实现权利要求中列举的若干项功能。相互不同的从属权利要求中记载了某些措施，但这并不表示这些措施不能组合起来产生良好的效果。
[0185]
本领域技术人员应明白，本技术的实施例可提供为方法、装置(设备)、或计算机程序产品。因此，本技术可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本技术可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。计算机程序存储/分布在合适的介质中，与其它硬件一起提供或作为硬件的一
部分，也可以采用其他分布形式，如通过internet或其它有线或无线电信系统。
[0186]
本技术是参照本技术实施例的方法、装置(设备)和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程信息提醒设备的处理器以产生一个机器，使得通过计算机或其他可编程信息提醒设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。这些计算机程序指令也可存储在能引导计算机或其他可编程信息提醒设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
[0187]
这些计算机程序指令也可装载到计算机或其他可编程信息提醒设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
[0188]
尽管结合具体特征及其实施例对本技术进行了描述，显而易见的，在不脱离本技术的精神和范围的情况下，可对其进行各种修改和组合。相应地，本说明书和附图仅仅是所附权利要求所界定的本技术的示例性说明，且视为已覆盖本技术范围内的任意和所有修改、变化、组合或等同物。显然，本领域的技术人员可以对本技术进行各种改动和变型而不脱离本技术的精神和范围。这样，倘若本技术的这些修改和变型属于本技术权利要求及其等同技术的范围之内，则本技术也意图包含这些改动和变型在内。

技术特征：
1.一种基于短时脉冲干扰的l1载波恢复方法，其特征在于，所述基于短时脉冲干扰的l1载波恢复方法包括：获取li载波信号；根据预设采样率将所述li载波信号转换为离散信号；根据所述离散信号确定ca向量；通过压缩感知方法处理所述ca向量，获得稀疏向量；根据所述稀疏向量确定所述li载波信号的频率信息和相位信息。2.根据权利要求1所述的基于短时脉冲干扰的l1载波恢复方法，其特征在于，所述根据所述离散信号确定ca向量包括：根据所述离散信号、第一公式、第二公式和第三公式确定ca向量；所述第一公式为：{()}，n＝0，1，2，
…
，n-1，其中，s(n)表示所述离散信号的第n个字节；所述第二公式为：r
s
(n，v)＝{s(n)s
*
(+v)}，其中，r
s
(n，v)表示所述离散信号的自相关函数，v表示所述离散信号序列的离散时延，且v＝0，
±
1，
…
，
±
(n-1)，e表示逐个位乘法运算后形成得集合；所述第三公式为：其中，r
s
(ξ，v)表示所述离散信号的循环自相关向量函数，ξ表示循环频率；查找所述循环自相关向量函数的峰值，将所述峰值作为采样起点，每隔一个码元取一个采样点，获得ca码序列；将多个连续的所述ca码序列的集合确定为所述ca向量。3.根据权利要求1所述的基于短时脉冲干扰的l1载波恢复方法，其特征在于，所述通过压缩感知方法处理所述ca向量，获得稀疏向量，包括：将所述ca向量存储在x(n)中；根据一组基ψ
t
＝ψ1，ψ2，
…
，ψ
n
]和第四公式确定所述x(n)的线性组合表达；所述第四公式为：其中，y表示m
×
1阶观测向量，表示m
×
n维矩阵，a表示m
×
n阶传感矩阵，m表示测量值维度，n表示一个完整的ca向量的采样数量，且m小于n，ψ表示n
×
n阶变换矩阵，α表示n
×
1维系数向量；计算所述线性组合表达的稀疏解，获得所述稀疏向量。4.根据权利要求3所述的基于短时脉冲干扰的l1载波恢复方法，其特征在于，所述计算所述线性组合表达的稀疏解，获得所述稀疏向量，包括：根据第一采样模型建立所述ca向量的压缩采样模型，所述第一采样模型为：
其中，表示所述第一采样模型，a表示压缩传感矩阵，r表示所述ca向量的稀疏向量的估计值，e表示满足alpha稳定分布的脉冲噪声；通过最小二乘法确定和第五公式迭代所述ca向量的稀疏向量的估计值，直到满足第一条件或者迭代次数大于预设迭代次数，获得最终估计值；所述第一条件为：argmin
r
||y-ar+ε||
δ
+||r||1，其中，ε大于0，且每个分量都无限趋近于0，δ表示优化采用l1范数和相关熵范数组合约束，l1范数表示向量所有元素的数值的绝对值之和；根据所述最终估计值确定观测向量；根据所述观测向量计算所述稀疏向量。5.一种基于短时脉冲干扰的l1载波恢复装置，其特征在于，所述基于短时脉冲干扰的l1载波恢复装置包括：获取模块，用于获取li载波信号；采样模块，用于根据预设采样率将所述li载波信号转换为离散信号；计算模块，用于根据所述离散信号确定ca向量；处理模块，用于通过压缩感知方法处理所述ca向量，获得稀疏向量；恢复模块，用于根据所述稀疏向量确定所述li载波信号的频率信息和相位信息。6.根据权利要求5所述的基于短时脉冲干扰的l1载波恢复装置，其特征在于，所述计算模块还用于：根据所述离散信号、第一公式、第二公式和第三公式确定ca向量；所述第一公式为：{()}，n＝0，1，2，
…
，-1，其中，s(n)表示所述离散信号的第n个字节；所述第二公式为：r
s
(n，v)＝{s(n)s
*
(+v)}，其中，r
s
(n，v)表示所述离散信号的自相关函数，v表示所述离散信号序列的离散时延，且v＝0，
±
1，
…
，
±
(n-1)，e表示逐个位乘法运算后形成得集合；所述第三公式为：其中，r
s
(ξ，v)表示所述离散信号的循环自相关向量函数，ξ表示循环频率；查找所述循环自相关向量函数的峰值，将所述峰值作为采样起点，每隔一个码元取一个采样点，获得ca码序列；将多个连续的所述ca码序列的集合确定为所述ca向量。7.根据权利要求5所述的基于短时脉冲干扰的l1载波恢复装置，其特征在于，所述处理模块还用于：将所述ca向量存储在x(n)中；根据一组基ψ
t
＝ψ1，ψ2，
…
，ψ
n
]和第四公式确定所述x(n)的线性组合表达；所述第四公式为：
其中，y表示m
×
1阶观测向量，表示m
×
n维矩阵，a表示m
×
n阶传感矩阵，m表示测量值维度，n表示一个完整的ca向量的采样数量，且m小于n，ψ表示n
×
n阶变换矩阵，α表示n
×
1维系数向量；计算所述线性组合表达的稀疏解，获得所述稀疏向量。8.根据权利要求7所述的基于短时脉冲干扰的l1载波恢复装置，其特征在于，所述处理模块还用于：根据第一采样模型建立所述ca向量的压缩采样模型，所述第一采样模型为：其中，表示所述第一采样模型，a表示压缩传感矩阵，r表示所述ca向量的稀疏向量的估计值，e表示满足alpha稳定分布的脉冲噪声；通过最小二乘法确定和第五公式迭代所述ca向量的稀疏向量的估计值，直到满足第一条件或者迭代次数大于预设迭代次数，获得最终估计值；所述第一条件为：argmin
r
||y-ar+ε||
δ
+||r||1，其中，ε大于0，且每个分量都无限趋近于0，δ表示优化采用l1范数和相关熵范数组合约束，l1范数表示向量所有元素的数值的绝对值之和；根据所述最终估计值确定观测向量；根据所述观测向量计算所述稀疏向量。9.一种智能终端，其特征在于，所述智能终端包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的基于短时脉冲干扰的l1载波恢复程序，所述基于短时脉冲干扰的l1载波恢复程序被所述处理器执行时实现如权利要求1-4任意一项所述基于短时脉冲干扰的l1载波恢复方法的步骤。10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有基于短时脉冲干扰的l1载波恢复程序，所述基于短时脉冲干扰的l1载波恢复程序被处理器执行时实现如权利要求1-4任意一项所述基于短时脉冲干扰的l1载波恢复方法的步骤。

技术总结
本发明公开了基于短时脉冲干扰的L1载波恢复方法、装置及智能终端，上述基于短时脉冲干扰的L1载波恢复方法包括：获取LI载波信号；根据预设采样率将上述LI载波信号转换为离散信号；根据上述离散信号确定CA向量；通过压缩感知方法处理上述CA向量，获得稀疏向量；根据上述稀疏向量确定上述LI载波信号的频率信息和相位信息。本发明可以在原始L1载波信号受到短时脉冲干扰时，恢复出原始L1载波信号的相位信息。信息。信息。


技术研发人员：郭龙 张毫杰 闵统 刘曦航
受保护的技术使用者：深圳市海伊石油技术有限公司
技术研发日：2023.04.28
技术公布日：2023/8/13