基于相关-聚类的星链信号解调方法OA

随着巨型低轨卫星(Low Earth Orbit,LEO)星座的迅速发展,大量星基机会信号为全球导航卫星系统(Global Navigation Satellite System,GNSS)拒止条件下的辅助与替代性导航需求提供了潜在解决方案。以星链信号为例,对其进行时频估计并完成有效解调,是实现辅助导航的必要前提。然而,星链卫星的高速运动引起显著的多普勒效应,为信号时频估计精度与可靠解调带来技术挑战。针对现有的时频估计算法在低信噪比(Signal-to-Noise Ratio,SNR)条件下鲁棒性不足,传统算法在高动态环境下难以实现稳定解调的问题,本文提出了一种基于相关-聚类的星链信号解调方法,并在仿真与实测数据上进行实验验证。利用星链下行信号特殊的同步序列结构,设计相关性增强的延迟自相关定时算法与改进的符号内相位差频偏估计算法,实现同步序列定时与多普勒系数的粗估计。提出基于K-means聚类的逐符号时频精估计方法,在无数据符号先验的条件下提取星座聚类统计量,并以经验信噪比(Empirical Signal-to-Noise Ratio,ESNR)最大化为准则完成残余时频误差精估计。构建仿真场景,分析所提方法的收敛性与估计精度,并基于实测星链下行信号,以解调误比特率(Bit Error Rate,BER)为指标评估所提算法的性能。实验结果表明,所提方法在高动态条件下具有良好的收敛性与估计精度,且在7.3 dB SNR实测数据下,解调BER为0.88%,相较对比算法降低55.10%,在高动态环境下显著提升了时频估计与解调的精度,为星链机会信号导航提供了技术支撑。