论文总字数：18882字

摘 要

随着科学和技术不停的进步不停的发展，移动技术和通信技术越来越成熟，人们对光通信网络的传输距离和频谱利用率的关注直线上升。想要提高频谱利用率，就需要探讨性能高的信号处理方法，从而改善接收机的功用。

卡尔曼滤波在很多地方都有使用，尤其是在信号处理和定位里面。它是通过不断预测和修正来得到最终的结果，是一种最优估计方法，它是基于模型的。卡尔曼滤波大范围的运用在实时动态数据处理中，因为它需要很少的观测数据，计算量非常小，所以在每次迭代的计算速度是非常快的。很多基于卡尔曼滤波频率的跟踪方法都是根据这一特点产生的。然而，在实际运用中，大量的信息难以准确的把握住，获得的滤波状态估计很可能会偏离，导致最终结果有很大偏差

本文围绕基于卡尔曼滤波的频偏估计进入深入系统的探讨。

关键词: 频偏估计 matlab 卡尔曼滤波

Frequency offset estimation based on Kalman filter

Abstract

With the progress of science and technology continuous development, the mobile technology and communication technology is more and more mature, people pay attention to the transmission distance and spectrum utilization of optical communication network. In order to improve spectrum utilization, it is necessary to study the high performance signal processing algorithm to improve the performance of the receiver. 
The application of Kalman filter is very extensive, especially in signal processing and positioning. It is the final result which is a model-based optimal estimation method by continuous prediction and correction. Kalman filter is widely used in real-time dynamic data processing .Because it needs little observation data in the solution, and the operation is very little and the operation rate is very fast at each iteration. Many tracking methods based on Kalman filter frequency are generated according to this feature. However, in the practical application, much information is difficult to grasp accurately, the state estimation of filtering is likely to deviate, resulting in a large deviation of the final result. 
In this paper, the research of frequency offset estimation based on Kalman filter is studied. 


Key words: frequency offset estimation MATLAB Kalman filter

目 录

摘 要 1

Abstract II

目 录 III

第一章 绪论 1

1.1 引言 1

1.2 研究目的与意义 1

1.3 国内外研究现状 2

1.4 本文的组织结构 3

第二章 卡尔曼滤波的基本原理 4

2.1 建立系统数学模型 4

2.2 滤波器计算原型 5

2.3 建立滤波器原型 6

第三章 GFSK接收机 8

3.1 GFSK接收机模块 8

3.2 低通滤波器模块 9

3.3 能量估计模块 9

3.3.1 模块描述 9

3.3.2 算法描述 9

3.4移频鉴相 10

3.4.1 模块描述 10

3.4.2 算法描述 11

3.5 帧同步和字同步 12

3.5.1模块描述 12

3.5.2 算法描述 12

3.6 判决反馈均衡器 13

3.6.1 模块描述 13

3.6.2 算法描述 13

第四章 卡尔曼滤波的频偏估计 15

4.1 GFSK频偏补偿原理 15

4.2 GFSK频偏补偿算法 16

4.2.1 算法描述 16

4.2.2 增益 19

4.2.3 跟踪 20

4.2.4 直流检测与补偿 22

4.2.5 参数选择 24

第五章 基于MATLAB的仿真结果 25

5.1 MATLAB的简单介绍 25

5.1.1 MATLAB 25

5.1.2 流程框图 25

5.2 频偏估计的仿真结果 25

5.2.1 频偏估计与补偿仿真结果 25

5.2.2 仿真结果 27

第六章 结束语 29

参考文献 30

致谢 32

第一章 绪论

1.1 引言

在当下的日常生活中，通讯、控制以及其它行业都需要考虑滤波的问题。那么滤波又是什么？它是指过滤掉那些被噪声污染的观测信号中的污染噪声，并尽量的消减或降低影响未知信号和系统状态的噪声再求出估计的值。一般来说，噪声的污染来源于两个方面：第一个来源来自于检测信号的仪器本身存在一定的误差；第二个来源来自于外界的干扰。那么，又是如何解决滤波的问题的呢？其中运用的比较多的两种方法是维纳滤波和卡尔曼滤波。

1.2 研究目的与意义

最初运用的滤波器是维纳滤波器，它是静态处置。也就是说，解决的统计特点，不随时间变化而变化。它在概念上与经典滤波器有一点关联，也就是说在信号处理的过程中, 它们的频率特性可以与有用信号的统计特性和不需要的噪声有关。

在第二次世界大战的时候，因为军事上的需求，维纳滤波器得到了普遍的使用。然而，维纳滤波器也有一些缺点：第一个缺点是，它的计算量和储存量很大，并且要用到所有的以前的观测数据。第二个缺点是，滤波不适用于不是平稳的进程。第三个缺点是，当获得新的观测数据时，需要进行新的计算，因为没有能够让它运用的递推算法。

请支付后下载全文，论文总字数：18882字