如何测量GNSS信号和高斯噪声功率及载波比?

news2025/4/22 19:13:25

引言

本文将介绍如何测量德思特Safran GSG-7或GSG-8 GNSS模拟器的输出信号功率。此外,还展示了如何为此类测量正确配置德思特Safran Skydel仿真引擎以及如何设置射频设备,从而使用频谱分析仪准确测量信号的射频功率。

什么是载波噪声密度C/N0

GNSS接收器可以测量到卫星的伪距,精度一般为0.5米或更低,而影响GNSS信号测距精度的因素之一是载噪比C/N0。C/N0,即载波噪声密度(一般也会简单称之为载噪比,但要注意它和信噪比C/N不完全一致),是接收信号载波功率(Carrier Power)与噪声频谱密度功率(Noise Density)的比率,以dB·Hz为单位。

当接收到GNSS信号时,信号通常会被接收器输入端的噪声淹没。以GPS信号为例,根据ICD标准文档,到达地球表面的GPS L1C/A信号的最低电平不得低于-160 dBW(-130 dBm),卫星的高度约为20200公里,因此将适用扩散损耗,相应的路径损耗约为-157.1 dB,此外还存在大气损耗等其他的散射与折射损耗,为了维持此信号电平,GPS L1C/A的卫星发射功率约为25 W(~14 dBW,44 dBm)。所以,可以了解到GPS L1C/A接收机的接收信号载波功率C为:

C=-130dBm

噪声源(例如热噪声)产生的功率与系统带宽和温度成正比,热噪声通常在290 K时计算,噪声的噪声功率谱密度为:N0=kT(W/Hz)。其中,k为玻尔兹曼Boltzmann常数(1.3803×10-23 J/K),T为绝对温度(K),因此可以算得热噪声功率谱密度为:

N0=1.3803×10-23×290=-204dBW/Hz=-174dBm/Hz

故GPS L1 C/A的典型载噪比(C/N0)为:

C/N0=-130dBm/-174dBm/Hz=44dB·Hz

C/N0如何在Skydel中工作与体现

用户可以在德思特Safran Skydel仿真引擎与德思特Safran GNSS模拟器GSG-7/8中重现真实的GNSS信号传输过程:

Skydel生成的所有GNSS信号的“参考功率”约为-130 dBm,可以手动滑动滑块将所有卫星信号的信号功率均设置为-130 dBm,如下图:

当高斯噪声激活时,Skydel会生成噪声,使得-130 dBm的模拟GNSS信号与噪声之间的C/N0为44 dB·Hz。

如果用户将卫星功率增加1 dB(例如:使用滑块调整),C/N0将增加1 dB。

但是,有一些注意事项:

● Skydel以较高功率传输GNSS信号来模拟天线放大器的增益效果,根据接收器的设计,可能会改变接收器报告结果的中C/N0

● 当同时传输多个卫星的信号时,其他卫星的信号被视为噪声,这也会影响接收器报告的C/N0

● 为了精确验证Skydel生成的信号的C/N0,我们使用频谱分析仪测量单个卫星的功率,然后在没有任何GNSS信号的情况下单独测量噪声的功率

硬件配置

可用于运行此仿真方案的GNSS模拟器GSG-7或GSG-8的硬件型号有:

但是,用户可以使用与Skydel兼容的任何类型的SDR来完成基于软件定义架构的GNSS模拟器仿真:

(此处显示的硬件配置示例GNSS模拟器采用德思特Safran GSG-8,也可采用GSG-7)

与德思特Safran GSG-8一起使用进行射频测量的射频设备如下:

● 频谱分析仪(德思特RTSA R55550-408)

● 校准SMA公头射频电缆

● 德思特Safran GSG-8 GNSS模拟器

● 外部LNA(低噪声放大器)

低噪声放大器(LNA)是全球导航卫星系统(GNSS)前端接收器中使用的射频(RF)组件,用于将天线接收到的RF信号放大到所需水平。GNSS LNA通过添加最小的噪声和失真来增强所需的信号强度,以减轻RF接收器链中后续组件添加的噪声的影响,从而提高信噪比(SNR)和整体系统性能。

根据我们使用的LNA电气规格,我们估计GPS L1C/A频段(1575.42 MHz)的整体LNA放大增益约为25.72 dB。

(LNA增益性能曲线与LNA噪声性能曲线)

下表显示了GPS L1频段1575.42 MHz时射频电缆的衰减功率和LNA的放大功率:

Skydel配置

#01启动Skydel

Windows:在开始菜单中找到Skydel双击打开,并新建一个项目。

Linux/GSG-7/GSG-8:终端中键入Skydel-SDX,并新建一个项目。

#02添加信号

在“输出(Output)”中添加SDR,并添加需要输出的信号,本例中需要输出GPS L1C/A信号,此处不需要添加一个高斯噪声,如下:

转到“设置(Settings)”->“GPS”->“信号启用/禁用(Signal Enable/Disable)”,仅保留一颗卫星输出:

#03设置车辆位置

此处使用Skydel设置的默认固定位置,但需要对车辆天线设置进行更改。为此,请转到“设置(Settings)”->“车辆(Vehicle)”->“天线(Antenna)”,并将“增益模式和增益偏移(Gain Pattern and Gain Offset)”的L1部分的参数设置为“None”:

#04设置全球参数

转到“设置(Settings)”->“全局(Global)”->“信号功率(Signal Power)”并禁用“信号强度模型(Signal Strength Model)”:

#05测量GNSS信号功率

按照以下说明在Skydel中测量RF信号和噪声功率:

1. 启动Skydel

2. 检查Skydel中的“Spectrum(频谱)”选项卡:预期最大功率级别应为-140 dBm

3. 设置频谱分析仪进行功率测量

4. 报告以GPS L1C/A信号为中心的功率电平,为了获得更高的精度,请对启用的GNSS信号执行测量。其他卫星应在“信号启用/禁用(Signal Enable/Disable)”选项卡上保持未选中状态

GPS L1信号的频谱仪测量视图

5. 停止模拟

6. 在“输出(Output)”选项卡上启用“高斯噪声(Gaussian Noise)”并在“信号启用/禁用(Signal Enable/Disable)”选项卡中禁用已激活的卫星。

7. 需要将频谱分析仪设置为仅用于测量噪声功率,并进行测量

噪声信号的频谱视图

考虑到添加到RF电缆连接中的LNA增益,其近似值为22.8 dB,最终获取到的信号强度和噪声结果如下表所示:

结论

德思特Safran Skydel仿真引擎强大的软件定义架构提供了极大的灵活性。无论硬件平台如何,Skydel不仅为用户提供多种配置可能性,而且还提供内置测量和性能工具。在本文中,我们展示了如何使用德思特Safran Skydel仿真引擎测量GNSS信号和高斯噪声功率。

Skydel生成-130 dBm的基带GNSS信号。当高斯噪声激活时,Skydel会生成噪声,例如-130 dBm的模拟GNSS信号与C/N0=44 dB·Hz的热噪声。

当使用连接到SDR无线电的Skydel生成RF信号时,测量的信号强度将取决于您的Skydel配置设置、无线电增益和RF设备的衰减。因此,确定C/N0值将帮助您确定GNSS系统后期的搭建与实际参数的预测。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/1087616.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

OpenSM-QoS管理

目录 一、概述 二、完整QoS策略文件 三、简化QoS策略定义 四、策略文件语法规则 五、完整策略文件示例 六、简化的QoS策略 6.1 IPoIB 6.2 SDP 6.3 RDS 6.4 iSER 6.5 SRP 6.6 MPI 七、SL2VL映射和VL仲裁 缩写全拼中文SMSubnet Manager子网管理器(实体&a…

精品Python的美食餐饮服务系统点餐订餐-可视化大屏

《[含文档PPT源码等]精品Python的美食餐饮服务系统的设计与实现-爬虫》该项目含有源码、文档、PPT、配套开发软件、软件安装教程、项目发布教程等! 软件开发环境及开发工具: 开发语言:python 使用框架:Django 前端技术&#x…

学习开发一个RISC-V上的操作系统(汪辰老师) — 一次RV32I加法指令的反汇编

前言 (1)此系列文章是跟着汪辰老师的RISC-V课程所记录的学习笔记。 (2)该课程相关代码gitee链接; (3)PLCT实验室实习生长期招聘:招聘信息链接 前置知识 RISC-V 汇编指令编码格式 &a…

智慧机场数字孪生大屏升级智慧出行全方位服务

在宁波栎社国际机场的信息中心大楼内,一块大屏幕上展示了一座“数字孪生”机场。通过点击屏幕上的各个板块,可以实时查看现场情况,一旦出现突发状况,还可以立即启动闭环处置流程…… (图源自宁波机场) 在数…

7-zip压缩包密码忘记了,怎么破解?

7z压缩包设置了密码,解压的时候就需要输入正确对密码才能顺利解压出文件,正常当我们解压文件或者删除密码的时候,虽然方法多,但是都需要输入正确的密码才能完成。忘记密码就无法进行操作。 那么,忘记了7z压缩包的密码…

LLM应用架构 LLM application architectures

在本课程的最后一部分,您将探讨构建基于LLM的应用程序的一些额外考虑因素。首先,让我们把迄今为止在本课程中所见的一切汇总起来,看看创建LLM驱动应用程序的基本组成部分。您需要几个关键组件来创建端到端的应用程序解决方案,从基…

个人财务预算系统BudgetBee

什么是 BudgetBee ? BudgetBee 是一个个人财务预算系统。通过 BudgetBee,您可以轻松管理您的个人财务。它可以帮助您跟踪您的支出和收入,以便您可以减少支出并增加储蓄。 镜像下载 官方没有在 docker hub 上发布镜像,而是采用了自…

idea中导入eclipse的javaweb项目——tomact服务(保姆级别)

idea中导入eclipse的javaweb项目——tomact服务(保姆级别) 1. 导入项目2. Project Settings下的各种配置步骤2.1 检查/修改 jdk 的引入2.2 配置Modules-Dependencies2.2.1 删掉eclipse相关的多余配置2.2.2 删掉jar包2.2.3 添加tomcat的依赖 2.3 配置Libr…

Semi D2C 设计稿转代码框架

TL;DR Semi Design 是抖音前端团队开发的设计系统,包括 Semi UI 组件库,DSM 设计系统定制,D2C 设计稿转代码等方向。本文主要介绍 Semi D2C的能力边界,与其他方案的差异,探索历程,底层实现原理 / 难点。阅读时间 30-45min。可以做什么,不可以做什么? D2C 为 Design to…

ros协议的最佳解决方案

在网络通信中,ros(点对点隧道协议)是一种常用的VPN(虚拟专用网络)协议,用于建立安全的连接。然而,由于ros协议的漏洞和安全性问题,我们需要采取一些措施来加强其安全性。在本文中&am…

基于片段的分子生成网络 (FLAG)使用方法及案例测评

本文来源于中国科技大学计算机科学与技术学院刘淇教授课题组于2023年发表在ICLR2023上的文章《MOLECULE GENERATION FOR TARGET PROTEIN BINDING WITH STRUCTURAL MOTIFS》。 在本文中,作者提出了一个基于片段的分子生成网络,FLAG (Fragment …

STM32 多功能按键中断

key1 开关实现led1亮灭,key2开关实现蜂鸣器开关,key3开关实现风扇开关 main.c #include "uart.h" #include "key_it.h" #include "led.h" int main() {char c;char *s;uart4_init();//串口初始化all_led_init();key_it_config();fengshan_init…

2023年中国脱皮芝麻生产工艺、产量及消费量分析[图]

白芝麻在一般的油脂生产中是不脱皮的,但是直接食用时最好进行脱皮处理。原因在于芝麻种皮或角质层中纤维和草酸盐含量(2%~3%草酸钙螯合物)较高,使得其油和粕不能作为人类的蛋白质资源,只能用作牛的饲料或肥料。因此&am…

MarkDown制作思维导图

MarkDown制作思维导图 很实用的markdown转xmind思维导图教程 1、markdown导出OPML文件 💡 Typora 导出,需要安装 Pandoc,安装后重启电脑即可导出 2、xmind选择导入OPML格式 💡 思维导图markdown的标题生成,因此可能要…

【嵌入式】堆栈与单片机内存

堆栈 在片内RAM中,常常要指定一个专门的区域来存放某些特别的数据 它遵循顺序存取和后进先出(LIFO/FILO)的原则,这个RAM区叫堆栈。 其实堆栈就是单片机中的一些存储单元,这些存储单元被指定保存一些特殊信息,比如地址&#xff0…

自动驾驶学习笔记(三)——场景设计

#Apollo开发者# 学习课程的传送门如下,当您也准备学习自动驾驶时,可以和我一同前往: 《自动驾驶新人之旅》免费课程—> 传送门 《2023星火培训【感知专项营】》免费课程—>传送门 文章目录 前言 场景设计平台 场景地图 场景基本…

颠覆出海营销,机器学习带来买量新变化

这几年出海营销的神话都是机器学习给的: 机器学习显著降低CPI、机器学习大幅提高下载量、机器学习低成本撬动大流量... 此前,用户增长每一步都高度依赖营销人员的运营经验;现在,机器学习正在完全颠覆买量模式拓展营销格局&#…

【线下沙龙】低成本高效率构建您的业务系统

全球企业都在向数字化迈进,但在各类行业调查中表明,只有不到20%的前沿企业通过其数字化转型而获得了成功,大部分企业都将高昂的时间和成本花费在了数字化技术的实施和培训上面。很多企业在转型的过程中面临着众多挑战:…

pycharm中快速对比两个.py文件

在学习一个算法的时候,就想着自己再敲一遍代码,结果最后出现了一个莫名其妙的错误,想跟源文件对比一下到底是在哪除了错,之前我都是大致定位一个一个对比,想起来matlab可以快速查找出两个脚本文件(.m文件)的区别&#…

基于深度学习的“语义通信编解码技术”框架分类

目录 基于神经网络的语义提取基于神经网络的语义信源编码基于神经网络的语义信源信道联合编码基于神经网络的语义编码与数字调制联合设计参考文献 基于神经网络的语义提取 在现有的信源编码前端加上一个语义提取神经网络[53] ,如图所示。语义提取神经网络的输入是原…