低轨卫星信号捕获与跟踪技术综述

方一鸣,赵祥天,赵亚飞,孙耀华,彭木根

(北京邮电大学 信息与通信工程学院 网络与交换技术国家重点实验室,北京 100876)

0 引言

通信技术的价值在于为尽可能多的用户提供广泛、便捷、快速、稳定的网络覆盖。现有通信系统可以通过以光纤为代表的有线服务和以WiFi为代表的无线服务来为用户提供低时延、大容量和高可靠的通信服务,但在较为偏远,且不适宜构建地面通信系统的地区存在覆盖不全面的问题,例如偏远山区、沙漠和海洋,无法提供有效的通信服务;另外由于地面设施相对固定,在发生自然灾害时,地面通信系统会受到影响而无法工作,这些问题导致现有地面系统无法完全满足全部通信要求。而处于高空的卫星已经在遥感、导航与检测领域证明其广覆盖、高可靠的特性,因此采用低轨(Low Earth Orbit,LEO)卫星网络进行通信可以实现通信的高质量与广泛覆盖,这也是通信网络发展的必然趋势[1-5]。

在低轨卫星通信场景下,由于卫星载体的运动,会导致传输过程中接收机接收信号有较大的多普勒频移和多普勒频率变化率,这种高动态特性会导致接收机无法正常对信号进行接收,需要采取高性能的信号捕获与跟踪技术,实现信号同步,才能实现星间以及星地的信号正常传输,进而实现低轨卫星通信[6]。

本文从低轨卫星互联网实际应用场景出发,探讨信号特点与挑战,重点分析阐述信号同步过程中信号捕获、跟踪与波束控制技术的特点与基本原理,最后展望未来低轨卫星通信场景下信号捕获与跟踪技术可能的发展趋势。

1 低轨卫星互联网应用

低轨卫星网络由于其距地面较近且覆盖范围大,因此有利于为较大范围内用户提供低时延、强稳定、高通信质量、高公平且资源利用率高的通信服务[5,7]。低轨卫星通信主要应用场景包括手机直连、边远地区覆盖、应急情况保障和通导遥一体等[8]。

1.1 手机直连

手机直连卫星实现通信是低轨卫星网络最核心也是最基础的应用,通过手机直连,用户可以在任何区域内获得网络连接。基于移动性管理,用户可以同时与多颗卫星及地面基站通信,实现真正的“无缝切换”;基于频谱管理,精确化管理小区覆盖,提供更可靠更稳定的信息传输,同时降低地面通信系统负载。

1.2 边远地区通信覆盖

由于环境以及成本限制,传统地面通信系统无法完全覆盖所有地区。而卫星具有高覆盖与无视地理环境等传输特性,因此采用低轨卫星进行通信可以破除地理环境限制,低成本地为所有用户提供通信与数据服务,实现全球通信覆盖。

1.3 应急通信保障

由于地面通信系统基于地面固定设备实现通信,因此当遇到地震、洪水等地质灾害时,会由于设备受损与停电而中止地区通信服务。因此采用低轨卫星进行通信可以在出现应急状况时,全面接管通信传输任务,保障基础服务,进而提高救灾恢复效率,提高通信系统的抗毁性。

1.4 通导遥一体

低轨卫星互联网可以将太空低轨通信卫星、导航卫星、遥感卫星融合,实现通导遥一体,在这种情况下,可以根据任务由卫星互联网传递遥感、导航需求与指令,并快速传输具体的导航与遥感数据,让地面能够及时、准确地获得特定导航与遥感信息[9-10]。

2 低轨卫星信号特点

2.1 低轨卫星链路构成与分析

在低轨卫星网络中主要有星间链路、馈电链路、用户链路和测控链路,具体构成如图1所示。其中星间链路指的是卫星之间的通信链路,馈电链路指的是卫星与信关站之间的通信链路,而用户链路则指的是卫星与移动终端之间的通信链路。卫星测控链路则是卫星与地面测控站之间的通信控制链路,用于实现对卫星的控制与遥测。卫星测控链路中指令的准确传输直接关系到卫星的安全运行,因此卫星测控链路着重于信息传输的准确性与可靠性,通常采用抗干扰性能强的扩频通信体制进行通信。而星间链路、用户链路和馈电链路则由于效率等方面原因较少采用扩频体制,通常基于3GPP的5G体制进行设计,如AST和Lynk等,只有Globalstar与苹果手机直连中由于Globalstar采用的私有通信协议而导致用户链路使用扩频体制,以及应用场景出于保密与抗干扰需求才会选择扩频体制。

图1 低轨卫星网络链路构成Fig.1 LEO satellite network link architecture

本文主要介绍具有普适性且适用于各种终端的信号捕获与跟踪技术,另外考虑到卫星网络中存在扩频体制以及捕获与跟踪技术的多样性,因此也列举了一些主要针对扩频体制的信号捕获与跟踪技术。

2.2 信号特性分析

低轨卫星通信系统中卫星主要运行在500～1 500 km的低空轨道中,由于其轨道高度低,因此具有传输损耗低和低时延的特性,是最有可能实现卫星互联网的卫星通信系统。但由于卫星本身体积与宇宙空间环境限制,卫星发射功率有限,同时也因为距离以及干扰等因素导致接收机所收信号信噪比较低。另外,卫星较快的运动速度会给信号带来多达几百kHz的多普勒频移,如此大的频谱偏移会给接收机设计带来挑战,迫使接收机放大前端带宽,进而导致带外噪声引入,使得接收信噪比降低,同时如此大的频谱偏移还会导致同步中频率搜索区间过大,给信号同步带来更大挑战,影响信号接收。由于卫星信号具有信噪比低且多普勒频移大的动态特性,因此如何在这种环境下,实现稳定可靠接收成为了实现低轨卫星通信的关键点。

2.3 低轨卫星波束特点

2.3.1 卫星多波束特点及挑战

多波束技术可以通过数字波束合成(Digital Beam Forming,DBF)来指向低轨卫星信号接收方向,提高接收信号信噪比[11-12]。

多波束技术在接收时需要分析波束指向来达到最佳接受性能。遍历所有情况找出最大接收功率显然效率较低,因此如何迅速根据接收信号分配权值合成最佳接收波束成为实现波束捕获的主要挑战。

2.3.2 卫星跳波束特点及挑战

跳波束技术基于相控阵技术实现,通过改变相位来快速调整波束方向,实现信号发送与接收[13]。

跳波束技术使低轨卫星频谱资源能够被灵活调配,在功率有限情况下,产生更高质量的信号,有效提高低轨卫星系统频谱效率;同时跳波束技术可以让低轨卫星通信系统灵活适应不同吞吐率,根据需求求解出时隙切换表,进行波束的周期性调整[14-15]。

由于低轨卫星通信中的跳波束技术在不断变换波束,而只有成功捕获波束才能正常接收信号,因此如何在短时间内跟踪到波束指向并进行跟踪控制成为了跳波束应用的主要挑战。

3 关键技术

信号接收过程中,首先需要进行的是波束捕获与跟踪控制。波束捕获的目的是在接收到信号后能迅速锁定到接收信号对应的波束,从而进行跟踪控制,实现波束对准。波束跟踪控制针对多波束技术而言,通过分析找出实现波束对准所需权值,通过设置相控阵权值来对准波束,完成接收。

通过波束捕获与跟踪控制,完成波束对准,实现信号的准确接收,然后需要获取接收信号的多普勒频移和码相位偏移来实现同步。其中对信号的同步具体包含捕获过程和跟踪过程。首先是进行捕获,通过信号捕获技术获取较为粗略的码相位信息与多普勒频移信息,这些低分辨率的信息有助于之后的信号跟踪;之后进行跟踪,通过信号跟踪技术利用捕获得到的信息精确估计码相位信息与载波频率,解调出导航数据。

3.1 波束捕获与跟踪控制

3.1.1 波束捕获

低轨卫星通信网络中通常采用跳波束技术来提高频谱利用效率,会存在波束的频繁切换,需要波束捕获技术来及时跟踪捕获波束变化,实现准确接收。

低延迟快速捕获(Low Delay Fast Acquisition,LDFA)是一种用于在卫星通信系统中快速捕获和跟踪通信波束的算法。LDFA算法的目标是最小化与卫星建立可靠通信链路所需的时间,这对于延迟敏感的应用(如实时语音和视频通信)来说非常重要。为了与卫星建立通信链路,地面站必须首先确定其当前所在的波束,然后将其接收器调谐到适当的频率,这个过程被称为波束采集。LDFA算法旨在通过结合使用快速信号处理技术和智能搜索策略,将执行波束捕获所需的时间降至最低。

低延迟快速捕获算法通常涉及以下步骤:

① 使用宽带接收机搜索卫星。

② 一旦检测到卫星,将接收机调谐到卫星信号的频率,并对信号进行解调,以提取关于波束结构和可用波束的信息。

③ 确定地面站当前所处波束,并将接收机调谐到该波束的适当频率。

④ 在波束移动时跟踪波束,根据需要调整接收机频率,以保持可靠的通信链路。

3.1.2 波束跟踪控制

在卫星通信中应用多波束技术可以方便快捷地针对信号来源处产生对应波束,以较高信噪比接收信号。

传统波束跟踪过程中采用机械电机结构来实现波束对准,其中天线方向决定波束方向,通过不断转动实现接收信噪比最大化。但这种方式需要精密的机械结构、高昂的制造成本以及较慢的对准过程,因此使用效果并不能满足低轨卫星互联网通信需求。而采用数字波束合成的多波束技术可以通过数字方式简单、方便地控制波束方向,快速追踪波束。

波束跟踪控制主要有两种方法:波束自适应控制和波束切换控制。

波束自适应控制方法根据输入信号情况自适应调整阵列权值,从而在无需估计输入信号方向情况下给出最优波束控制方向。但自适应控制每次都需要重新估计,导致计算复杂度过高,因此实时性较差,且需要较多的硬件资源,在实际情况下应用较少。

波束切换控制方法会在设备中预存有对应方向的波束权值,过程中需要确定输入信号方向,通过比较各个指向上的功率,来判断信号指向,再通过查询权值表获得波束指向的正确权值。这种方式可以预先求解出各个波束指向的权值,进而在实际控制过程中直接查表获取权值,相比较于自适应控制方法更简单、高效。在实际情况中,可以借助先验信息(例如星历、轨道信息)来缩小搜索范围,加快波束切换控制方法的搜索。波束捕获流程图如图2所示。

图2 波束捕获流程图Fig.2 Flowchart of beam acquisition

3.2 信号捕获技术

传统的捕获方法中,常常通过相关运算和能量检测来观察较高的能量峰,以此来找到码相位,但实际情况下会由于多普勒频移导致载波不能完全消除进而导致能量峰急剧下降,从而难以找到正确的码相位。因此,十分有必要得到准确的载波信息,将其对相关峰的影响完全消除,进而得到较为准确的码相位,实现捕获。

信号捕获的目标是将相位差别控制在半个码元宽度内。本节介绍的滑动相关捕获算法、并行捕获算法和序列估计捕获算法主要用于测控链路中扩频信号的捕获,而匹配滤波器算法、FFT捕获算法和PMF-FFT捕获算法则可以用于馈电链路、星间链路、用户链路和测控链路。

3.2.1 滑动相关捕获算法

滑动相关算法是最常见的信号捕获方法,通常用于扩频体制下的信号捕获,在低轨卫星网络中可以用于测控链路,其本质是一种二维搜索法,同时搜索载波频率与相位。其为伪码生成器设置与接收信号不同的速率,进而实现二者相对滑动,在一个相关周期内一般伪码会滑动半个码片,滑动会一直持续到两个码序列相位对齐时,此时便得到所接收伪码的相位。另外对于载波频率的搜索可以通过改变本地载波来实现,当本地载波频率与伪码载波频率接近时,可以输出相关峰,因此可以通过对相关峰的检测来得到伪码载波频率。

滑动相关算法结构如图3所示,其将对伪码载波频率与相位的搜索分别转化成对本地载波频率和本地伪码发生器时钟的控制,当相位一致且出现足够的相关峰时,便搜索得到伪码的载波频率与相位,从而实现捕获[16]。

图3 滑动相关法伪码捕获的结构框图Fig.3 Block diagram of the structure of pseudocode acquisition by slide correlation method

3.2.2 并行捕获算法

并行捕获算法与滑动相关算法类似,均针对测控链路中的扩频体制实现捕获,不同的是其在通过本地载波解调进行载波剥离后,会并行使用2N个支路的伪码序列相关解扩器分别处理,之后使用最大值选择器选择各并行支路的最大值,由于输出最大值的相位与接收信号相位误差最低,因此其相位可以作为捕获得到的伪码相位,进而实现信号捕获[16]。并行捕获算法原理如图4所示。

并行捕获算法是2N个支路同时进行,所需时间短、效率高,但也由于要使用2N个支路以及2N个解扩单元,因此设备复杂度较高。

3.2.3 序列估计算法

序列估计算法也是针对测控链路中的扩频体制实现信号捕获,其从接收信号中提取到PN码,利用提取到的PN码来设置本地PN码序列发生器,将该发生器所产生的PN码序列与接收信号进行相关,当出现相关峰时完成捕获,此时相位便是接收信号的相位。序列估计算法原理如图5所示。

序列估计算法通过提取接收信号PN码来进行相位估计,但很多情况下PN码并不方便提取,这就导致序列估计法可能无法实现。另一方面,序列估计算法对于干扰和噪声十分敏感,当信噪比较低时实际捕获效果不好,因此在低轨卫星场景下适用性有限。

3.2.4 匹配滤波器算法

匹配滤波器算法可以通过改变系统传递函数快速捕获相位,因此可以灵活应用在星间链路、馈电链路、用户链路和测控链路等场景。匹配滤波器根据输入信号改变系统传递函数,使得输出是输入信号的自相关函数,基于这一特点,采用匹配滤波器捕获相位,可以大大缩短捕获时间。具体来说,匹配滤波器算法基于接收信号设置本地码序列,之后采用移位寄存器依次对接收信号延迟码元宽度以获得不同相位时的相关,通过包络检测找到具有最大相关峰时的相位实现相位捕获。匹配滤波器算法原理如图6所示。

图6 DMF原理框图Fig.6 Block diagram of DMF

匹配滤波器算法在一个码周期内就可以捕获到码相位,实现快速捕获。但是包络检测判决输出会随着多普勒频移的增加而迅速衰减,不利于信号检测,因此匹配滤波器算法并不适用于高动态场景[16]。

3.2.5 快速傅里叶变换捕获算法

快速傅里叶变换(Fast Fourier Transformation,FFT)算法,可以从信号的时域表示中获取到信号的频域表示,其可以将时域中卷积运算简化为频域中乘法运算,也可以将捕获中的时域相关运算转化成频域相乘运算。

FFT捕获算法可以通过FFT算法简化捕获过程,主要有并行频率搜索和并行码相位搜索两种,可以灵活应用在星间链路、馈电链路、用户链路和测控链路等场景。

并行频率搜索法原理如图7所示,其首先将接收信号与本地载波混频,去除载波,然后与本地码发生器相关,并对相关结果使用傅里叶变换,使得时域的相关转换为频域相乘,通过取模观察频谱峰值,根据频谱峰值得到多普勒频移,并不断调整本地码相位使得频谱峰值超过门限,从而得到码相位偏移[17-20]。

图7 并行频率搜索原理框图Fig.7 Block diagram of parallel frequency search

并行码相位搜索法原理如图8所示,其与并行频率搜索均在一开始利用混频器对接收信号去除载波影响,不同的是并行码相位搜索在此之后对该信号与本地码发生器所产生的本地码提前进行傅里叶变换,二者分别进行傅里叶变换之后共轭相乘,通过频域相乘完成与时域相关一样的效果,之后通过傅里叶反变换获得时域结果,根据取模后峰值得到码相位偏移,通过不断调整载波频率,使峰值超过门限值,此时的频率即为多普勒频移。

图8 并行码相位搜索结构图Fig.8 Structure of phase search for parallel codes

可以看到,无论是哪种方法,都可以将二维的对载波频率和码相位的捕获变成一维捕获,大大降低算法复杂度,实现快速捕获。

采用FFT进行捕获虽然可以大幅度提高捕获效率,但会由于傅里叶变换需要大量运算而导致实际实现复杂度高以及信号处理延时较大,因此也不适合实时信号处理。

3.2.6 部分匹配滤波器和快速傅里叶变换捕获算法

部分匹配滤波器和快速傅里叶变换(Partial Matched Filter FFT,PMF-FFT)捕获算法的实现流程如图9所示[21-23]。其与匹配滤波器算法和FFT算法一致,均可以应用在星间链路、馈电链路、用户链路和测控链路等场景。

图9 基于PMF-FFT的捕获算法Fig.9 Acquisition algorithm based on PMF-FFT

PMF-FFT捕获算法通过将匹配滤波与频域并行捕获方法有效结合,在利用二者优势的情况下,补偿各自弊端,在卫星通信接收机中得到了大规模的使用[24]。

PMF-FFT捕获算法首先通过混频器剥离载波,在此之后使用多个匹配滤波器代替传统相关器进行相关,并将I、Q路产生的多个输出结果合成为复数信号,对其进行FFT运算,检测FFT的峰值结果,如果大于门限,则峰值频率对应为多普勒频移量,相位对应为码相位。其使用多个匹配滤波器,相比相关器大幅减少运算时间,并通过整体FFT变换,快速完成所有频率的搜索,再经由滤波器拆分,减少FFT运算点数,大大降低复杂度,因此最为适宜低轨卫星网络场景下的信号捕获。

PMF-FFT捕获算法包含以下几个步骤:

① 将输入信号送入多个匹配滤波器;

② 将匹配滤波的结果补零加窗并进行FFT;

③ 取FFT运算结果的最大相关值进行输出。

3.3 信号跟踪技术

捕获过程是粗略估计接收信号的多普勒频移和码相位偏移,分辨率稍低,又称为粗同步。跟踪阶段,从捕获算法得到的信号多普勒频移和码相位的粗略估计值出发,精确估计两个参量的值,使得本地复制信号与接收信号一致,解调出导航数据,以便于下一个阶段解算[25]。

本节介绍的锁相环(Phase-Locked Loop,PLL)、科斯塔斯(Costas)环和基于卡尔曼滤波的跟踪方法均可以用于星间链路、馈电链路、用户链路和测控链路等场景下的信号跟踪。

3.3.1 锁相环

锁相环用来实现对输入信号的跟踪并给出精确的载波相位测量值。锁相环由三部分构成,分别为:鉴相器(PD)、压控振荡器(VCO)和环路滤波器(LF)。

锁相环能产生与输入信号在频率和相位上同步的输出信号。当锁相环处于锁定状态下,其处于同步状态,输出信号与输入信号频率一致,相位误差固定为某一常数;而当锁相环处于失锁状态下,锁相环中的VCO会根据误差产生相应控制信号来纠正输出信号频率与相位,从而回到锁定状态,使得输出信号与输入信号完全一致。

不过锁相环在高动态场景下由于多普勒频移和多普勒频率变化率较大,因此难以稳定跟踪输入信号,并不能直接用于低轨卫星场景。

3.3.2 Costas环

由于BPSK扩频后的信号频谱不会在载波频率处出现峰值,因此采用锁相环无法提取出载波频率,除此之外,锁相环对180°的相位翻转敏感,无法正常读取BPSK数据。Costas环可以解决以上两点问题,有助于在星间链路、馈电链路、用户链路和测控链路等场景下对PSK信号进行跟踪。

在Costas环中,VCO产生的载波信号分两路与接收信号相乘进行载波剥离,其中一路载波信号先进行90°相移再相乘,这样的两路信号分别经过低通滤波器之后相乘,抵消PSK的调制效果,获得精确的多普勒频移与伪码相位。Costas环原理如图10所示。

图10 Costas环解调器Fig.10 Costas ring demodulator

Costas环虽然非常适用于PSK调制,但其对信号的灵敏度不如纯锁相环,因此也不能直接用于低轨卫星场景下的信号跟踪过程。

3.3.3 基于卡尔曼滤波的跟踪方法

锁相环在高动态场景下难以稳定跟踪信号,可以引入卡尔曼滤波来对高动态信号进行持续跟踪。

卡尔曼滤波是控制领域常用的估计方法,其核心原理是根据测量数据与估计数据的相对关系,在二者间取某一中间值,这个中间值相对于测量与估计结果均更加准确,且由于卡尔曼滤波具有收敛速度快、仅需上一时刻结果和计算复杂度低等优点被广泛使用。

卡尔曼滤波具体流程如图11所示,总结如下。

图11 卡尔曼滤波基本流程Fig.11 Kalman filtering basic flow

① 根据预测方程与上一时刻估计结果预测此时系统状态;

② 根据观测误差、观测矩阵与估计结果得到卡尔曼增益;

③ 依据观测结果、预测结果与卡尔曼增益更新估计结果。

可以看到,卡尔曼滤波每次更新都会以上一次估计结果为基础不断迭代,不断降低估计误差,循环往复,最终给出精确的估计结果。

考虑到高动态场景通常为非线性估计,因此通常采用扩展卡尔曼滤波与无迹卡尔曼滤波来实现,其中无迹卡尔曼滤波对非线性的估计效果更好,也更复杂。

使用卡尔曼滤波对锁相环进行优化主要有两种方式:① 替换环路滤波器;② 引入卡尔曼滤波辅助,对鉴相器结果滤波。第一种方法原理如图12所示,卡尔曼滤波器替换环路滤波器,使滤波后频率更新直接应用到振荡器。第二种方法原理如图13所示,将卡尔曼滤波器放置于鉴相器和环路滤波器之间。两种方法都可以在高动态场景下取得良好的跟踪效果,非常适用于低轨卫星场景下的信号跟踪。

图12 卡尔曼滤波器代替环路滤波器结构图Fig.12 Structure diagram of Kalman filter instead of loop filter

图13 卡尔曼滤波器辅助PLL跟踪结构图Fig.13 Structure diagram of Kalman filter assisted PLL tracking

4 未来展望

随着低轨卫星互联网建设的不断推进,更高性能信号捕获与跟踪技术的重要性也会愈加凸显。为了更好实现高动态场景下的信号同步接收,未来需要开展动态跟踪与捕获、捕获与跟踪联合分析、波束控制与信号捕获同步实现研究等。

4.1 动态跟踪与捕获

通信过程中,前后传递信号的多普勒频偏和码相位存在相关性,因此利用前一阶段估计结果为本次频偏与相位同步降低搜索范围与提供先验信息具有极高的价值,这种动态预测仅与上一时刻估计结果有关,不会为系统加入过多计算负担,因此具有极高的实践意义。

4.2 捕获与跟踪联合分析

现有大多数对信号同步的研究都是分开分析信号捕获与信号跟踪过程,但二者紧密相连,捕获为跟踪提供粗略的搜索范围,且二者均以找到准确的多普勒频移和伪码相位为目的,因此对这两个过程进行联合分析优化是可行且合理的。

4.3 波束控制与信号捕获同步实现

一般情况下都是先通过波束控制对准波束后再进行同步,但在波束控制时便已经接收到信号,因此可以二者同步实现,在波束控制过程中给出较为粗略的范围,降低之后信号捕获搜索时间,提高同步效率。

5 结论

基于未来网络对通信覆盖率、稳定性及通导遥一体化等应用的迫切需求,需要构建低轨卫星互联网,真正做到网络的全球、全时、全场景覆盖。本文通过分析低轨卫星互联网信号特点,提出高动态下实现信号同步接收的诸多挑战,并分析不同信号捕获、跟踪技术的特点与应用场景,给出现有实现波束跟踪控制与波束捕获的方法,就未来高动态信号同步接收发展进行展望。