与其它FM卫星相比，SO-50的 *** 作稍微复杂一些。因为它的转发器需要通过74.4 Hz的CTCSS（PL）亚音来激活，成功后开启转发器并启动10分钟计时器，然后使用67 Hz亚音进行通联。10分钟过后，它会再次关机，直到再有一个74.4Hz的亚音激活它。
接收的时候，我们要尽量使用最小的步进，以方便进行多普勒效应对频率影响的补偿。如果您的电台具有可选的FM滤波器，要选择较宽的滤波器，有时也称为25kHz频道间隔滤波器。
*** 作顺序为：
1，存储频率，存储一个频率145.850MHz发射亚音74.4Hz的频道，该频道用于激活卫星的10分钟计时器。
2，在卫星过境的大约10分钟时间窗口内使用145.850MHz频率和67.0Hz亚音进行FM语音发射通联。
有的设备调整频率比较麻烦，您可以按照以下频率存储6个频道。
在卫星刚刚出现的时候，使用频道1激活转发器，一般情况下，它可能已经被激活了，那么你可以直接使用。然后使用频道2进行通联，细心的朋友可能已经发现了，接收频率比卫星的实际频率高了10kHz，这是多普勒效应造成的。对于我们的接收频率，在卫星接近我们的时候，频率会升高，在卫星远离我们的时候，频率会下降。对于我们的发射频率，正好和发射相反，在卫星接近我们的时候，我们的发射频率需要低于实际频率。
在开始的时候，将频率调整为436.805MHz，然后逐渐降低频率。由于SO-50卫星老化，下行链路频率有时似乎会跳升，因此在尝试跟随下行链路时，请准备偶尔调高5kHz而不是调低5kHz。
多普勒效应的影响与频率和相对运动速度有关系，频率越高影响越大，相对运动速度越大影响越大。在600公里左右的轨道上，对于145MHz波段的影响大概是 3kHz，在435MHz频段的影响大概是 10kHz。大多数手台和车台的最小步进是5kHz，对于145MHz可以适当进行调整，不调整的话也问题不大，对于435MHz则必须进行调整。
早在20世纪40年代，有人开始用状态变量模型来研究随机过程，到60年代初，由于空间技术的发展，为了解决对非平稳、多输入输出随机序列的估计问题，卡尔曼（R.E.Kalman）提出了递推最优估计理论。卡尔曼于1960年首先解决了对离散时间的线性最佳滤波递推解，通常称为离散卡尔曼滤波器，或简称为卡尔曼滤波器。具有连续时间的线性最佳滤波问题由卡尔曼等人于1961年解决，通常称为连续时间卡尔曼滤波，或卡尔曼-布西滤波。在理论上具有重要价值。它是在最佳滤波的基础上发展出来的一种新方法。虽然卡尔曼滤波与最佳滤波都属于最小均方误差滤波，但它们所要求已知条件、计算方法及适用范围等并不一样。卡尔曼滤波不同于其它滤波方法，它是采用“状态”描述物理系统，利用“状态空间”来反映系统变化的内在规律，并用观测量来进行修正（或滤波）。这在线性滤波领域中是一项重大的突破。目前在许多领域如自动控制、导航、卫星轨道测定等都得到成功的应用，它的适应性较广，不管对时变、时不变，平稳或非平稳情况都能适用，而且还能推广到非线性模型。卡尔曼滤波还有一个重要的特点是：采用递推式的滤波方法，这种方法不要求保存过去的历史数据，只要新数据测得后，结合前一时刻已求出的估计值及系统本身的状态方程，按一定的递推方式即可求得新的估计值。其结果和用过去全部数据从头作滤波计算效果一样。这就特别有利于在计算机上进行处理。
前面我们在时域上讨论了最佳滤波，要求设计一个最佳滤波器h（n），使其滤波输出与期望输出之间误差平方和最小，它只适用于平稳随机序列，而且需要用到过去的和当前的所有数据，因此有一定的局限性。
下面我们先用一具体例子来比较维纳和卡尔曼算法的基本思路。在同样条件下，对信号s作n-1次独立观测，得到n-1个观测值x（1），x（2），…，x（n-1），其中x（k）=s+v（k）（k=1，2，…，n-1），v（k）是观测误差，服从相同正态分布N（0， ）。现在用n-1个观测值的均值
地球物理信息处理基础
来估计s时，精度要高，这是因为 服从均值为0，方差为 的正态分布。显然n越大，精度越高。用n-1次观测的均值来估计s实质上也是一种滤波运算，它尽量使估计误差减少。下面如又增加一次独立观测，得到第n个观测值x（n）。那么，现在怎样估计s呢？若根据上面的计算法，有
地球物理信息处理基础
来估计s就行了。然而，这需要保存原来n-1个数据x（1），x（2），…，x（n（1），n越大，保存的数据就越多，求和时加法次数也越多，这就相当于维纳等人的思路。而卡尔曼等人的方法是：设n-1次观测后的估计值 已算出，那么
地球物理信息处理基础
所以在得到第n个观测值x（n）后的均值应为
地球物理信息处理基础
这样，只要保存前一次估计值 ，测得x（n）后，由上式马上能算出新的估计值 。上式中 是新数据与原估计值的差值，称作新息（Innovation），1/n称为增益（加权）因子。新息经过增益“放大”或“缩小”后补充到原估计值上，就得新估计值。这显然是递推运算，它特别适合在计算机上实现，即具有以下几个特点：
（1）算法是递推的，且状态空间法采用在时域内设计滤波器的方法，因而适用于多维随机过程的估计；离散型卡尔曼算法适用于计算机处理。
（2）用递推法计算，不需要知道全部过去的值，用状态方程描述状态变量的动态变化规律，因此信号可以是平稳的，也可以是非平稳的，即卡尔曼滤波适用于非平稳过程。
（3）卡尔曼滤波采取的误差准则仍为估计误差的均方值最小。
这一节我们首先利用上述2.8节的结果来阐述卡尔曼滤波的递推算法。
为使卡尔曼滤波过程的物理意义明确，本节采用下列符号：
（1）用 代替 ，表示用n时刻及以前所有数据即｛x（i）；-∞＜i≤n｝对s（n）所作的最佳线性估计；
（2）用 代替 ，表示用（n-1）时刻及其以前所有数据｛x（i）；-∞＜i≤（n-1）｝对s（n-1）所作的最佳线性估计。
2.8节推导的因果IIR最佳解最适合于用递归滤波器来实现。由式（2-73）写出滤波器的差分方程
地球物理信息处理基础
将式（2-75）代入上式得到
地球物理信息处理基础
这就是因果IIR最佳滤波器的递推计算公式——卡尔曼滤波器标准形式。卡尔曼滤波器实际上只不过是最佳滤波的一种递推计算方法。
式（2-77）具有很明确的物理意义：
（1）假设在n时刻数据x（n）到来之前已经得到了估计值 ，那么就有条件根据模型方程式（2-57）对s（n）进行预测，最佳预测值为
地球物理信息处理基础
白噪声w（n）不能对s（n）作预测；
（2）根据测量方程（2-58）由 对测量值x（n）进行预测，最佳预测值为
地球物理信息处理基础
白噪声未参加预测；
（3）x（n）到来后，将预测值 与x（n）进行比较，得到预测误差
地球物理信息处理基础
α（n）代表x（n）中所含的无法预测的信息，称为新息；
（4）选择适当的系数Gn对新息进行加权，作为对预测值 的修正值。修正后得到对信号的最佳估计
地球物理信息处理基础
在这里，不同时间的最佳加权系数是不同的，故用带下标的符号Gn表示。相应的均方误差最小，即
地球物理信息处理基础
根据式（2-82）所示的最小均方误差准则来求取最佳修正加权系数Gn。令ξ（n）对Gn的偏导数等于零，得
地球物理信息处理基础
由此得到
地球物理信息处理基础
令
地球物理信息处理基础
表示信号的一步预测误差，又令
地球物理信息处理基础
表示相应的预测误差功率。注意到
地球物理信息处理基础
及
地球物理信息处理基础
考虑到v（n）与e1（n）不相关，故式（2-83）变为
地球物理信息处理基础
由此得到
地球物理信息处理基础
将上式写成另一种形式
地球物理信息处理基础
由该式看出，预测误差功率越大，最佳加权系数就越大。这是很自然的，因为预测越不准确，利用新息进行的修正就应该越多。
在式（2-83）中，考虑到 ，故有E［e（n）x（n）］=0，即E［e（n）s（n）］=-E［e（n）v（n）］/c。
另一方面
地球物理信息处理基础
故有
ξ（n）=-E［e（n）v（n）］/c
将式（2-86）代入上式并注意到v（n）与e1（n）不相关，得到
ξ（n）=GnR/c
将式（2-88）中的GnR=cP（n）［1-cGn］代入上式，得到
ξ（n）=［1-cGn］P（n） （2-89）
该式说明，由于利用新息对信号预测值进行了修正，故最小均方误差比预测误差功率低一个数值cGnP（n）。
由式（2-85），有
地球物理信息处理基础
综上推导，将几个重要公式汇集如下：
地球物理信息处理基础
卡尔曼滤波过程实际上是获取最佳解的递推运算过程，这一过程从某个初始状态启动，经过迭代运算，最终达到稳定状态，即最佳滤波状态。假设已经有了初始值 和ξ（0），这样便可由式（2-91）中第二、三、四式计算P（1）、G1、ξ（1），然后再由第一式计算 。已知 和ξ（1），便作为下一轮迭代运算的已知数据。在递推运算过程中，随着迭代次数n的增加，ξ（n）将逐渐下降，直到最终趋近于某个稳定值ξ0。这时
ξ（n）=ξ（n-1）=ξ0
为求得这个稳定值，将式（2-91）中第二、三式代入第四式，得到
地球物理信息处理基础
解此方程即可求出ξ0。
由式（2-91）中第二、三式看出，ξ（0）、P（1）、G1之间有密切关系，所以其中任一个都可选作为初始值。现选G1作为初始值。另一初始值是 。由于
地球物理信息处理基础
故 的合理选择应使ξ（0）最小化。为此，令
地球物理信息处理基础
由此得
地球物理信息处理基础
下面讨论G1的选择。G1的选择应使ξ（1）最小，由式（2-93）得到E［e（n）x（n）］=0，故有E［e（1）x（1）］=0，即
地球物理信息处理基础
由于 与x（1）正交，上式变化为
E［s（1）x（1）］-G1E［x2（1）］=0
考虑到 和E［x2（1）］=E｛［cs（1）+v（1）］2｝ ，这里， 和 分别是信号s（n）和噪声v（n）的方差，由上式得到
地球物理信息处理基础
其中
地球物理信息处理基础
故有
地球物理信息处理基础
欢迎分享，转载请注明来源：内存溢出
微信扫一扫
支付宝扫一扫
评论列表（0条）