一种用于中国地区的对流层天顶延迟实时修正模型

杜晓燕; 乔江; 卫佩佩

doi:10.11999/JEIT180353

一种用于中国地区的对流层天顶延迟实时修正模型

doi: 10.11999/JEIT180353

杜晓燕^{1, 2},
乔江^1, ,,
卫佩佩¹

1.
信息工程大学信息系统工程学院郑州 450001
2.
郑州大学信息工程学院郑州 450001

详细信息

作者简介:
杜晓燕：女，1975年生，副教授，研究方向为电磁场、微波技术与天线等

乔江：男，1995年生，硕士生，研究方向为对流层电波传播

卫佩佩：女，1990年生，博士生，研究方向为电波传播、电磁计算及反演问题等

通讯作者:
乔江　qj951213@163.com

中图分类号: TN011.3
计量
- 文章访问数: 2407
- HTML全文浏览量: 648
- PDF下载量: 47
- 被引次数: 0
出版历程
- 收稿日期: 2018-04-17
- 修回日期: 2018-09-26
- 网络出版日期: 2018-10-23
- 刊出日期: 2019-01-01

Real-time Correction Model for Zenith Tropospheric Delay Applied to the Chinese Region

Xiaoyan DU^{1, 2},
Jiang QIAO^{1
, ,},
Peipei WEI¹

1.
Institute of Information Systems Engineering, Information Engineering University, Zhengzhou 450001, China
2.
School of Information Engineering, Zhengzhou University, Zhengzhou 450001, China

摘要

摘要:
针对目前对流层延迟修正受限于探空数据不足导致修正效率低的问题，该文结合Saastamoinen和GPT2w模型构建形成组合模型Sa+GPT2w模型，通过利用GPT2w模型提供的高精度气象数据，实现中国地区对流层天顶延迟(ZTD)的实时修正，克服对探空数据的依赖，并用实测数据对计算结果进行验证。以IGS提供的中国地区2015至2017年ZTD时间序列为评估标准时，Sa+GPT2w模型(bias: 1.661 cm, RMS: 4.711 cm)的精度较同等条件下的Sa+EGNOS, Sa+UNB3m和Hop+GPT2w模型分别提升50.5%, 41.9%和37.1%；以GGOS Atmosphere 2017年ZTD数据为标准时，Sa+GPT2w模型(bias: 1.551 cm, RMS: 4.859 cm)的精度相对同等条件下的另3种模型分别提升49.5%, 38.5%和46.8%；最后对Sa+EGNOS, Sa+UNB3m和Sa+GPT2w模型在ZTD修正中误差结果的时空分布特征进行分析。研究结果可为在中国地区的导航定位、大气折射研究中，应用不同气象参数模型进行ZTD修正的有效性和可能达到的精度提供参考。
- 对流层天顶延迟 /
- Saastamoinen模型 /
- GPT2w模型 /
- EGNOS模型 /
- UNB3m模型
Abstract:
In view of the correction for tropospheric delay is limited by the shortage of sounding data, which leads to the problem that the low correction efficiency, this paper proposes a model named Sa+GPT2w, combining Saastamoinen model with GPT2w model. In this paper, the real-time correction for Zenith Tropospheric Delay (ZTD) over China is realized by using the high-precision meteorological values provided by the GPT2w model, and the results are verified by the measured data. Taking the ZTD in 2015-2017 of International GNSS Service(IGS) as a reference, the accuracy of the Sa+GPT2w model (bias: 1.661 cm, RMS: 4.711 cm) rises by 50.5%, 41.9% and 37.1%, respectively, relative to the Sa+EGNOS, Sa+UNB3m and the Hop+GPT2w models. Moreover, using the ZTD from Global Geodetic Observing System (GGOS) in 2017 as a standard, the Sa+GPT2w model (bias: 1.551 cm, RMS: 4.859 cm) improves the accuracy by 49.5%, 38.5% and 46.8% relative to other three models, respectively. Finally, this paper analyzes the temporal and spatial distribution characteristics of the bias and RMS of the above three models. The results provide a significant reference for the effectiveness of correction for ZTD by using different meteorological models in the research of navigation and atmospheric refraction over China.
- Zenith Tropospheric Delay (ZTD) /
- Saastamoinen model /
- GPT2w model /
- EGNOS model /
- UNB3m model

HTML全文

1. 引言

20世纪90年代，混沌同步现象首次被发现存在于两个耦合的系统中，这一突破性的发现为混沌理论应用于通信领域奠定了基础。此后，国内外众多学者开始研究混沌理论在通信领域的应用，混沌通信技术成为非线性动力学系统中的一个重要应用分支。混沌信号产生方式简单，具有初始条件极度敏感性、优良的频谱特性、高度随机性、非周期性以及良好的自(互)相关性等特性^[1,2]，在保密通信中具有较大应用价值^[3-6]。

Kolumban等人于1996年提出第1种非相干混沌数字解调技术—差分混沌移位键控(Differential Chaos Shift Keying, DCSK)技术；后又针对DCSK中发送信号比特能量不恒定的问题，提出调频DCSK(Frequency Modulated DCSK, FM-DCSK)技术。DCSK和FM-DCSK都采用传输参考(Transmitted-Reference, T-R)模式，分时隙发送参考信号和信息信号，因此具有较好的误码性能，但也造成了系统的传输速率极低^[7,8]。针对传输速率低的缺点，文献[9-12]以DCSK和FM-DCSK为基础提出改进方案，虽提高了传输速率，但也增加了系统复杂度。文献[13]以高效差分混沌移位键控(High Efficiency Differential Chaos Shift Keying, HE-DCSK)系统为基础进行改进，提出VHE-DCSK(Very High Efficiency Differential Chaos Shift Keying)系统，将信息信号延迟不同时间从而实现多用户传输。文献[14]提出多载波差分混沌移位键控(MultiCarrier Differential Chaos Shift Keying, MC-DCSK)系统，通过使用多个不同中心频率的载波来实现信息比特的并行传输。文献[15]提出短参倍速差分混沌键控(Short Reference Multifold Rate Differential Chaos Shift Keying, SRMR-DCSK)系统，增加单个信息时隙内传输的比特数用于提升系统的传输速率。

Walsh码具有良好的正交特性和产生方式简单等优点，且Walsh码的引入不会过多地增加系统复杂度。为有效提升传输速率和能量效率，本文结合Walsh码的优良特性，提出一种OMU-SR-DCSK系统，将参考时隙缩短为信息时隙的 ${1 / P}$ ，并在参考时隙后增加两路连续的信息时隙，使得系统发送一帧共可传输 $2N\,{\rm{bit}}$ 用户信息，Walsh码保证用户间完全正交，完全消除了相关运算时产生的用户间干扰，改善了系统误码性能。

2. OMU-SR-DCSK系统原理

Hadamard矩阵中只包含“+1”和“–1”两种元素，Walsh函数码是一组同步正交码，故可由 ${2^n}$ 阶Hadamard矩阵产生，码序列构造为^[16]

${{{W}}_{{2^n}}} = \left[ {\begin{array}{*{20}{c}} {{{{W}}_{{2^{(n - 1)}}}}}&{{{{W}}_{{2^{(n - 1)}}}}} \\ {{{{W}}_{{2^{(n - 1)}}}}}&{ - {{{W}}_{{2^{(n - 1)}}}}} \end{array}} \right]$

(1)

式(1)中， $n = 0,1, ···$ , ${{{W}}_{{2^0}}} = [1]$ 。矩阵的每行代表一个长度P 的Walsh码序列， $P = {2^n}$ 。

图1为DCSK和OMU-SR-DCSK系统第k帧结构对比图。相比于DCSK系统，OMU-SR-DCSK系统将参考信号长度缩短为 $R(R = {\beta / P})$ ，有效节省了时间和能量，其中，将扩频因子 $\beta$ 定义为比特周期 ${T_s}$ 和码片周期 ${T_c}$ 的比值，为便于后文理论公式的推导，取 ${T_c} = 1$ ；此外，还将信息时隙由1路扩展为2路，每个信息时隙内，用户之间乘以不同的Walsh码 ${w_{i,j}}$ 加以区分，使得系统发送1帧共可传输 $2N\,{\rm{bit}}$ 用户信息，从而提高了传输速率和能量效率，Walsh码的引入消除了用户间干扰项，改善了系统误码性能。

图 1 OMU-SR-DCSK和DCSK系统第k帧结构对比图

下载: 全尺寸图片幻灯片

图2为OMU-SR-DCSK系统的发送机结构。首先由混沌信号发生器产生一段R长度的混沌序列 ${x_{i,k}}$ ，经重复 $P$ 次后，其长度变为 $\beta$ 。然后将这段长度为 $\beta$ 的混沌序列延迟R，用于传输前N个用户的信息比特，每个用户分别与 ${w_{i,j}}(\,\,\,\,j = 1,2, ··· ,N)$ 相乘，后由加法器将前N个用户信息加和在第1个信息时隙内传输；同理，将这段长度为 $\beta$ 的混沌序列延迟 $(P + 1)R$ ，用于传输后N个用户的信息比特，为每个用户分配一段Walsh码序列 ${w_{i,j}}$ ，后将这N个用户信息加和在第2个信息时隙内传输。则第k帧的发送信号 ${s_{i,k}}$ 表达式为

图 2 OMU-SR-DCSK系统发送机结构

下载: 全尺寸图片幻灯片

${s_{i,k}} =\,\,\left\{ \begin{aligned} & {x_{i,k\,}}\,,\,\,\,\,\,\,\,\,\,\,\,\,\,\,\,\,\,\,\,\,\,\,\,\,\,\,\,\,\,\,\,\,\,\, 0 < i \le R\,\,\,\\ & \sum\limits_{j = 1}^N {{w_{i,j}}{b_j}{x_{i - R,k}},\,\,\, R < i \le (P + 1)R} \\ & \sum\limits_{j = 1}^N {w_{i,j}}{b_{N + j}}{x_{i - (P + 1)R,k}}\,,\\ & \qquad\qquad\qquad\quad\ \ (P + 1)R < i \le (2P + 1)R \\ & {x_{i - R,k}} \equiv {x_{0,k}}\,,\,\,\,\,\,\,\,\, od (R) \end{aligned} \right.$

(2)

式(2)中， ${w_{i,j}}$ 为第j和第N+j个用户所乘的Walsh码序列， $b{}_j$ 和 $b{}_{N + j}$ 分别为第j和第N+j个用户的信息比特，由 ${s_{i,k}}$ 表达式计算平均比特能量 ${E_{{\rm{b,OMU - SR - DCSK}}}}$ 为

${E_{{\rm{b,OMU - SR - DCSK}}}} = {{(1 + 2NP)R{T_c}{\rm{E}}(x_{i,k}^2)} / {(2N)}}$

(3)

图3为OMU-SR-DCSK的接收机结构。解调端将接收信号 ${r_{i,k}}$ 延迟R，用于分离出前N个用户信息的参考信号；同理，延迟 $(P + 1)R$ 用于分离出后N个用户信息的参考信号；若要解调出信息比特 ${b_u}$ ( ${b_{N + u}}$ )，需将接收信号 ${r_{i,k}}$ 与对应的Walsh码 ${w_{i,u}}$ 相乘，再与参考信号进行P次相关运算，则第k帧第 $u(u = 1,2, ··· ,N)$ 个用户和第N+u个用户的相关器输出值 ${Z_u}$ 和 ${Z_{N + u}}$ 表示为

图 3 OMU-SR-DCSK系统接收机结构

下载: 全尺寸图片幻灯片

${Z_u} = \sum\limits_{p = 1}^P {\sum\limits_{i = 1}^R {{r_{i,k}}} } {r_{i - R,k}}{w_{i,u}}$

(4)

${Z_{N + u}} = \sum\limits_{p = 1}^P {\sum\limits_{i = 1}^R {{r_{i,k}}} } {r_{i - (P + 1)R,k}}{w_{i,u}}$

(5)

相关运算值 ${Z_u}$ ( ${Z_{N + u}}$ )经相关器输出后，再送入门限判决器进行判决，根据式(6)的判决准则，最终可恢复出信息信号 ${b_u}$ ( ${b_{N + u}}$ )。

${b_u} = \left\{ \begin{aligned} & + 1\,\,,\,\,\,\, {Z_u} \ge 0 \\ & - 1\,\,,\,\,\,\,\, {Z_u} < 0 \\ \end{aligned} \right., \,\,{b_{N + u}} = \left\{ \begin{aligned} & + 1\,,\,\,\,\,\,\, {Z_{N + u}} \ge 0 \\ & - 1\,,\,\,\,\,\, {Z_{N + u}} < 0 \end{aligned} \right.$

(6)

3. OMU-SR-DCSK系统性能分析

2阶Chebyshev映射作为最常用的产生混沌序列的混沌映射方程之一，且利用该映射产生的混沌序列拥有良好的数学统计特性。因此，OMU-SR-DCSK系统采用2阶Chebyshev映射产生混沌序列 ${x_{i,k}}$ ，并将其归一化。归一化后的混沌序列其均值为0，方差为1。

多径Rayleigh衰落信道更接近于实际应用中的传输信道，因此采用两径Rayleigh衰落信道模型作为OMU-SR-DCSK系统信道模型，两径Rayleigh衰落信道模型如图4所示。

图 4 两径Rayleigh衰落信道模型

下载: 全尺寸图片幻灯片

其中， ${n_{i,k}}$ 是均值为0，方差为 ${{{N_0}} / 2}$ 的加性高斯白噪声， $\tau$ 是两个独立信道之间的延迟， ${\alpha _1}$ 和 ${\alpha _2}$ 代表两个独立的、服从Rayleigh分布的信道随机变量，其概率密度函数表示为

$f(\alpha |\sigma ) = (\alpha /{\sigma ^2}){{\rm{e}}^{ - {\alpha ^2}/(2{\sigma ^2})}}\,\,,\,\,\,\,\,\,\,\,\,\,\,\,\,\alpha > 0$

(7)

经图4中Rayleigh信道传输后，接收信号 ${r_{i,k}}$ 的表达式可表示为

${r_{i,k}} = {\alpha _1}{s_{i,k}} + {\alpha _2}{s_{i - \tau }}_{,k} + {n_{i,k}}$

(8)

由于第k帧第 $u$ 个和第 $N + u$ 个用户的解调方式相同，故以解调第k帧第 $u$ 个用户的信息比特为例，分析OMU-SR-DCSK系统理论BER公式的推导过程。则相关运算值 ${Z_u}$ 的表达式可进一步表示为

$\begin{split} {Z_u} =\,& \sum\limits_{p = 1}^P {\sum\limits_{i = 1}^R {({r_{i,k}}{r_{i - R,k}}{w_{i,u}})} } \\ =\,& \sum\limits_{p = 1}^P \sum\limits_{i = 1}^R (({\alpha _1}\sum\limits_{j = 1}^N {w_{i,j}}{b_j}{x_{i - R,k}} \\ & + {\alpha _2}\sum\limits_{j = 1}^N {{w_{i,j}}{b_j}{x_{i - R - \tau ,k}}} + {n_{i,P,k}})\\ & \cdot ({\alpha _1}{x_{i - R,k}} + {\alpha _2}{x_{i - R - \tau ,k}} + {n_{i - R,k}}){w_{i,u}} ) \\ =\,& A + B + C \end{split}$

(9)

$A = \sum\limits_{p = 1}^P {\sum\limits_{i = 1}^R {(\alpha _1^2{b_u}x_{i - R,k}^2 + \alpha _2^2{b_u}x_{i - R - \tau ,k}^2)} }$

(10)

$B = \sum\limits_{p = 1}^P {\sum\limits_{i = 1}^R {({n_{i,P,k}}{n_{i - R,k}}{w_{i,u}})} }$

(11)

$\begin{split} \; C =\,&\sum\limits_{p = 1}^P {\sum\limits_{i = 1}^R {({\alpha _1}{x_{i - R,k}}{n_{i,P,k}} } }\\ & +\alpha _1^2\sum\limits_{j = 1,j \ne u}^N {{w_{i,j}}{b_j}{x_{i - R,k}}{x_{i - R,k}}{w_{i,u}}} \\ &+ \alpha _2^2\sum\limits_{j = 1,j \ne u}^N {{w_{i,j}}{b_j}{x_{i - R - \tau ,k}}{x_{i - R - \tau ,k}}{w_{i,u}}} \\ & +{\alpha _2}{x_{i - R - \tau ,k}}{n_{i,P,k}} + {\alpha _1}{\alpha _2}\\ & \cdot \sum\limits_{j = 1,j \ne u}^N {{w_{i,j}}{b_j}{x_{i - R,k}}{x_{i - R - \tau ,k}}{w_{i,u}}}\\ &+ {\alpha _1}\sum\limits_{j = 1}^N {{w_{i,j}}{b_j}{x_{i - R,k}}{n_{i - R,k}}{w_{i,u}}} \\ & +{\alpha _2}\sum\limits_{j = 1}^N {{w_{i,j}}{b_j}{x_{i - R - \tau ,k}}{n_{i - R,k}}{w_{i,u}}}\\ &+ 2\,{\alpha _1}{\alpha _2}{b_u}{x_{i - R,k}}{x_{i - R - \tau ,k}}\\ & +{\alpha _1}{\alpha _2}\sum\limits_{j = 1,j \ne u}^N \!\!\!{{w_{i,j}}{b_j}{x_{i - R - \tau ,k}}{x_{i - R,k}}{w_{i,u}}} ) \!\! \end{split}$

(12)

假设Rayleigh衰落信道的延迟 $\tau$ 远远小于符号间隔，忽略不计 $\tau$ 的影响，有 $\displaystyle\sum\nolimits_{i = 1}^R {{x_{i,k}}{x_{i - \tau ,k}} \approx 0}$ ; ${n_{i,k}}$ 和 ${n_{i,p,k}}$ 具有相同的统计特性，都是均值为0、方差为 ${{{N_0}} / 2}$ 的高斯白噪声，其瞬时值服从高斯分布； ${n_{i,k}}$ 和 ${x_{i,k}}$ 之间相互独立，且当 $i \ne j$ 时， ${n_{i,k}}$ 和 ${n_{j,k}}$ 之间也相互独立；系统等概率发送二进制信息“+1”和“–1”。

基于以上假设，当扩频因子足够大时， ${Z_u}$ 近似服从高斯分布，故采用高斯近似法推导OMU-SR-DCSK在Rayleigh衰落信道和AWGN信道下的理论BER公式，对式(9)计算均值和方差得

${\rm{E}}[{Z_u}] = {\rm{E}}[A] + {\rm{E}}[B] + {\rm{E}}[C] = (\alpha _1^2 + \alpha _2^2)PR$

(13)

$\begin{split} \;{\rm{Var}} [{Z_u}] \,& = {\rm{Var}} [A] + {\rm{Var}} [B] + {\rm{Var}} [C] \\ & = \frac{1}{2}(\alpha _1^2 + \alpha _2^2)(NP + 1)PRN{}_0 + \frac{1}{4}PRN_0^2 \end{split}$

(14)

$\begin{split} \;{\rm{BER[}}{Z_u}{\rm{]}} =\,& \frac{1}{2}\Pr ({Z_u} < 0|{b_u} = + 1) \\ & + \frac{1}{2}\Pr ({Z_u} \ge 0|{b_u} = - 1) \\ =\,& \frac{1}{2}{\rm{erfc}} \left( {\frac{{\left| {{\rm{E}}[{Z_u}]} \right|}}{{\sqrt {2{\rm{Var}} [{Z_u}]} }}} \right) \end{split}$

(15)

其中， ${\rm{E}}[\centerdot ]$ 表示数学期望运算， ${\rm{Var}}[\centerdot ]$ 表示方差运算， ${\rm{erfc}}(x) = {{2\displaystyle\int_x^\infty {{{\rm{e}}^{ - {\mu ^2}}}} {\rm{d}}\mu } / {\sqrt{ \pi } }}$ 为互补误差函数。将式(13)和式(14)代入式(15)，计算第k帧第u个用户的BER公式为

$\begin{split} {\rm{BER}}({Z_u}) = \,& \frac{1}{2}{\rm{erfc}} \left( {\left[ {\frac{{\left| {{\rm{E}}[{Z_u}]} \right|}}{{\sqrt {2{\rm{Var}} [{Z_u}]} }}} \right]} \right)\,\,\\ =\,& \frac{1}{2}{\rm{erfc}} \left( \left[ \frac{{(NP + 1)(2NP + 1)}}{{2NP(\alpha _1^2 + \alpha _2^2)}}{{\left( {\frac{{{E_{\rm{b}}}}}{{{N_0}}}} \right)}^{ - 1}}\right.\right. \\ & \left.\left.+ \frac{{{{(2NP + 1)}^2}R}}{{8P{N^2}{{(\alpha _1^2 + \alpha _2^2)}^2}}}{{\left( {\frac{{{E_{\rm{b}}}}}{{{N_0}}}} \right)}^{ - 2}} \right]^{ - \frac{1}{2}} \right)\\[-20pt] \end{split}$

(16)

从而可得到OMU-SR-DCSK系统的瞬时BER公式为

$\begin{split} {\rm{BER}}({\alpha _1},{\alpha _2}) =\,& \frac{1}{2}{\rm{erfc}} \left( {\left[ {\frac{{\left| {{\rm{E}}[{Z_j}]} \right|}}{{\sqrt {2{\rm{Var}} [{Z_j}]} }}} \right]} \right)\,\,\\ =\,& \frac{1}{2}{\rm{erfc}} \left( \left[ \frac{{(NP + 1)(2NP + 1)}}{{2NP(\alpha _1^2 + \alpha _2^2)}}{{\left( {\frac{{{E_{\rm{b}}}}}{{{N_0}}}} \right)}^{ - 1}}\right.\right. \\ & \left.\left. + \frac{{{{(2NP + 1)}^2}R}}{{8P{N^2}{{(\alpha _1^2 + \alpha _2^2)}^2}}}{{\left( {\frac{{{E_{\rm{b}}}}}{{{N_0}}}} \right)}^{ - 2}} \right]^{ - \frac{1}{2}} \right) \end{split}$

(17)

令 ${\gamma _1} \!=\! \alpha _1^2({{{E_{\rm{b}}}} / {{N_0}}}),{\gamma _2} \!=\! \alpha _2^2({{{E_{\rm{b}}}} / {{N_0}}}),{\gamma _{\rm{b}}} \!=\! {\gamma _1} \!+ \! {\gamma _2}$ ，则式(17)可进一步化简为

$\begin{split} {\rm{BER}}({\gamma _{\rm{b}}}) =\,& \frac{1}{2}{\rm{erfc}}\Biggr( \Biggr[ \frac{{(NP + 1)(2NP + 1)}}{{2NP}}{{\left( {{\gamma _{\rm{b}}}} \right)}^{ - 1}} \\ & + \frac{{{{(2NP + 1)}^2}R}}{{8P{N^2}}}{{\left( {{\gamma _{\rm{b}}}} \right)}^{ - 2}} \Biggr]^{ - \frac{1}{2}} \Biggr)\\[-21pt] \end{split}$

(18)

令 ${\bar \gamma _1} \!=\! {\rm{E}}\left[ {{\gamma _1}} \right] \!=\! ({{{E_{\rm{b}}}} / {{N_0}}}){\rm{E}}\left[ {\alpha _1^2} \right],{\bar \gamma _2} \!=\! {\rm{E}}\left[ {{\gamma _2}} \right] \!=\! ({{E_{\rm{b}}}} / {{N_0}}){\rm{E}} \left[ {\alpha _2^2} \right]$ , ${\bar \gamma _1}$ 和 ${\bar \gamma _2}$ 服从式(19)的卡方分布

$f(\gamma )={{{{\rm{e}}}^{-{\gamma }/{{\bar{\gamma }}}\,}}}/{{\bar{\gamma }}}\,,\gamma \ge 0$

(19)

因此 ${\gamma _{\rm{b}}} = {\gamma _1} + {\gamma _2}$ 服从式(20)的卡方分布

$f({\gamma _{\rm{b}}}) = \left\{ \begin{aligned} & (\,{{{{\rm{e}}^{ - {{{\gamma _{\rm{b}}}} / {{{\bar \gamma }_1}}}}}{\gamma _{\rm{b}}})} / {\bar \gamma _1^2}}\,\,,\\ &\qquad {\rm{E}}[\alpha _1^2] = {\rm{E}}[\alpha _2^2] \\ & {{({{\rm{e}}^{ - {{{\gamma _{\rm{b}}}} / {{{\bar \gamma }_1}}}}} - {{\rm{e}}^{ - {{{\gamma _{\rm{b}}}} / {{{\bar \gamma }_2}}}}})\,\,} / {({{\bar \gamma }_1} - {\gamma _2})}}\\ &\qquad{\rm{E}}[\alpha _1^2] \ne {\rm{E}}[\alpha _2^2] \end{aligned} \right.$

(20)

由于信道参数是持续变化的，因此采用式(21)得到OMU-SR-DCSK在Rayleigh衰落信道下的BER公式为

$\begin{split} {\rm{BER}} =\,& \int_0^\infty {{\rm{BER}} \left( {{\gamma _{\rm{b}}}} \right)f({\gamma _{\rm{b}}}){\rm{d}}{\gamma _{\rm{b}}}\,} \\ =\,& \int_0^\infty \frac{1}{2}{\rm{erfc}} \left( \left[ \frac{{(NP + 1)(2NP + 1)}}{{2NP}}{{\left( {{\gamma _{\rm{b}}}} \right)}^{ - 1}} \right.\right.\\ & \left.\left. + \frac{{{{(2NP + 1)}^2}R}}{{8P{N^2}}}{{\left( {{\gamma _{\rm{b}}}} \right)}^{ - 2}} \right]^{ - \frac{1}{2}} \right)f({\gamma _{\rm{b}}}){\rm{d}}{\gamma _{\rm{b}}}\\[-21pt] \end{split}$

(21)

令式(17)中 ${\alpha _1}{\rm{ = }}1,\;{\alpha _2}{\rm{ = 0}}$ ，得到AWGN信道下的BER公式为

$\begin{split} {\rm{BER}} =\,& \frac{1}{2}{\rm{erfc}} \left( \left[ \frac{{(NP + 1)(2NP + 1)}}{{2NP}}{{\left( {\frac{{{E_{\rm{b}}}}}{{{N_0}}}} \right)}^{ - 1}} \right.\right.\\ & \left.\left.+ \frac{{{{(2NP + 1)}^2}R}}{{8P{N^2}}}{{\left( {\frac{{{E_{\rm{b}}}}}{{{N_0}}}} \right)}^{ - 2}} \right]^{ - \frac{1}{2}} \right)\\[-20pt] \end{split}$

(22)

4. OMU-SR-DCSK系统传输速率、能量效率和安全性分析

计算OMU-SR-DCSK和DCSK的传输速率 ${R_{{\rm{OMU \;-\; SR \;-\; DCSK}}}} \,=\, {{2N} / {((R \;+\; 2\beta )}}{T_{\rm{c}}})$ 和 ${R_{{\rm{DCSK}}}} = 1 / {(2\beta {T_{\rm{c}}})}$ ，平均比特能量 ${E_{{\rm{b,OMU - SR - DCSK}}}} = (1 + 2NP) {{R{T_{\rm{c}}}{\rm{E}}(x_{i,k}^2)} / {(2N)}}$ 和 ${E_{{\rm{b,DCSK}}}} = 2\beta {T_{\rm{c}}}{\rm{E}}(x_{i,k}^2)$ ，并分别将其代入式(23)和式(24)，得到OMU-SR-DCSK相比于DCSK的传输速率提升百分比 ${R_d}$ 和节省比特能量的百分比 ${E_B}$ 。

$\begin{split} {R_d}\,& = \frac{{{R_{{\rm{OMU - SR - DCSK}}}} - {R_{{\rm{DCSK}}}}}}{{{R_{{\rm{DCSK}}}}}} \times 100\%\\ & = \frac{{4N\beta - (2\beta + R)}}{{2\beta + R}} \times 100\% \end{split}$

(23)

$\begin{split} {E_B} \,& = \frac{{{E_{{\rm{b}},{\rm{DCSK}}}} - {E_{{\rm{b,OMU {\text{-}} SR {\text{-}} DCSK}}}}}}{{{E_{{\rm{b,DCSK}}}}}} \times 100\% \\ & = \frac{{4N\beta - (1 + 2NP)}R}{{4N\beta}} \times 100\% \end{split}$

(24)

图5和图6中分别分析了 $[P,N] = [4,2],[4,4]$ 时， ${R_d}$ 和 ${E_B}$ 的曲线。曲线表明：OMU-SR-DCSK相比于DCSK，极大程度上提升了传输速率，节约了比特能量。从式(23)和式(24)可以看出：当 $R = \beta$ 时，传输速率提高百分比 ${R_d}$ 只与用户数2N有关，比特能量节约百分比 ${E_B}$ 只与用户数2N和重复次数P有关。

图 5 传输速率提升百分比

${R_d}$

下载: 全尺寸图片幻灯片

图 6 比特能量节省百分比

${E_B}$

下载: 全尺寸图片幻灯片

图7和图8分别为DCSK和OMU-SR-DCSK的平方幅度谱。图7中，在归一化的比特频率为奇数时，DCSK的平方幅度为零，这是由于DCSK的信息信号只与参考信号同相或反相，从而导致了DCSK的安全性很低。而OMU-SR-DCSK的信息信号是N个信号的加和，且其参考时隙和信息时隙不等长，从图8中也可以发现，OMU-SR-DCSK的平方幅度谱具有类噪声性，证实了OMU-SR-DCSK的安全性很高。

图 7 DCSK的平方幅度谱

下载: 全尺寸图片幻灯片

图 8 OMU-SR-DCSK的平方幅度谱

下载: 全尺寸图片幻灯片

5. 系统仿真结果及分析

本节将在AWGN信道和两径Rayleigh衰落信道下对OMU-SR-DCSK系统进行仿真，验证理论BER公式推导的正确性，为确保仿真结果的准确性，仿真值均是在 ${10^6}$ 次仿真结果取平均值的前提下得到的。

5.1 AWGN信道下的误码性能分析

图9为各项参数取值 $[R,N,P] = [64,2,2], [128,2,2],[256,2,2]$ 时，系统BER随 ${{{E_{\rm{b}}}} / {{N_0}}}$ 变化的曲线，理论值和仿真值的良好契合验证了理论BER公式推导的准确无误性。图中显示 $R{\rm{ = }}64$ 时系统BER明显优于 $R{\rm{ = }}128$ 时的BER，这是由于R的增加导致信号间干扰增多，从而导致系统误码性能恶化。

图 9 R不同时BER随

${{{E_{\rm{b}}}} / {{N_0}}}$ 变化的曲线

下载: 全尺寸图片幻灯片

图10为 $[R,N,P] = [128,1,4], [128,2,4], [128,4,4]$ 时，系统BER随 ${{{E_{\rm{b}}}} / {{N_0}}}$ 变化的曲线。R和 $P$ 一定，在 ${{{E_{\rm{b}}}} / {{N_0}}} \le 10{\rm{dB}}$ 的情况下，不同N值对应的BER值基本吻合，而当 ${{{E_{\rm{b}}}} / {{N_0}}} > 12{\rm{dB}}$ 时，BER随着N的增加而增加。据此可见： ${{{E_{\rm{b}}}} / {{N_0}}}$ 较低的情况下，用户数变化不足以影响BER，此时扩频因子和重复次数为主要决定因素，而 ${{{E_{\rm{b}}}} / {{N_0}}}$ 较高的情况下，用户数成为误码性能恶化的主要影响因素。

图 10 N不同时BER随

${{{E_{\rm{b}}}} / {{N_0}}}$ 变化的曲线

下载: 全尺寸图片幻灯片

图11为 $[R,N,P] = [128,4,1], [128,4,2], [128,4,4]$ 时，系统BER随 ${{{E_{\rm{b}}}} / {{N_0}}}$ 变化的曲线。R和N一定，当 ${{{E_{\rm{b}}}} / {{N_0}}} \le 6{\rm{dB}}$ 时，不同 $P$ 值对应的BER值基本吻合，而当 ${{{E_{\rm{b}}}} / {{N_0}}} > 7{\rm{dB}}$ 时，BER随着 $P$ 的增加而增加。与N变化对BER的影响类似，在 ${{{E_{\rm{b}}}} / {{N_0}}}$ 较低的情况下， $P$ 值变化对误码性能的影响微乎其微，扩频因子和用户数为主要决定因素，而在 ${{{E_{\rm{b}}}} / {{N_0}}}$ 大于某个定值时，误码性能随着 $P$ 值的增加呈现恶化的趋势。区别于N值变化对系统误码性能影响的是：重复次数的变化对系统误码性能的影响更为显著。

图 11 P不同时BER随

${{{E_{\rm{b}}}} / {{N_0}}}$ 变化的曲线

下载: 全尺寸图片幻灯片

图12和图13为 ${{{{E_{\rm{b}}}} / N}_0} = 10\,\,\,{\rm{dB}},14\,\,\,{\rm{dB}}$ , N和 $P$ 取不同数值时，系统BER随R变化的曲线。根据图中曲线可以发现： ${{{E_{\rm{b}}}} / {{N_0}}}$ 越大误码性能越佳，且当 ${{{E_{\rm{b}}}} / {{N_0}}}$ 一定时，系统误码性能随着R的增加呈现恶化的趋势，最后趋于一个定值，而P值变化会影响这一定值，N值变化却不会影响这一定值。

图 12

${{{E_{\rm{b}}}} / {{N_0}}},P$ 不同时BER随R变化的曲线

下载: 全尺寸图片幻灯片

图 13

${{{E_{\rm{b}}}} / {{N_0}}},N$ 不同时BER随R变化的曲线

下载: 全尺寸图片幻灯片

表1中对比了OMU-SR-DCSK, SRMR-DCSK, VHE-DCSK和MC-DCSK系统的传输速率和能量效率，假设这几种系统的 $\beta$ 都相等。与长参考系统VHE-DCSK和短参考系统SRMR-DCSK相比，OMU-SR-DCSK的能量效率和传输速率都较优，而与多用户并行传输系统MC-DCSK相比，OMU-SR-DCSK采用多用户串行传输的方法，其能量效率虽优于MC-DCSK，但传输速率却远低于MC-DCSK。

表 1 OMU-SR-DCSK, SRMR-DCSK, VHE-DCSK和MC-DCSK系统的能量效率及传输速率

系统名称	传输速率( ${R_B}$ )	能量效率( ${E_\eta }$ )
OMU-SR-DCSK	${{2N} / {(R + 2\beta )}}$	${{2N\beta } / {(R + 2N\beta )}}$
SRMR-DCSK	${N / {(R + \beta )}}$	${{N\beta } / {(R + N\beta )}}$
VHE-DCSK	${N / {(2\beta }})$	${N / {(1 + N)}}$
MC-DCSK	${N / \beta }$	${N / {(1 + N)}}$

下载: 导出CSV

| 显示表格

为进一步分析表1中对比的几种系统的误码性能，图14中对比了AWGN信道下这几种系统的BER曲线。假设所有系统传输的信息比特数都相等，且 $\beta$ 也相等。观察图中BER曲线，当 ${{{E_{\rm{b}}}} / {{N_0}}} \le 11\;{\rm{dB}}$ 时，OMU-SR-DCSK, MC-DCSK和SRMR-DCSK的误码率基本相等，且都优于VHE-DCSK的误码率。但当 ${{{E_{\rm{b}}}} / {{N_0}}} > 11{\rm{dB}}$ 时，MC-DCSK的误码性能最优，其次是OMU-SR-DCSK。虽然OMU-SR-DCSK的误码性能差于多用户并行传输系统，但是相比于其他两种多用户串行传输系统，其误码性能较优。

图 14 AWNG信道下不同系统间误码性能对比

下载: 全尺寸图片幻灯片

5.2 两径Rayleigh衰落信道下的误码性能分析

本小节将在两径Rayleigh衰落信道下分析了OMU-SR-DCSK的误码性能。图15为R不同时，两种不同增益情况下的OMU-SR-DCSK系统BER曲线，其中，情况1为等增益情况，平均信道增益取值为： ${\rm{E}}\left[ {|{\alpha _1}{|^2}} \right] = {\rm{E}}\left[ {|{\alpha _2}{|^2}} \right] = {1 / 2}$ ，情况2为非等增益的情况，平均信道增益取值为： ${\rm{E}}\left[ {|{\alpha _1}{|^2}} \right] = {1 / 5}, {\rm{E}}\left[ {|{\alpha _2}{|^2}} \right] = {4 / 5}$ 。与AWGN信道下仿真类似，BER随着R增大而增大，且等增益情况下系统误码性能总是优于非等增益情况下的误码性能。

图 15 OMU-SR-DCSK系统在两种增益下的性能比较

下载: 全尺寸图片幻灯片

图16中对比了表1中几种系统的误码性能。当 ${{{E_{\rm{b}}}} / {{N_0}}}$ 较小时，OMU-SR-DCSK和SRMR-DCSK的误码率基本相等，都略优于MC-DCSK。但随着信噪比的增加，MC-DCSK的误码率逐渐降低，最后都优于其他几种系统，与AWGN信道下的对比结果一致，相比于其他两种多用户串行传输系统，OMU-SR-DCSK的误码性能最优。

图 16 不同系统在等增益情况下的性能比较

下载: 全尺寸图片幻灯片

6. 结束语

本文提出的OMU-SR-DCSK缩短了参考信号的长度，虽然会造成信噪比降低，从而影响系统的误码性能，但同时也提升了系统的传输速率、能量效率和安全性。此外，通过引入构造简单的Walsh码消除了用户间干扰，改善了OMU-SR-DCSK的误码性能，弥补了信噪比降低对系统误码性能造成的影响。通过仿真验证了OMU-SR-DCSK在传输速率和能量效率方面的优势，从而为其应用于多用户串行传输系统提供了理论依据。本文只分析了两路延迟线的情况，后续可扩展为M条延迟线，更大程度上提升系统的传输速率和能量效率；此外，将OMU-SR-DCSK与多载波技术结合，实现多用户并行传输也是后续需要研究的内容。

图 1 利用GPT2w模型获取测站气象参数示意图

下载: 全尺寸图片幻灯片

图 2 IGS测站处的误差月均值变化示意图

下载: 全尺寸图片幻灯片

图 3 以中国地区GGOS格点数据为标准的误差变化示意图

下载: 全尺寸图片幻灯片

图 4 以2017年GGOS数据为标准时不同年积日的bias和RMS空间变化示意图

下载: 全尺寸图片幻灯片

表 1 中国地区IGS测站信息(按纬度升序排列)

ID	测站	纬度(°N)	经度(°E)	高程(m)
A	TCMS	24.80	120.99	77.3
B	TWTF	24.95	121.16	184.0
C	KUNM	25.03	102.80	2019.1
D	LHAZ	29.66	91.10	3622.0
E	WUHN	30.53	114.36	42.6
F	SHAO	31.10	121.20	22.1
G	XIAN	34.37	109.22	498.5
H	BJFS	39.61	115.89	98.3
I	GUAO	43.47	87.17	2049.2
J	URUM	43.59	87.63	917.9
K	CHAN	43.79	125.44	253.7

下载: 导出CSV

表 2 相对IGS测站数据的误差统计结果(cm)

ID	年	Sa+EGNOS		Sa+UNB3m		Sa+GPT2w		Hop+GPT2w
ID	年	bias	RMS	bias	RMS	bias	RMS	bias	RMS
A	2015	1.048	7.969	2.509	8.328	1.615	5.883	0.911	5.641
	2016	2.159	8.585	3.621	9.126	2.729	5.969	2.025	5.700
	2017	1.312	8.385	2.773	8.777	1.879	5.811	1.175	5.644
B	2015	0.214	7.736	2.622	8.148	1.497	5.768	1.951	5.906
	2016	1.100	8.216	3.508	8.854	2.386	5.743	2.839	5.956
	2017	0.316	8.102	2.724	8.519	1.600	5.649	2.053	5.804
C	2015	–6.939	9.817	3.631	7.251	0.530	3.595	10.546	11.207
	2016	–6.728	9.753	3.839	7.502	0.742	3.813	10.771	11.466
	2017	–6.756	9.977	3.814	7.634	0.713	3.732	10.735	11.417
D	2015	–10.197	11.839	1.494	4.427	0.355	1.667	12.816	12.938
	2016	–9.778	11.908	1.899	5.330	0.765	2.039	13.221	13.347
	2017	–10.007	12.117	1.626	5.224	0.486	1.906	12.95	13.055
E	2015	–2.216	10.376	–0.799	10.115	3.739	7.087	3.057	6.748
	2016	–1.250	11.535	0.160	11.381	4.710	8.061	4.028	7.673
	2017	–1.468	11.776	–0.060	11.577	4.485	7.843	3.803	7.465
F	2015	–2.810	11.278	–1.492	11.002	2.263	7.479	1.285	7.237
	2016	–1.591	11.837	–0.271	11.675	3.479	7.839	2.502	7.432
	2017	–2.531	12.166	–1.201	11.896	2.545	6.999	1.567	6.692
G	2015	–4.477	9.843	–0.053	8.354	1.763	5.257	3.966	6.345
	2016	–3.738	10.055	0.678	8.896	2.493	5.313	4.696	6.648
	2017	–4.066	10.106	0.358	8.816	2.172	5.314	4.375	6.526
H	2015	–3.988	9.464	–1.637	8.703	1.136	4.207	0.875	4.152
	2016	–3.576	10.227	–1.228	9.639	1.546	4.929	1.286	4.822
	2017	–4.088	10.626	–1.736	9.861	1.038	4.811	0.777	4.743
I	2015	–4.156	7.327	2.122	4.873	0.656	2.259	10.206	10.429
	2016	–3.727	7.334	2.541	5.408	1.073	2.727	10.615	10.906
	2017	–4.202	7.415	2.100	4.927	0.634	2.184	10.177	10.385
J	2015	–3.051	6.980	1.290	5.517	1.115	3.320	5.437	6.261
	2016	–2.440	7.308	1.890	6.324	1.711	4.069	6.033	7.064
	2017	–3.071	7.117	1.269	5.619	1.095	3.228	5.417	6.202
K	2015	–3.780	8.453	–1.401	7.474	0.640	3.447	1.282	3.654
	2016	–3.531	8.846	–1.155	8.008	0.882	3.712	1.524	3.907
	2017	–4.092	9.337	–1.716	8.323	0.327	3.815	0.969	3.922
平均		–3.397	9.509	1.021	8.106	1.661	4.711	5.026	7.494

下载: 导出CSV

表 3 相对GGOS格网数据的误差统计结果(cm)

统计类型		Sa+EGNOS	Sa+UNB3m	Sa+GPT2w	Hop+GPT2w
bias	Min	–6.961	–0.812	–0.086	2.716
	Max	1.932	3.461	3.445	9.473
	Mean	–3.605	1.393	1.551	6.581
RMS	Min	7.768	5.480	2.585	6.928
	Max	11.428	10.010	7.284	11.786
	Mean	9.631	7.899	4.859	9.135

下载: 导出CSV

表 4 相对IGS数据的误差统计结果(cm)

ID	年份	Sa+EGNOS		Sa+UNB3m		Sa+GPT2w
ID	年份	bias	RMS	bias	RMS	bias	RMS
B	2012	0.240	7.435	2.648	7.900	1.775	5.965
B	2018	–7.218	9.611	–4.839	7.940	–0.058	5.082
G	2012	–4.849	10.676	–0.419	9.080	1.375	5.153
G	2018	–11.801	13.128	–7.368	8.823	–0.069	2.302
I	2012	–4.717	7.863	1.564	4.861	0.086	2.005
I	2018	–8.477	9.787	–1.877	3.303	–0.303	1.104

下载: 导出CSV

参考文献(18)

赵静旸, 宋淑丽, 陈钦明, 等. 基于垂直剖面函数式的全球对流层天顶延迟模型的建立[J]. 地球物理学报, 2014, 57(10): 3140–3153. doi: 10.6038/cjg20141005

ZHAO Jingyang, SONG Shuli, CHEN Qinming, et al. Establishment of a new global model for zenith tropospheric delay based on functional expression for its vertical profile[J]. Chinese Journal of Geophysics, 2014, 57(10): 3140–3153. doi: 10.6038/cjg20141005

姚宜斌, 何畅勇, 张豹, 等. 一种新的全球对流层天顶延迟模型GZTD[J]. 地球物理学报, 2013, 56(7): 2218–2227. doi: 10.6038/cjg20130709

YAO Yibin, HE Changyong, ZHANG Bao, et al. A new global zenith tropospheric delay model GZTD[J]. Chinese Journal of Geophysics, 2013, 56(7): 2218–2227. doi: 10.6038/cjg20130709

HOPFIELD H S. Troposphere effect on electromagnetic measured range: Prediction from surface weather data[J]. Radio Science, 1971, 6(3): 357–367. doi: 10.1029/RS006i003p00357

SAASTAMOINEN J. Atmospheric correction for the troposphere and stratosphere in radio ranging satellites[J]. Use of Artificial Satellites for Geodesy, 1972, 15(6): 247–251. doi: 10.1029/GM015p0247

杨徉, 喻国荣, 潘树国, 等. 一种综合的对流层延迟模型算法[J]. 东南大学学报(自然科学版), 2013, 43(S2): 418–422. doi: 10.3969/j.issn.1001-0505.2013.S2.043

YANG Yang, YU Guorong, PAN Shuguo, et al. A comprehensive algorithm using fusion of tropospheric delay models[J]. Journal of Southeast University(Natural Science Edition), 2013, 43(S2): 418–422. doi: 10.3969/j.issn.1001-0505.2013.S2.043

姚宜斌, 张豹, 严凤, 等. 两种精化的对流层延迟改正模型[J]. 地球物理学报, 2015, 58(5): 1492–1501. doi: 10.6038/cjg20150503

YAO Yibin, ZHANG Bao, YAN Feng, et al. Two new sophisticated models for tropospheric delay corrections[J]. Chinese Journal of Geophysics, 2015, 58(5): 1492–1501. doi: 10.6038/cjg20150503

刘继业, 陈西宏, 刘赞. 对流层散射双向时间比对中对流层斜延迟实时估计[J]. 电子与信息学报, 2018, 40(3): 587–593. doi: 10.11999/JEIT170581

LIU Jiye, CHEN Xihong, and LIU Zan. Real-time estimation of tropospheric slant delay in two-way troposphere time transfer[J]. Journal of Electronics &Information Technology, 2018, 40(3): 587–593. doi: 10.11999/JEIT170581

滑中豪, 柳林涛, 梁星辉. GPT2w模型检验以及对流层模型的参数互融[J]. 武汉大学学报:信息科学版, 2017, 42(10): 1468–1473. doi: 10.13203/j.whugis20150758

HUA Zhonghao, LIU Lintao, and LIANG Xinghui. An assessment of GPT2w model and fusion of a troposphere model with in situ data[J]. Geomatics and Information Science of Wuhan University, 2017, 42(10): 1468–1473. doi: 10.13203/j.whugis20150758

施宏凯, 何秀凤, 王俊杰. 全球气压气温模型在中国地区的精度分析[J]. 大地测量与地球动力学, 2017, 37(8): 841–844. doi: 10.14075/j.jgg.2017.08.014

SHI Hongkai, HE Xiufeng, and WANG Junjie. Accuracy analyses of global pressure and temperature model in China[J]. Journal of Geodesy and Geodynamics, 2017, 37(8): 841–844. doi: 10.14075/j.jgg.2017.08.014

LAGLER K, SCHINDELEGGER M, and NILSSON T. GPT2: Empirical slant delay model for radio space geodetic tech-niques[J]. Geophysical Research Letters, 2013, 40(6): 1069–1073. doi: 10.1002/grl.50288

BÖHM J, MÖLLER G, SCHINDELEGGER M, et al. Development of an improved empirical model for slant delays in the troposphere (GPT2w)[J]. GPS Solutions, 2015, 19(3): 433–441. doi: 10.1007/s10291-014-0403-7

BRAUN J, ROCKEN C, and WARE R. Validation of line-of-sight water vapor measurements with GPS[J]. Radio Science, 2001, 36(3): 459–472. doi: 10.1029/2000RS002353

姚宜斌, 徐星宇, 胡羽丰. GGOS对流层延迟产品精度分析及在PPP中的应用[J]. 测绘学报, 2017, 46(3): 278–287. doi: 10.11947/j.AGCS.2017.20160383

YAO Yibin, XU Xingyu, and HU Yufeng. Precision analysis of GGOS tropospheric delay product and its application in PPP[J]. Acta Geodaetica et Cartographica Sinica, 2017, 46(3): 278–287. doi: 10.11947/j.AGCS.2017.20160383

ASKNE J and NORDIUS H. Estimation of tropospheric delay for microwaves from surface weather data[J]. Radio Science, 1987, 22(3): 379–386. doi: 10.1029/RS022i003p00379

NIGEL P and ALAN D. Assessment of EGNOS tropospheric correction model[J]. Journal of Navigation, 1999, 54(1): 37–55.

LEANDRO R F, LANGLEY R B, and SANTOS M C. UNB3m_pack: A neutral atmosphere delay package for radiometric space techniques[J]. GPS Solutions, 2008, 12(1): 65–70. doi: 10.1007/s10291-007-0077-5

QU Weijing, ZHU Wenyao, SONG Shuli, et al. Evaluation of the precision of three tropospheric delay correction models[J]. Chinese Astronomy and Astrophysics, 2008, 32(4): 429–438. doi: 10.1016/j.chinastron.2008.10.010

中国天气网. 2016年中国十大天气气候事件评选结果[OL]. http://news.weather.com.cn/2016/12/2638475.shtml. 2016.12.

施引文献

资源附件(0)

访问统计

图(4) / 表(4)

计量

文章访问数: 2407
HTML全文浏览量: 648
PDF下载量: 47
被引次数: 0

1. 引言
2. OMU-SR-DCSK系统原理
3. OMU-SR-DCSK系统性能分析
4. OMU-SR-DCSK系统传输速率、能量效率和安全性分析
5. 系统仿真结果及分析
5.1 AWGN信道下的误码性能分析
5.2 两径Rayleigh衰落信道下的误码性能分析
6. 结束语

姓名
邮箱
手机号码
标题
留言内容
验证码

留言板

一种用于中国地区的对流层天顶延迟实时修正模型

doi: 10.11999/JEIT180353

作者简介:
杜晓燕：女，1975年生，副教授，研究方向为电磁场、微波技术与天线等

乔江：男，1995年生，硕士生，研究方向为对流层电波传播

卫佩佩：女，1990年生，博士生，研究方向为电波传播、电磁计算及反演问题等

通讯作者:
乔江　qj951213@163.com

计量

Real-time Correction Model for Zenith Tropospheric Delay Applied to the Chinese Region

1. 引言

2. OMU-SR-DCSK系统原理

3. OMU-SR-DCSK系统性能分析

4. OMU-SR-DCSK系统传输速率、能量效率和安全性分析

5. 系统仿真结果及分析

5.1 AWGN信道下的误码性能分析

5.2 两径Rayleigh衰落信道下的误码性能分析

6. 结束语

计量

目录

1. 引言

2. OMU-SR-DCSK系统原理

3. OMU-SR-DCSK系统性能分析

4. OMU-SR-DCSK系统传输速率、能量效率和安全性分析

5. 系统仿真结果及分析

5.1 AWGN信道下的误码性能分析

5.2 两径Rayleigh衰落信道下的误码性能分析

6. 结束语

留言板

一种用于中国地区的对流层天顶延迟实时修正模型

doi: 10.11999/JEIT180353

作者简介: 杜晓燕：女，1975年生，副教授，研究方向为电磁场、微波技术与天线等 乔江：男，1995年生，硕士生，研究方向为对流层电波传播 卫佩佩：女，1990年生，博士生，研究方向为电波传播、电磁计算及反演问题等

通讯作者: 乔江 qj951213@163.com

计量

出版历程

Real-time Correction Model for Zenith Tropospheric Delay Applied to the Chinese Region

1. 引言

2. OMU-SR-DCSK系统原理

3. OMU-SR-DCSK系统性能分析

4. OMU-SR-DCSK系统传输速率、能量效率和安全性分析

5. 系统仿真结果及分析

5.1 AWGN信道下的误码性能分析

5.2 两径Rayleigh衰落信道下的误码性能分析

6. 结束语

计量

出版历程

目录

1. 引言

2. OMU-SR-DCSK系统原理

3. OMU-SR-DCSK系统性能分析

4. OMU-SR-DCSK系统传输速率、能量效率和安全性分析

5. 系统仿真结果及分析

5.1 AWGN信道下的误码性能分析

5.2 两径Rayleigh衰落信道下的误码性能分析

6. 结束语

作者简介:
杜晓燕：女，1975年生，副教授，研究方向为电磁场、微波技术与天线等

乔江：男，1995年生，硕士生，研究方向为对流层电波传播

卫佩佩：女，1990年生，博士生，研究方向为电波传播、电磁计算及反演问题等

通讯作者:
乔江　qj951213@163.com