4、信号捕获原理：时频二维搜索、串行搜索与并行搜索、捕获判决门限设定、捕获性能指标
各位同学，大家好。今天我们进入信号捕获这个核心环节。说实话，捕获是整个接收机里最让我头疼，也最让我着迷的部分。为什么？因为你要在茫茫的时频二维空间里，把那个微弱到几乎淹没在噪声里的信号给揪出来。这活儿，有点像大海捞针。
4.1 时频二维搜索：为什么是二维？
先问大家一个问题：GPS卫星信号到了接收机这边，我们不知道什么？
两个东西不知道：码相位和多普勒频移。
- 码相位：卫星的C/A码起始点在哪里？你不知道。接收机本地产生的C/A码和卫星的C/A码，存在一个随机的时延。这个时延范围是0到1023个码片。
- 多普勒频移：卫星在动，接收机也可能在动。相对运动导致载波频率偏移。对于GPS L1频段，这个偏移范围大约是±10 kHz。
所以，捕获的本质就是：在码相位维度和频率维度上，同时进行搜索。这就是时频二维搜索。
我习惯把这个问题想象成一个棋盘。棋盘的行是频率，列是码相位。每个格子代表一个“假设”：假设当前信号的频率是f，码相位是τ。我们要做的，就是遍历这个棋盘，找到那个让相关峰值最大的格子。
核心思想：捕获 = 在二维搜索空间内，找到使本地信号与接收信号相关值最大的那个点。
4.2 串行搜索与并行搜索
好，棋盘有了，怎么搜？这就引出了两种基本策略：串行搜索和并行搜索。
4.2.1 串行搜索
串行搜索，说白了就是一个格子一个格子地搜。先固定一个频率，把1023个码相位全部搜一遍；然后换下一个频率，再搜一遍。直到找到那个峰值。
伪代码大概是这样的：
for freq = -10kHz to +10kHz step 500Hz:
for code_phase = 0 to 1022:
correlation = correlate(received_signal, local_code, freq, code_phase)
if correlation > threshold:
signal_found = true
break
if signal_found:
break这种方法的优点是什么？简单、省资源。一个相关器就够了。但缺点也很明显——慢。你想想看，频率步进如果是500 Hz，那频率维度就有41个点。码相位有1023个点。总共要搜41 × 1023 ≈ 42000次。每次相关运算还要花时间。我记得早期的一些民用GPS接收机，冷启动要花好几分钟，用的就是这种串行搜索。
避坑指南：我曾经在一个项目中，为了省FPGA资源，强行用了串行搜索。结果冷启动时间长达8分钟，用户直接投诉。后来我学乖了，该并行的时候就得并行。
4.2.2 并行搜索
并行搜索，就是一次搜多个格子。有两种主要的并行方式：
- 并行频率搜索：用多个相关器，每个相关器对应一个不同的频率。一次把所有频率都搜完，然后看哪个频率的峰值最高。
- 并行码相位搜索：利用FFT（快速傅里叶变换）的性质，一次把所有码相位都搜完。这是目前最主流的方法。
并行码相位搜索的原理，我简单说一下：
时域的相关运算，在频域就是乘法。具体来说：
- 对接收信号做FFT，得到R(f)。
- 对本地C/A码做FFT，得到C(f)。
- 计算R(f) × conj(C(f))。
- 对结果做IFFT，得到的就是所有码相位下的相关值。
一次IFFT，就把1023个码相位全算出来了。效率极高。
关键点：FFT并行搜索，把搜索时间从O(N²)降到了O(N log N)。N是码相位数量。对于1023个码片，速度提升是数量级的。
4.3 捕获判决门限设定
搜完了，怎么判断有没有捕获到信号？这就需要一个判决门限。
门限设得太低，虚警多——明明没信号，你非说捕获到了。门限设得太高，漏检多——信号就在那儿，你却没认出来。
常用的门限设定方法有两种：
- 固定门限法：根据噪声功率，设定一个固定的门限值。比如，门限 = 3 × 噪声均方根值。这种方法简单，但适应性差。噪声变化了，门限就不准了。
- 自适应门限法：实时估计噪声功率，动态调整门限。比如，用CFAR（恒虚警率）算法。我比较推荐这种方法，尤其是在信号动态范围大的场景下。
在实际工程中，我常用的一个经验公式是：
门限 = μ_noise + α × σ_noise其中，μ_noise是噪声均值，σ_noise是噪声标准差，α是一个系数，通常取3到5。α越大，虚警概率越低，但漏检概率越高。需要根据系统要求来权衡。
注意：门限设定不能只看理论值。我遇到过好几次，理论计算的门限在实验室里跑得好好的，一到外场就出问题。为什么？因为外场的干扰信号、多径效应，都会改变噪声的统计特性。所以，门限一定要留有余量，并且最好能在实际环境中做校准。
4.4 捕获性能指标
怎么评价一个捕获算法好不好？看三个指标：
| 指标 | 定义 | 我的经验 |
|---|---|---|
| 检测概率 (Pd) | 信号存在时，正确检测到的概率 | 一般要求 > 90%。弱信号场景下，能到70%就算不错了。 |
| 虚警概率 (Pfa) | 信号不存在时，误判为存在的概率 | 一般要求 < 1%。太高了，接收机会一直“假锁定”。 |
| 平均捕获时间 (Tacq) | 从开始搜索到成功捕获的平均时间 | 这是用户最关心的指标。冷启动 < 30秒，热启动 < 5秒，是比较合理的。 |
这三个指标是相互制约的。你想提高检测概率，往往就会增加虚警概率。你想缩短捕获时间，可能就得牺牲检测概率。这就是工程上的权衡。
我个人习惯，在设计阶段会先定一个目标：比如，Pd ≥ 95%，Pfa ≤ 0.5%，Tacq ≤ 10秒（冷启动）。然后根据这个目标，去反推需要的信噪比、相干积分时间、非相干积分次数等参数。
一个小技巧：在调试捕获算法时，我经常用“捕获概率曲线”来评估性能。横轴是信噪比，纵轴是检测概率。这条曲线越陡峭，说明算法对信噪比的敏感度越低，鲁棒性越好。
好了，关于信号捕获的原理，我们就讲到这里。下一节，我们会深入讨论捕获的具体实现，包括相干积分和非相干积分的细节。大家有什么问题，可以随时问我。