用自然进化策略机器学习算法设计低相关 GPS 扩频码
信号处理
2021-12-30 v3 机器学习
摘要
随着下一代 GPS III 星座的诞生以及即将发射的导航技术卫星-3（NTS-3）测试平台用以探索 GPS 的未来技术，我们确实正步入卫星导航的新时代。相应地，是时候重新审视 GPS 扩频码族的设计方法了。本工作中，我们开发了一种具有高斯提议分布的自然进化策略（NES）机器学习算法，其可构造高质量的扩频码序列族。我们最小化自相关均方与互相关均方之和的最大值，并证明对于长达 1023 与 1031 比特、族规模达 31 个码的序列，我们的算法能够取得优于精心选定的等长 Gold 码与 Weil 码族的性能。此外，我们将该算法与采用相同码评估指标的类似遗传算法实现进行了比较。据作者所知，这是首项探索使用机器学习方法设计导航扩频码序列的工作。
引用
@article{arxiv.2101.02850,
title = {Designing Low-Correlation GPS Spreading Codes with a Natural Evolution Strategy Machine Learning Algorithm},
author = {Tara Yasmin Mina and Grace Xingxin Gao},
journal= {arXiv preprint arXiv:2101.02850},
year = {2021}
}