BOC信号捕获中的副峰抑制与无模糊处理方法解析

简介：本资源是一套面向卫星导航信号处理方向的MATLAB实践代码集，聚焦BOC（Binary Offset Carrier）调制信号的捕获算法研究与性能评估，适用于导航工程、通信信号处理领域的研究生及工程师开展无模糊捕获方法对比实验。压缩包共67个文件，含47个核心MATLAB脚本（.m）、13个备份源码（.asv）、5个结果可视化图表（.fig）及1个配置说明文本（.txt），总大小2.32MB；其中acuisitionbocmn.m、acqdetpro.m、ASPacquisition.m等实现多种无模糊捕获策略，init.m、setSettings.m和Readme.txt构成完整可运行框架，plotAcquisition.m、psd.fig等支持性能指标可视化分析。已有246人学习下载，提供从信号生成（generateBOCCode.m）、信道建模、捕获检测到后处理（postProcessing.m）的全流程代码，结构清晰、模块解耦，便于算法复现、参数调优与横向性能比对。 我在做BOC(1,1)信号捕获仿真时遇到过一件让我印象很深的事：用传统的BPSK捕获算法去搜索，本地码相位差半个码片时，相关器竟然给出了一个比正确相位还高的峰值。当时第一反应是代码写错了，查了很久的资料才明白，这不是bug，而是BOC信号自相关函数的固有特性——副峰。GNSS现代化信号普遍采用BOC调制来缓解频段拥挤、提升抗干扰能力，但BOC自相关函数的多峰特性让捕获阶段的峰值检测变得非常尴尬：你找到的"最大峰值"不一定是真正的码相位。这篇内容就从这个问题出发，把BOC信号捕获中的各种无模糊处理方法梳理清楚，并给出一个可以在MATLAB里直接跑的公平性能比较框架。适合正在做卫星导航信号处理研究、BOC捕获算法预研，或者毕业设计做到相关题目的同学参考。

1. BOC信号捕获中的副峰模糊：问题到底出在哪里

1.1 BOC调制带来的频谱分裂

BOC（Binary Offset Carrier，二进制偏移载波）调制的核心操作，是在扩频码上再乘以一个方波副载波。写成表达式就是：

s(t) = c(t) · sign(sin(2π·f_sc·t))

其中c(t)是扩频码，sign(sin(2π·f_sc·t))是频率为f_sc的方波副载波。这个副载波的作用，是把原本集中在基带附近频谱的能量搬移到±f_sc附近，形成两个分离的主瓣。GPS L1C和Galileo E1频段采用的BOC(1,1)，副载波频率f_sc和码速率f_c都等于1.023 MHz，频谱分裂后正好可以和传统C/A码信号在同一个频段共存，同时又保持较低的频谱重叠。

这个设计带来了两个直接好处：一是抗干扰能力增强，因为信号能量分布在距离载波更远的频段，窄带干扰只能影响其中一部分；二是抗多径性能提升，由于自相关函数主峰更尖锐，多径分辨能力比BPSK好。但也正是这个"更尖锐的主峰"，引出了后面的一系列麻烦。

1.2 自相关函数的多峰本质

方波副载波是周期信号，BOC信号从时域上看，相当于把每个码片按照副载波的极性切成小段，相邻小段符号交替。这种结构做自相关时，得到的就不再是BPSK那种"单个三角峰"，而是一个主峰旁边排列着一串副峰。

以sine-BOC(1,1)为例，自相关函数的主峰在零延迟处，第一副峰在半个码片处，峰值幅度约为主峰的0.5倍。如果只看相关波形，副峰完全有可能被误判成主峰。对于更高阶的BOC(10,5)、BOC(15,2.5)这类信号，副峰数量更多、分布更密，模糊问题更严重。

这里可以用一个生活化的类比：BPSK信号的自相关像一座孤零零的山峰，看到最高点就对了；BOC信号的自相关像一串山脉，主峰只是稍微高一点，周围还分布着不少海拔接近的山头。在噪声背景下，你很难凭"谁最高"来判断哪个才是真正的主峰。

1.3 如果忽略模糊直接捕获会发生什么

直接拿传统BPSK捕获算法处理BOC信号，最典型的结果就是"锁定副峰"。具体表现有两种：

第一种情况，热噪声较强时，某个副峰高度可能超过主峰，峰值检测直接选错位置。第二种情况，即使主峰仍然最高，捕获后进入跟踪阶段，鉴相器若落在副峰牵引区内，码环可能被拉到副峰上稳定锁定。无论哪种情况，最终都会产生半个码片到几个码片不等的伪距偏差。

对导航定位来说，这个偏差是致命的。一个码片在1.023 Mcps码速率下对应约293米，半个码片就是约146米。纯靠提高捕获门限无法解决问题——门限提高只会降低检测概率，副峰依然存在。所以BOC捕获必须从算法层面消除模糊，这就是下面要说的无模糊捕获方法。

2. 无模糊捕获方法的三大技术路线梳理

2.1 边带处理路线：BPSK-like方法

BPSK-like方法是最直观的思路。既然BOC信号频谱分裂成上下两个主瓣，而每个主瓣看起来都像一个BPSK信号，那就把某个边带单独滤出来处理。

具体做法是：接收信号先与中心频率偏移到边带位置的本地载波混频，再通过低通滤波器，只保留上边带或下边带，然后与本地扩频码做相关。相关出来的函数近似为单峰，彻底绕开了副峰问题。这就是BPSK-like单边带方案。

单边带方案的代价很直接：只用了信号一半的功率，等效信噪比损失至少3 dB。换句话说，本来10 dB信噪比能捕获的信号，用单边带处理可能要到13 dB才能达到同样的检测概率。

为了弥补这个损失，有了双边带合并方案：上下边带分别做相关，再把两个相关结果相加。合并后功率损失可以恢复到约0.9~1.5 dB左右，代价是接收机需要两路处理通道，复杂度翻倍。MATLAB里实现双边带合并时，要注意上下边带滤波器的群延迟一致，否则两个相关峰的时延不对齐，相加后反而把峰拉宽了。

BPSK-like方法最大的优点是"兼容"——现有BPSK接收机架构基本可以复用，只要在射频前端加一个边带滤波器就行。很多实际接收机在过渡阶段都采用这种方案。

2.2 相关函数重构路线：ASPeCT及其推广

ASPeCT（Autocorrelation Side-Peak Cancellation Technique）是Julien等人在2007年提出的，专门针对BOC(n,n)信号。它的思想不是去滤波，而是对自相关函数做非线性组合，把副峰人为抵消掉。

组合形式可以写成：

R_ASPeCT(τ) = R²(τ) − R(τ)·R(τ − d)

其中d对应主峰与第一副峰之间的间距。对BOC(1,1)来讲，d等于半个码片。这个组合为什么有效？因为在主峰位置，R(0)=1，而R(-d)对应副峰位置的值是负的，所以乘出来是一个增强贡献；在副峰位置，R(τ)本身是负值，R(τ-d)又会在相应位置产生一个正贡献，两者相乘后与原R²(τ)正负相消，副峰就压下去了。

ASPeCT的实现成本极低：只需要一次相关运算结果，再做一次平移相乘和一次平方相减。在MATLAB里用数组操作几行就写完了。不过它有一个限制——主要针对BOC(n,n)族信号，也就是副载波频率和码速率相等的信号。对BOC(m,n)这类m≠n的信号，副峰位置不再是简单的半个码片，直接用标准ASPeCT公式效果会变差。后续有一些改进版本，比如Generalized ASPeCT，通过调整平移量和加权系数来适配更多信号类型，但核心思想不变。

2.3 本地波形设计路线：伪相关函数与子载波相位消除

伪相关函数法（Pseudo Correlation Function，PCF）走的是一条更自由的路线。ASPeCT是在既有自相关函数上做修改，PCF则是直接设计本地参考波形，让相关结果在组合后天然没有副峰。

PCF的基本框架是：设计两组或三组本地参考波形，分别与接收信号做相关，得到S1(τ)、S2(τ)、S3(τ)，然后按下式组合：

P(τ) = S1(τ)·S2(τ) + S1(τ)·S3(τ) − S2(τ)·S3(τ)

关键在于，本地参考波形可以不是标准BOC波形。通过合理设计波形形状，可以让P(τ)在除主峰外的所有位置都为零。这种方法的灵活性很强，对任意BOC(m,n)信号都能构造出对应的无模糊函数，而且配合反正切鉴别器使用时，码相位牵引范围可以做得比较宽，对后面的跟踪环路也友好。

PCF的代价是计算量偏大：需要多路相关器同时工作，本地波形生成也相对复杂。在MATLAB仿真阶段这些不是问题，但如果要移植到FPGA，就要仔细评估资源占用。

子载波相位消除（Sub-Carrier Phase Cancellation，SCPC）是另一条思路。它利用BOC信号与正交副载波QBOC信号的相关结果做组合，把副载波项的影响抵消掉。这个思路和跟踪阶段的DET（双估计技术）是一脉相承的：不把副载波当作信号的一部分去处理，而是把它单独估计出来再消除。捕获阶段借鉴DET思想后，同样可以得到无模糊的相关函数，并且后续跟踪阶段可以直接沿用同一套结构。

3. MATLAB仿真平台搭建与核心代码

3.1 信号生成：sine-BOC(1,1)的MATLAB实现

做捕获仿真，第一步是把BOC信号正确生成出来。这里有个关键细节：采样率最好设置为副载波频率的整数倍，否则副载波极性翻转时刻没有采样点，相关峰会出现不对称。

% 参数设置 fs = 40.92e6; % 采样率，取40倍码率 fc = 1.023e6; % 码速率，同时也是副载波频率 N = 1023; % 码长，GPS C/A码长度 samplesPerChip = fs / fc; % 每码片采样点数 totalSamples = N * samplesPerChip; % 生成随机扩频码（仿真中可直接用随机码代替GOLD码做算法验证） code = 2 * randi([0 1], 1, N) - 1; % 码序列上采样到采样率 codeUpsampled = reshape(repmat(code, samplesPerChip, 1), [], 1); % 副载波：方波 t = (0:totalSamples - 1) / fs; subcarrier = sign(sin(2 * pi * fc * t)); % BOC信号 bocSignal = codeUpsampled .* subcarrier;

这段代码生成的是零中频的sine-BOC(1,1)基带信号。实际仿真中接收信号还要叠加上多普勒频移、噪声和其他干扰。注意repmat那一步，如果码长和采样率不是整数倍关系，会引入相位不完整的问题，所以采样率选择要提前算好。

3.2 捕获搜索框架：FFT并行码相位搜索

捕获的本质是二维搜索：一个维度是多普勒频率，一个维度是码相位。最常使用的是FFT并行码相位搜索，用一次FFT/IFFT把整个码相位空间全部扫完，外层只对多普勒频点循环。

function corrOut = fftSearch(rxSignal, localCodeFreq, dopplerFreq, fs, fc) % 去多普勒 t = (0:length(rxSignal) - 1) / fs; rxDopplerRemoved = rxSignal .* exp(-1j * 2 * pi * dopplerFreq * t); % 本地码FFT localCode = localCodeFreq; L = length(rxDopplerRemoved); X = fft(rxDopplerRemoved, L); Y = fft(localCode, L); % 频域相乘后IFFT得到相关结果 corrOut = ifft(X .* conj(Y)); end

外层循环就是遍历多普勒搜索范围，比如从-10 kHz到+10 kHz，步进500 Hz。搜索完之后找相关输出最大值对应的多普勒和码相位，就是捕获结果。

3.3 各无模糊方法的代码实现要点

ASPeCT的实现相对简单。先得到原始BOC自相关函数，再做平移相乘：

% 假设acf是BOC信号与本地码的互相关函数，lag是对应的时延序列 % 找到零延迟对应的索引 [~, zeroIdx] = min(abs(lag)); d = round(fs / fc / 2); % 半码片延迟 % 平移后相乘 acfShifted = zeros(size(acf)); validRange = (zeroIdx + d) : length(lag); acfShifted(validRange) = acf(1 : length(lag) - d); % ASPeCT组合 RASPeCT = acf.^2 - acf .* acfShifted;

注意边界处理：平移后数组长度不一致，我会把越界部分补零。这里还有一点容易出错——ASPeCT公式中的平移方向。你可以用无噪声的干净信号先验证一下峰值位置是否正确，再去做噪声下的蒙特卡洛仿真。

BPSK-like方法的代码核心是频谱搬移加滤波：

% 取上边带：混频到基带 rxBB = rxSignal .* exp(-1j * 2 * pi * fc * t); % 低通滤波 [b, a] = butter(6, fc / (fs / 2), 'low'); rxFiltered = filter(b, a, rxBB); % 与本地码相关 corrResult = fftSearch(rxFiltered, localCode, 0, fs, fc);

滤波器阶数我习惯用6阶，太高会带来明显的群延迟，太低则边带隔离度不够。滤波后建议先做一次无噪声测试，量一下相关峰有没有偏移。

PCF的代码相对复杂一些，因为需要设计本地参考波形。这里给一个示意结构：

% 生成本地参考波形1：标准BOC local1 = codeUpsampled .* sign(sin(2 * pi * fc * t)); % 生成本地参考波形2和3：按PCF设计原则构造 % 具体波形设计需要参考对应文献的约束条件，这里以随机偏移示意 local2 = codeUpsampled .* sign(cos(2 * pi * fc * t)); % QBOC波形 local3 = codeUpsampled; % 基带码波形 % 分别相关 S1 = xcorr(rxSignal, local1, 'none'); S2 = xcorr(rxSignal, local2, 'none'); S3 = xcorr(rxSignal, local3, 'none'); % PCF组合 P = S1 .* S2 + S1 .* S3 - S2 .* S3;

实际应用时，local2和local3的具体形式要根据目标信号和设计目标仔细推导。MATLAB的优势是可以把波形设计成任意序列，方便迭代验证。

3.4 蒙特卡洛性能评估框架

性能比较必须建立在大量统计试验上。我习惯这样做：固定信号参数和捕获搜索策略，对每个SNR点跑500~1000次独立试验，统计检测概率和虚警概率。

snrList = -25:2:-5; % 单位dB numTrials = 500; Pd = zeros(size(snrList)); for snrIdx = 1:length(snrList) hitCount = 0; for trial = 1:numTrials % 生成带噪BOC信号，信噪比由snrList(snrIdx)控制 rx = genBOCSignalWithNoise(fs, fc, N, snrList(snrIdx)); % 按选定方法执行捕获，得到相关输出 corrOut = captureByMethod(rx, methodName, ...); % 找到峰值位置 [peakVal, peakIdx] = max(abs(corrOut)); peakPos = lag(peakIdx); % 判断是否命中真实码相位（允许误差0.5码片以内） if abs(peakPos) < 0.5 / fc hitCount = hitCount + 1; end end Pd(snrIdx) = hitCount / numTrials; end

这里面有个容易忽略的问题：不同方法的相关输出噪声特性不同，峰值搜索的门限不能统一用固定值，后面会专门讲。

4. 性能比较：副峰抑制之外的胜负手

4.1 评价指标体系

做性能比较，首先要定义清楚"性能"是什么。我常用的指标有五个：副峰抑制比、检测概率、SNR损失、计算复杂度、抗多径能力。

副峰抑制比描述的是相关函数中最高副峰与主峰的幅度比，直接反映模糊程度；检测概率和虚警概率是捕获性能的最终裁判；SNR损失反映方法在消除副峰过程中付出了多少信噪比代价；计算复杂度决定工程可行性；抗多径能力则在多径传播环境下决定测距精度。

这五个指标放在一起看，才能对一个方法做出全面评价。只看副峰抑制比，BPSK-like方法几乎完美，但它的SNR损失和抗多径短板很快会让它出局。

4.2 副峰抑制与SNR损失的权衡

下表是我在典型仿真条件下得到的大致结论。不同参数下具体数值会漂移，但趋势是稳定的：

这里要注意，所谓"副峰完全消除"，指的是在理论无噪声理想条件下。实际受采样率、前端带宽、滤波器非理想特性影响，副峰不会严格为零，但已经不足以引起误判。

SNR损失的测算方法我建议这么做：在没有噪声的条件下，分别计算原BOC相关峰幅度和该方法相关峰幅度，再除以各自输出的噪声标准差，取比值差异。不要直接比较峰值电压，因为不同方法输出相关函数的量纲和幅度范围差异很大。

4.3 计算复杂度和硬件友好度

从实现角度，ASPeCT是最省资源的，它只需要一次相关运算加少量乘加。如果目标平台是资源受限的FPGA，ASPeCT几乎是首选。BPSK-like单边带需要模拟滤波器，硬件上多一个射频/中频滤波环节，但数字域运算量很低。PCF和SCPC都需要双路甚至三路相关器，资源占用明显上升。

4.4 多径环境下的表现差异

多径是GNSS接收机绕不开的问题。不同捕获方法在单径信道下表现接近，但多径环境差距就出来了。

BPSK-like方法由于滤波带宽减半，时域分辨率下降，多径误差包络明显变大。换句话说，它虽然消除了副峰，却牺牲了BOC信号最引以为傲的抗多径能力。ASPeCT保持了BOC原始带宽，多径性能和理论BOC信号接近。PCF的多径性能取决于设计的本地波形，通常可以通过波形调整让相关峰更窄，但主峰过窄也会带来捕获搜索步长和跟踪稳定性的新问题。

多径仿真在MATLAB里就是叠加几个延迟副本，然后统计相关峰位置偏差。我建议至少在比较中加入一条1/4码片延迟、幅度0.5的多径，这是最经典的测试场景。

4.5 方法选型建议

综合上面的比较，我给不同场景的建议是：

• 快速算法验证、毕业设计、教学演示：首选ASPeCT。实现简单、效果直观，几行代码就能看到副峰被压下去，非常适合理解"无模糊"到底是怎么回事。
• 工程化BPSK兼容接收机：选BPSK-like双边带合并。它可以最大化复用已有BPSK接收链路，改造风险小。
• 面对多种BOC信号类型（比如同时要处理BOC(1,1)、BOC(6,1)、MBOC）：优先考虑PCF路线，虽然前期波形设计投入大，但一套框架适配多种信号，长期收益高。
• 高灵敏弱信号场景：优先选SNR损失小的方案，ASPeCT和SCPC都是合理选择，BPSK-like单边带基本可以排除。

5. 搭建公平比较平台时踩过的坑

5.1 采样率与副载波相位的对齐

仿真和实测最容易出问题的就是采样率设置。如果采样率不是副载波频率的整数倍，每个BOC码片内的极性翻转点就不会正好落在采样位置，由此生成的信号相当于叠加了一个随机相位抖动。表现在相关函数上，就是主峰幅度略微下降、副峰形状不对称、副峰位置偏移半码片都不是精确值。

解决办法是保证fs = k×f_sc，k为正整数。我通常取40倍以上，这样每个半码片周期内至少有10个采样点，相关峰形状足够平滑。如果仿真BOC(10,5)这种副载波频率更高的信号，采样率还要再往上提，否则副载波细节丢失严重。

5.2 归一化方式影响比较结论

这一步是最容易被低估的。ASPeCT输出相关峰的幅度在1.5左右，BPSK-like单边带输出可能只有0.5。如果直接比较这些数值的大小，或者用同一个绝对门限去判峰，会得到完全错误的比较结果。

正确做法是：每种方法单独计算在纯噪声输入下的输出标准差σ，然后用(峰值/σ)作为判决量。这样才能把不同方法拉到同一尺度上比较。MATLAB里统计σ的方法很简单，生成一段纯噪声信号跑同样的处理流程，对输出求标准差即可。

5.3 捕获成功判定准则要统一

做蒙特卡洛时，不同方法的噪声分布和峰型不同，判定"是否捕获成功"的准则必须统一，否则带来的偏差比算法本身的差异还大。

我推荐用"峰值位置与实际码相位的绝对误差是否小于0.5码片"作为成功准则，同时峰值幅度超过CFAR门限。门限按kσ来设定，k由目标虚警概率反推。不要简单用"是否超过固定幅度"，因为不同方法的输出幅度范围差很多，固定门限没有可比性。

5.4 频谱搬移与群延迟陷阱

BPSK-like方法里的低通滤波器会引入群延迟，导致相关峰整体偏移。如果这个偏移量接近或超过码片的一小部分，捕获码相位就会产生系统偏差。无噪声条件下可能看不出来，但叠加噪声后，偏差可能把部分本来正确的检测拉出0.5码片的判定窗口。

排查方法：在无噪声条件下运行BPSK-like捕获，看峰值位置是否和真实码相位严格一致。如果不一致，检查滤波器的群延迟特性，改用线性相位FIR滤波器，或者在相关结果上做一个固定的时延补偿。

最后分享一点个人体会：这些方法我在MATLAB里翻来覆去比了很多轮，一个很深的感触是——不要只看副峰抑制比这一个指标。捕获本质上是在噪声中做判决，副峰消除得再干净，如果SNR损失大，弱信号场景照样抓不到。我现在的习惯是先画一张"各方法输出相关函数"的对比图，再跑一组不同SNR下的检测概率曲线，最后才谈实现复杂度。如果你在某次复现中发现某个方法的检测概率异常低，先检查归一化和滤波器群延迟，八成问题出在这两个地方。后续如果想把捕获和跟踪打通，建议在SCPC或DET路线上继续做，这类方法捕获跟踪可以用同一套无模糊相关函数，省掉很多来回切换的麻烦。

本文还有配套的精品资源，点击获取