基于深度强化学习的GNSS接收机捕获策略优化系统设计 .docxVIP

PAGE2

基于深度强化学习的GNSS接收机捕获策略优化系统设计

摘要

全球导航卫星系统（GNSS）接收机在复杂环境下的捕获性能是制约其应用的关键瓶颈。传统捕获策略依赖固定参数模板或简单自适应算法，难以在信号强度剧烈变化、多径干扰与动态应力并存的场景下保持最优性能。本文设计并实现了一种基于深度强化学习的GNSS接收机捕获策略优化系统，将捕获参数调整问题建模为马尔可夫决策过程，利用深度Q网络（DQN）智能体根据实时信号环境自适应选择最优的相干积分时间、非相干累加次数与检测门限。

系统设计遵循“需求分析→总体设计→详细设计→实现→测试”的工程递进逻辑。第一章分析捕获参数固定的痛点；第二章介绍GNSS信号捕获原理与深度强化学习关键技术；第三章从功能与非功能维度细化系统需求；第四章构建分层架构，划分信号预处理、环境感知、智能决策与参数执行四大模块；第五章详细设计DQN智能体的状态空间、动作空间、奖励函数与网络结构；第六章完成系统仿真实现，展示核心算法逻辑与运行效果；第七章通过静态与动态场景测试验证系统性能。测试结果表明，系统在弱信号环境下捕获灵敏度提升约3dB，首次定位时间（TTFF）平均缩短22%，且对动态变化具有良好鲁棒性。本设计的创新点在于将深度强化学习引入接收机基带处理闭环，实现了捕获策略的在线自适应优化，为下一代智能接收机设计提供了新思路。

第一章绪论

1.1研究背景