Dekoder DCF77 a hałaśliwy sygnał

Question

Prawie zakończyłem mój projekt dekodera DCF77 o otwartym źródle. Wszystko zaczęło się, gdy zauważyłem, że standardowe biblioteki Arduino DCF77 działają bardzo słabo na hałaśliwych sygnałach. W szczególności nigdy nie byłem w stanie wydobyć czasu z dekoderów, gdy antena znajdowała się blisko komputera lub kiedy pracowała moja pralka.

Moim pierwszym podejściem było dodanie (cyfrowego) filtra ekspotencjalnego + wyzwalacza do sygnału wejściowego.

Chociaż poprawiło to znacznie sytuację, nadal nie było zbyt dobre. Potem zacząłem czytać standardowe książki o cyfrowym przetwarzaniu sygnału, a zwłaszcza oryginalne prace Claude'a Elwooda Shannona. Mój wniosek był taki, że właściwym podejściem byłoby nie "dekodowanie" sygnału w ogóle, ponieważ jest on (z wyjątkiem sekund przestępnych) całkowicie znany a priori. Zamiast tego lepiej byłoby dopasować odebrane dane do sygnału zsyntetyzowanego lokalnie i po prostu określić odpowiednią fazę. To z kolei zmniejszyłoby efektywną szerokość pasma o kilka rzędów wielkości, a tym samym znacznie zmniejszyło hałas.

Wykrywanie faz oznacza konieczność szybkiego splotu. Standardowym podejściem do efektywnego splatania jest oczywiście szybka transformata Fouriera. Jednak implementuję Arduino/Atmega 328. W ten sposób mam tylko 2k RAM. Zamiast więc prostego podejścia z FFT, zacząłem układać dopasowane filtry z pętlą fazową. I udokumentować różne etapy projektu tutaj:

• First try: exponential filter
• Start of the better apprach: phase lock to the signal/seconds ticks
• Phase lock to the minutes
• Decoding minute and hour data
• Decoding the whole signal
• Adding a local clock to deal with signal loss
• Using local synthesized signal for faster lock reacquisition after signal loss

Przeszukałem internet dość szeroko i nie znalazłem podobnego podejścia. Wciąż zastanawiam się, czy istnieją podobne (i być może lepsze) implementacje. Lub jeśli istnieją badania nad tego rodzaju rekonstrukcją sygnału.

Czego nie szukam: zaprojektowanie zoptymalizowanych kodów zbliżających się do limitu Shannon. Nie szukam również informacji o nałożonym kodzie PRNG na DCF77. Nie potrzebuję też podpowiedzi dotyczących "dopasowanych filtrów", ponieważ moja obecna implementacja jest przybliżeniem dopasowanego filtra. Konkretne wskazówki dotyczące dekoderów Viterbiego i kratownic nie są tym, czego szukam - o ile nie rozwiązują problemu ograniczeń procesora i pamięci RAM.

Czego szukam: czy są jakieś opisy/implementacje innych nietrywialnych algorytmów do dekodowania sygnałów takich jak DCF77, z ograniczonym procesorem i pamięcią RAM w obecności znacznego szumu? Może w niektórych książkach lub gazetach z epoki przed Internetem?

Answer 1

Odniesienie do dopasowanych filtrów przez Ollie B. nie jest tym, o co prosiłem. Już to omówiłem na blogu.

Jednak do tej pory otrzymałem bardzo dobrą wskazówkę od prywatnej poczty. Istnieje artykuł autorstwa Daniela Engelera: "Performance Analysis and Receiver Architectures of DCF77 Radio-Controlled Clocks". Tego rodzaju rzeczy szukam.

W przypadku dalszych wyszukiwań zaczynając od artykułu Engeler, znalazłem następujące niemieckie patenty: DE3733966A1 - Anordnung zum Empfang stark gestoerter Signale des Senders dcf-77 i DE4219417C2 - Schmalbandempfänger für Datensignale.

Answer 2

Czy rozważałeś użycie filtra dopasowanego do wiórów, aby wykonać splot?

http://en.wikipedia.org/wiki/Matched_filter

są prawie trywialny łatwe do wykonania, a każdy układ/nieco okres ten może być realizowany jako linię opóźniającą dodatku odejmuje (użyć kołowy bufor)

prosta o prostokątnym (będzie również działać, ale mniej optymalne z innymi przebiegami) o nieznanej sekwencji (ale znanej częstotliwości) może być realizowane tak:

// Filter class 
template <int samples_per_bit> 
class matchedFilter(
    public: 
     // constructor 
     matchedFilter() : acc(0) {}; 

     // destructor 
     ~matchedFilter() {}; 

     int filterInput(int next_sample){ 
     int temp; 
     temp = sample_buffer.insert(nextSample); 
     temp -= next_sample; 
     temp -= result_buffer.insert(temp); 
     return temp; 
     }; 

    private: 
    int acc; 
    CircularBuffer<samples_per_bit> sample_buffer; 
    CircularBuffer<samples_per_bit> result_buffer; 
); 

// Circular buffer 
template <int length> 
class CircularBuffer(
    public: 
     // constructor 
     CircularBuffer() : element(0) { 
     buffer.fill(0); 
     }; 
     // destructor 
     ~CircularBuffer(){}; 

     int insert(int new_element){ 
     int temp; 
     temp = array[element_pos]; 
     array[element_pos] = new_element; 
     element_pos += 1; 
     if (element_pos == length){ 
      element_pos = 0; 
     }; 
     return temp; 
     } 

    private: 
     std::array<int, length> buffer; 
     int element_pos; 
); 

jak widać, zasobów mądry, to jest stosunkowo błahe. Jest pewien konkretny kształt fali, po którym można kumulować, aby dać dłuższą korelację.