本发明专利技术公开一种基于强跟踪平方根容积卡尔曼滤波的卫星信号跟踪环路，属于无线通信领域。本发明专利技术包括步骤(1)中频数据与本地数控振荡器产生的信号作相关运算，由六路相关器输出作为强跟踪平方根容积卡尔曼滤波器的量测输入；(2)由滤波器对码相位误差、载波相位误差、载波频率误差及其一阶导数分别进行时间更新得到相应的状态预测值；(3)由滤波器对码相位误差、载波相位误差、载波频率误差及其一阶导数分别进行量测更新得到相应的最优估计值；(4)用步骤(3)得到的最优估计值在每个跟踪周期反馈调整本地数控振荡器。本发明专利技术在跟踪环路滤波过程中引入了强跟踪滤波的渐消因子，提高了跟踪环路的鲁棒性，以应对高动态环境下引起的模型失配。的模型失配。的模型失配。
【技术实现步骤摘要】
基于强跟踪平方根容积卡尔曼滤波的卫星信号跟踪环路
[0001]本专利技术涉及一种基于强跟踪平方根容积卡尔曼滤波的卫星信号跟踪环路，属于无线通信领域。
技术介绍
[0002]随着全球卫星导航技术(Global Navigation Satellite System,GNSS)不断发展，GNSS已逐步被应用到诸多领域，如导弹制导、作战指挥等军事领域和智能交通、大气监测等民用领域。而接收机是应用层面的核心环节，主要完成卫星信号捕获、跟踪和导航解算三个重要任务。其中，跟踪环路通过对本地数控振荡器(Numerically Controlled Oscillator,NCO)持续不断地动态调整，使跟踪通道保持对已捕获信号的持续锁定。稳定跟踪后，接收机解调的导航电文比特和提取的伪距、载波相位和多普勒观测量，是导航解算模块的直接信息来源。因此，跟踪环路是接收机的核心环节，与接收机的性能指标如灵敏度、动态性以及定位精度等密切相关。目前，常用的跟踪算法多应用在中低动态场景。对高动态载体而言，和卫星之间的相对高速运动使得接收到的卫星信号具有较大的多普勒频移及其变化率，传统跟踪环路极易失锁。因此有必要研究一种在高动态环境下实现接收机鲁棒而精确地跟踪GNSS信号的跟踪环路。
[0003]传统跟踪环路一般采用锁频环(Frequency Locked Loop,FLL)辅助锁相环(Phase Locked Loop,PLL)的结构，该结构结合FLL动态应力容忍性能和PLL跟踪精度高的优点，Pedro A.Roncagliol测试二阶FLL辅助三阶PLL环路能承受的加速度可达到40g。随着信号参数估计理论在信号处理领域的应用，基于卡尔曼滤波技术的跟踪环路引起了广泛关注，它能够根据环路噪声统计特性自适应地调节环路增益和带宽，兼具动态性和跟踪精度，估计出GNSS信号的码相位、载波相位和多普勒频率等。而鉴别器线性工作区间有限，考虑到高动态场景下引入的非线性噪声，可采用非线性滤波方法剔除标量跟踪环路的鉴别器，如扩展卡尔曼滤波(Extended KalmanFilter,EKF)、无迹卡尔曼滤波等。
[0004]Spilker提出的矢量跟踪环路不同于常见的标量跟踪环路，它耦合了各个跟踪通道的内在信息，并且把信号跟踪和导航解算过程结合，被认为是高动态场景跟踪环路的解决方案之一。但在实际应用中，矢量跟踪环路的初始化仍需要用到标量跟踪环路的结果，并且矢量跟踪环路在工作时需要跟踪环路已经能够输出导航电文比特，即标量跟踪环路稳定。因此本专利技术设计一种高动态条件下的标量跟踪环路，采用精度较高、滤波过程稳定且计算量较少的平方根容积卡尔曼滤波，并针对高动态场景下可能出现的模型失配问题，引入强跟踪滤波的渐消因子，提高跟踪环路的鲁棒性。通过实验验证该跟踪环路可以为后续的导航解算模块和矢量跟踪环路提供可靠信息来源。
技术实现思路
[0005]本专利技术的目的是针对高动态条件下传统跟踪环路容易失锁的问题，提供一种基于强跟踪平方根容积卡尔曼滤波的标量跟踪环路设计方案，其可在较少改变传统跟踪环路结
构的基础上，剔除鉴别器，使跟踪环路免受鉴别器非线性噪声的影响，有效地提高跟踪环路在高动态条件下的跟踪性能。
[0006]上述的目的通过以下技术方案实现：
[0007]一种基于强跟踪平方根容积卡尔曼滤波的卫星信号跟踪环路，该环路每次更新包括如下步骤：
[0008](1)中频数据与本地NCO产生的信号作相关运算，由六路相关器输出作为强跟踪平方根容积卡尔曼滤波器的量测输入；
[0009](2)由滤波器对码相位误差Δτ、载波相位误差Δθ、载波频率误差Δf及其一阶导数Δα分别进行时间更新得到相应的状态预测值；
[0010](3)由滤波器对码相位误差Δτ、载波相位误差Δθ、载波频率误差Δf及其一阶导数Δα分别进行量测更新得到相应的最优估计值；
[0011](4)用步骤(3)得到的最优估计值在每个跟踪周期反馈调整本地数控振荡器。
[0012]所述的一种基于强跟踪平方根容积卡尔曼滤波的卫星信号跟踪环路，步骤(1)的具体方法是：GNSS中频数据分别与同相本地载波信号I、正交本地载波信号Q经相关器与本地超前、即时和滞后码相关，经六路积分
‑
清除器后的信号为：
[0013]I
P
＝Asinc(πtΔf)R(Δτ)cos(δφ)+n
IP
[0014][0015][0016]Q
P
＝Asinc(πtΔf)R(Δτ)cos(δφ)+n
QP
[0017][0018][0019]其中，I
P
代表同相
‑
即时支路信号，I
E
代表同相
‑
超前支路信号，I
L
代表同相
‑
滞后支路信号，Q
P
代表正交
‑
即时支路信号，Q
E
代表正交
‑
超前支路信号，Q
L
代表正交
‑
滞后支路信号，A代表信号的幅值，t代表积分时间，即跟踪环路周期，R代表自相关函数，d表示中间码相位与超前码/滞后码相位的差值，单位是码片，n
IP
代表同相
‑
即时支路噪声，n
IE
代表同相
‑
超前支路噪声，n
IL
代表同相
‑
滞后支路噪声，n
QP
代表正交
‑
即时支路噪声，n
QE
代表正交
‑
超前支路噪声，n
QL
代表正交
‑
滞后支路噪声，δφ为相干积分时间内本地载波平均相位误差，计算公式为：
[0020][0021]其中，δφ0、δf0、Δα0分别表示相干积分时间内载波初始相位误差、载波初始频率误差和载波初始频率变化率误差。
[0022]所述的一种基于强跟踪平方根容积卡尔曼滤波的卫星信号跟踪环路，步骤(2)的具体系统模型是：
[0023]选取信号振幅A、输入信号与本地信号的码相位误差Δτ、载波相位误差Δθ、载波
频率误差Δf及其一阶导数Δα作为系统的状态量x，系统状态方程的离散化形式为：
[0024]x
k
＝Φx
k
‑1+w
k
‑1[0025]其中，x
k
表示第k个更新周期的状态量，x
k
‑1表示第k
‑
1个更新周期的状态量，w
k
‑1表示系统过程噪声，Φ表示状态转移矩阵，具体形式为：
[0026][0027]其中，β表示码频率和载波频率的比值，对于GPS的L1码来说，β＝1/1540。
[0028]所述的一种基于强跟踪平方根容积卡尔曼滤波的卫星信号跟踪环路，步骤(2)的具体方法是：
[0029](21)构本文档来自技高网...
【技术保护点】
【技术特征摘要】
其中，x
k
表示第k个更新周期的状态量，x
k
‑1表示第k
‑
1个更新周期的状态量，w
k
‑1表示系统过程噪声，Φ表示状态转移矩阵，具体形式为：其中，β表示码频率和载波频率的比值，对于GPS的L1码来说，β＝1/1540。4.根据权利要求1所述的一种基于强跟踪平方根容积卡尔曼滤波的卫星信号跟踪环路，其特征在于，步骤(2)的具体方法是：(21)构造容积点：其中，表示第k
‑
1个更新周期的最优估计值对应的容积点，S
k
‑1为第k
‑
1个更新周期的估计误差协方差矩阵的平方根，n为状态量x的维数，ξ
i
为容积点集，O
i
表示矩阵O的第i个向量，矩阵O定义为：(22)经状态方程传播容积点：其中，表示第k个更新周期的状态预测值对应的容积点；(23)计算系统状态预测值：其中，表示第k个更新周期的状态预测值；(24)计算状态误差协方差预测矩阵平方根：其中，的定义为：S
k|k
‑1表示第k个更新周期的状态误差协方差预测矩阵的平方根，Tria(B)表示对矩阵B
T
进行QR分解后得到的上三角矩阵的转置，S
Qk
为第k个更新周期的系统噪声矩阵Q
k
的平方根，即有
5.根据权利要求1所述的一种基于强跟踪平方根容积卡尔曼滤波的卫星信号跟踪环路，其特征在于，步骤(3)的具体方法是：(31)构造容积点并经量测方程传播容积点：容积点：其中，表示第k个更新周期的状态预测值对应的容积点，表示第k个更新周期的量测预测值对应的容积点，h表示量测函数；(32)计算量测预测值：其中，表示第k个更新周期的量测预测值；(33)计算新息协方差矩阵平方根：其中，表示第k个更新周期的新息协方差矩阵的平方根，S
Rk
表示第k个更新周期的量测噪声矩阵R
k
的平方根，的定义为：因此，第k个更新周期的新息协方差矩阵可由平方根公式计算得到：(34)计算状态量与量测量的互协方差阵：其中，表示第k个更新周期的状态量与量测量的互协方差阵，X
k|k
‑1的定义为：(35)计算强跟踪滤波的渐消因子：(35)计算强跟踪滤波的渐消因子：(35)计算强跟踪滤波的渐消因子：其中，λ
k
表示第k个更新周期的渐消因子，γ
k
为第k个更新周期的残差序列，ρ为遗忘因
...
【专利技术属性】
技术研发人员：程向红，张晶晶，
申请(专利权)人：东南大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。