CN106855626A - 矢量跟踪方法及滤波器 - Google Patents

矢量跟踪方法及滤波器 Download PDF

Info

Publication number
CN106855626A
CN106855626A CN201611250319.5A CN201611250319A CN106855626A CN 106855626 A CN106855626 A CN 106855626A CN 201611250319 A CN201611250319 A CN 201611250319A CN 106855626 A CN106855626 A CN 106855626A
Authority
CN
China
Prior art keywords
current time
state variable
dimensional position
prior estimate
function
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201611250319.5A
Other languages
English (en)
Inventor
杜洋
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing QIYI Century Science and Technology Co Ltd
Original Assignee
Beijing QIYI Century Science and Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Beijing QIYI Century Science and Technology Co Ltd filed Critical Beijing QIYI Century Science and Technology Co Ltd
Priority to CN201611250319.5A priority Critical patent/CN106855626A/zh
Publication of CN106855626A publication Critical patent/CN106855626A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
    • G01S19/01—Satellite radio beacon positioning systems transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
    • G01S19/13—Receivers
    • G01S19/24—Acquisition or tracking or demodulation of signals transmitted by the system
    • G01S19/25—Acquisition or tracking or demodulation of signals transmitted by the system involving aiding data received from a cooperating element, e.g. assisted GPS
    • G01S19/254—Acquisition or tracking or demodulation of signals transmitted by the system involving aiding data received from a cooperating element, e.g. assisted GPS relating to Doppler shift of satellite signals
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
    • G01S19/01—Satellite radio beacon positioning systems transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
    • G01S19/13—Receivers
    • G01S19/24—Acquisition or tracking or demodulation of signals transmitted by the system
    • G01S19/25—Acquisition or tracking or demodulation of signals transmitted by the system involving aiding data received from a cooperating element, e.g. assisted GPS
    • G01S19/256—Acquisition or tracking or demodulation of signals transmitted by the system involving aiding data received from a cooperating element, e.g. assisted GPS relating to timing, e.g. time of week, code phase, timing offset

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Position Fixing By Use Of Radio Waves (AREA)

Abstract

本发明实施例提供了一种矢量跟踪方法以及滤波器，综合利用了各跟踪通道的跟踪的卫星的伪码信息，建立以接收机位置、速度、加速度等信息的目标函数，将不同时刻卫星的伪码信息与接收机的状态变量进行深度融合。使得接收机处于具有噪声的环境中时，其自身的各跟踪通道的载波多普勒频移及伪码相位与其跟踪的卫星信号中的载波多普勒频移及伪码相位保持一致。

Description

矢量跟踪方法及滤波器
技术领域
本申请实施例涉及卫星定位技术领域，更具体的涉及矢量跟踪方法及滤波器。
背景技术
GPS(Global Positioning System，全球定位系统)卫星导航系统包括：卫星、接收机，其中，接收机属于用户设备部分，接收机(例如用户的手机终端，车载设备等等)用于接收卫星发射的卫星信号，以获得必要的导航和定位信息，经数据处理，完成导航和定位工作。
GPS卫星导航系统中卫星定位接收机的过程包括：实时使接收机各跟踪通道的载波多普勒频移及伪码相位与其跟踪的卫星信号中的载波多普勒频移及伪码相位保持一致，以剥离卫星信号中的伪码信息。接收机各跟踪通道的伪码相位随着跟踪通道的位置的变化而变化，接收机各跟踪通道载波多普勒频移随着跟踪通道的速度的变化而变化，因此，需要实时调整接收机各跟踪通道的位置和速度，以使得接收机的载波多普勒频移及伪码相位与卫星信号中的载波多普勒频移及伪码相位保持一致。
目前接收机所处的环境有很大的噪声，这些噪声会使得接收机无法实时调整自身的位置和速度，以使得接收机的载波多普勒频移及伪码相位与卫星信号中的载波多普勒频移及伪码相位保持一致，例如有效辐射功率为5w的宽带干扰机可以干扰半径为10英里的接收机，有效辐射功率为100w的宽带干扰机可以干扰半径为25km的军用接收机。
发明内容
有鉴于此，本发明提供了一种矢量跟踪方法及滤波器，以克服现有技术中由于接收机所处的环境噪声较大，导致接收机无法实时调整自身的位置和速度，以使得接收机的载波多普勒频移及伪码相位与卫星信号中的载波多普勒频移及伪码相位保持一致的问题。
为实现上述目的，本发明提供如下技术方案：
一种矢量跟踪方法，包括：
获取当前时刻的接收机的状态变量Xk，所述状态变量Xk包括所述接收机各跟踪通道相应的三维位置xk以及各跟踪通道相应的三维速度vk；
依据状态变量Xk，获取各跟踪通道相应的预先设置的适应度函数的第一函数值；
其中，所述适应度函数用于表征状态变量Xk，当前时刻的新息序列，前一时刻的状态变量Xk-1的估计误差协方差Pk-1的后验估计Pk-1,k-1，以及当前时刻的量测噪声Vk-1的协方差Rk的关联关系；当前时刻的新息序列用于表征前一时刻估计误差协方差Pk-1的后验估计Pk-1,k-1，与前一时刻过程噪声矩阵Wk-1的方差矩阵Qk-1的关联关系；
对于每一跟踪通道执行以下操作：
依据所述第一函数值判断所述跟踪通道相应的适应度函数是否收敛；
当所述跟踪通道相应的适应度函数不收敛时，依据三维速度vk以及预先获得的所述跟踪通道的三维位置xbest，获取所述适应度函数的第二函数值；
当所述第一函数值小于所述第二函数值时，将三维位置xk赋值给三维位置xbest；
从各跟踪通道相应的xbest中获得使得所述适应度函数最小的三维位置Gbest；
依据三维位置xbest、三维位置Gbest、三维速度vk以及当前时刻的过程噪声Wk，获得调整后的三维速度；
依据调整后的三维速度以及三维位置xk，获得调整后的三维位置；
依据调整后的三维位置和调整后的三维速度，获得所述适应度函数的第三函数值；
将所述第三函数值作为所述第一函数值，记录当前的迭代次数，返回步骤依据所述第一函数值判断所述跟踪通道相应的适应度函数是否收敛；
当所述跟踪通道相应的适应度函数收敛或当前的迭代次数等于最大迭代次数时，依据所述调整后的三维位置调整所述跟踪通道当前时刻的三维位置，依据调整后的三维速度调整所述跟踪通道当前时刻的三维速度。
一种滤波器，包括：
第一获取模块，用于获取当前时刻的接收机的状态变量Xk，所述状态变量Xk包括所述接收机各跟踪通道相应的三维位置xk以及各跟踪通道相应的三维速度vk；
第二获取模块，用于依据状态变量Xk，获取各跟踪通道相应的预先设置的适应度函数的第一函数值；
其中，所述适应度函数用于表征状态变量Xk，当前时刻的新息序列，前一时刻的状态变量Xk-1的估计误差协方差Pk-1的后验估计Pk-1,k-1，以及当前时刻的量测噪声Vk-1的协方差Rk的关联关系；当前时刻的新息序列用于表征前一时刻估计误差协方差Pk-1的后验估计Pk-1,k-1，与前一时刻过程噪声矩阵Wk-1的方差矩阵Qk-1的关联关系；
对于每一跟踪通道执行以下操作：
判断模块，用于依据所述第一函数值判断所述跟踪通道相应的适应度函数是否收敛；
第三获取模块，用于当所述跟踪通道相应的适应度函数不收敛时，依据三维速度vk以及预先获得的所述跟踪通道的三维位置xbest，获取所述适应度函数的第二函数值；
赋值模块，用于当所述第一函数值小于所述第二函数值时，将三维位置xk赋值给三维位置xbest；
第四获取模块，用于从各跟踪通道相应的xbest中获得使得所述适应度函数最小的三维位置Gbest；
第五获取模块，用于依据三维位置xbest、三维位置Gbest、三维速度vk以及当前时刻的过程噪声Wk，获得调整后的三维速度；
第六获取模块，用于依据调整后的三维速度以及三维位置xk，获得调整后的三维位置；
第七获取模块，用于依据调整后的三维位置和调整后的三维速度，获得所述适应度函数的第三函数值；
第一返回模块，用于将所述第三函数值作为所述第一函数值，记录当前的迭代次数，返回步骤依据所述第一函数值判断所述跟踪通道相应的适应度函数是否收敛；
调整模块，用于当所述跟踪通道相应的适应度函数收敛或当前的迭代次数等于最大迭代次数时，依据所述调整后的三维位置调整所述跟踪通道当前时刻的三维位置，依据调整后的三维速度调整所述跟踪通道当前时刻的三维速度。
经由上述的技术方案可知，与现有技术相比，本发明实施例提供了一种矢量跟踪方法，可以将当前时刻接收机的状态变量Xk中各跟踪通道相应的是三维位置和三维速度，带入相应的适应度函数，依据各跟踪通道相应的适应度函数的函数值，判断各跟踪通道本地载波频率及伪码相位是否能够与其跟踪的卫星信号中的卫星载波频率及伪码相位保持一致；当不能时，则适应度函数不收敛，此时需要调节接收机各跟踪通道的三维位置和三维速度。由于本申请实施例是一个不断迭代的过程，对于每一跟踪通道而言，在之前每次迭代过程中，均会产生三维位置xi，可以从这些xi确定出一最优的三维位置xbest，即三维位置xbest使得适应度函数的最小，三维位置xbest是对于一个跟踪通道而言最优的三维位置，可以依据各跟踪通道相应的三维位置xbest，获得使得适应度函数最小的三维位置Gbest，三维位置Gbest是针对接收机各跟踪通道而言，最优的三维位置；可以依据三维位置xbest、三维位置Gbest、三维速度vk以及当前时刻的过程噪声Wk，获得本次迭代过程中调整后的三维速度；依据调整后的三维速度以及三维位置xk，获得本次迭代过程中调整后的三维位置。然后再次判断调整后的三维速度以及调整后的三维位置是否可以使得适应度函数收敛，不断的进行迭代，直至使得适应度函数收敛，或者迭代次数达到最大位置，以最后一次地迭代获得的调整后的三维位置和调整后的三维速度调整所述跟踪通道，从而使得接收机的各跟踪通道相应的本地载波频率及伪码相位与其跟踪的卫星信号中的卫星载波频率及伪码相位保持一致。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。
图1为VDFLL原理框图；
图2本申请实施例提供的一种矢量跟踪方法的流程示意图；
图3为本申请实施例提供的一种矢量跟踪方法中获取当前时刻的接收机的状态变量Xk的一种实现方式的方法流程示意图；
图4为本申请实施例提供的一种矢量跟踪方法中获取后一时刻状态变量的先验估计，以及后一时刻的状态变量的估计误差协方差的先验估计的一种实现方式的方法流程示意图；
图5为本申请实施例提供的一种滤波器的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
目前，接收机采取各自独立的跟踪通道，对于不同跟踪通道分别设置有各自独立的载波跟踪及伪码跟踪环，需要跟踪通道的载波跟踪环的载波频率与其跟踪的卫星的载波频率相同，伪码跟踪环的伪码相位与其跟踪的卫星的伪码相位相同。然而，一般接收机设计方案中忽略了卫星与接收机间的运动共性信息，即接收机的位置状态与卫星的伪码和伪码率的关联。
矢量跟踪算法综合了各卫星与接收机位置状态相互关系，通过建立以接收机位置、速度、加速度、钟差及钟漂等误差量为状态量的扩展卡尔曼滤波(EKF)模型，并通过矢量延迟/频率锁定环(VDFLL)完成伪距、伪距率测量及环路控制。
VDFLL综合利用了各跟踪通道的跟踪的卫星的伪码相位及载波频率等信息，建立以接收机位置、速度、加速度及时钟等信息的EKF模型，将不同时刻卫星位置状态信息与接收机位置状态信息进行深度融合。
通过建立以接收机各跟踪通道相应的三维位置[x,y,z]、三维速度接收机时钟误差b和时钟漂移d等为状态变量的扩展卡尔曼滤波(EKF，ExtentedKalman Filter)模型，具体如下：
其中：
观测向量ρi和分别为第K时刻接收机接收到的第i个卫星的估计伪距和估计伪距率，N为可观测卫星数。i为大于等于1小于等于N的正整数。
Wk-1是第K-1时刻均值为0的GPS卫星导航系统的过程噪声向量， 是指第k-1时刻x的方差；是指第k-1时刻y的方差；是指第k-1时刻z的方差；是指第k-1时刻的方差；是指第k-1时刻的方差；是指第k-1时刻的方差；是指第K-1时刻b的方差；是指第K-1时刻d的估计的方差。
Vk为第K时刻均值为0的量测噪声向量，量测噪声协方差分别为第K时刻Δρi的方差与第K时刻的方差，Δρi为ρi在第K时刻真实伪距和估计伪距的差值，为的在第K时刻的真实伪距率与估计伪距率的差值。
卡尔曼滤波线性化的特点是在处进行一阶Taylor展开，其中为Xk-1的估计误差，获得：
从上式可以得到雅可比矩阵：
基于VDFLL的矢量跟踪方法实现主要基于两个基本原则:首先，伪码相位变化基于接收机位置的改变；其次，载波多普勒频移基于接收机速度的变化。为此，若接收机能获取精确星历信息，精确估算出不同时刻星空卫星运动特性，则通过伪码及载波鉴别器获取得到的伪距及伪距率偏差信息经EKF后将得到接收机的位置、速度、时钟偏移及时钟飘移等参数。图1为VDFLL原理框图，其中IP、QP、IE、QE、IL、QL分别代表I、Q支路即时、超前、滞后通道累加值。
矢量VDFLL具有与接收机相类似的通道处理环节，其不同之处在于，矢量VDFLL不同跟踪通道载波NCO及伪码NCO调整控制量生成不再独立，而是通过EKF估算接收机不同时刻位置、速度等变化规律，接收机位置、速度等信息的变化体现为测量得到信号伪距Δρ、伪距率Δρ的变化，而伪距及伪距率的改变反映着接收到的伪码相位及载波多普勒频移的变化。正因如此，接收机跟踪方案有着更多潜在的优势:第一，EKF能权衡各跟踪通道伪码相位及载波频率误差值，通过实时检测不同跟踪通道噪声特性。
EKF能提供最优的接收机位置、速度等状态信息，具有更高的动态性能；第二，矢量跟踪过程中，由于综合了各跟踪通道卫星信息，接收机能跟踪更为微弱的信号；第三，VDFLL具有快速重跟踪信号的潜能。
下面结合上述描述，对本申请实施例提供的矢量跟踪方法进行详细说明。
请参阅图2，为本申请实施例提供的一种矢量跟踪方法的流程示意图，该方法包括：
步骤S201：获取当前时刻的接收机的状态变量Xk。
所述状态变量Xk包括所述接收机各跟踪通道相应的三维位置xk以及各跟踪通道相应的三维速度vk。
状态变量其中xk＝[x,y,z]为第K时刻的三维位置，为第K时刻的三维速度。本申请实施例中字母的大小写不同，代表着不同的含义。
步骤S202：依据状态变量Xk，获取各跟踪通道相应的预先设置的适应度函数的第一函数值。
其中，所述适应度函数用于表征状态变量Xk，当前时刻的新息序列，前一时刻的状态变量Xk-1的估计误差协方差Pk-1的后验估计Pk-1,k-1，以及当前时刻的量测噪声Vk-1的协方差Rk的关联关系；当前时刻的新息序列用于表征前一时刻估计误差协方差Pk-1的后验估计Pk-1,k-1，与前一时刻过程噪声矩阵Wk-1的方差矩阵Qk-1的关联关系。
适应度函数可以为其中， 是Cnk的统计样本方差估计。
适应度函数FIT收敛是用来确保预测的协方差矩阵和从采样序列中得到的实际协方差矩阵Cnk相同。
步骤S203：对于每一跟踪通道执行以下操作：
步骤S2031：依据所述第一函数值判断所述跟踪通道相应的适应度函数是否收敛。
FIT的值越接近1，适应度函数就越收敛。
步骤S2032：当所述跟踪通道相应的适应度函数不收敛时，依据三维速度vk以及预先获得的所述跟踪通道的三维位置xbest，获取所述适应度函数的第二函数值。
对于每一跟踪通道而言，可能需要多次执行步骤S2031至步骤2038，每次执行都会产生一三维位置xi，其中i从1取值至K-1。可以从这些xi中获得使得适应度函数最小的xbest。
步骤S2033：当所述第一函数值小于所述第二函数值时，将三维位置xk赋值给三维位置xbest。
三维位置xbest只是针对这一跟踪通道而言，是最优的三维位置。
步骤S2034：从各跟踪通道相应的三维位置xbest中获得使得所述适应度函数最小的三维位置Gbest。
三维位置Gbest是针对接收机的所有跟踪通道而言，最优的三维位置。
步骤S2035：依据三维位置xbest、三维位置Gbest、三维速度vk以及当前时刻的过程噪声Wk，获得调整后的三维速度。
可选的，可以依据公式：v'k＝Wkvk+2*rand()*(Pbest-xk)+2*rand()*(Gbest-xk)，获得调整后的三维速度。假设调整后的三维速度用v'k表示。
rand()函数是产生随机数的一个随机函数。
步骤S2036：依据调整后的三维速度以及三维位置xk，获得调整后的三维位置。
可选的，可以依据公式：x'k＝xk+v'k，获得调整后的三维位置。假设调整后的三维位置用x'k表示。
步骤S2037：依据调整后的三维位置和调整后的三维速度，获得所述适应度函数的第三函数值。
步骤S2038：将所述第三函数值作为所述第一函数值，记录当前的迭代次数，返回步骤S2031。
步骤S2039：当所述跟踪通道相应的适应度函数收敛或当前的迭代次数等于最大迭代次数时，依据所述调整后的三维位置调整所述跟踪通道当前时刻的三维位置，依据调整后的三维速度调整所述跟踪通道当前时刻的三维速度。
本发明实施例提供了一种矢量跟踪方法，可以将当前时刻接收机的状态变量Xk中各跟踪通道相应的是三维位置和三维速度，带入相应的适应度函数，依据各跟踪通道相应的适应度函数的函数值，判断各跟踪通道本地载波频率及伪码相位是否能够与其跟踪的卫星信号中的卫星载波频率及伪码相位保持一致；当不能时，则适应度函数不收敛，此时需要调节接收机各跟踪通道的三维位置和三维速度。由于本申请实施例是一个不断迭代的过程，对于每一跟踪通道而言，在之前每次迭代过程中，均会产生三维位置xi，可以从这些xi确定出一最优的三维位置xbest，即三维位置xbest使得适应度函数的最小，三维位置xbest是对于一个跟踪通道而言最优的三维位置，可以依据各跟踪通道相应的三维位置xbest，获得使得适应度函数最小的三维位置Gbest，三维位置Gbest是针对接收机各跟踪通道而言，最优的三维位置；可以依据三维位置xbest、三维位置Gbest、三维速度vk以及当前时刻的过程噪声Wk，获得本次迭代过程中调整后的三维速度；依据调整后的三维速度以及三维位置xk，获得本次迭代过程中调整后的三维位置。然后再次判断调整后的三维速度以及调整后的三维位置是否可以使得适应度函数收敛，不断的进行迭代，直至使得适应度函数收敛，或者迭代次数达到最大位置，以最后一次地迭代获得的调整后的三维位置和调整后的三维速度调整所述跟踪通道，从而使得接收机的各跟踪通道相应的本地载波频率及伪码相位与其跟踪的卫星信号中的卫星载波频率及伪码相位保持一致。
如图3所示，为本申请实施例提供的一种矢量跟踪方法中获取当前时刻的接收机的状态变量Xk的一种实现方式的方法流程示意图，该方法包括：
步骤S301：获取当前时刻状态变量Xk的先验估计以及当前时刻的状态变量Xk的估计误差协方差Pk的先验估计Pk,k-1。
步骤S302：依据所述先验估计所述先验估计Pk,k-1，以及预先设置的第三目标函数，获得当前时刻所述滤波器的滤波增益Kk。
其中，所述第三目标函数用于表征当前时刻的滤波增益Kk、当前时刻的状态变量Xk的估计误差协方差Pk的先验估计Pk,k-1、当前时刻的量测噪声Vk-1的协方差Rk的关联关系，量测噪声协方差Rk为相应时刻的观测矩阵Zk的残差的协方差。
可选的，第三目标函数可以为
步骤S303：依据先验估计先验估计Pk,k-1，滤波增益Kk以及预先设置的第四目标函数，获得当前时刻的状态变量Xk的后验估计
其中，所述第四目标函数用于表征当前时刻的状态变量Xk的先验估计当前时刻的状态变量Xk的后验估计当前时刻的滤波增益Kk、当前时刻的观测矩阵Zk的关联关系。
可选的，第四目标函数可以为
步骤S304：依据所述后验估计以及预先设置的新息序列，获得第一参数γ。
所述新息序列用于表征前一时刻估计误差协方差Pk-1的先验估计Pk-1,k-1，与前一时刻过程噪声矩阵Wk-1的方差矩阵Qk-1的关联关系。
可选的，第一参数γ的公式为：γ用于表征EKF滤波器的状态，是发散或者异常。
步骤S305：依据所述后验估计获取第二参数η。
可选的，第二参数η的公式为：N为可观测卫星数；
步骤S306：当所述第一参数γ大于第一预设门限以及所述第二参数η大于第二预设门限时，确定需要调整所述接收机的状态变量Xk。
当所述第一参数γ小于等于所述第一预设门限或所述第二参数η小于等于所述第二预设门限时，确定无需调整所述接收机的状态变量Xk。
将所述过程噪声缩减因子α设置为1。
步骤S307：将所述后验估计作为所述状态变量Xk。
请参阅图4，为本申请实施例提供的一种矢量跟踪方法中获取后一时刻状态变量的先验估计，以及后一时刻的状态变量的估计误差协方差的先验估计的一种实现方式的方法流程示意图，该方法包括：
步骤S401：依据三维位置Gbest获得过程噪声缩减因子α。
步骤S402：依据先验估计Pk,k-1以及预先设置的第五目标函数，获得估计误差协方差Pk的后验估计Pk,k。
其中，所述第五目标函数用于表征当前时刻的估计误差协方差Pk的后验估计Pk,k、当前时刻的估计误差协方差Pk的先验估计Pk,k-1以及当前时刻的滤波增益Kk的关联关系。
可选的，第五目标函数为Pk,k＝(I-KkHk)Pk,k-1。
步骤S403：依据后验估计Pk,k、所述过程噪声缩减因子α以及预先设置的第六目标函数，获得后一时刻K+1的后验估计Pk+1,k。
所述第六目标函数用于表征下一时刻的估计误差协方差Pk+1的先验估计Pk+1,k、当前时刻的估计误差协方差Pk的后验估计Pk,k、当前时刻的过程噪声矩阵Wk的方差矩阵Qk以及过程噪声缩减因子α的关联关系。
可选的，第六目标函数为
步骤S404：依据所述后验估计以及预先设置的第七目标函数，获得后一时刻K+1的状态变量Xk+1的先验估计
所述第七目标函数用于表征下一时刻状态变量Xk+1的先验估计与当前时刻的状态变量Xk的先验估计的关联关系。
可选的第七目标函数为
步骤S405：将后一时刻K+1，作为当前时刻K返回步骤S202。
其中，从可知，当系统量测噪声协方差矩阵Rk增大时，卡尔曼滤波器增益Kk就变小，即当观测到误差增大，那么滤波器增益值就应该区小点，从而减弱观测误差对增益值的影响。从可知，当均方差误差矩阵的初始估计值P0,0减小，系统过程噪声矩阵Qk-1减小，那么此时Pk,k-1也变小，从而增益Kk减小，即当系统初始估计较好，系统过程误差变小，那么只需要很小的增益来达到修正的目的。
在一些干扰比较多的复杂环境中，由于系统具有较强的非线性，一旦扩展卡尔曼滤波器对系统状态的估计发生严重误差，那么当非线性函数在此错误的状态估计值处线性化可能会导致扩展卡尔曼滤波算法性能降低，设置导致滤波器发散。
本申请还提供了一种与矢量跟踪方法对应的滤波器，下面对滤波器进行详细介绍，相同之处可互相参见。
请参阅图5为本申请实施例提供的一种滤波器的结构示意图，该滤波器包括：
第一获取模块501，用于获取当前时刻的接收机的状态变量Xk，所述状态变量Xk包括所述接收机各跟踪通道相应的三维位置xk以及各跟踪通道相应的三维速度vk；
第二获取模块502，用于依据状态变量Xk，获取各跟踪通道相应的预先设置的适应度函数的第一函数值；
其中，所述适应度函数用于表征状态变量Xk，当前时刻的新息序列，前一时刻的状态变量Xk-1的估计误差协方差Pk-1的后验估计Pk-1,k-1，以及当前时刻的量测噪声Vk-1的协方差Rk的关联关系；当前时刻的新息序列用于表征前一时刻估计误差协方差Pk-1的后验估计Pk-1,k-1，与前一时刻过程噪声矩阵Wk-1的方差矩阵Qk-1的关联关系；
对于每一跟踪通道执行以下操作：
判断模块503，用于依据所述第一函数值判断所述跟踪通道相应的适应度函数是否收敛；
第三获取模块504，用于当所述跟踪通道相应的适应度函数不收敛时，依据三维速度vk以及预先获得的所述跟踪通道的三维位置xbest，获取所述适应度函数的第二函数值；
赋值模块505，用于当所述第一函数值小于所述第二函数值时，将三维位置xk赋值给三维位置xbest；
第四获取模块506，用于从各跟踪通道相应的xbest中获得使得所述适应度函数最小的三维位置Gbest；
第五获取模块507，用于依据三维位置xbest、三维位置Gbest、三维速度vk以及当前时刻的过程噪声Wk，获得调整后的三维速度；
第六获取模块508，用于依据调整后的三维速度以及三维位置xk，获得调整后的三维位置；
第七获取模块509，用于依据调整后的三维位置和调整后的三维速度，获得所述适应度函数的第三函数值；
第一返回模块510，用于将所述第三函数值作为所述第一函数值，记录当前的迭代次数，返回判断模块503；
调整模块511，用于当所述跟踪通道相应的适应度函数收敛或当前的迭代次数等于最大迭代次数时，依据所述调整后的三维位置调整所述跟踪通道当前时刻的三维位置，依据调整后的三维速度调整所述跟踪通道当前时刻的三维速度。
可选的，上述滤波器实施例中的第一获取模块包括：
第一获取单元，用于获取当前时刻状态变量Xk的先验估计以及当前时刻的状态变量Xk的估计误差协方差Pk的先验估计Pk,k-1；
第二获取单元，用于依据所述先验估计所述先验估计Pk,k-1，以及预先设置的第三目标函数，获得当前时刻所述滤波器的滤波增益Kk；
其中，所述第三目标函数用于表征当前时刻的滤波增益Kk、当前时刻的状态变量Xk的估计误差协方差Pk的先验估计Pk,k-1、当前时刻的量测噪声Vk-1的协方差Rk的关联关系，量测噪声协方差Rk为相应时刻的观测矩阵Zk的残差的协方差；
第三获取单元，用于依据先验估计先验估计Pk,k-1，滤波增益Kk以及预先设置的第四目标函数，获得当前时刻的状态变量Xk的后验估计
其中，所述第四目标函数用于表征当前时刻的状态变量Xk的先验估计当前时刻的状态变量Xk的后验估计当前时刻的滤波增益Kk、当前时刻的观测矩阵Zk的关联关系；
第四获取单元，用于依据所述后验估计以及预先设置的新息序列，获得第一参数γ，所述新息序列用于表征前一时刻估计误差协方差Pk-1的先验估计Pk-1,k-1，与前一时刻过程噪声矩阵Wk-1的方差矩阵Qk-1的关联关系；
第五获取单元，用于依据所述第一后验估计获取第二参数η；
第一确定单元，用于当所述第一参数γ大于第一预设门限以及所述第二参数η大于第二预设门限时，确定需要调整所述接收机的状态变量Xk；
第二确定单元，用于将所述第一后验估计确定为所述状态变量Xk。
可选的，上述任一滤波器实施例还包括：
第八获取模块，用于依据三维位置Gbest获得过程噪声缩减因子α；
第九获取模块，用于依据先验估计Pk,k-1以及预先设置的第五目标函数，获得估计误差协方差Pk的后验估计Pk,k；
其中，所述第五目标函数用于表征当前时刻的估计误差协方差Pk的后验估计Pk,k、当前时刻的估计误差协方差Pk的先验估计Pk,k-1以及当前时刻的滤波增益Kk的关联关系；
第十获取模块，用于依据后验估计Pk,k、所述过程噪声缩减因子α以及预先设置的第六目标函数，获得后一时刻K+1的后验估计Pk+1,k；
所述第六目标函数用于表征下一时刻的估计误差协方差Pk+1的先验估计Pk+1,k、当前时刻的估计误差协方差Pk的后验估计Pk,k、当前时刻的过程噪声矩阵Wk的方差矩阵Qk以及过程噪声缩减因子α的关联关系；
第十一获取模块，用于依据所述后验估计以及预先设置的第七目标函数，获得后一时刻K+1的状态变量Xk+1的先验估计
所述第七目标函数用于表征下一时刻状态变量Xk+1的先验估计与当前时刻的状态变量Xk的先验估计的关联关系；
第二返回模块，用于将后一时刻K+1，作为当前时刻K返回依据所述先验估计所述先验估计Pk,k-1，以及预先设置的第三目标函数，获得当前时刻所述滤波器的滤波增益Kk这一步骤。
可选的，上述任一滤波器实施例还包括：
确定模块，用于当所述第一参数γ小于等于所述第一预设门限或所述第二参数η小于等于所述第二预设门限时，确定无需调整所述接收机的状态变量Xk；
设置模块，用于将所述过程噪声缩减因子α设置为1。
最后，还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下，在其它实施例中实现。因此，本申请将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (8)

1.一种矢量跟踪方法，其特征在于，包括：
获取当前时刻的接收机的状态变量Xk，所述状态变量Xk包括所述接收机各跟踪通道相应的三维位置xk以及各跟踪通道相应的三维速度vk；
依据状态变量Xk，获取各跟踪通道相应的预先设置的适应度函数的第一函数值；
其中，所述适应度函数用于表征状态变量Xk，当前时刻的新息序列，前一时刻的状态变量Xk-1的估计误差协方差Pk-1的后验估计Pk-1,k-1，以及当前时刻的量测噪声Vk-1的协方差Rk的关联关系；当前时刻的新息序列用于表征前一时刻估计误差协方差Pk-1的后验估计Pk-1,k-1，与前一时刻过程噪声矩阵Wk-1的方差矩阵Qk-1的关联关系；
对于每一跟踪通道执行以下操作：
依据所述第一函数值判断所述跟踪通道相应的适应度函数是否收敛；
当所述跟踪通道相应的适应度函数不收敛时，依据三维速度vk以及预先获得的所述跟踪通道的三维位置xbest，获取所述适应度函数的第二函数值；
当所述第一函数值小于所述第二函数值时，将三维位置xk赋值给三维位置xbest；
从各跟踪通道相应的xbest中获得使得所述适应度函数最小的三维位置Gbest；
依据三维位置xbest、三维位置Gbest、三维速度vk以及当前时刻的过程噪声Wk，获得调整后的三维速度；
依据调整后的三维速度以及三维位置xk，获得调整后的三维位置；
依据调整后的三维位置和调整后的三维速度，获得所述适应度函数的第三函数值；
将所述第三函数值作为所述第一函数值，记录当前的迭代次数，返回步骤依据所述第一函数值判断所述跟踪通道相应的适应度函数是否收敛；
当所述跟踪通道相应的适应度函数收敛或当前的迭代次数等于最大迭代次数时，依据所述调整后的三维位置调整所述跟踪通道当前时刻的三维位置，依据调整后的三维速度调整所述跟踪通道当前时刻的三维速度。
2.根据权利要求1所述矢量跟踪方法，其特征在于，所述获取当前时刻的接收机的状态变量Xk包括：
获取当前时刻状态变量Xk的先验估计以及当前时刻的状态变量Xk的估计误差协方差Pk的先验估计Pk,k-1；
依据所述先验估计所述先验估计Pk,k-1，以及预先设置的第三目标函数，获得当前时刻所述滤波器的滤波增益Kk；
其中，所述第三目标函数用于表征当前时刻的滤波增益Kk、当前时刻的状态变量Xk的估计误差协方差Pk的先验估计Pk,k-1、当前时刻的量测噪声Vk-1的协方差Rk的关联关系，量测噪声协方差Rk为相应时刻的观测矩阵Zk的残差的协方差；
依据先验估计先验估计Pk,k-1，滤波增益Kk以及预先设置的第四目标函数，获得当前时刻的状态变量Xk的后验估计
其中，所述第四目标函数用于表征当前时刻的状态变量Xk的先验估计当前时刻的状态变量Xk的后验估计当前时刻的滤波增益Kk、当前时刻的观测矩阵Zk的关联关系；
依据所述后验估计以及预先设置的新息序列，获得第一参数γ，所述新息序列用于表征前一时刻估计误差协方差Pk-1的先验估计Pk-1,k-1，与前一时刻过程噪声矩阵Wk-1的方差矩阵Qk-1的关联关系；
依据所述第一后验估计获取第二参数η；
当所述第一参数γ大于第一预设门限以及所述第二参数η大于第二预设门限时，确定需要调整所述接收机的状态变量Xk；
将所述第一后验估计作为所述状态变量Xk。
3.根据权利要求2所述矢量跟踪方法，其特征在于，还包括：
依据三维位置Gbest获得过程噪声缩减因子α；
依据先验估计Pk,k-1以及预先设置的第五目标函数，获得估计误差协方差Pk的后验估计Pk,k；
其中，所述第五目标函数用于表征当前时刻的估计误差协方差Pk的后验估计Pk,k、当前时刻的估计误差协方差Pk的先验估计Pk,k-1以及当前时刻的滤波增益Kk的关联关系；
依据后验估计Pk,k、所述过程噪声缩减因子α以及预先设置的第六目标函数，获得后一时刻K+1的后验估计Pk+1,k；
所述第六目标函数用于表征下一时刻的估计误差协方差Pk+1的先验估计Pk+1,k、当前时刻的估计误差协方差Pk的后验估计Pk,k、当前时刻的过程噪声矩阵Wk的方差矩阵Qk以及过程噪声缩减因子α的关联关系；
依据所述后验估计以及预先设置的第七目标函数，获得后一时刻K+1的状态变量Xk+1的先验估计
所述第七目标函数用于表征下一时刻状态变量Xk+1的先验估计与当前时刻的状态变量Xk的先验估计的关联关系；
将后一时刻K+1，作为当前时刻K返回依据所述先验估计所述先验估计Pk,k-1，以及预先设置的第三目标函数，获得当前时刻所述滤波器的滤波增益Kk这一步骤。
4.根据权利要求2或3所述矢量跟踪方法，其特征在于，还包括：
当所述第一参数γ小于等于所述第一预设门限或所述第二参数η小于等于所述第二预设门限时，确定无需调整所述接收机的状态变量Xk；
将所述过程噪声缩减因子α设置为1。
5.一种滤波器，其特征在于，包括：
第一获取模块，用于获取当前时刻的接收机的状态变量Xk，所述状态变量Xk包括所述接收机各跟踪通道相应的三维位置xk以及各跟踪通道相应的三维速度vk；
第二获取模块，用于依据状态变量Xk，获取各跟踪通道相应的预先设置的适应度函数的第一函数值；
其中，所述适应度函数用于表征状态变量Xk，当前时刻的新息序列，前一时刻的状态变量Xk-1的估计误差协方差Pk-1的后验估计Pk-1,k-1，以及当前时刻的量测噪声Vk-1的协方差Rk的关联关系；当前时刻的新息序列用于表征前一时刻估计误差协方差Pk-1的后验估计Pk-1,k-1，与前一时刻过程噪声矩阵Wk-1的方差矩阵Qk-1的关联关系；
对于每一跟踪通道执行以下操作：
判断模块，用于依据所述第一函数值判断所述跟踪通道相应的适应度函数是否收敛；
第三获取模块，用于当所述跟踪通道相应的适应度函数不收敛时，依据三维速度vk以及预先获得的所述跟踪通道的三维位置xbest，获取所述适应度函数的第二函数值；
赋值模块，用于当所述第一函数值小于所述第二函数值时，将三维位置xk赋值给三维位置xbest；
第四获取模块，用于从各跟踪通道相应的xbest中获得使得所述适应度函数最小的三维位置Gbest；
第五获取模块，用于依据三维位置xbest、三维位置Gbest、三维速度vk以及当前时刻的过程噪声Wk，获得调整后的三维速度；
第六获取模块，用于依据调整后的三维速度以及三维位置xk，获得调整后的三维位置；
第七获取模块，用于依据调整后的三维位置和调整后的三维速度，获得所述适应度函数的第三函数值；
第一返回模块，用于将所述第三函数值作为所述第一函数值，记录当前的迭代次数，返回步骤依据所述第一函数值判断所述跟踪通道相应的适应度函数是否收敛；
调整模块，用于当所述跟踪通道相应的适应度函数收敛或当前的迭代次数等于最大迭代次数时，依据所述调整后的三维位置调整所述跟踪通道当前时刻的三维位置，依据调整后的三维速度调整所述跟踪通道当前时刻的三维速度。
6.根据权利要求4所述滤波器，其特征在于，所述第一获取模块包括：
第一获取单元，用于获取当前时刻状态变量Xk的先验估计以及当前时刻的状态变量Xk的估计误差协方差Pk的先验估计Pk,k-1；
第二获取单元，用于依据所述先验估计所述先验估计Pk,k-1，以及预先设置的第三目标函数，获得当前时刻所述滤波器的滤波增益Kk；
其中，所述第三目标函数用于表征当前时刻的滤波增益Kk、当前时刻的状态变量Xk的估计误差协方差Pk的先验估计Pk,k-1、当前时刻的量测噪声Vk-1的协方差Rk的关联关系，量测噪声协方差Rk为相应时刻的观测矩阵Zk的残差的协方差；
第三获取单元，用于依据先验估计先验估计Pk,k-1，滤波增益Kk以及预先设置的第四目标函数，获得当前时刻的状态变量Xk的后验估计
其中，所述第四目标函数用于表征当前时刻的状态变量Xk的先验估计当前时刻的状态变量Xk的后验估计当前时刻的滤波增益Kk、当前时刻的观测矩阵Zk的关联关系；
第四获取单元，用于依据所述后验估计以及预先设置的新息序列，获得第一参数γ，所述新息序列用于表征前一时刻估计误差协方差Pk-1的先验估计Pk-1,k-1，与前一时刻过程噪声矩阵Wk-1的方差矩阵Qk-1的关联关系；
第五获取单元，用于依据所述第一后验估计获取第二参数η；
第一确定单元，用于当所述第一参数γ大于第一预设门限以及所述第二参数η大于第二预设门限时，确定需要调整所述接收机的状态变量Xk；
第二确定单元，用于将所述第一后验估计确定为所述状态变量Xk。
7.根据权利要求6所述滤波器，其特征在于，还包括：
第八获取模块，用于依据三维位置Gbest获得过程噪声缩减因子α；
第九获取模块，用于依据先验估计Pk,k-1以及预先设置的第五目标函数，获得估计误差协方差Pk的后验估计Pk,k；
其中，所述第五目标函数用于表征当前时刻的估计误差协方差Pk的后验估计Pk,k、当前时刻的估计误差协方差Pk的先验估计Pk,k-1以及当前时刻的滤波增益Kk的关联关系；
第十获取模块，用于依据后验估计Pk,k、所述过程噪声缩减因子α以及预先设置的第六目标函数，获得后一时刻K+1的后验估计Pk+1,k；
所述第六目标函数用于表征下一时刻的估计误差协方差Pk+1的先验估计Pk+1,k、当前时刻的估计误差协方差Pk的后验估计Pk,k、当前时刻的过程噪声矩阵Wk的方差矩阵Qk以及过程噪声缩减因子α的关联关系；
第十一获取模块，用于依据所述后验估计以及预先设置的第七目标函数，获得后一时刻K+1的状态变量Xk+1的先验估计
所述第七目标函数用于表征下一时刻状态变量Xk+1的先验估计与当前时刻的状态变量Xk的先验估计的关联关系；
第二返回模块，用于将后一时刻K+1，作为当前时刻K返回依据所述先验估计所述先验估计Pk,k-1，以及预先设置的第三目标函数，获得当前时刻所述滤波器的滤波增益Kk这一步骤。
8.根据权利要求6或7所述滤波器，其特征在于，还包括：
确定模块，用于当所述第一参数γ小于等于所述第一预设门限或所述第二参数η小于等于所述第二预设门限时，确定无需调整所述接收机的状态变量Xk；
设置模块，用于将所述过程噪声缩减因子α设置为1。
CN201611250319.5A 2016-12-29 2016-12-29 矢量跟踪方法及滤波器 Pending CN106855626A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201611250319.5A CN106855626A (zh) 2016-12-29 2016-12-29 矢量跟踪方法及滤波器

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201611250319.5A CN106855626A (zh) 2016-12-29 2016-12-29 矢量跟踪方法及滤波器

Publications (1)

Publication Number Publication Date
CN106855626A true CN106855626A (zh) 2017-06-16

Family

ID=59126677

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201611250319.5A Pending CN106855626A (zh) 2016-12-29 2016-12-29 矢量跟踪方法及滤波器

Country Status (1)

Country Link
CN (1) CN106855626A (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107255824A (zh) * 2017-06-22 2017-10-17 北京航空航天大学 一种误差与非误差建模相结合的高动态gnss矢量跟踪方法
CN108089576A (zh) * 2017-09-08 2018-05-29 江苏添仂智能科技有限公司 一种基于uwb的悬挂式无人车的定位及控制方法
CN112019251A (zh) * 2020-07-21 2020-12-01 深圳市月光宝和科技有限责任公司 通信方法、通信装置及存储介质
CN112804621A (zh) * 2020-12-30 2021-05-14 西安讯飞超脑信息科技有限公司 音频均衡方法、耳机电路和耳机

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101666868A (zh) * 2009-09-30 2010-03-10 北京航空航天大学 一种基于sins/gps深组合数据融合的卫星信号矢量跟踪方法
CN101826852A (zh) * 2010-03-11 2010-09-08 哈尔滨工程大学 基于粒子群优化算法的无迹粒子滤波方法
CN103487047A (zh) * 2013-08-06 2014-01-01 重庆邮电大学 一种基于改进粒子滤波的移动机器人定位方法
CN103809191A (zh) * 2014-02-25 2014-05-21 浙江理工大学 一种gnss接收机的信号跟踪算法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101666868A (zh) * 2009-09-30 2010-03-10 北京航空航天大学 一种基于sins/gps深组合数据融合的卫星信号矢量跟踪方法
CN101826852A (zh) * 2010-03-11 2010-09-08 哈尔滨工程大学 基于粒子群优化算法的无迹粒子滤波方法
CN103487047A (zh) * 2013-08-06 2014-01-01 重庆邮电大学 一种基于改进粒子滤波的移动机器人定位方法
CN103809191A (zh) * 2014-02-25 2014-05-21 浙江理工大学 一种gnss接收机的信号跟踪算法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
DAH-JING JWO等: "Particle swarm optimization for GPS navigation Kalman filter adaptation", 《AIRCRAFT ENGINEERING AND AEROSPACE TECHNOLOGY》 *
曾广裕: "基于扩展卡尔曼滤波的全球导航卫星系统矢量跟踪建模与仿真", 《兵工学报》 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107255824A (zh) * 2017-06-22 2017-10-17 北京航空航天大学 一种误差与非误差建模相结合的高动态gnss矢量跟踪方法
CN108089576A (zh) * 2017-09-08 2018-05-29 江苏添仂智能科技有限公司 一种基于uwb的悬挂式无人车的定位及控制方法
CN112019251A (zh) * 2020-07-21 2020-12-01 深圳市月光宝和科技有限责任公司 通信方法、通信装置及存储介质
CN112804621A (zh) * 2020-12-30 2021-05-14 西安讯飞超脑信息科技有限公司 音频均衡方法、耳机电路和耳机

Similar Documents

Publication Publication Date Title
US10222479B2 (en) Psuedo maximum likelihood tracking for global navigation satellite systems
US8471764B2 (en) Method for estimating hidden channel parameters of a GNSS navigation signal received in a multipath environment
CN106855626A (zh) 矢量跟踪方法及滤波器
US8525727B2 (en) Position and velocity uncertainty metrics in GNSS receivers
Montillet et al. Extracting white noise statistics in GPS coordinate time series
Won et al. Iterative maximum likelihood estimators for high-dynamic GNSS signal tracking
Orabi et al. A machine learning approach for GPS code phase estimation in multipath environments
CN113819906A (zh) 一种基于统计相似度量的组合导航鲁棒滤波方法
Li et al. Improved maximum correntropy cubature Kalman filter for cooperative localization
CN111149018A (zh) 用于校准系统参数的方法和系统
CN102033236A (zh) 一种卫星导航位置速度联合估计方法
CN103926603A (zh) Gnss接收机极弱信号的跟踪方法
CN104062672A (zh) 基于强跟踪自适应Kalman滤波的SINSGPS组合导航方法
CN107515414B (zh) 一种电离层闪烁下基于矢量跟踪的自适应卡尔曼滤波方法
CN110146901A (zh) 基于径向基神经网络和无迹卡尔曼滤波多径估计方法
CN109375248A (zh) 一种卡尔曼多模融合定位算法模型及其串行更新的方法
CN109471137A (zh) 一种自适应矢量跟踪环路的实现方法
Closas et al. Evaluation of GNSS direct position estimation in realistic multipath channels
CN110927748A (zh) 一种基于稀疏估计的gnss定位多径缓解方法
Han et al. Precise positioning with machine learning based Kalman filter using GNSS/IMU measurements from android smartphone
Cortés et al. Performance and complexity comparison of adaptive loop-bandwidth tracking techniques
Mazher et al. GNSS pseudorange smoothing: Linear vs non-linear filtering paradigm
CN110940999A (zh) 一种基于误差模型下的自适应无迹卡尔曼滤波方法
CN103675880A (zh) 一种卫星信号阻塞情况下的持续导航方法
Giger et al. Joint satellite code and carrier tracking

Legal Events

Date Code Title Description
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20170616