CN107367741B - 用于gnss信号间歇性跟踪的开环卡尔曼方法 - Google Patents

Abstract

在传统闭环间歇跟踪方法中，由于闭环结构的信号牵引捕获范围较窄且最终跟踪精度需要一定的时间才能保证信号收敛。针对现有技术存在的上述问题，本发明提出了一种用于GNSS信号间歇性跟踪的开环卡尔曼方法。本发明中的开环估计器，用于对活跃周期内的信号参数进行估计。在GNSS信号间歇性跟踪中，存在信号活跃周期和休眠周期，其中活跃周期的时长为Ta，休眠周期的时长为Ts，两者之和为T＝Ta+Ts。本发明在GNSS信号间歇性跟踪中的活跃周期内，利用开环估计器对每个活跃周期内的信号进行参数估计，然后再利用卡尔曼滤波器对不同活跃周期间的估计结果进行滤波处理，从而在扩大信号捕获范围的同时，也提高了信号跟踪的精度。

Description

用于GNSS信号间歇性跟踪的开环卡尔曼方法

技术领域

本发明涉及导航接收机设备研制领域，具体的说是一种用于GNSS信号间歇性跟踪的开环卡尔曼方法，其可运用在卫星导航系统中接收终端类设备的研制中。

背景技术

随着GNSS接收模块在大众消费电子产品中的应用普及，GNSS接收机的功耗已经成为一个重要指标参考，为了降低接收机的功耗，间歇跟踪技术收到了广泛地关注和应用。传统间歇性跟踪方法基于闭环跟踪结构，由于闭环结构的信号牵引捕获范围较窄，且最终跟踪精度需要一定的时间才可以收敛，因此要求间歇跟踪方法中的睡眠周期较短且活跃周期较长。而这样一来，间歇跟踪的占空比则通常较大，从而影响功耗降低的性能。虽然传统开环跟踪方法可以扩大信号的牵引捕获范围，但跟踪精度较差。在传统开环跟踪的基础上，在间歇跟踪中利用卡尔曼滤波器对相邻活跃周期的开环估计结果进行滤波处理，可以有效提高开环跟踪方法的精度。

发明内容

针对背景技术中介绍的用于间歇跟踪的传统开环和闭环跟踪方法的缺陷，本发明提出了一种用于GNSS信号间歇性跟踪的开环卡尔曼方法。本发明中的开环估计器，用于对活跃周期内的信号参数进行估计。在GNSS信号间歇性跟踪中，存在信号活跃周期和休眠周期，其中活跃周期的时长为T_a，休眠周期的时长为T_s，两者之和为T＝T_a+T_s。本申请在GNSS信号间歇性跟踪中的活跃周期内，利用开环估计器对每个活跃周期内的信号进行参数估计，然后再利用卡尔曼滤波器对不同活跃周期间的估计结果进行滤波处理，从而在扩大信号捕获范围的同时，也提高了信号跟踪的精度。

一种用于GNSS信号间歇性跟踪的开环卡尔曼方法，其特征在于，包括以下步骤：

步骤1，在GNSS信号间歇性跟踪中的活跃周期内，利用开环估计器对信号的参数进行开环估计，具体包括如下步骤：

步骤101，导航信号经过接收机中的天线，射频前端，AD转换器后变为数字中频信号r(t_n)；

其中t_n＝n/F_s，为离散时间，F_s为信号采样速率；C为信号载波功率，d()为导航电文信息，c()为伪随机码(PRN:Pseudo Random Noise-code)，τ为信号传输延迟，单位chips；f_C为伪随机码的码速率，单位为Hz；f_IF为信号的中频频率单位为Hz；f_d为多普勒频率，单位为Hz；为初始的载波相位，单位为cycles；n_w为加性高斯白噪声，其功率谱密度为(PSD：Power Spectral Density)N₀。

步骤102，本地搜索的相关器组组成的二维搜索网格，其搜索范围对应的伪码相位时延和载波频率设置如下所示

其中和为第k个历元的初始值，由间歇跟踪滤波器给出，τ_b和f_b为相关器组中的伪码相位和载波频率间隔，M为伪码相位时延搜索范围大小，N为载波频率搜索范围大小，M和N的值将决定相关器组个数。本地搜索的相关器组构成的二维搜索网格大小为(2M+1)×(2N+1)。

对于第i个伪码相位和第j个载波频率搜索格子而言，对应的伪码相位和载波频率取值为

步骤103，本地载波NCO和伪码NCO装置根据二维搜索网格中的每个搜索格子对应的伪码相位和载波频率分别生成本地载波和伪码信号；

如第i个伪码相位和第j个载波频率搜索格子对应的本地复制信号的同相支路s_I,i,j(t_n)和正交支路s_Q,i,j(t_n)为

其中为载波相位初值。

步骤104，利用跟踪通道中的相关器完成步骤103得到的本地复制信号和步骤101得到的数字中频信号r(t_n)的相关运算；

以第i个伪码相位和第j个载波频率搜索格子为例，相关后的结果记为r_I,i,j(t_n)和r_Q,i,j(t_n)，具体为：

r_I,i,j(t_n)＝r(t_n)·s_I,i,j(t_n)

r_Q,i,j(t_n)＝r(t_n)·s_Q,i,j(t_n)

步骤105，利用跟踪通道中的积分器，对步骤104得到的结果进行累加处理；

第i伪码相位和第j个载波频率搜索格子对应的结果为

其中R()为PRN码的相关函数；T_c为相干积分时间，T_c和活跃周期的长度一致，即T_c＝T_a；n_I和n_Q分别为I和Q支路的噪声分量；

步骤106，跟踪通道中的能量检波器，根据步骤105中I和Q支路的积分结果计算其能量大小；

第i伪码相位和第j个载波频率搜索格子对应的能量P_i,j为

P_i,j＝I_i,j ²+Q_i,j ²

步骤107，峰值检测器，根据所有搜索格子的能量大小，寻找信号存在的搜索格子位置，即假设信号存在时，它应该位于所有搜索格子内能量最大的格子中，此时对应的伪码相位下标p和载波频率下标q可通过下式给出：

利用上式计算得到的信号的伪码相位延迟τ_p和载波频率f_q即信号参数的粗估计结果。

步骤108，利用跟踪通道中的鉴别器进一步提高步骤107得到的信号参数的粗估计结果的精度；

跟踪通道中的鉴别器包括伪码相位鉴别器，载波相位鉴别器和载波频率鉴别器。

伪码相位鉴别器采用传统的NELP(Non-coherent Early Late Processing)鉴别器实现，相对第k个历元的初始值的误差估计结果为

其估计精度为

其中C/N₀为信号载噪比。

载波相位鉴别器采用ATAN型鉴别器实现，相对第k个历元的初始值的误差估计结果为

其估计精度为

载波频率鉴别器采用能量差分鉴别器实现，相对第k个历元的初始值的误差估计结果为

估计精度为

其中

至此实现了开环信号参数估计。

步骤2，间歇卡尔曼滤波器(KF:Kalman Filter)，利用卡尔曼估计方法进一步提升传统开环信号参数估计的精度，具体方法如下

对信号载波跟踪而言，间歇卡尔曼滤波器离散时间动态方程为

δX_k＝Φ·δX_k-1+ω_k

其中δX_k＝[δφ_k；δf_k；δa_k]为状态误差向量，δφ_k,δf_k,δa_k,分别为载波相位误差，多普勒频率误差和多普勒频率变化率的误差；δ表示向量的误差状态；k表示间歇卡尔曼滤波器KF中的第k个滤波历元；Φ为状态转移矩阵，具体为

其中T_u为间歇跟踪滤波器的更新间隔，即T_u＝T＝T_a+T_s。ω_k为动态噪声，其噪声协方差矩阵Q为

其中q_a ²为多普勒频率变化率的噪声功率谱密度。

间歇卡尔曼滤波器KF模型的观测方程为

Y_k＝H·δX_k+v_k

其中Y_k为观测量，H为测量矩阵，v_k为观测量噪声。

根据观测量的不同，间歇卡尔曼滤波器KF分为两种模式，记为M1和M2；

在M1情况下有

Y_k＝Δφ_k,R＝σ_φ ²,H＝[1 -T_u/2 T_u ²/6]

在M2情况下有

Y_k＝Δf_k,R＝σ_f ²,H＝[0 1 -T_u/2]

当间歇卡尔曼滤波器KF工作在M1模式下时，能够保持对信号载波相位和载波频率的锁定跟踪，当工作在M2模式下时，能够保持对信号载波频率的锁定跟踪，但不能保持对载波相位的锁定跟踪。这两种模式对应于传统观的PLL和FLL环路。

对于信号伪码的跟踪，采用载波辅助的方式，只需要设计一个一阶的伪码环路即可，即有

其中为在第k个历元内本地复制信号的伪码相位误差的最终估计结果，α为平滑因子，和传统DLL环路中的带宽类似，它的值可以设计为1/k即随着滤波历元的变化而变化，并最终保持为一固定值1/Ks，Ks为平滑深度。这样有助于进一步加快码的收敛。

步骤3，接收机进入休眠模式，在休眠周期内，接收机不进行任何操作，处于待机状态，能够有效节约功耗。

本发明的有益技术效果是：

1、扩大了信号重捕获的范围，相比闭环跟踪方法而言，开环跟踪可以灵活的设计本地搜索范围，扩大了信号重捕获的范围。

2、提高了信号参数的跟踪精度，利用卡尔曼滤波器，对每个活跃周期内的开环估计结果进行滤波处理，可以有效提高开环估计的精度。

附图说明

图1为GNSS信号的间歇跟踪结构示意图

图2为活跃周期内的开环卡尔曼跟踪的处理流程图

图3为不同间歇跟踪方法的跟踪结果对比图

具体实施方式

为了使本发明的技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用于解释本发明，并不用于限定本发明。

本发明实施例提出了一种用于GNSS信号间歇性跟踪的开环卡尔曼方法，以扩大间歇跟踪的重捕获范围，提高跟踪结果的精度。在GNSS信号间歇性跟踪中，存在信号活跃周期和休眠周期，其中活跃周期的时长为T_a，休眠周期的时长为T_s，两者之和为T＝T_a+T_s。

本发明提出了一种用于GNSS信号间歇性跟踪的开环卡尔曼方法。本发明中的开环估计器，用于对活跃周期内的信号参数进行估计。本申请在GNSS信号间歇性跟踪中的活跃周期内，利用开环估计器对每个活跃周期内的信号进行参数估计，然后再利用卡尔曼滤波器对不同活跃周期间的估计结果进行滤波处理，从而在扩大信号捕获范围的同时，也提高了信号跟踪的精度。

图1为GNSS信号的间歇跟踪结构示意图，图1中的1、2和3分别表示步骤1、2和3。当信号处于活跃周期时，开环卡尔曼跟踪用于对活跃周期内的信号进行参数估计，图2为活跃周期内的开环卡尔曼跟踪的处理流程图，图2中的101至108分别对应步骤101至108。本发明方法包括如下步骤：

步骤1，在GNSS信号间歇性跟踪中的活跃周期内，利用开环估计器对信号的参数进行开环估计。开环估计器，用于对活跃周期内的信号参数进行估计。

步骤101，导航信号经过接收机中的天线，射频前端，AD转换器后变为数字中频信号r(t_n)；

其中t_n＝n/F_s，为离散时间，F_s为信号采样速率；C为信号载波功率，d()为导航电文信息，c()为伪随机码(PRN:Pseudo Random Noise-code)，τ为信号传输延迟，单位chips；f_C为伪随机码的码速率，单位为Hz；f_IF为信号的中频频率单位为Hz；f_d为多普勒频率，单位为Hz；为初始的载波相位，单位为cycles；n_w为加性高斯白噪声，其功率谱密度为(PSD：Power Spectral Density)N₀。

步骤102，本地搜索的相关器组组成的二维搜索网格，其搜索范围对应的伪码相位时延和载波频率设置如下所示

其中和为第k个历元的初始值，由间歇跟踪滤波器给出，τ_b和f_b为相关器组中的伪码相位和载波频率间隔，M为伪码相位时延搜索范围大小，N为载波频率搜索范围大小，M和N的值将决定相关器组个数。本地搜索的相关器组构成的二维搜索网格大小为(2M+1)×(2N+1)。

对于第i个伪码相位和第j个载波频率搜索格子而言，对应的伪码相位和载波频率取值为

步骤103，本地载波NCO和伪码NCO装置根据二维搜索网格中的每个搜索格子对应的伪码相位和载波频率分别生成本地载波和伪码信号；

如第i个伪码相位和第j个载波频率搜索格子对应的本地复制信号的同相支路s_I,i,j(t_n)和正交支路s_Q,i,j(t_n)为

其中为载波相位初值。

步骤104，利用跟踪通道中的相关器完成步骤103得到的本地复制信号和步骤101得到的数字中频信号r(t_n)的相关运算；

以第i个伪码相位和第j个载波频率搜索格子为例，相关后的结果记为r_I,i,j(t_n)和r_Q,i,j(t_n)，具体为：

r_I,i,j(t_n)＝r(t_n)·s_I,i,j(t_n)

r_Q,i,j(t_n)＝r(t_n)·s_Q,i,j(t_n)

步骤105，利用跟踪通道中的积分器，对步骤104得到的结果进行累加处理；

第i伪码相位和第j个载波频率搜索格子对应的结果为

其中R()为PRN码的相关函数；T_c为相干积分时间，T_c和活跃周期的长度一致，即T_c＝T_a；n_I和n_Q分别为I和Q支路的噪声分量；

步骤106，跟踪通道中的能量检波器，根据步骤105中I和Q支路的积分结果计算其能量大小；

第i伪码相位和第j个载波频率搜索格子对应的能量P_i,j为

P_i,j＝I_i,j ²+Q_i,j ²

步骤107，峰值检测器，根据所有搜索格子的能量大小，寻找信号存在的搜索格子位置，即假设信号存在时，它应该位于所有搜索格子内能量最大的格子中，此时对应的伪码相位下标p和载波频率下标q可通过下面方式给出

故利用上式计算得到的信号的伪码相位延迟τ_p和载波频率f_q可看作时信号参数的粗估计结果，其精度较差。

步骤108，利用跟踪通道中的鉴别器进一步提高步骤107得到的信号参数的粗估计结果的精度；

跟踪通道中的鉴别器包括伪码相位鉴别器，载波相位鉴别器和载波频率鉴别器。

伪码相位鉴别器采用传统的NELP(Non-coherent Early Late Processing)鉴别器实现，相对第k个历元的初始值的误差估计结果为

其估计精度为

其中C/N₀为信号载噪比。

载波相位鉴别器采用ATAN型鉴别器实现，相对第k个历元的初始值的误差估计结果为

其估计精度为

载波频率鉴别器采用能量差分鉴别器实现，相对第k个历元的初始值的误差估计结果为

估计精度为

其中

至此实现了开环信号参数估计。

步骤2，间歇卡尔曼滤波器(KF:Kalman Filter)，利用卡尔曼估计方法进一步提升传统开环信号参数估计的精度，具体方法如下

对信号载波跟踪而言，间歇卡尔曼滤波器离散时间动态方程为

δX_k＝Φ·δX_k-1+ω_k

其中δX_k＝[δφ_k；δf_k；δa_k]为状态误差向量，δφ_k,δf_k,δa_k,分别为载波相位误差，多普勒频率误差和多普勒频率变化率的误差；δ表示向量的误差状态；k表示间歇卡尔曼滤波器KF中的第k个滤波历元；Φ为状态转移矩阵，具体为

其中T_u为间歇跟踪滤波器的更新间隔，即T_u＝T＝T_a+T_s。ω_k为动态噪声，其噪声协方差矩阵Q为

其中q_a ²为多普勒频率变化率的噪声功率谱密度。

间歇卡尔曼滤波器KF模型的观测方程为

Y_k＝H·δX_k+v_k

其中Y_k为观测量，H为测量矩阵，v_k为观测量噪声。

根据观测量的不同，间歇卡尔曼滤波器KF分为两种模式，记为M1和M2；

在M1情况下有

Y_k＝Δφ_k,R＝σ_φ ²,H＝[1 -T_u/2 T_u ²/6]

在M2情况下有

Y_k＝Δf_k,R＝σ_f ²,H＝[0 1 -T_u/2]

当间歇卡尔曼滤波器KF工作在M1模式下时，能够保持对信号载波相位和载波频率的锁定跟踪，当工作在M2模式下时，能够保持对信号载波频率的锁定跟踪，但不能保持对载波相位的锁定跟踪。这两种模式对应于传统观的PLL和FLL环路。

对于信号伪码的跟踪，采用载波辅助的方式，只需要设计一个一阶的伪码环路即可，即有

其中为在第k个历元内本地复制信号的伪码相位误差的最终估计结果，α为平滑因子，和传统DLL环路中的带宽类似，它的值可以设计为1/k即随着滤波历元的变化而变化，并最终保持为一固定值1/K_s，K_s为平滑深度。这样有助于进一步加快码的收敛。

步骤3，接收机进入休眠模式，在休眠周期内，接收机不进行任何操作，处于待机状态，能够有效节约功耗。

图3为本实施例对某颗卫星信号的跟踪仿真结果。

其中A1，A2和A3分别表示传统闭环间歇跟踪方法、本发明中提出的开环卡尔曼的间歇跟踪方法、仅开环的间歇跟踪方法，其中M1和M2分别表示PLL和FLL两种工作模式。

图(a)和(b)仿真了活跃周期Ta＝0.04s，休眠周期T_s＝0.1s和0.2s情况下A1和A2两种方法在PLL模式下的载波频率和载波相位的跟踪误差，从图中可以看出到，对于T_s＝0.2s的情况，传统闭环间歇跟踪方法已经无法正常对信号进行跟踪，但是利用本发明提供的开环卡尔曼的间歇跟踪方法依然可以实现对信号载波相位和载波频率的稳定跟踪，说明本发明的方法可以使用更长的休眠时间，这主要是由于本发明法中的开环技术具有更大的重捕获范围，可以保证在较长时间的休眠周期下，依然能够对信号进行稳定跟踪。

图(c)和(d)仿真了活跃周期Ta＝0.04s，休眠周期为0.5s时，A1、A2、A3在FLL模式下的跟踪结果，对比它们的载波频率跟踪误差，可以看出开环结构下的载波频率跟踪误差要小于闭环结构下的载波频率跟踪误差，这主要是由于信号活跃周期较短，采用闭环结构时，其信号积分时间较短，导致跟踪误差较大。对比它们的伪码相位跟踪误差，可以看出，采用开环卡尔曼滤波器的间歇跟踪方法，其伪码跟踪精度明显优于传统开环间歇跟踪方法，这是由于开环卡尔曼滤波器能够充分利用前面若干活跃周期内的跟踪结果对当前的跟踪结果进行滤波处理，提高最终的跟踪精度。

在传统闭环间歇跟踪方法中，由于闭环结构的信号牵引捕获范围较窄且最终跟踪精度需要一定的时间才能保证信号收敛。因此要求间歇跟踪方法中的睡眠周期较短且活跃周期较长，而这样一来，间歇跟踪的占空比则通常较大，从而影响功耗降低的性能。本发明利用开环跟踪可以灵活设计信号的牵引捕获范围的优势，将其用于间歇跟踪方法中，同时利用卡尔曼滤波器对相邻活跃周期的开环估计结果进行滤波处理，可以有效提高开环跟踪方法的精度。

综上所述，虽然本发明已以较佳实施例揭露如上，然其并非用以限定本发明，任何本领域普通技术人员，在不脱离本发明的精神和范围内，当可作各种更动与润饰，因此本发明的保护范围当视权利要求书界定的范围为准。

Claims (6)

1.一种用于GNSS信号间歇性跟踪的开环卡尔曼方法，其特征在于，包括以下步骤：

步骤1，在GNSS信号间歇性跟踪中的活跃周期内，利用开环估计器对信号的参数进行开环估计；

步骤2，间歇卡尔曼滤波器利用卡尔曼估计方法进一步提升步骤1中开环信号参数估计的精度，方法如下：

对信号载波跟踪而言，间歇卡尔曼滤波器离散时间动态方程为

δX_k＝Φ·δX_k-1+ω_k

其中δX_k＝[δφ_k；δf_k；δa_k]为状态误差向量，δφ_k,δf_k,δa_k,分别为载波相位误差，多普勒频率误差和多普勒频率变化率的误差；δ表示向量的误差状态；k表示间歇卡尔曼滤波器中的第k个滤波历元；Φ为状态转移矩阵，表示为

其中在GNSS信号间歇性跟踪中，存在信号活跃周期和休眠周期，其中活跃周期的时长为T_a，休眠周期的时长为T_s，两者之和为T＝T_a+T_s；T_u为间歇跟踪滤波器的更新间隔，即T_u＝T＝T_a+T_s；ω_k为动态噪声，其噪声协方差矩阵Q为

其中q_a ²为多普勒频率变化率的噪声功率谱密度；

间歇卡尔曼滤波器模型的观测方程为

Y_k＝H·δX_k+v_k

其中Y_k为观测量，H为测量矩阵，v_k为观测量噪声；

根据观测量的不同，间歇卡尔曼滤波器分为两种模式，记为M1和M2；

在M1情况下有

Y_k＝Δφ_k,R＝σ_φ ²,H＝[1 -T_u/2 T_u ²/6]

其中：Δφ_k为相对第k个历元的初始值的误差估计结果；σ_φ ²为相对第k个历元的初始值的误差估计精度；

在M2情况下有

Y_k＝Δf_k,R＝σ_f ²,H＝[0 1 -T_u/2]

其中Δf_k为相对第k个历元的初始值的误差估计结果；σ_f ²为相对第k个历元的初始值的误差估计精度；

当间歇卡尔曼滤波器工作在M1模式下时，能够保持对信号载波相位和载波频率的锁定跟踪，当工作在M2模式下时，能够保持对信号载波频率的锁定跟踪，但不能保持对载波相位的锁定跟踪；

对于信号伪码的跟踪，采用载波辅助的方式，只需要设计一个一阶的伪码环路即可，即有

其中为在第k个历元内本地复制信号的伪码相位误差的最终估计结果，α为平滑因子，α的取值设为1/k即随着滤波历元的变化而变化，并最终保持为一固定值1/K_s，K_s为平滑深度；

步骤3，接收机进入休眠模式，在休眠周期内，接收机不进行任何操作，处于待机状态，能够有效节约功耗。

2.根据权利要求1所述的用于GNSS信号间歇性跟踪的开环卡尔曼方法，其特征在于，步骤1的实现方法如下：

步骤101，导航信号经过接收机中的天线，射频前端，AD转换器后变为数字中频信号r(t_n)；

其中t_n＝n/F_s，为离散时间；F_s为信号采样速率；C为信号载波功率；d()为导航电文信息；c()为伪随机码；τ为信号传输延迟，单位chips；f_C为伪随机码的码速率，单位为Hz；f_IF为信号的中频频率单位为Hz；f_d为多普勒频率，单位为Hz；为初始的载波相位，单位为cycles；n_w为加性高斯白噪声，其功率谱密度为N₀；

步骤102，本地搜索的相关器组组成二维搜索网格，其搜索范围对应的伪码相位时延和载波频率设置如下所示：

其中和为第k个历元的初始值，由间歇跟踪滤波器给出，τ_b和f_b为相关器组中的伪码相位和载波频率间隔，M为伪码相位时延搜索范围大小，N为载波频率搜索范围大小，M和N的值将决定相关器组个数；本地搜索的相关器组构成的二维搜索网格大小为(2M+1)×(2N+1)；

对于第i个伪码相位和第j个载波频率搜索格子而言，对应的伪码相位和载波频率取值为

步骤103，根据二维搜索网格中的每个搜索格子对应的伪码相位和载波频率，本地载波NCO和伪码NCO装置分别生成本地载波和伪码信号；

如第i个伪码相位和第j个载波频率搜索格子对应的本地复制信号的同相支路s_I,i,j(t_n)和正交支路s_Q,i,j(t_n)为

其中为载波相位初值；

步骤104，利用跟踪通道中的相关器完成步骤103得到的本地复制信号和步骤101得到的数字中频信号r(t_n)的相关运算；

以第i个伪码相位和第j个载波频率搜索格子为例，相关后的结果记为r_I,i,j(t_n)和r_Q,i,j(t_n)，如下：

r_I,i,j(t_n)＝r(t_n)·s_I,i,j(t_n)

r_Q,i,j(t_n)＝r(t_n)·s_Q,i,j(t_n)

步骤105，利用跟踪通道中的积分器，对步骤104得到的结果进行累加处理；

第i伪码相位和第j个载波频率搜索格子对应的结果为：

其中R()为PRN码的相关函数；T_c为相干积分时间，T_c和活跃周期的长度一致，即T_c＝T_a；n_I和n_Q分别为I和Q支路的噪声分量；

步骤106，跟踪通道中的能量检波器根据步骤105中I和Q支路的积分结果计算其能量大小；

第i伪码相位和第j个载波频率搜索格子对应的能量P_i,j为

P_i,j＝I_i,j ²+Q_i,j ²

步骤107，峰值检测器，根据所有搜索格子的能量大小，寻找信号存在的搜索格子位置，即假设信号存在时，它应该位于所有搜索格子内能量最大的格子中，此时对应的伪码相位下标p和载波频率下标q可通过下式给出：

利用上式计算得到的信号的伪码相位延迟τ_p和载波频率f_q，作为开环信号参数的粗估计结果。

3.根据权利要求2所述的用于GNSS信号间歇性跟踪的开环卡尔曼方法，其特征在于，步骤1还包括以下步骤：

步骤108，利用跟踪通道中的鉴别器进一步提高步骤107得到的信号参数的粗估计结果的精度；跟踪通道中的鉴别器包括伪码相位鉴别器，载波相位鉴别器和载波频率鉴别器。

4.根据权利要求3所述的用于GNSS信号间歇性跟踪的开环卡尔曼方法，其特征在于，步骤108中，伪码相位鉴别器采用NELP鉴别器实现，相对第k个历元的初始值的误差估计结果为

其估计精度为

其中C/N₀为信号载噪比。

5.根据权利要求3所述的用于GNSS信号间歇性跟踪的开环卡尔曼方法，其特征在于，步骤108中，载波相位鉴别器采用ATAN型鉴别器实现，相对第k个历元的初始值的误差估计结果为

其估计精度为

6.根据权利要求3所述的用于GNSS信号间歇性跟踪的开环卡尔曼方法，其特征在于，步骤108中，载波频率鉴别器采用能量差分鉴别器实现，相对第k个历元的初始值的误差估计结果为

估计精度为

其中