CN110646812A - 基于rls改进算法的导航定位去噪方法及去噪系统 - Google Patents

Abstract

本发明涉及导航定位技术领域，尤其涉及一种基于RLS改进算法的导航定位去噪方法及去噪系统。该方法包括以下步骤：接收基带信号输出数据；提取出导航电文信息、广域差分和完好性信息、观测伪距信息；计算得到卫星位置、地球自转误差和相对论误差；判断其是否为广域差分定位，得到自体完好性监控数据；将自体完好性监控数据输入内设有RLS改进算法的自适应滤波器，得到并输出导航定位数据。本发明通过导航电文信息、广域差分和完好性信息、观测伪距信息进行一系列的处理，最终利用内设有RLS改进算法的自适应滤波器，得到导航定位数据，能够有效的去除噪声。

Description

基于RLS改进算法的导航定位去噪方法及去噪系统

技术领域

本发明涉及导航定位技术领域，尤其涉及一种基于RLS改进算法的导航定位去噪方法及去噪系统。

背景技术

科技的高速发展使我国的卫星导航技术在军事、科技以及其他领域上被广泛应用。卫星导航应用突飞猛进，面对电磁环境越来越复杂，卫星导航接收机的抗干扰能力随之受到巨大关注。随着国内外学者对抗干扰技术的不断深入研究，自适应天线、时域滤波、频域滤波、组合导航、矢量跟踪等各种抗干扰手段不断发展，卫星导航接收机抗干扰能力不断提升。在目前的卫星定位中，去除信号中的噪声、克服多径干扰，提高定位精度是一个非常重要的问题，而自适应滤波器的出现，则一定程度上解决了这个问题。自适应模型算法已成功适用于卫星导航抗干扰领域，这是因为自适应模型算法可以跟踪随时间变化的系统统计参数，以及在未知环境中很好的工作。自适应模型算法大致可以分为三类：基于维纳滤波理论的算法，如均方(LMS)算法；基于卡尔曼滤波理论的算法；递归最小二乘算法(RLS)。其中，RLS算法优于其他二种算法，它具有很好的最佳线性无偏估计，当测量噪声是零均值白噪声时，他们也可以迅速收敛到最优解。如专利号为201910030624.0的专利公开了一种基于数据融合的噪声消除方法，用以消除噪声。

但是，现有采用RLS算法的导航定位去噪方法的误差较大、跟踪能力过低。

因此，急需一种基于RLS改进算法的导航定位去噪方法及去噪系统。

发明内容

本发明提供了一种基于RLS改进算法的导航定位去噪方法及去噪系统，以便于能够提高RLS算法的收敛能力和跟踪能力。

本发明的一个方面，提供了一种基于RLS改进算法的导航定位去噪方法，包括以下步骤：

接收基带信号输出数据；

对基带信号输出数据进行拼接处理，并提取出导航电文信息、广域差分和完好性信息、观测伪距信息；

根据导航电文信息、广域差分和完好性信息、观测伪距信息得到卫星位置、地球自转误差和相对论误差；

判断卫星位置、地球自转误差和相对论误差是否为广域差分定位，若是，则进行星历修正、卫星钟差修正、电离层格网内插修正和对流层差分修正，得到自体完好性监控数据；若否，则进行电离层及对流层延迟修正，得到自体完好性监控数据；

将自体完好性监控数据输入内设有RLS改进算法的自适应滤波器，得到并输出导航定位数据。

进一步地，自适应滤波器内的RLS改进算法为：

V(t+1)＝V(t)+(1+β)P(t)x(t)e(t)-βP(t-1)x(t-1)e(t-1)

其中，V(t+1)为t+1时刻的误差向量，V(t)为t时刻的误差向量，β为预设系数，P(t)为t时刻的位置，x(t)为t时刻的白高斯向量,e(t)为t时刻的误差，P(t-1)为t-1时刻的位置，x(t-1)为t-1时刻的白高斯向量,e(t-1)为t-1时刻的误差。

进一步地，自体完好性监控数据包括用户钟差、位置和速度。

进一步地，得到自体完好性监控数据之后还包括步骤：对自体完好性监控数据进行广域完好性处理。

进一步地，得到导航定位数据之前还包括坐标变换的步骤。

本发明的第二个方面，提供了一种实现如上述中所述方法的基于RLS改进算法的导航定位去噪系统，包括：

基带信号输出数据接收模块，用于接收基带信号输出数据，并发送至数据拼接及信息提取模块；

数据拼接及信息提取模块，用于对基带信号输出数据进行拼接处理，并提取出导航电文信息、广域差分和完好性信息、观测伪距信息，并发送至预处理模块；

预处理模块，用于根据导航电文信息、广域差分和完好性信息、观测伪距信息得到卫星位置、地球自转误差和相对论误差，并发送至广域差分定位判断模块；

广域差分定位判断模块，用于判断卫星位置、地球自转误差和相对论误差是否为广域差分定位，若是，则进行星历修正、卫星钟差修正、电离层格网内插修正和对流层差分修正，得到自体完好性监控数据发送至去噪模块；若否，则进行电离层及对流层延迟修正，得到自体完好性监控数据发送至去噪模块；

去噪模块，用于将自体完好性监控数据输入内设有RLS改进算法的自适应滤波器，得到导航定位数据。

进一步地，还包括广域完好性处理模块，用于对广域差分定位判断模块得到的自体完好性监控数据进行广域完好性处理，并将处理后的自体完好性监控数据发送至去噪模块。

进一步地，去噪模块包括：

自适应滤波单元，用于将自体完好性监控数据输入内设有RLS改进算法的自适应滤波器，得到初始导航定位数据并发送至坐标变换单元；

坐标变换单元，用于接收初始导航定位数据，并对初始导航定位数据进行坐标变换，得到导航定位数据并输出。

本发明提供的基于RLS改进算法的导航定位去噪方法及去噪系统，与现有技术相比具有以下进步：

本发明通过导航电文信息、广域差分和完好性信息、观测伪距信息进行一系列的处理，最终利用内设有RLS改进算法的自适应滤波器，得到误差更小、更准确的并输出导航定位数据，能够有效的去除噪声，提高自适应滤波器的跟踪能力。

上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明的具体实施方式。

附图说明

通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：

图1为本发明实施例中基于RLS改进算法的导航定位去噪系统的器件连接框图；

图2为本发明实施例中基于RLS改进算法的导航定位去噪方法的步骤图。

具体实施方式

下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。

本技术领域技术人员可以理解，除非另外定义，这里使用的所有术语(包括技术术语和科学术语)，具有与本发明所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是，诸如通用字典中定义的那些术语，应该被理解为具有与现有技术的上下文中的意义一致的意义，并且除非被特定定义，否则不会用理想化或过于正式的含义来解释。

本实施例提供了一种基于RLS改进算法的导航定位去噪方法及去噪系统。

如图1，本实施例的一种基于RLS改进算法的导航定位去噪方法，包括以下步骤：

S1、接收基带信号输出数据；

S2、对基带信号输出数据进行拼接处理，并提取出导航电文信息、广域差分和完好性信息、观测伪距信息；

S3、根据导航电文信息、广域差分和完好性信息、观测伪距信息得到卫星位置、地球自转误差和相对论误差；

S4、判断卫星位置、地球自转误差和相对论误差是否为广域差分定位，若是，则进行星历修正、卫星钟差修正、电离层格网内插修正和对流层差分修正，得到自体完好性监控数据；若否，则进行电离层及对流层延迟修正，得到自体完好性监控数据；

S5、将自体完好性监控数据输入内设有RLS改进算法的自适应滤波器，得到并输出导航定位数据。

本发明通过导航电文信息、广域差分和完好性信息、观测伪距信息进行一系列的处理，最终利用内设有RLS改进算法的自适应滤波器，得到误差更小、更准确的并输出导航定位数据，能够有效的去除噪声，提高自适应滤波器的跟踪能力。

具体实施时，自适应滤波器内的RLS改进算法为：

V(t+1)＝V(t)+(1+β)P(t)x(t)e(t)-βP(t-1)x(t-1)e(t-1)

其中，V(t+1)为t+1时刻的误差向量，V(t)为t时刻的误差向量，β为预设系数，P(t)为t时刻的位置，x(t)为t时刻的白高斯向量,e(t)为t时刻的误差，P(t-1)为t-1时刻的位置，x(t-1)为t-1时刻的白高斯向量,e(t-1)为t-1时刻的误差。

如果滤波器的输入和输出均为离散信号，称该滤波器为数字滤波器。当滤波器的输出信号为输入端的线性函数时，该滤波器称为线性滤波器，否则就称为非线性滤波器。

在典型的数字滤波器中，设输入信号为x(n)，输出信号为y(n)，设输入信号为x(n)，输出信号为y(n)，该数字滤波器可用以下差分方程来表示：

式中a_i，b_i称为滤波器系数。

当b_i＝0时，上式变为：

这种滤波器称为全零点滤波器。

如果a_i＝0，b_i≠0时，则称为全极点滤波器或递归滤波器。

由上式，可知数字滤波器的传递函数为：

其单位冲击响应函数为：

h(n)＝z^-1(H(z)) (2-4)

如果当n<0时，有h(n)＝0，这样的滤波器系统称之为因果系统。如果冲激响应函数是有限长的，即：

则称此滤波器为有限冲激响应FIR(Finite Impulse Response)滤波器，否则，称之为无限冲激响应IIR(Infinite Impulse Response)滤波器。

如果h(n)满足如下条件：

则称此滤波器是因果的，并且是稳定的。

自适应滤波器由参数可调的数字滤波器和自适应算法两部分组成。参数可调数字滤波器可以是FIR数字滤波器或IIR数字滤波器,也可以是格型数字滤波器。输入信号x(n)通过参数可调数字滤波器后产生输出信号(或响应)y(n),将其与参考信号(或称期望响应)d(n)进行比较，形成误差信号e(n)。e(n)(有时还要利用x(n))通过某种自适应算法对滤波器参数进行调整，最终使e(n)的均方值最小。因此，自适应滤波器实际上是一种能够自动调整本身参数的特殊维纳滤波器。在设计时不需要事先知道关于输入信号和噪声的统计特性的知识，它能够在自己的工作过程中逐渐了解，或估计出所需的统计特性，并以此为依据自动调整自己的参数，以达到最佳滤波效果。一旦输入信号的统计特性发生变化，它又能够跟踪这种变化，自动调整参数，使滤波器性能重新达到最佳。

标准的RLS算法为：

设模型的输入，估计输出和期望输出在时间t时刻分别为x(t)，

和y(t)。所以y(t)通过下面的式子给出：

其中x(t)＝[x₁(t),x₂(t),......x_N(t)]^T，N是模型的系列，n(t)是零均值方差为σ²的白噪声，

是模型的期望参数向量。

标准RLS算法可以表述为：

P(t)＝λ^-1P(t-1)-λ^-1k(t)x^T(t)P(t-1) (4-4)

其中e(t)为误差，

是在t时刻估计参数向量，k(t)＝[k₁(t),k₂(t),......k_N(t)]^T是卡尔曼增益向量，P(t)是方差矩阵的逆，它的初始值是P(0)＝δ^-1I(δ很小的正数)，0＜λ＜1是遗忘因子。假设：

1)x(t)是一个零均值的固定的白高斯向量，自相关矩阵δ_x ²I。

2)x(t)和n(t)是独立统计。

3)P(t)独立于x(t)。

定义参数误差向量V(t)为：

V(t)假设是独立于x(t)的。根据方程(4-2)、(4-5)、(4-6)，我们得到：

V(t+1)＝V(t)+P(t)x(t)e(t) (4-7)

通过对方程两边计算并且用假设(4-3)，我们得到：

其中：

由于0＜λ≤1，因此使小于1。这意味着RLS参数误差向量渐近零。

另一方面，乘以方程(7)，在方程两边去方差，参数的误差矢量V(t)的相关矩阵，C(t)是可以递归描述为：

C(t+1)＝C(t)+E{P(t)e(t)x(t)V^T(t)}+E{V(t)x^T(t)e(t)P(t)}+E{P(t)e²(t)x(t)x^T(t)P(t)} (4-11)

其中C(t)是V(t)的自相关矩阵。

根据Ref,向量dc，C(t)可以被描述为：

d_c(t+1)＝H(t)d_c(t)+σ²σ_x ²Γ(t)[1,1......1]^T (4-12)

其中系统矩阵H(t)在下面给出：

并且其他的式子在方程(12)中通过下式给出：

对于大的t已经证明,最大的特征根-1＜e₁≤1。因此方程(4-12)收敛，并产生一个稳定状态的解，此外，RLS算法在均方意义收敛。

本发明实施例中，将RLS算法进行改进：

设D是差分算子，再由式(4-5)，它可以知道，参数向量增量

是：

因此

的变化仅仅受到

影响。为了提高RLS的跟着能力，

的一阶微分，i.e.趋于加到方程(4-5)上，它可以得出：

其中β的初始值等于或者略小于1.

期望和估计参数向量的误差，NE如下定义：

其中n是AR模型参数。然后方程(19)中参数β:β＝β,如果：NE(t)>NE(t-1)；否则：

β＝β×γ (4-21)

其中γ是一个小于1的常数。

现在，方程式(4-2)～(4-4)和(4-19)～(4-21)组成新的RLS算法。从式(4-6)和式(4-7)，新的RLS算法的误差向量V(t)是：

V(t+1)＝V(t)+(1+β)P(t)x(t)e(t)-βP(t-1)x(t-1)e(t-1) (4-22)

由于β的初始值略小于1或者等于1。当t增大时λ＜1，β→0，式(4-22)就等于式(4-6)了，因此在新的RLS算法中参数误差向量的均值近似等于0。

这里选中卫星的输入信号为x(n)，输出信号(或响应)y(n),参考信号d(n)为自适应算法预估的信号。通过改进的RLS算法，为了提高RLS的跟着能力，使参数向量增量的差分算子

的一阶微分，i.e.趋于

也就是e(n)的均方值最小，从而增加自适应滤波器的跟踪能力，通过自动调整自适应滤波器的参数，使滤波器性能时刻达到最佳，从而可以消除信号里的噪声，即e(n)趋紧于0。

具体实施时，自体完好性监控数据包括用户钟差、位置和速度。用户钟差、位置和速度为导航数据的基本内容。

具体实施时，得到自体完好性监控数据之后还包括步骤：对自体完好性监控数据进行广域完好性处理。使得到的导航定位数据更加精确。

具体实施时，得到导航定位数据之前还包括坐标变换的步骤。便于导航定位数据的输出。

如图2，本实施例的一种实现如上述实施例中所述方法的基于RLS改进算法的导航定位去噪系统，包括：

基带信号输出数据接坐标变换收模块，用于接收基带信号输出数据，并发送至数据拼接及信息提取模块；

数据拼接及信息提取模块，用于对基带信号输出数据进行拼接处理，并提取出导航电文信息、广域差分和完好性信息、观测伪距信息，并发送至预处理模块；

预处理模块，用于根据导航电文信息、广域差分和完好性信息、观测伪距信息得到卫星位置、地球自转误差和相对论误差，并发送至广域差分定位判断模块；

广域差分定位判断模块，用于判断卫星位置、地球自转误差和相对论误差是否为广域差分定位，若是，则进行星历修正、卫星钟差修正、电离层格网内插修正和对流层差分修正，得到自体完好性监控数据发送至去噪模块；若否，则进行电离层及对流层延迟修正，得到自体完好性监控数据发送至去噪模块；

去噪模块，用于将自体完好性监控数据输入内设有RLS改进算法的自适应滤波器，得到导航定位数据。

本发明通过导航电文信息、广域差分和完好性信息、观测伪距信息进行一系列的处理，最终利用内设有RLS改进算法的自适应滤波器，得到误差更小、更准确的并输出导航定位数据，能够有效的去除噪声，提高自适应滤波器的跟踪能力。

具体实施时，自适应滤波器内的RLS改进算法为：

V(t+1)＝V(t)+(1+β)P(t)x(t)e(t)-βP(t-1)x(t-1)e(t-1)

其中，V(t+1)为t+1时刻的误差向量，V(t)为t时刻的误差向量，β为预设系数，P(t)为t时刻的位置，x(t)为t时刻的白高斯向量，e(t)为t时刻的误差，P(t-1)为t-1时刻的位置，x(t-1)为t-1时刻的白高斯向量,e(t-1)为t-1时刻的误差。

具体实施时，自体完好性监控数据包括用户钟差、位置和速度。

具体实施时，还包括广域完好性处理模块，用于对广域差分定位判断模块得到的自体完好性监控数据进行广域完好性处理，并将处理后的自体完好性监控数据发送至去噪模块。

具体实施时，去噪模块包括：

自适应滤波单元，用于将自体完好性监控数据输入内设有RLS改进算法的自适应滤波器，得到初始导航定位数据并发送至坐标变换单元；

坐标变换单元，用于接收初始导航定位数据，并对初始导航定位数据进行坐标变换，得到导航定位数据并输出。

本发明的基于RLS改进算法的导航定位去噪方法及去噪系统，通过在标准递推公式增加一个中二阶微分项来提高RLS算法的收敛能力，从而形成一种新的去噪方法，实验结果表明，新算法的期望和估计误差小于0.05，跟踪能力极大的提高。

上述系统实施例中的改进也属于上述方法实施例的改进，方法实施例中不再赘述。

对于方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本发明实施例并不受所描述的动作顺序的限制，因为依据本发明实施例，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作并不一定是本发明实施例所必须的。

最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (10)

1.一种基于RLS改进算法的导航定位去噪方法，其特征在于，包括以下步骤：

接收基带信号输出数据；

对基带信号输出数据进行拼接处理，并提取出导航电文信息、广域差分和完好性信息、观测伪距信息；

根据导航电文信息、广域差分和完好性信息、观测伪距信息得到卫星位置、地球自转误差和相对论误差；

判断卫星位置、地球自转误差和相对论误差是否为广域差分定位，若是，则进行星历修正、卫星钟差修正、电离层格网内插修正和对流层差分修正，得到自体完好性监控数据；若否，则进行电离层及对流层延迟修正，得到自体完好性监控数据；

将自体完好性监控数据输入内设有RLS改进算法的自适应滤波器，得到并输出导航定位数据。

2.根据权利要求1所述的基于RLS改进算法的导航定位去噪方法，其特征在于，自适应滤波器内的RLS改进算法为：

V(t+1)＝V(t)+(1+β)P(t)x(t)e(t)-βP(t-1)x(t-1)e(t-1)

其中，V(t+1)为t+1时刻的误差向量，V(t)为t时刻的误差向量，β为预设系数，P(t)为t时刻的位置，x(t)为t时刻的白高斯向量,e(t)为t时刻的误差，P(t-1)为t-1时刻的位置，x(t-1)为t-1时刻的白高斯向量,e(t-1)为t-1时刻的误差。

3.根据权利要求2所述的基于RLS改进算法的导航定位去噪方法，其特征在于，自体完好性监控数据包括用户钟差、位置和速度。

4.根据权利要求3所述的基于RLS改进算法的导航定位去噪方法，其特征在于，得到自体完好性监控数据之后还包括步骤：对自体完好性监控数据进行广域完好性处理。

5.根据权利要求4所述的基于RLS改进算法的导航定位去噪方法，其特征在于，得到导航定位数据之前还包括坐标变换的步骤。

6.一种实现如权利要求1所述方法的基于RLS改进算法的导航定位去噪系统，其特征在于，包括：

基带信号输出数据接收模块，用于接收基带信号输出数据，并发送至数据拼接及信息提取模块；

数据拼接及信息提取模块，用于对基带信号输出数据进行拼接处理，并提取出导航电文信息、广域差分和完好性信息、观测伪距信息，并发送至预处理模块；

预处理模块，用于根据导航电文信息、广域差分和完好性信息、观测伪距信息得到卫星位置、地球自转误差和相对论误差，并发送至广域差分定位判断模块；

广域差分定位判断模块，用于判断卫星位置、地球自转误差和相对论误差是否为广域差分定位，若是，则进行星历修正、卫星钟差修正、电离层格网内插修正和对流层差分修正，得到自体完好性监控数据发送至去噪模块；若否，则进行电离层及对流层延迟修正，得到自体完好性监控数据发送至去噪模块；

去噪模块，用于将自体完好性监控数据输入内设有RLS改进算法的自适应滤波器，得到导航定位数据。

7.根据权利要求6所述的基于RLS改进算法的导航定位去噪系统，其特征在于，自适应滤波器内的RLS改进算法为：

V(t+1)＝V(t)+(1+β)P(t)x(t)e(t)-βP(t-1)x(t-1)e(t-1)

其中，V(t+1)为t+1时刻的误差向量，V(t)为t时刻的误差向量，β为预设系数，P(t)为t时刻的位置，x(t)为t时刻的白高斯向量，e(t)为t时刻的误差，P(t-1)为t-1时刻的位置，x(t-1)为t-1时刻的白高斯向量，e(t-1)为t-1时刻的误差。

8.根据权利要求7所述的基于RLS改进算法的导航定位去噪系统，其特征在于，自体完好性监控数据包括用户钟差、位置和速度。

9.根据权利要求8所述的基于RLS改进算法的导航定位去噪系统，其特征在于，还包括广域完好性处理模块，用于对广域差分定位判断模块得到的自体完好性监控数据进行广域完好性处理，并将处理后的自体完好性监控数据发送至去噪模块。

10.根据权利要求9所述的基于RLS改进算法的导航定位去噪系统，其特征在于，去噪模块包括：

自适应滤波单元，用于将自体完好性监控数据输入内设有RLS改进算法的自适应滤波器，得到初始导航定位数据并发送至坐标变换单元；

坐标变换单元，用于接收初始导航定位数据，并对初始导航定位数据进行坐标变换，得到导航定位数据并输出。

Images