CN111367160B - 一种gnss授时接收机精密时钟调控方法及系统 - Google Patents
一种gnss授时接收机精密时钟调控方法及系统 Download PDFInfo
- Publication number
- CN111367160B CN111367160B CN202010238896.2A CN202010238896A CN111367160B CN 111367160 B CN111367160 B CN 111367160B CN 202010238896 A CN202010238896 A CN 202010238896A CN 111367160 B CN111367160 B CN 111367160B
- Authority
- CN
- China
- Prior art keywords
- clock
- state
- matrix
- control
- noise
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G04—HOROLOGY
- G04R—RADIO-CONTROLLED TIME-PIECES
- G04R20/00—Setting the time according to the time information carried or implied by the radio signal
- G04R20/02—Setting the time according to the time information carried or implied by the radio signal the radio signal being sent by a satellite, e.g. GPS
- G04R20/04—Tuning or receiving; Circuits therefor
-
- 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
- G01S19/27—Acquisition or tracking or demodulation of signals transmitted by the system creating, predicting or correcting ephemeris or almanac data within the receiver
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Power Engineering (AREA)
- Computer Networks & Wireless Communication (AREA)
- Synchronisation In Digital Transmission Systems (AREA)
Abstract
本发明公开了一种GNSS授时接收机精密时钟调控方法及系统,主要包括时钟状态估计部分和时钟调控部分。时钟状态估计部分采用卡尔曼滤波的方法,通过扩充状态方程的维数,利用四个一阶马尔科夫过程的线性组合来近似频率闪烁噪声的特性,得到状态噪声方差阵。观测值和观测噪声的方差则由PPP技术给出。根据建立的状态模型和观测模型,卡尔曼滤波进行更新得到时钟状态和方差阵。时钟调控部分建立控制向量与状态向量的线性关系,通过稳态线性二次高斯控制得到稳态控制律,结合卡尔曼滤波估计得到的时钟状态来计算时钟控制量,并且发送给时钟调控执行器。本发明兼顾了接收机本地时钟的短期稳定度和PPP钟差估计的长期稳定度。
Description
技术领域
本发明属于全球导航卫星系统(Global Navigation Satellite System,GNSS)精密授时技术领域,特别涉及一种GNSS授时接收机精密时钟调控方法及系统。
背景技术
GNSS单向授时是目前应用最广、精度最高的授时方法,其原理是使用GNSS接收机对卫星进行观测,接收机在完成定位的同时会估计出接收机钟差(本地时间相对于GNSS时间的差值),接收机根据估计出的接收机钟差可以对本地时钟进行调控来修正本地时间,然后输出时间和频率信号,从而达到将卫星导航系统时间传递到用户端的目的。
接收机本地时钟受自身噪声以及外界环境因素的影响,其频率输出会出现起伏,因此本地时间也将出现漂移,这时需要接收机根据本地解算的接收机钟差作为观测量,对本地时钟进行调控来维持本地时间的稳定,从而保持授时接收机具备准确的时间输出以及稳定的频率输出。时钟调控算法的性能直接影响授时接收机的授时精度和稳定度,是影响授时接收机性能的关键部分。
传统的授时接收机采用伪距单点定位技术去估算接收机钟差,其钟差的估计精度在20ns左右。目前,出现了基于精密单点定位(Precise Point Positioning,PPP)技术的GNSS授时接收机,其钟差的估计精度在0.2ns左右。PPP钟差估计方法在长期具有较高的稳定度,但受限钟差估计噪声的影响,其在短期内的精度并不高。通过频率稳定度指标来衡量,PPP的频率稳定度在1s时最差约为10-11,随时间的增加频率稳定度将逐渐提高。而目前性能较好的恒温晶振在1s时的频率稳定度已接近10-12,比PPP高一个数量级,但其频率稳定度将随时间增加而逐渐下降。若能将本地时钟的短期稳定度和PPP的长期稳定度进行结合,就能使授时接收机的时频输出无论在短期还是长期都具备较高的稳定度。但是任何对时钟物理上的调控都将不可避免地损害时钟的频率稳定度,尤其是调控间隔对应的频率稳定度。因此,同时兼顾接收机本地时钟的短期稳定度和PPP钟差估计的长期稳定度是难以做到的。
发明内容
针对基于PPP技术的GNSS授时接收机很难做到同时兼顾接收机本地时钟的短期稳定度和PPP钟差估计的长期稳定度的情况,本发明提供了基于卡尔曼滤波以及线性二次高斯控制的时钟调控方法,对时钟闪烁噪声的特性建立了模型并且采用卡尔曼滤波进行时钟状态估计,最后通过线性二次高斯控制得到时钟的控制量。
为解决上述技术问题,本发明采用如下的技术方案:
一种GNSS授时接收机精密时钟调控方法,其特征在于,包括
时钟状态估计步骤:对基于精密单点定位(PPP)给出的接收机钟差进行滤波来降低噪声,具体包括:
步骤SA1,建立卡尔曼滤波的时钟状态模型(时钟状态方程和状态噪声协方差阵),其中,在建立状态噪声协方差阵时,对频率闪烁噪声做近似建模,具体方法为通过扩充状态方程的维数,利用四个一阶马尔科夫过程的线性组合来近似频率闪烁噪声的特性;
步骤SA2,建立卡尔曼滤波的时钟观测模型,观测值和观测噪声方差由PPP给出,时钟观测模型包括时钟观测方程和观测噪声协方差阵;
步骤SA3,在得到时钟状态方程和观测方程以及两者对应的方差阵之后,通过卡尔曼滤波得到滤波之后的时钟状态和方差阵;
时钟调控步骤:在卡尔曼滤波估计器根据观测值估计时钟状态之后,用于根据时钟状态产生对应的时钟调控量,具体包括:
步骤SB1,建立控制向量与状态向量的线性关系,利用线性二次高斯控制方法,得到控制律;
步骤SB2,根据卡尔曼滤波估计得到的时钟状态以及线性二次高斯方法得到的控制律,计算时钟控制量。
在上述一种GNSS授时接收机精密时钟调控方法,步骤SA1,在建立时钟状态模型时,对频率闪烁噪声做近似建模,扩展状态方程的维数,利用四个一阶马尔科夫过程的线性组合来近似频率闪烁噪声的特性,具体包括:
并根据状态向量设置对应的状态转移矩阵,其中,x1表示钟差,x2表示频率偏差的一部分,包括系统项和随机项中调频随机游走噪声,mj表示第j个马尔科夫过程;
将状态转移矩阵Ф改写为
其中,Rj是mj的相关时间,满足Rj+1=Rj/8,R1=0.75,τ表示时间间隔;
步骤SA1.2,确定时钟噪声系数,并设置状态噪声方差阵Q为
其中,
h0、h-1、h-2分别为调频白噪声、调频闪烁噪声、调频随机游走噪声的水平系数,通过对时钟的allan方差双对数坐标曲线进行拟合估计得到。
在上述一种GNSS授时接收机精密时钟调控方法,步骤SA2,建立卡尔曼滤波的时钟观测模型,
其中z(k)表示观测向量,v(k)表示零均值高斯分布噪声向量,R(k)是v(k)的协方差矩阵,δ是狄拉克δ函数,H是量测矩阵;
观测向量和观测噪声方差矩阵由PPP给出,具体实现为:
步骤SA2.1 PPP估计得到的接收机钟差作为观测方程的观测向量Z(k);
步骤SA2.2,PPP接收机钟差估计噪声的方差作为观测方程的观测噪声矩阵R(k)。
在上述一种GNSS授时接收机精密时钟调控方法,步骤SA3,在通过步骤SA1得到卡尔曼滤波中的时钟状态模型和通过步骤SA2得到卡尔曼滤波的时钟观测模型之后,设置状态量初始值x(0)和估计均方误差阵P(0),根据卡尔曼滤波的迭代计算公式(公式(8))进行计算,得到滤波之后的时钟状态和方差阵P(k+1);
其中,x(k)是状态向量,Ф是状态转移矩阵,u(k)是控制向量,B是控制转移矩阵,Q是状态噪声矩阵;H是量测矩阵,R是观测噪声矩阵,z(k+1)是观测向量;K(k+1)是增益矩阵;
步骤SA3.2,根据公式(8)得到增益矩阵K(k+1);
在上述一种GNSS授时接收机精密时钟调控方法,步骤SB1,建立控制向量与状态向量的线性关系,利用线性二次高斯控制方法,得到控制律,具体包括
步骤SB1.1,建立控制向量u(k)和状态向量x(k)的线性关系,即
u(k)=-G(k)x(k) (9)
其中,G(k)为控制律;
步骤SB1.2,根据卡尔曼滤波的控制转移矩阵和状态转移矩阵,由线性二次高斯方法得到G(k)的计算公式
其中,对称矩阵WQ和WR分别为状态量代价矩阵和控制量代价矩阵,B为卡尔曼滤波的控制转移矩阵,Ф为卡尔曼滤波的状态转移矩阵;
步骤SB1.3,由于授时接收机在调控时钟时要求系统在无限时间上都保持稳定,因此使用稳态的线性二次高斯控制:当时间趋于无穷,P(k)的值也将趋于常值P0,以及对应的控制律G(k)转化为非时变定常矩阵G0;
步骤SB1.4,通过仿真和实测的方法对代价矩阵进行设计,并设置状态量代价矩阵WQ和控制量代价矩阵WR之间的相对大小,最后根据公式(11)得到稳态控制律G0;状态量代价矩阵WQ相对控制量代价矩阵WR越小时,调控越迟缓,此时中长期的频率稳定度较差,短期的频率稳定度较好;在状态量代价矩阵WQ中,钟差项权重显著小于频率偏差项权重时,长期稳定度和短期稳定度均较好;参考设置如下:
其中,卡尔曼滤波输出的状态量估计值包含6个分量,但是由于只有前两个分量对系统描述关键,所以状态量代价矩阵WQ只考虑前两个分量;LQG输出的控制量仅包括晶振的控制量,因此控制量代价矩阵WR仅包含一个分量。
在上述一种GNSS授时接收机精密时钟调控方法,步骤SB2,根据卡尔曼滤波估计得到的时钟状态量x(k)以及线性二次高斯方法得到的控制律G(k)(转化为定常矩阵G0),根据公式(9)得到时钟控制量u(k),发送给时钟调控执行器。
一种GNSS授时接收机精密时钟调控系统,所述系统包括时钟状态估计模块和时钟调控模块;
时钟状态估计模块是对PPP给出的接收机钟差进行滤波来降低噪声,包括以下单元:
单元SA1,建立卡尔曼滤波的时钟状态模型(时钟状态方程和状态噪声协方差阵),其中,在建立状态噪声协方差阵时,对频率闪烁噪声做近似建模,具体方法为通过扩充状态方程的维数,利用四个一阶马尔科夫过程的线性组合来近似频率闪烁噪声的特性;
单元SA2,建立卡尔曼滤波的时钟观测模型(时钟观测方程和观测噪声协方差阵),观测值和观测噪声方差由PPP给出;
单元SA3,在得到时钟状态方程和观测方程以及两者对应的方差阵之后,通过卡尔曼滤波得到滤波之后的时钟状态和方差阵;
时钟调控模块,在卡尔曼滤波估计器根据观测值估计时钟状态之后,用于根据时钟状态产生对应的时钟调控量,包括以下单元:
单元SB1,建立控制向量与状态向量的线性关系,利用线性二次高斯控制方法,得到控制律;
单元SB2,根据卡尔曼滤波估计得到的时钟状态以及线性二次高斯方法得到的控制律,计算时钟控制量。
在上述一种GNSS授时接收机精密时钟调控系统,单元SA1在建立时钟状态模型时,对频率闪烁噪声做近似建模,扩展状态方程的维数,利用四个一阶马尔科夫过程的线性组合来近似频率闪烁噪声的特性,具体包括:
并根据状态向量设置对应的状态转移矩阵,其中,x1表示钟差,x2表示频率偏差的一部分,包括系统项和随机项中调频随机游走噪声,mj表示第j个马尔科夫过程;
将状态转移矩阵Ф改写为
其中,Rj是mj的相关时间,满足Rj+1=Rj/8,R1=0.75,τ表示时间间隔;
子单元SA1.2,确定时钟噪声系数,设置状态噪声方差阵Q为
其中,
h0、h-1、h-2分别为调频白噪声、调频闪烁噪声、调频随机游走噪声的水平系数,通过对时钟的allan方差双对数坐标曲线进行拟合估计得到。
在上述一种GNSS授时接收机精密时钟调控系统,单元SA2建立卡尔曼滤波的时钟观测模型,观测值和观测噪声方差由PPP给出,具体方法是:PPP估计得到的接收机钟差作为观测方程的观测值Z(k),PPP接收机钟差估计噪声的方差作为观测方程的观测噪声矩阵DΔ(k);
其中z(k)表示观测向量,v(k)表示零均值高斯分布噪声向量,R(k)是v(k)的协方差矩阵,δ是狄拉克δ函数,H是量测矩阵。
在上述一种GNSS授时接收机精密时钟调控系统,单元SA3在通过单元SA1得到卡尔曼滤波中的时钟状态模型和通过单元SA2得到卡尔曼滤波的时钟观测模型之后,设置状态量初始值x(0)和估计均方误差阵P(0),根据卡尔曼滤波的迭代计算公式(公式(20))进行计算,得到滤波之后的时钟状态和方差阵P(k+1);
其中,x(k)是状态向量,Ф是状态转移矩阵,u(k)是控制向量,B是控制转移矩阵,Q是状态噪声矩阵;H是量测矩阵,R是观测噪声矩阵,z(k+1)是观测向量;K(k+1)是增益矩阵;
子单元SA3.2,根据公式(20)得到增益矩阵K(k+1);
单元SB1在建立控制向量与状态向量的线性关系,利用线性二次高斯控制方法,得到控制律,具体包括
子单元SB1.1,建立控制向量u(k)和状态向量x(k)的线性关系,即
u(k)=-G(k)x(k) (21)
其中,G(k)为控制律;
子单元SB1.2,根据卡尔曼滤波的控制转移矩阵和状态转移矩阵,由线性二次高斯方法得到G(k)的计算公式
其中,对称矩阵WQ和WR分别为状态量代价矩阵和控制量代价矩阵,B为卡尔曼滤波的控制转移矩阵,Ф为卡尔曼滤波的状态转移矩阵;
子单元SB1.3,由于授时接收机在调控时钟时要求系统在无限时间上都保持稳定,因此使用稳态的线性二次高斯控制:当时间趋于无穷,P(k)的值也将趋于常值P0,以及对应的控制律G(k)转化为非时变定常矩阵G0;
子单元SB1.4,通过仿真和实测的方法对代价矩阵进行设计,并设置状态量代价矩阵WQ和控制量代价矩阵WR之间的相对大小,最后根据公式(23)得到稳态控制律G0;状态量代价矩阵WQ相对控制量代价矩阵WR越小时,调控越迟缓,此时中长期的频率稳定度较差,短期的频率稳定度较好;在状态量代价矩阵WQ中,钟差项权重显著小于频率偏差项权重时,长期稳定度和短期稳定度均较好;参考设置如下:
其中,卡尔曼滤波输出的状态量估计值包含6个分量,但是由于只有前两个分量对系统描述关键,所以状态量代价矩阵WQ只考虑前两个分量;LQG输出的控制量仅包括晶振的控制量,因此控制量代价矩阵WR仅包含一个分量;
单元SB2根据卡尔曼滤波估计得到的时钟状态量x(k)以及线性二次高斯方法得到的控制律G(k)(转化为定常矩阵G0),根据公式(21)得到时钟控制量u(k),发送给时钟调控执行器。
与现有技术相比,本发明具有如下特点:
1.状态代价矩阵WQ可以给定不同的状态量不同的权重,也就是针对钟差和频率偏差施加不同的控制策略,这有利于同时兼顾钟差指标和频率稳定度指标。
2.能通过设置控制量加权矩阵WR大小对控制量进行约束,能通过此约束防止对时钟的调控量过大导致的接收机跟踪通道失锁。
3.直接和时钟状态估计所用到的卡尔曼滤波结合使用,能直接得到一个简单的线性状态反馈控制律而构成闭环最优控制,结构简单
附图说明
图1是本发明实施例的系统整体示意图。
图2是卡尔曼滤波时钟状态估计器的示意图。
图3是线性二次高斯控制器示意图。
图4是本发明的方法流程示意图。
具体实施方式
以下结合附图和实施例说明本发明的技术方案。
本发明提供了基于卡尔曼滤波以及线性二次高斯控制的时钟调控方法,同时兼顾接收机本地时钟的短期稳定度和PPP钟差估计的长期稳定度。本发明对时钟闪烁噪声的特性建立了模型并且采用卡尔曼滤波进行时钟状态估计,最后通过线性二次高斯控制得到时钟的控制量,并且发送给时钟控制执行器。
授时接收机的整体架构如附图1所示,本地时钟给GNSS授时接收机提供时钟频率,接收机得到对应的观测值和星历并且输出给数据解算处理平台,数据解算处理平台利用PPP技术(从网络端获取轨道和卫星钟差改正数)得到接收机钟差及其测量噪声。在接收机钟差及其估计噪声方差经过卡尔曼滤波估计器的滤波之后,时钟状态的噪声得到降低。此时,结合时钟状态和由LQG控制调节器得到的控制律,可以计算得到时钟控制量。最后,将时钟控制量发送给调控执行器,可以使得时钟的状态发生相应的变化,时钟变化将反馈到GNSS接收机中,由此形成闭环。
实施例提供一种基于卡尔曼滤波以及线性二次高斯控制的时钟调控方法,包括时钟状态估计部分(附图2)和时钟调控部分(附图3)。
(一)时钟状态估计部分
如附图2所示,本发明采用卡尔曼滤波对PPP给出的接收机钟差进行滤波来降低噪声,主要包括建立时钟的状态模型(SA1)、建立时钟观测模型(SA2)和卡尔曼滤波更新(SA3)三部分。
其中,x1表示钟差,x2表示频率偏差的一部分,包括系统项和随机项中调频随机游走噪声,mj表示第j个马尔科夫过程。将状态转移矩阵Ф改写为
其中,Rj是mj的相关时间,满足Rj+1=Rj/8,R1=0.75,τ表示时间间隔。
SA1中,利用四个一阶马尔科夫过程的线性组合来近似频率闪烁噪声的特性,初始化状态方程的方差矩阵(SA1.2),确定时钟噪声系数,并设置状态噪声方差阵Q为
其中,
h0、h-1、h-2分别为调频白噪声、调频闪烁噪声、调频随机游走噪声的水平系数,通过对时钟的allan方差双对数坐标曲线进行拟合估计得到。
SA1具体实施时,可通过软件模块化方式实现,在模块启动时,对卡尔曼滤波估计器的时钟状态方程以及状态噪声方差阵进行初始化。
SA2中,包括建立卡尔曼滤波的时钟观测方程(SA2.1)和设置观测噪声方差矩阵(SA2.2)两部分。PPP估计得到的接收机钟差作为观测方程的观测值,PPP接收机钟差估计噪声方差矩阵作为观测方程的观测噪声矩阵。
SA2具体实施时,可通过软件模块化方式实现,在模块启动的阶段,完成观测方程的初始化,滤波更新时,观测值和观测噪声方差由PPP技术给出。
SA3中,在得到时钟状态方程和观测方程以及两者对应的方差阵之后,通过卡尔曼滤波得到滤波之后的时钟状态和方差阵。
SA3具体实施时,主要有一步预测更新状态量和方差阵、求解增益矩阵以及观测更新状态量和方差阵这三步,卡尔曼滤波具有特定的更新公式,这里不再赘述。
(二)时钟调控部分
如附图3所示,在卡尔曼滤波估计器估计时钟状态之后,用于根据时钟状态产生对应的时钟调控量,主要包括设置控制律(SB1)和计算控制量(SB2)两部分。
SB1中,首先需要建立控制向量与状态向量的线性关系(SB1.1),得到控制向量与状态向量的线性方程
u(k)=-G(k)x(k) (31)
其中,G(k)为控制律。
SB1中,根据卡尔曼滤波的控制转移矩阵和状态转移矩阵,由线性二次高斯方法,使得代价函数J取最小值,J表示为
其中对称矩阵WQ和WR分别被称为状态量代价矩阵和控制量代价矩阵,得到G(k)的计算公式(SB1.2):
其中,对称矩阵WQ和WR分别为状态量代价矩阵和控制量代价矩阵。
SB1中,使用稳态的线性二次高斯控制,P(k)的值趋于常值P0,控制律G(k)转化为非时变定常矩阵G0(SB1.3):
SB1中,设置状态量代价矩阵WQ和控制量代价矩阵WR之间的相对大小,得到稳态控制律G0(SB1.4)。
SB1具体实施时,可通过软件模块化方式实现,模块启动时,初始化计算公式模块,根据仿真和实测的结果,自动设置状态量代价矩阵WQ和控制量代价矩阵WR之间的相对大小,得到对应的稳态控制律G0。
SB2中,根据卡尔曼滤波估计得到的时钟状态以及稳态线性二次高斯方法得到的稳态控制律,计算时钟控制量;
SB2具体实施时,可通过软件模块化方式实现,稳态控制律在模块初始化后得到,在卡尔曼滤波估计器初始化之后的每个历元,模块根据卡尔曼滤波估计之后的时钟状态,结合稳态控制律计算出时钟控制量并且发送给时钟调控执行器。
具体实施时,以上技术方案可采用计算机软件技术实现自动运行流程,也可以采用模块化方式提供相应系统。例如提供一种基于卡尔曼滤波以及线性二次高斯控制的时钟调控系统,主要包括时钟状态估计模块和时钟调控模块。
时钟状态估计模块包括钟差估计模块和卡尔曼滤波估计模块。钟差估计模块给卡尔曼滤波估计器提供钟差测量值和测量噪声方差,钟差估计模块采用PPP技术,对应图1的PPP钟差估计。卡尔曼滤波估计模块建立自身的状态方程和状态噪声方差矩阵,并且通过钟差估计模块提供的钟差测量值和测量噪声方差建立观测方程和观测噪声矩阵,最后滤波更新得到时钟状态。
时钟调控模块包括LQG控制调节器模块和调控执行器模块。LQG控制调节器模块在初始化之后得到控制律,在启动时钟调控模块之后的每个历元,LQG控制调节器模块根据时钟状态估计模块提供的时钟状态来计算对应的控制量,并且发送给控制执行器模块。调控执行器模块在得到LQG控制调节器模块提供的控制量之后,对本地时钟的进行相应的控制输入。
具体各模块实现可参见相应步骤,本发明不予赘述。
Claims (10)
1.一种GNSS授时接收机精密时钟调控方法,其特征在于,包括
时钟状态估计步骤:对基于精密单点定位给出的接收机钟差进行滤波来降低噪声,具体包括:
步骤SA1,建立卡尔曼滤波的时钟状态模型,包括时钟状态方程和状态噪声协方差阵,其中,在建立状态噪声协方差阵时,对频率闪烁噪声做近似建模,具体方法为通过扩充状态方程的维数,利用四个一阶马尔科夫过程的线性组合来近似频率闪烁噪声的特性;
步骤SA2,建立卡尔曼滤波的时钟观测模型,观测值和观测噪声方差由精密单点定位给出,时钟观测模型包括时钟观测方程和观测噪声协方差阵;
步骤SA3,在得到时钟状态方程和观测方程以及两者对应的方差阵之后,通过卡尔曼滤波得到滤波之后的时钟状态和方差阵;
时钟调控步骤:在卡尔曼滤波估计器根据观测值估计时钟状态之后,用于根据时钟状态产生对应的时钟调控量,具体包括:
步骤SB1,建立控制向量与状态向量的线性关系,利用线性二次高斯控制方法,得到控制律;
步骤SB2,根据卡尔曼滤波估计得到的时钟状态以及线性二次高斯方法得到的控制律,计算时钟控制量。
2.根据权利要求1所述一种GNSS授时接收机精密时钟调控方法,其特征在于:步骤SA1,在建立时钟状态模型时,对频率闪烁噪声做近似建模,扩展状态方程的维数,利用四个一阶马尔科夫过程的线性组合来近似频率闪烁噪声的特性,具体包括:
并根据状态向量设置对应的状态转移矩阵,其中,x1表示钟差,x2表示频率偏差的一部分,包括系统项和随机项中调频随机游走噪声,mj表示第j个马尔科夫过程;
将状态转移矩阵Φ改写为
其中,Rj是mj的相关时间,满足Rj+1=Rj/8,R1=0.75,T表示时间间隔;
步骤SA1.2,确定时钟噪声系数,并设置状态噪声方差阵Q为
其中,
h0、h-1、h-2分别为调频白噪声、调频闪烁噪声、调频随机游走噪声的水平系数,通过对时钟的allan方差双对数坐标曲线进行拟合估计得到。
4.根据权利要求1所述一种GNSS授时接收机精密时钟调控方法,其特征在于:步骤SA3,在通过步骤SA1得到卡尔曼滤波中的时钟状态模型和通过步骤SA2得到卡尔曼滤波的时钟观测模型之后,设置状态量初始值x(0)和估计均方误差阵P(0),根据公式8进行计算,得到滤波之后的时钟状态和方差阵P(k+1);
其中,x(k)是状态向量,Φ是状态转移矩阵,u(k)是控制向量,B是控制转移矩阵,Q是状态噪声矩阵;H是量测矩阵,R是观测噪声矩阵,z(k+1)是观测向量;K(k+1)是增益矩阵;
步骤SA3.2,根据公式8得到增益矩阵K(k+1);
5.根据权利要求1所述一种GNSS授时接收机精密时钟调控方法,其特征在于:步骤SB1,建立控制向量与状态向量的线性关系,利用线性二次高斯控制方法,得到控制律,具体包括
步骤SB1.1,建立控制向量u(k)和状态向量x(k)的线性关系,即
u(k)=-G(k)x(k) (9)
其中,G(k)为控制律;
步骤SB1.2,根据卡尔曼滤波的控制转移矩阵和状态转移矩阵,由线性二次高斯方法得到G(k)的计算公式
其中,对称矩阵WQ和WR分别为状态量代价矩阵和控制量代价矩阵,B为卡尔曼滤波的控制转移矩阵,Φ为卡尔曼滤波的状态转移矩阵;
步骤SB1.3,由于授时接收机在调控时钟时要求系统在无限时间上都保持稳定,因此使用稳态的线性二次高斯控制:当时间趋于无穷,P(k)的值也将趋于常值P0,以及对应的控制律G(k)转化为非时变定常矩阵G0;
步骤SB1.4,通过仿真和实测的方法对代价矩阵进行设计,并设置状态量代价矩阵WQ和控制量代价矩阵WR之间的相对大小,最后根据公式11得到稳态控制律G0;状态量代价矩阵WQ相对控制量代价矩阵WR越小时,调控越迟缓,此时中长期的频率稳定度较差,短期的频率稳定度较好;在状态量代价矩阵WQ中,钟差项权重显著小于频率偏差项权重时,长期稳定度和短期稳定度均较好;参考设置如下:
6.根据权利要求1或2或3或4或5所述一种GNSS授时接收机精密时钟调控方法,其特征在于:步骤SB2,根据卡尔曼滤波估计得到的时钟状态量x(k)以及线性二次高斯方法得到的控制律G(k)(转化为定常矩阵G0),根据公式9得到时钟控制量u(k),发送给时钟调控执行器。
7.一种GNSS授时接收机精密时钟调控系统,所述系统包括时钟状态估计模块和时钟调控模块;
时钟状态估计模块是对精密单点定位给出的接收机钟差进行滤波来降低噪声,包括以下单元:
单元SA1,建立卡尔曼滤波的时钟状态模型,包括时钟状态方程和状态噪声协方差阵,其中,在建立状态噪声协方差阵时,对频率闪烁噪声做近似建模,具体方法为通过扩充状态方程的维数,利用四个一阶马尔科夫过程的线性组合来近似频率闪烁噪声的特性;
单元SA2,建立卡尔曼滤波的时钟观测模型,观测值和观测噪声方差由精密单点定位给出;
单元SA3,在得到时钟状态方程和观测方程以及两者对应的方差阵之后,通过卡尔曼滤波得到滤波之后的时钟状态和方差阵;
时钟调控模块,在卡尔曼滤波估计器根据观测值估计时钟状态之后,用于根据时钟状态产生对应的时钟调控量,包括以下单元:
单元SB1,建立控制向量与状态向量的线性关系,利用线性二次高斯控制方法,得到控制律;
单元SB2,根据卡尔曼滤波估计得到的时钟状态以及线性二次高斯方法得到的控制律,计算时钟控制量。
8.根据权利要求7所述一种GNSS授时接收机精密时钟调控系统,其特征在于:单元SA1在建立时钟状态模型时,对频率闪烁噪声做近似建模,扩展状态方程的维数,利用四个一阶马尔科夫过程的线性组合来近似频率闪烁噪声的特性,具体包括:
并根据状态向量设置对应的状态转移矩阵,其中,x1表示钟差,x2表示频率偏差的一部分,包括系统项和随机项中调频随机游走噪声,mj表示第j个马尔科夫过程;
将状态转移矩阵Φ改写为
其中,Rj是mj的相关时间,满足Rj+1=Rj/8,R1=0.75,T表示时间间隔;
子单元SA1.2,确定时钟噪声系数,设置状态噪声方差阵Q为
其中,
h0、h-1、h-2分别为调频白噪声、调频闪烁噪声、调频随机游走噪声的水平系数,通过对时钟的allan方差双对数坐标曲线进行拟合估计得到。
10.根据权利要求7所述一种GNSS授时接收机精密时钟调控系统,其特征在于:单元SA3在通过单元SA1得到卡尔曼滤波中的时钟状态模型和通过单元SA2得到卡尔曼滤波的时钟观测模型之后,设置状态量初始值x(0)和估计均方误差阵P(0),根据公式20进行计算,得到滤波之后的时钟状态阳方差阵P(k+1);
其中,x(k)是状态向量,Φ是状态转移矩阵,u(k)是控制向量,B是控制转移矩阵,Q是状态噪声矩阵;H是量测矩阵,R是观测噪声矩阵,z(k+1)是观测向量;K(k+1)是增益矩阵;
子单元SA3.2,根据公式20得到增益矩阵K(k+1);
单元SB1在建立控制向量与状态向量的线性关系,利用线性二次高斯控制方法,得到控制律,具体包括
子单元SB1.1,建立控制向量u(k)和状态向量x(k)的线性关系,即
u(k)=-G(k)x(k) (21)
其中,G(k)为控制律;
子单元SB1.2,根据卡尔曼滤波的控制转移矩阵和状态转移矩阵,由线性二次高斯方法得到G(k)的计算公式
其中,对称矩阵WQ和WR分别为状态量代价矩阵和控制量代价矩阵,B为卡尔曼滤波的控制转移矩阵,Φ为卡尔曼滤波的状态转移矩阵;
子单元SB.3,由于授时接收机在调控时钟时要求系统在无限时间上都保持稳定,因此使用稳态的线性二次高斯控制:当时间趋于无穷,P(k)的值也将趋于常值P0,以及对应的控制律G(k)转化为非时变定常矩阵G0;
子单元SB.4,通过仿真和实测的方法对代价矩阵进行设计,并设置状态量代价矩阵WQ和控制量代价矩阵WR之间的相对大小,最后根据公式23得到稳态控制律G0;状态量代价矩阵WQ相对控制量代价矩阵WR越小时,调控越迟缓,此时中长期的频率稳定度较差,短期的频率稳定度较好;在状态量代价矩阵WQ中,钟差项权重显著小于频率偏差项权重时,长期稳定度和短期稳定度均较好;参考设置如下:
其中,卡尔曼滤波输出的状态量估计伯包含6个分量,但是由于只有前两个分量对系统描述关键,所以状态量代价矩阵WQ只考虑前两个分量;LQG输出的控制量仅包括晶振的控制量,因此控制量代价矩阵WR仅包含一个分量;
单元SB2根据卡尔曼滤波估计得到的时钟状态量x(k)以及线性二次高斯方法得到的控制律G(k)(转化为定常矩阵G0),根据公式21得到时钟控制量u(k),发送给时钟调控执行器。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010238896.2A CN111367160B (zh) | 2020-03-30 | 2020-03-30 | 一种gnss授时接收机精密时钟调控方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010238896.2A CN111367160B (zh) | 2020-03-30 | 2020-03-30 | 一种gnss授时接收机精密时钟调控方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111367160A CN111367160A (zh) | 2020-07-03 |
CN111367160B true CN111367160B (zh) | 2021-07-06 |
Family
ID=71210659
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010238896.2A Active CN111367160B (zh) | 2020-03-30 | 2020-03-30 | 一种gnss授时接收机精密时钟调控方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111367160B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112698323B (zh) * | 2020-12-10 | 2024-03-19 | 中国航空工业集团公司沈阳飞机设计研究所 | 一种基于α-β-γ滤波器的全自动着陆雷达引导噪声抑制方法 |
CN116068586B (zh) * | 2023-04-06 | 2023-06-16 | 武汉大学 | Gnss授时接收机lqg时钟控制器参数设计方法 |
CN116125512B (zh) * | 2023-04-13 | 2023-07-18 | 中国科学院精密测量科学与技术创新研究院 | 顾及时钟频率时变特性的ppp自适应钟差模型估算方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107515414A (zh) * | 2017-09-13 | 2017-12-26 | 东南大学 | 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 |
CN110109162A (zh) * | 2019-03-26 | 2019-08-09 | 西安开阳微电子有限公司 | 一种gnss接收机自适应的卡尔曼滤波定位解算方法 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103728876A (zh) * | 2014-01-02 | 2014-04-16 | 东南大学 | 一种基于区域多参考站联合解算的卫星钟差实时估计方法 |
CN106291645B (zh) * | 2016-07-19 | 2018-08-21 | 东南大学 | 适于高维gnss/ins深耦合的容积卡尔曼滤波方法 |
CN106292267B (zh) * | 2016-07-28 | 2019-08-02 | 武汉纳时科技有限公司 | 一种gnss高精度授时终端系统及授时方法 |
CN108919634B (zh) * | 2018-08-13 | 2020-08-07 | 中国科学院国家授时中心 | 一种北斗三频非差非组合观测值时间传递系统及方法 |
-
2020
- 2020-03-30 CN CN202010238896.2A patent/CN111367160B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107515414A (zh) * | 2017-09-13 | 2017-12-26 | 东南大学 | 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 |
CN110109162A (zh) * | 2019-03-26 | 2019-08-09 | 西安开阳微电子有限公司 | 一种gnss接收机自适应的卡尔曼滤波定位解算方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111367160A (zh) | 2020-07-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111367160B (zh) | 一种gnss授时接收机精密时钟调控方法及系统 | |
US8725327B2 (en) | Navigation system and method of obtaining accurate navigational information in signal challenging environments | |
CN111024064B (zh) | 一种改进Sage-Husa自适应滤波的SINS/DVL组合导航方法 | |
US5862495A (en) | Real time position correction to ground generated spacecraft ephemeris | |
Jwo et al. | An adaptive sensor fusion method with applications in integrated navigation | |
CN109839823B (zh) | 压电变形镜的异步迟滞补偿-线性二次型h∞控制方法及系统 | |
US20030107514A1 (en) | Method and apparatus for saving power in a global postioning system receiver | |
CN111175795A (zh) | Gnss/ins组合导航系统的两步抗差滤波方法及系统 | |
CN102141776A (zh) | 基于粒子滤波和rbf辨识的神经网络pid控制参数自整定方法 | |
CN103744100A (zh) | 一种基于卫星导航与惯性导航的组合导航方法 | |
CN103345155B (zh) | 微陀螺仪的自适应反演控制系统及方法 | |
CN108313330B (zh) | 一种基于增广Kalman滤波的卫星干扰力矩估计方法 | |
CN110440756B (zh) | 一种惯导系统姿态估计方法 | |
CN115406426B (zh) | 一种mems陀螺接口电路及调制方法 | |
CN114815588B (zh) | Pics补偿器与pid控制器设计方法及装置 | |
CN114877798B (zh) | 一种涡旋波/imu融合的建筑形变监测方法及系统 | |
CN109445448B (zh) | 一种轮控小卫星自适应积分滑模姿态控制器 | |
CN114111843B (zh) | 一种捷联惯导系统最优动基座初始对准方法 | |
CN111290008A (zh) | 一种动态自适应扩展卡尔曼滤波容错算法 | |
CN113741183B (zh) | 基于阻尼比模型的工业机器人自适应导纳控制方法 | |
CN115685757A (zh) | 一种纯时滞系统中基于滤波的自抗扰预估控制方法 | |
CN113985908A (zh) | 地球静止卫星东西位保全摄动漂移环控制方法 | |
Huihui et al. | Improved adaptive Kalman filtering algorithm for vehicular positioning | |
CN114142961B (zh) | 基于扩展比例积分抗扰补偿器的时间同步系统及方法 | |
Li et al. | Adaptive suboptimal H∞ filtering for space-maneuvering target tracking |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |