CN115808700B - 一种应对电离层闪烁的载波跟踪方法 - Google Patents

一种应对电离层闪烁的载波跟踪方法 Download PDF

Info

Publication number
CN115808700B
CN115808700B CN202310083863.9A CN202310083863A CN115808700B CN 115808700 B CN115808700 B CN 115808700B CN 202310083863 A CN202310083863 A CN 202310083863A CN 115808700 B CN115808700 B CN 115808700B
Authority
CN
China
Prior art keywords
noise
phase
carrier
tracking
follows
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
Application number
CN202310083863.9A
Other languages
English (en)
Other versions
CN115808700A (zh
Inventor
程凌峰
倪淑燕
房彦龙
李豪
张书豪
陈世淼
雷拓峰
王海宁
付琦玮
张英健
毛文轩
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.)
Peoples Liberation Army Strategic Support Force Aerospace Engineering University
Original Assignee
Peoples Liberation Army Strategic Support Force Aerospace Engineering University
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 Peoples Liberation Army Strategic Support Force Aerospace Engineering University filed Critical Peoples Liberation Army Strategic Support Force Aerospace Engineering University
Priority to CN202310083863.9A priority Critical patent/CN115808700B/zh
Publication of CN115808700A publication Critical patent/CN115808700A/zh
Application granted granted Critical
Publication of CN115808700B publication Critical patent/CN115808700B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation

Landscapes

  • Geophysics And Detection Of Objects (AREA)
  • Position Fixing By Use Of Radio Waves (AREA)

Abstract

本发明提供一种应对电离层闪烁的载波跟踪方法，采用自回归模型对电离层闪烁进行拟合估计，能够将传播效应减弱；针对卡尔曼滤波测量噪声非白高斯，考虑用非线性的无迹卡尔曼滤波来取代鉴相器和环路滤波器，能够加强对时变相位的跟踪和对电离层闪烁噪声的抑制；同时，本发明还采用强跟踪因子和用载噪比估计器自适应更新滤波增益的方法加强对时变相位的跟踪和对电离层闪烁噪声的抑制，能够降低电离层闪烁噪声造成的测量噪声统计特性对滤波的影响；最后，本发明还采用自适应无迹卡尔曼滤波的方法实现对基带信号的载波频率和载波相位的跟踪，能够更好地捕获由非线性变换引起的高阶矩，不容易出错。

Description

一种应对电离层闪烁的载波跟踪方法
技术领域
本发明属于导航接收机的载波同步技术领域，尤其涉及一种应对电离层闪烁的载波跟踪方法。
背景技术
全球导航卫星系统（GNSS）为用户提供全天候、高精度的定位、导航和授时服务，广泛应用于社会生产生活各个领域。导航卫星通信接收机的大量使用正在挑战传统接收器架构的极限。传统的接收机最初设计用于在晴朗的天空、良性传播条件下工作，在恶劣的传播情况下，信号可能受到严重的高动态和电离层闪烁噪声的影响。传统的载波跟踪同步体系依赖于锁相环，但是在恶劣的传播条件下锁相环会因噪声抑制和动态跟踪能力的失衡而失锁，导致同步失败。
载波同步分为捕获和跟踪两个过程，载波跟踪主要是细化捕获阶段的参数的估计，过滤噪声并跟踪任何可能的时间变化。基于卡尔曼滤波的跟踪方法明显的解决了这种局限性。考虑到电离层闪烁噪声抑制的问题，卡尔曼滤波的主要缺点是在动态模型的选择上，只考虑了卫星与接收机之间的相对运动而产生的相位动力学，这导致了当前估计性能和抑制噪声干扰能力之间的矛盾，滤波器的设计应对时变的动态相位的能力强，将无法抑制传播效应，如电离层闪烁噪声；同时卡尔曼滤波在鉴相器输出处的测量噪声并不是白高斯，使相位估计精度受到了鉴相器非线性的限制，减弱了跟踪性能。
发明内容
为解决上述问题，本发明提供一种应对电离层闪烁的载波跟踪方法，能够加强对时变相位的跟踪和对电离层闪烁噪声的抑制。
一种应对电离层闪烁的载波跟踪方法，包括以下步骤：
S1：构建夹杂着电离层闪烁噪声的基带信号的离散信号模型，其中，离散信号模型中的基带信号的载波相位包括由于电离层闪烁引起的相位变化
Figure SMS_1
和由于卫星与导航接收机之间的相对运动引起的相位变化
Figure SMS_2
；
S2：构建关于相位变化
Figure SMS_3
的自回归模型和关于相位变化
Figure SMS_4
的泰勒展开模型；
S3：基于泰勒展开模型和自回归模型构建自适应强跟踪UKF-AR估计器，并采用自适应UKF-AR估计器实现对基带信号的载波频率和载波相位的跟踪。
进一步地，所述离散信号模型如下：
Figure SMS_5
其中，k为离散时间，
Figure SMS_6
为夹杂着电离层闪烁噪声的基带信号，
Figure SMS_7
为单位时间内累计输出的信号幅值，j为虚部，
Figure SMS_8
为基带信号的载波相位，且
Figure SMS_9
，
Figure SMS_10
为高斯测量噪声。
进一步地，所述自回归模型如下：
Figure SMS_11
其中，
Figure SMS_12
为由于电离层闪烁引起的相位变化的时间序列，p为自回归模型的阶数，
Figure SMS_13
为自回归模型系数，
Figure SMS_14
为高斯白噪声；
其中，自回归模型系数由Yule-Walker方程解算得到：
Figure SMS_15
其中，
Figure SMS_16
为时间序列
Figure SMS_17
的自相关函数，
Figure SMS_18
为高斯白噪声
Figure SMS_19
的方差。
进一步地，所述泰勒展开模型如下：
Figure SMS_20
其中，
Figure SMS_21
为随机初始相位，
Figure SMS_22
为载波多普勒频偏，
Figure SMS_23
为一阶频偏变化率，
Figure SMS_24
为(n-1)阶频偏变化率，Ts为采样间隔时间，n为泰勒展开模型的阶数。
进一步地，采用UKF-AR估计器实现对基带信号的载波频率和载波相位的跟踪具体为：
S31：构建UKF-AR估计器的状态向量如下：
Figure SMS_25
其中，T表示转置；
S32：构建UKF-AR估计器的状态方程如下：
Figure SMS_26
其中，
Figure SMS_27
为sigma点，且i=0,1,2,…,2n，
Figure SMS_28
为状态转移矩阵，
Figure SMS_29
为sigma点经状态转移矩阵传播后的转移结果；其中，各sigma点的计算方法如下：
Figure SMS_30
其中，
Figure SMS_31
为k-1时刻的状态向量，
Figure SMS_32
为状态向量
Figure SMS_33
的协方差矩阵，n为状态向量
Figure SMS_34
中包含的状态数量，
Figure SMS_35
为设定的比例系数；
状态转移矩阵的计算方法如下：
Figure SMS_36
Figure SMS_37
Figure SMS_38
其中，
Figure SMS_39
为与泰勒展开模型相关的辅助矩阵，
Figure SMS_40
为与自回归模型相关的辅助矩阵；
S32：构建强跟踪条件下状态预测协方差矩阵
Figure SMS_41
如下：
Figure SMS_42
其中，
Figure SMS_43
为时变衰落因子，
Figure SMS_44
为协方差矩阵
Figure SMS_45
的权值，
Figure SMS_46
为先验状态参量，
Figure SMS_47
为状态向量
Figure SMS_48
噪声协方差矩阵，其中，先验状态参量
Figure SMS_49
表示如下：
Figure SMS_50
其中，
Figure SMS_51
为状态向量的均值的权值；
噪声协方差矩阵
Figure SMS_52
的计算方法如下：
Figure SMS_53
其中，
Figure SMS_54
为单边谱密度；
S33：构建测量方程如下：
Figure SMS_55
其中，观测量
Figure SMS_57
，
Figure SMS_59
为基带信号同相分量的载波相位，
Figure SMS_61
为基带信号正交相分量的载波相位，
Figure SMS_58
，
Figure SMS_60
为高斯测量噪声
Figure SMS_62
的同相分量，
Figure SMS_63
为高斯测量噪声
Figure SMS_56
的正交相分量；
S34：构建观测量协方差矩阵
Figure SMS_64
如下：
Figure SMS_65
其中，
Figure SMS_66
为非线性观测方程函数，
Figure SMS_67
为先验状态参量
Figure SMS_68
经过非线性观测方程函数处理后的非线性状态量，
Figure SMS_69
为非线性状态量的加权和，且
Figure SMS_70
，
Figure SMS_71
为测量噪声方差，且有：
Figure SMS_72
其中，C为信号载噪比，erf( )为误差函数；
S35：构建滤波增益
Figure SMS_73
如下：
Figure SMS_74
其中，
Figure SMS_75
为
Figure SMS_76
和
Figure SMS_77
互协方差矩阵，且有：
Figure SMS_78
S36：设定状态向量和状态向量协方差的更新规则如下：
Figure SMS_79
Figure SMS_80
其中，
Figure SMS_81
为更新后的状态向量，
Figure SMS_82
为更新后的状态向量协方差矩阵，
Figure SMS_83
为残差；
S37：基于步骤S31~S36，采用自适应无迹卡尔曼滤波的方法实现对基带信号的载波频率和载波相位的跟踪。
进一步地，夹杂着电离层闪烁噪声的基带信号的获取方法为：
接收机接收到的GNSS信号分别以正弦的形式和余弦的形式剥离出载波，剥离出的载波分别作为同相采样数据和正交相采样数据，随后两组采样数据与码相关器作用剥离扩频码，再经过积分清零操作后，得到夹杂着电离层闪烁噪声的基带信号，其中，基带信号包括同相分量和正交相分量。
有益效果：
1、本发明提供一种应对电离层闪烁的载波跟踪方法，采用自回归模型对电离层闪烁进行拟合估计，能够将传播效应减弱；针对卡尔曼滤波测量噪声非白高斯，考虑用非线性的无迹卡尔曼滤波来取代鉴相器和环路滤波器，能够加强对时变相位的跟踪和对电离层闪烁噪声的抑制。
2、本发明提供一种应对电离层闪烁的载波跟踪方法，采用强跟踪因子和用载噪比估计器自适应更新滤波增益的方法加强对时变相位的跟踪和对电离层闪烁噪声的抑制，能够降低电离层闪烁噪声造成的测量噪声统计特性对滤波的影响。
3、本发明提供一种应对电离层闪烁的载波跟踪方法，采用自适应无迹卡尔曼滤波的方法实现对基带信号的载波频率和载波相位的跟踪，能够更好地捕获由非线性变换引起的高阶矩，不容易出错。
附图说明
图1为一种应对电离层闪烁的载波跟踪方法的流程图；
图2为电离层闪烁相位序列的偏相关系数；
图3为电离层闪烁相位序列的自相关系数；
图4为某场景下AR模型功率谱拟合情况示意图；
图5为自适应强跟踪UKF-AR跟踪基带时变载波相位的总体流程图；
图6为强跟踪衰落因子求解流程图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述。
如图1所示，一种应对电离层闪烁的载波跟踪方法，包括以下步骤：
S1：构建夹杂着电离层闪烁噪声的基带信号的离散信号模型，其中，离散信号模型中的基带信号的载波相位包括由于电离层闪烁引起的相位变化
Figure SMS_84
和由于卫星与导航接收机之间的相对运动引起的相位变化
Figure SMS_85
。
夹杂着电离层闪烁噪声的基带信号的获取方法为：
接收机接收到的GNSS信号分别以正弦的形式和余弦的形式剥离出载波，剥离出的载波分别作为同相采样数据和正交相采样数据，随后两组采样数据与码相关器作用剥离扩频码，再经过积分清零操作后，得到夹杂着电离层闪烁噪声的基带信号，其中，基带信号包括同相分量和正交相分量。
需要说明的是，电离层闪烁噪声是因为电离层的传播路径对GNSS信号产生的扰动形成的，具体表现为振幅衰减和相位变化，可将GNSS信号建模为：
Figure SMS_86
其中，
Figure SMS_87
和
Figure SMS_88
分别为发送的GNSS信号和接收到的GNSS信号的基带信号，
Figure SMS_89
为噪声项，
Figure SMS_90
表示闪烁噪声的随机过程，具有相应的包络
Figure SMS_91
和相位分量
Figure SMS_92
。
本发明的主要任务为电离层闪烁条件下的基带时变载波相位跟踪，在载波跟踪阶段的输入处，可以考虑简化并使用离散信号模型，具体的，本发明的夹杂着电离层闪烁噪声的基带信号的离散信号模型如下：
Figure SMS_93
其中，k为离散时间，
Figure SMS_95
为夹杂着电离层闪烁噪声的基带信号，
Figure SMS_97
为单位时间内累计输出的信号幅值，j为虚部，
Figure SMS_99
为基带信号的载波相位，且
Figure SMS_96
，相位变化
Figure SMS_98
和相位变化
Figure SMS_100
是相互独立的，
Figure SMS_101
为高斯测量噪声，且
Figure SMS_94
。
S2：构建关于相位变化
Figure SMS_102
的自回归模型和关于相位变化
Figure SMS_103
的泰勒展开模型。
需要说明的是，实验表明，莱斯分布可以用来模拟电离层闪烁的包络，同时能够保持与经验数据的密切拟合。本发明引入一种合成真实闪烁时间序列的方法，称为康奈尔闪烁模型方法。
康奈尔闪烁模型需要指定两个参数，闪烁强度（
Figure SMS_104
）和相关性（
Figure SMS_105
）闪烁强度用闪烁指数表示，一般来说，
Figure SMS_106
越高，
Figure SMS_107
越低，闪烁越严重。其中，图1为相位闪烁序列的偏相关系数和自相关系数，从图1中可得，自相关系数收敛为0，偏相关系数呈现出截断的特性，符合自回归模型（AR模型）规律。
进一步地，本发明的自回归AR(p)模型根据实际序列可建模为：
Figure SMS_108
其中，
Figure SMS_109
为由于电离层闪烁引起的相位变化的时间序列，p为自回归模型的阶数，
Figure SMS_110
为自回归模型系数，
Figure SMS_111
为高斯白噪声；
其中，自回归模型系数由Yule-Walker方程解算得到：
Figure SMS_112
其中，
Figure SMS_113
为时间序列
Figure SMS_114
的自相关函数，
Figure SMS_115
为高斯白噪声
Figure SMS_116
的方差。
例如，以图4为例，（
Figure SMS_117
）时的相位闪烁序列可以建模为AR(3)模型。AR(3)模型根据实际序列可建模为：
Figure SMS_118
其中，高斯白噪声
Figure SMS_119
的方差为
Figure SMS_120
，
Figure SMS_121
为电离层闪烁引起的相位变化时间序列，系数
Figure SMS_122
以及噪声方差可以根据Yule-Walker方程进行求解。
相关参数计算如下：
Figure SMS_123
同理，
Figure SMS_124
为相位闪烁序列的自相关函数。
噪声方差计算如下：
Figure SMS_125
进一步地，对于卡尔曼滤波体系，载波相位由接收机动态应力引起的时变泰勒展开近似建模，泰勒展开的阶数由实际动态性决定。
本发明的相位变化
Figure SMS_126
的泰勒展开模型如下：
Figure SMS_127
其中，
Figure SMS_128
为随机初始相位，
Figure SMS_129
为载波多普勒频偏，
Figure SMS_130
为一阶频偏变化率，
Figure SMS_131
为(n-1)阶频偏变化率，Ts为采样间隔时间，n为泰勒展开模型的阶数。
S3：基于泰勒展开模型和自回归模型构建自适应强跟踪UKF-AR估计器，并采用自适应UKF-AR估计器实现对基带信号的载波频率和载波相位的跟踪，如图5所示，具体包括以下步骤：
S31：构建UKF-AR估计器的状态向量
Figure SMS_132
如下：
Figure SMS_133
其中，T表示转置；
S32：构建UKF-AR估计器的状态方程如下：
Figure SMS_134
其中，
Figure SMS_135
为由矩阵
Figure SMS_136
的各列计算出的sigma点，且i=0,1,2,…,2n，
Figure SMS_137
为状态转移矩阵，
Figure SMS_138
为sigma点经状态转移矩阵传播后的转移结果；其中，各sigma点的计算方法如下：
Figure SMS_139
其中，
Figure SMS_140
为k-1时刻的状态向量，
Figure SMS_141
为状态向量
Figure SMS_142
的协方差矩阵，n为状态向量
Figure SMS_143
中包含的状态数量，
Figure SMS_144
为设定的比例系数，其中
Figure SMS_145
和
Figure SMS_146
为常数值，根据实际情况进行设置；
状态转移矩阵的计算方法如下：
Figure SMS_147
Figure SMS_148
Figure SMS_149
其中，
Figure SMS_150
为与泰勒展开模型相关的辅助矩阵，
Figure SMS_151
为与自回归模型相关的辅助矩阵；
S32：为了解决UKF-AR方法的发散问题和应对接收信号发生的突变，采用加入时变衰落因子的强跟踪的方法提高状态跟踪性能，构建状态预测协方差矩阵
Figure SMS_152
如下：
Figure SMS_153
其中，
Figure SMS_155
为时变衰落因子，其计算过程如图6所示，
Figure SMS_157
为遗忘因子，
Figure SMS_159
为协方差矩阵
Figure SMS_156
的权值，
Figure SMS_158
，
Figure SMS_160
为先验状态参量，Q为状态向量
Figure SMS_161
噪声协方差矩阵，其中，先验状态参量
Figure SMS_154
表示如下：
Figure SMS_162
其中，
Figure SMS_163
为状态向量的均值的权值，且
Figure SMS_164
；
噪声协方差矩阵
Figure SMS_165
可表示为：
Figure SMS_166
其中，
Figure SMS_167
，实质上是泰勒级数余项，可近似计算为：
Figure SMS_168
Figure SMS_169
为
Figure SMS_170
的n阶导数，可建模为具有单边谱密度为
Figure SMS_171
的高斯白噪声。
综上：
Figure SMS_172
其中，
Figure SMS_173
为单边谱密度，
Figure SMS_174
为电离层闪烁AR拟合模型方差；
S33：构建测量方程如下：
Figure SMS_175
其中，观测量
Figure SMS_176
，
Figure SMS_179
为基带信号同相分量的载波相位，
Figure SMS_181
为基带信号正交相分量的载波相位，
Figure SMS_178
，
Figure SMS_180
为高斯测量噪声
Figure SMS_182
的同相分量，
Figure SMS_183
为高斯测量噪声
Figure SMS_177
的正交相分量；
S34：构建观测量协方差矩阵
Figure SMS_184
如下：
Figure SMS_185
其中，
Figure SMS_186
为非线性观测方程函数，
Figure SMS_187
为先验状态参量
Figure SMS_188
经过非线性观测方程函数处理后的非线性状态量，
Figure SMS_189
为非线性状态量的加权和，且
Figure SMS_190
，
Figure SMS_191
为测量噪声方差；
需要说明的是，为了应对电离层闪烁强度过高的问题，IQ两路的复包络浮动过大的问题，采用加入载噪比估计器的方法自适应调节滤波增益，减少由错误先验噪声引起的估计误差，测量噪声方差
Figure SMS_192
估计可表示为：
Figure SMS_193
其中，C为信号载噪比，erf(·)为误差函数；
S35：构建滤波增益
Figure SMS_194
如下：
Figure SMS_195
其中，
Figure SMS_196
为
Figure SMS_197
和
Figure SMS_198
互协方差矩阵，且有：
Figure SMS_199
S36：设定状态向量和状态预测协方差的更新规则如下：
Figure SMS_200
Figure SMS_201
其中，
Figure SMS_202
为更新后的状态向量，
Figure SMS_203
为更新后的状态向量协方差矩阵，
Figure SMS_204
为残差，且
Figure SMS_205
；
S37：基于步骤S31~S36，采用自适应无迹卡尔曼滤波的方法实现对基带信号的载波频率和载波相位的跟踪。
也就是说，本发明完成状态向量的更新后，再更新测量方程，并将更新后的测量噪声协方差加入到观测量协方差矩阵的求解中，通过的更新实现了自适应调节滤波增益，并对状态向量和协方差进行更新。
由此可见，本发明针对当前估计与抑制之间的矛盾，考虑将有关传播干扰的统计知识加入到系统模型中，采用AR模型对电离层闪烁进行拟合估计，因此能够将传播效应减弱；针对卡尔曼滤波测量噪声非白高斯，考虑用非线性的无迹卡尔曼滤波来取代鉴相器和环路滤波器，另外为了应对电离层闪烁噪声造成的测量噪声统计特性对滤波的影响，采用加入强跟踪因子和用载噪比估计器自适应更新滤波增益的方法加强对时变相位的跟踪和对电离层闪烁噪声的抑制。
当然，本发明还可有其他多种实施例，在不背离本发明精神及其实质的情况下，熟悉本领域的技术人员当然可根据本发明作出各种相应的改变和变形，但这些相应的改变和变形都应属于本发明所附的权利要求的保护范围。

Claims (2)

1.一种应对电离层闪烁的载波跟踪方法，其特征在于，包括以下步骤：
S1：构建夹杂着电离层闪烁噪声的基带信号的离散信号模型，其中，离散信号模型中的基带信号的载波相位包括由于电离层闪烁引起的相位变化
Figure QLYQS_1
和由于卫星与导航接收机之间的相对运动引起的相位变化
Figure QLYQS_2
；
S2：构建关于相位变化
Figure QLYQS_3
的自回归模型和关于相位变化
Figure QLYQS_4
的泰勒展开模型；
S3：基于泰勒展开模型和自回归模型构建自适应强跟踪UKF-AR估计器，并采用自适应UKF-AR估计器实现对基带信号的载波频率和载波相位的跟踪；
所述离散信号模型如下：
Figure QLYQS_5
其中，k为离散时间，
Figure QLYQS_6
为夹杂着电离层闪烁噪声的基带信号，
Figure QLYQS_7
为单位时间内累计输出的信号幅值，j为虚部，
Figure QLYQS_8
为基带信号的载波相位，且
Figure QLYQS_9
，
Figure QLYQS_10
为高斯测量噪声；
所述自回归模型如下：
Figure QLYQS_11
其中，
Figure QLYQS_12
为由于电离层闪烁引起的相位变化的时间序列，p为自回归模型的阶数，
Figure QLYQS_13
为自回归模型系数，
Figure QLYQS_14
为高斯白噪声；
其中，自回归模型系数由Yule-Walker方程解算得到：
Figure QLYQS_15
其中，
Figure QLYQS_16
为时间序列
Figure QLYQS_17
的自相关函数，
Figure QLYQS_18
为高斯白噪声
Figure QLYQS_19
的方差；
所述泰勒展开模型如下：
Figure QLYQS_20
其中，
Figure QLYQS_21
为随机初始相位，
Figure QLYQS_22
为载波多普勒频偏，
Figure QLYQS_23
为一阶频偏变化率，
Figure QLYQS_24
为(n-1)阶频偏变化率，Ts为采样间隔时间，n为泰勒展开模型的阶数；
采用UKF-AR估计器实现对基带信号的载波频率和载波相位的跟踪具体为：
S31：构建UKF-AR估计器的状态向量
Figure QLYQS_25
如下：
Figure QLYQS_26
其中，T表示转置；
S32：构建UKF-AR估计器的状态方程如下：
Figure QLYQS_27
其中，
Figure QLYQS_28
为sigma点，且i=0,1,2,…,2n，
Figure QLYQS_29
为状态转移矩阵，
Figure QLYQS_30
为sigma点经状态转移矩阵传播后的转移结果；其中，各sigma点的计算方法如下：
Figure QLYQS_31
其中，
Figure QLYQS_32
为k-1时刻的状态向量，
Figure QLYQS_33
为状态向量
Figure QLYQS_34
的协方差矩阵，n为状态向量
Figure QLYQS_35
中包含的状态数量，
Figure QLYQS_36
为设定的比例系数；
状态转移矩阵的计算方法如下：
Figure QLYQS_37
Figure QLYQS_38
Figure QLYQS_39
其中，
Figure QLYQS_40
为与泰勒展开模型相关的辅助矩阵，
Figure QLYQS_41
为与自回归模型相关的辅助矩阵；
S32：构建强跟踪条件下状态预测协方差矩阵
Figure QLYQS_42
如下：
Figure QLYQS_43
其中，
Figure QLYQS_44
为时变衰落因子，
Figure QLYQS_45
为协方差矩阵
Figure QLYQS_46
的权值，
Figure QLYQS_47
为先验状态参量，
Figure QLYQS_48
为状态向量
Figure QLYQS_49
噪声协方差矩阵，其中，先验状态参量
Figure QLYQS_50
表示如下：
Figure QLYQS_51
其中，
Figure QLYQS_52
为状态向量的均值的权值；
噪声协方差矩阵
Figure QLYQS_53
的计算方法如下：
Figure QLYQS_54
其中，
Figure QLYQS_55
为单边谱密度；
S33：构建测量方程如下：
Figure QLYQS_56
其中，观测量
Figure QLYQS_58
，
Figure QLYQS_61
为基带信号同相分量的载波相位，
Figure QLYQS_63
为基带信号正交相分量的载波相位，
Figure QLYQS_59
，
Figure QLYQS_60
为高斯测量噪声
Figure QLYQS_62
的同相分量，
Figure QLYQS_64
为高斯测量噪声
Figure QLYQS_57
的正交相分量；
S34：构建观测量协方差矩阵
Figure QLYQS_65
如下：
Figure QLYQS_66
其中，
Figure QLYQS_67
为非线性观测方程函数，
Figure QLYQS_68
为先验状态参量
Figure QLYQS_69
经过非线性观测方程函数处理后的非线性状态量，
Figure QLYQS_70
为非线性状态量的加权和，且
Figure QLYQS_71
，
Figure QLYQS_72
为测量噪声方差，且有：
Figure QLYQS_73
其中，C为信号载噪比，erf()为误差函数；
S35：构建滤波增益
Figure QLYQS_74
如下：
Figure QLYQS_75
其中，
Figure QLYQS_76
为
Figure QLYQS_77
和
Figure QLYQS_78
互协方差矩阵，且有：
Figure QLYQS_79
S36：设定状态向量和状态向量协方差的更新规则如下：
Figure QLYQS_80
Figure QLYQS_81
其中，
Figure QLYQS_82
为更新后的状态向量，
Figure QLYQS_83
为更新后的状态向量协方差矩阵，
Figure QLYQS_84
为残差；
S37：基于步骤S31~S36，采用自适应无迹卡尔曼滤波的方法实现对基带信号的载波频率和载波相位的跟踪。
2.如权利要求1所述的一种应对电离层闪烁的载波跟踪方法，其特征在于，夹杂着电离层闪烁噪声的基带信号的获取方法为：
接收机接收到的GNSS信号分别以正弦的形式和余弦的形式剥离出载波，剥离出的载波分别作为同相采样数据和正交相采样数据，随后两组采样数据与码相关器作用剥离扩频码，再经过积分清零操作后，得到夹杂着电离层闪烁噪声的基带信号，其中，基带信号包括同相分量和正交相分量。
CN202310083863.9A 2023-02-09 2023-02-09 一种应对电离层闪烁的载波跟踪方法 Active CN115808700B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310083863.9A CN115808700B (zh) 2023-02-09 2023-02-09 一种应对电离层闪烁的载波跟踪方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310083863.9A CN115808700B (zh) 2023-02-09 2023-02-09 一种应对电离层闪烁的载波跟踪方法

Publications (2)

Publication Number Publication Date
CN115808700A CN115808700A (zh) 2023-03-17
CN115808700B true CN115808700B (zh) 2023-05-23

Family

ID=85487740

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310083863.9A Active CN115808700B (zh) 2023-02-09 2023-02-09 一种应对电离层闪烁的载波跟踪方法

Country Status (1)

Country Link
CN (1) CN115808700B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117454679B (zh) * 2023-12-26 2024-05-03 中铁第一勘察设计院集团有限公司 基于线状分布测站的动态线状电离层建模方法及系统

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107515414B (zh) * 2017-09-13 2020-05-08 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
CN111610540A (zh) * 2020-05-27 2020-09-01 中国人民解放军国防科技大学 一种抗电离层闪烁的自适应无迹卡尔曼滤波载波跟踪环路及方法
CN114609652B (zh) * 2022-03-11 2024-06-07 北京航空航天大学 一种极端电离层异常下的多频开环接收机跟踪方法及系统

Also Published As

Publication number Publication date
CN115808700A (zh) 2023-03-17

Similar Documents

Publication Publication Date Title
CN109188469A (zh) 一种gnss信号接收机欺骗信号参数估计方法
CN115808700B (zh) 一种应对电离层闪烁的载波跟踪方法
CN106291604B (zh) 卫星导航信号接收机的改进码跟踪方法及环路
CN101807940B (zh) 一种gnss接收系统的抗多径干扰装置及其方法
CN107786479B (zh) 一种qpsk载波恢复大频偏补偿系统及方法
CN104199059A (zh) 基于自适应α-β滤波器的接收机跟踪环多普勒自补偿方法
CN110531393A (zh) 基于自适应卡尔曼滤波的弱信号跟踪方法
CN109946723B (zh) 一种自适应扩展卡尔曼跟踪方法、装置及存储介质
Jiang et al. Performance analysis of a Kalman filter carrier phase tracking loop
Fan et al. A two-step stochastic hybrid estimation for GNSS carrier phase tracking in urban environments
CN108375779B (zh) 一种基于Kalman滤波器的导航接收机干扰抑制方法
CN109507696B (zh) 一种基于自适应滤波的gnss伪距多路径消除方法
Jiang et al. Performance analysis and design of the optimal frequency-assisted phase tracking loop
CN106338748A (zh) 基于卡尔曼滤波的gps接收机跟踪环路
Tang et al. Fine Doppler frequency estimation in GNSS signal acquisition process
CN104199063B (zh) 一种基于叉积算法的盲鉴频器处理方法
Fernández-Prades et al. Nonlinear filtering for ultra-tight GNSS/INS integration
CN110940999A (zh) 一种基于误差模型下的自适应无迹卡尔曼滤波方法
CN107870338B (zh) 一种低更新频度的卫星导航载波跟踪方法
CN115859039A (zh) 一种车辆状态估计方法
Jianfeng et al. Low C/N0 carrier tracking loop based on optimal estimation algorithm in GPS software receivers
Wu et al. A BDS-3 B1C/B2a dual-frequency joint tracking architecture based on adaptive Kalman filter and extended integration time
CN116636151A (zh) 用于卫星导航接收器的自适应窄频带和宽频带干扰抑制
CN114236578A (zh) 一种非全向单天线旋转条件下卫星导航信号跟踪方法
CN113900127A (zh) 基于强跟踪平方根容积卡尔曼滤波的卫星信号跟踪环路

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