多通道联合控制数控振荡器的环路设计

信号跟踪是卫星导航接收机的核心处理技术,提升跟踪处理性能可弥补卫星导航易受干扰和遮挡的固有不足,具有重要的应用前景。在分析信号跟踪和测量的基本原理上,利用误差估计关系建立了定位域和信号域的物理联系桥梁。通过抽象的跟踪环路传输模型,归纳出提升环路性能的技术途径,改变了传统环路相互独立的设计思路,利用加权最小二乘算法设计了多数据源联合控制数控振荡器的矢量化环路跟踪算法,并从理论和仿真实验两方面对算法的性能进行了全面的对比分析。结果表明,该方法在与普通接收机处理复杂度相当的情况下,可提高环路在弱信号环境下的处理能力,多通道联合辅助某一弱信号通道时可提高6 d B的增益,多通道联合跟踪相对比各通道独立工作可提高3 d B的增益。     

基于软件GPS接收机的高动态跟踪环路设计

介绍了三阶载波跟踪环路的设计方法,并在MATLAB软件上通过低动态实验和高动态仿真实验对设计的跟踪环路性能进行验证。低动态实验采用中频信号采样器采集的真实GPS信号,高动态实验采用GPS信号仿真器生成的高动态仿真信号。实验结果表明,基于软件GPS接收机设计的二阶载波跟踪环路可满足一般低动态要求,而三阶载波环路则可满足载体相对于卫星加速度为10个g的高动态要求。     

基于环路相关积分观测的SINS/GPS深组合导航算法

深组合模式下惯性系统与卫星接收机基带信号进行深层次融合,可实现惯性和卫星导航系统的双向辅助。在分析深组合技术原理的基础上,研究了直接利用相关积分输出作为观测量构建环路预处理滤波器的方法,有效减小了传统跟踪环路中信号参量的估计误差;然后设计了基于环路相关观测信息的深组合系统主滤波器模型,实现了原跟踪环路中复制信号生成的外部控制;最后,利用深组合仿真平台对卫星信号载噪比变化环境下的紧组合与深组合性能进行实验对比分析,结果表明深组合算法在弱信号环境下具有环路失锁后快速恢复跟踪的特点及稳定的导航性能。     

基于快速相关运算的卫星接收机矢量跟踪算法

针对矢量跟踪过程中基带信号相关处理运算耗时较多的问题,提出了本地表及快速相关运算的优化处理方法,优化后的矢量跟踪环路中本地信号与输入信号的相关运算由耗时较多的浮点型运算转换为速度较快的位运算方式,降低了跟踪过程中的运算量,提高了矢量跟踪算法的运行速度。最后,利用实测的卫星中频信号对传统算法与优化算法进行了实验测试与性能分析对比,实验结果表明矢量跟踪算法对弱信号的持续跟踪能力优于传统标量跟踪方法,优化后的算法和原矢量跟踪算法相比信号处理时间约节省30%,有效改善了卫星接收机矢量跟踪算法中基带信号的处理效率。     

硬件可实现的GNSS/INS矢量深组合跟踪环路（英文）

GNSS矢量跟踪环路(VTL)跟踪灵敏度和定位精度优于标量跟踪环路(STL),但实现复杂度高,三个主要难点是:多通道联合跟踪要求各通道同时获取观测量并在同一时刻更新环路参数;高频率计算卫星位置加重处理器运算负担;无法跟踪载波相位导致无法解调导航电文。以上三个难点阻碍VTL在硬件平台上实现,因此商业接收机通常使用容易硬件实现的STL,但性能次优。为了在嵌入式硬件平台上实现VTL,引入三种方法:异步观测量线性插值、卫星位置计算算法优化、特殊的导航电文解调方法,之后通过仿真验证优化算法的功能及性能。使用航迹发生器生成飞机协调转弯航迹,再使用GNSS卫星信号模拟器产生中频采样信号,基于Matlab平台处理数据并进行了对比分析。仿真结果表明该VTL计算卫星位置效率提升55倍,成功解调导航电文,VTL位置精度优于3 m,速度精度优于0.3 m/s,基于该VTL的矢量深组合(VDI)算法位置精度优于2 m,速度精度优于0.1 m/s。     

自适应非相干矢量跟踪环路设计

针对导航接收机相关累加结果受导航电文数据比特跳变影响的问题,提出了一种自适应非相干矢量跟踪环路。通过在传统矢量跟踪环路中引入非相干频率/码鉴别器,使非相干与相干结合的相关器累加结果不再受比特跳变的影响。对非相干积分的灵敏度和动态性能进行了理论分析和仿真验证,同时给出了在一定动态范围内环路积分时间的优化选择方案,实现了环路积分时间在1~10 ms及非相干次数在1~10次的自适应调整设置。实验结果证明,自适应矢量非相干环路提升跟踪灵敏度约6 d B,非相干方法提高了矢量跟踪环路性能。     

北斗/INS深耦合接收机基带滤波器设计

随着北斗导航系统的组网,北斗/INS深耦合接收机的研制具有重要价值。传统的接收机基带滤波环路通常为相互独立的载波环路滤波器与码环路滤波器,码环路无法充分利用载波环路的信息,因此码环的动态性能受到限制。设计了载波/码组合滤波器,将载波环与码环的测量信息在一个滤波器内进行耦合,实时估计码相位、载波相位、多普勒频移与其变化率。通过北斗B3频点实际静态数据和GNSS模拟器采集的卫星-用户视线方向40g高动态数据进行离线跟踪测试,载波/码组合滤波环路可跟踪40g高动态信号,且静态数据的跟踪精度相比传统滤波环路提高27%。上述算法成功应用于基于Xilinx平台的卫星信号处理设备在线跟踪。提出的组合滤波器结构简单,测试有效,为北斗/INS深耦合接收机的工程实现提供参考。     

光电跟踪模型噪声卡尔曼滤波算法

为减小滤波性能对跟踪目标状态空间模型噪声的敏感性,提出一种基于新息同时更新系统噪声方差和测量噪声方差方法,并将其与非线性卡尔曼滤波类算法相结合,构成一类适用于光电跟踪目标的自适应非线性卡尔曼滤波算法.同时将此方法应用到非线性测量光电跟踪系统中,并与扩展卡尔曼滤波和U卡尔曼滤波进行性能对比.仿真实验结果证明该方法可以实时调整系统噪声方差和测量噪声方差,有效地避免由于系统模型噪声统计特性不准确所带来的滤波性能下降的问题,而且其性能明显优于扩展卡尔曼滤波和U卡尔曼滤波.     

旋转状态下的GPS信号跟踪性能

对于旋转载体采用圆柱共形微带天线更易实现对GPS信号稳定和连续的接收,然而接收得到的信号含有载体旋转引入的调制效应,对接收机跟踪环路提出了较高的要求。在考虑圆柱共形微带天线相位中心偏移的基础上,分析了载体旋转对GPS载波相位和频率的影响,研究了旋转状态下接收机跟踪环路的性能。仿真结果表明：为了减少旋转引入的动态应力误差,保持对GPS载波相位的稳定跟踪,必须相应的增大接收机跟踪环路的带宽,且旋转状态下二阶环路的跟踪性能要好于三阶环路。     

高动态GNSS接收机载波跟踪环自适应最优带宽设计与试验

对于大多数高动态接收机,通常采用2阶FLL辅助的3阶PLL环路结构,由于存在FLL环路,导致跟踪精度的下降。针对卫星接收机的动态性能和信号载波功率噪声密度比,在综合考虑接收机跟踪环路中的各种误差源(热噪声、晶振误差、动态牵引误差等)的基础上,采用自适应最优带宽技术,设计一种适用于高动态的3阶PLL载波跟踪环。采用基于GPS数字中频信号的数字仿真和GNSS信号源对所设计的自适应最优带宽进行了验证,验证结果表明:在加速度为30g、过程中存在加加速度为30g/s的高动态情况下,采用18 Hz 3阶PLL不能对信号进行跟踪,而采用所设计的自适应最优带宽的3阶PLL环可以对信号进行可靠的跟踪;同时,和固定带宽接收机比较,所设计载波跟踪环环路能够跟踪50g的高动态Compass卫星信号,而采用固定带宽接收机失锁,并且定位精度优于1 m(2σ),测速精度优于0.2 m/s(2σ)。     

基于模糊自适应强跟踪滤波的惯性/地磁组合导航方法

针对在量测噪声统计特性发生变化时,基于滤波算法的惯性/地磁组合导航系统存在精度下降甚至发散的问题,提出了一种基于模糊自适应强跟踪滤波算法的惯性/地磁组合导航方法,该方法通过制定模糊规则,实时监控系统残差变化,自适应地调整柔化因子的大小,即增强了滤波器对时变噪声的跟踪能力又保证了滤波器处理当前信息的能力.仿真结果表明:该方法能够很好地抑制纯惯性导航系统随时间累积的误差,而且在量测噪声统计特性发生变化时,系统误差没有出现明显的跳变,保证了整个导航系统的精度,提高了系统的鲁棒性.     

基于矢量跟踪的SINS/GPS深组合导航方法

为了满足高动态用户及强噪声干扰条件下的应用需求,提出了一种基于矢量跟踪的SINS/GPS深组合导航方案。深组合方案利用组合卡尔曼滤波器反馈回路取代了传统接收机中独立、并行的跟踪环路,能够同时完成所有可视卫星信号跟踪和组合导航信息处理的任务;利用相关器残差来更新导航参数状态,同时根据已有的导航参数和星历信息推测GPS伪码相位和多普勒频移等信号跟踪参数,用以控制接收机的本地伪码、载波数控振荡器（NCO）,使本地伪码相位和载波频率与输入信号保持一致。最后,通过仿真验证表明,基于矢量跟踪的深组合方法不仅在GPS信号发生短暂中断期间,能够保证组合系统的导航精度和可靠性,而且在载噪比较低的环境中能够维持较好的伪码相位和载波频率跟踪性能。     

快速传递对准用联合强跟踪Kalman滤波器设计与仿真

针对用于快速传递对准的卡尔曼滤波器阶数高,计算量大,滤波更新率低,鲁棒性差及对准精度不高等问题,提出采用联合强跟踪Kalman滤波器进行快速传递对准。文中设计了联合强跟踪Kalman滤波器的结构和算法,同时利用改进的Elman网络进行信息分配系数的自适应调节,以实现融合信息在各子系统中的自适应分配。仿真结果表明,该滤波器不仅提高了解算速度,而且提高了系统鲁棒性和对准精度。     

基于模糊迭代均方根容积卡尔曼滤波的天基非合作目标跟踪

针对非合作航天器相对导航中测量噪声不确定的问题,提出了一种模糊迭代均方根容积卡尔曼滤波算法,实现对非合作目标相对状态的测量。该算法利用容积点均方根迭代策略和模糊推理系统实时调整改进容积卡尔曼滤波的量测噪声协方差阵权值,修正量测噪声协方差阵,使其接近真实噪声值,从而提高目标跟踪算法的自适应能力,提高了滤波精度。通过建立数学仿真模型,分别采用扩展卡尔曼滤波、容积卡尔曼滤波以及模糊迭代均方根容积卡尔曼滤波进行跟踪仿真,仿真结果表明,与标准容积卡尔曼滤波相比,该改进算法能够提高13.17%的跟踪精度。     

具有乘性噪声和随机量测时滞的目标跟踪算法

针对在机动目标跟踪过程中产生的乘性量测噪声与随机量测时滞问题,提出了一种改进的高斯滤波(GF)算法,并给出了该算法的一种具体实现形式——随机时滞和乘性噪声容积卡尔曼滤波器(CKF-RDMN)。首先,利用一组满足伯努利分布的随机序列描述随机出现的量测时滞现象。其次,利用乘性噪声满足高斯条件分布的特性,改进量测更新过程。最后依据三阶球径容积法则,对高斯积分进行求解。由于该算法是对经典GF算法的改进,因此,也可作为通用的滤波框架解决上述问题。通过与推广无迹卡尔曼滤波和推广扩展卡尔曼滤波对比,仿真结果表明,CKF-RDMN在解决乘性量测噪声与随机量测时滞问题时,具有更高的估计精度。     

一种基于自适应去偏转换滤波的机动目标跟踪

针对于机动目标的跟踪问题,提出了一种基于交互式多模型的自适应去偏转换卡尔曼滤波器.该算法利用交互多模型算法来完成不同跟踪模型的相互切换;根据自适应去偏转换测量卡尔曼滤波算法来推导跟踪目标状态,同时自适应因子可以确保不正常测量时的鲁棒性.与传统的去偏转换卡尔曼滤波算法对比,该算法可以很好地改善所获量测信息在雷达被干扰时的目标跟踪精度.仿真结果表明了算法的有效性和可行性,且跟踪精度相对传统的去偏转换卡尔曼滤波算法减少9.38％的位置误差.     

基于交互式多模型滤波的船体变形惯性测量方法

基于惯性测量单元的匹配滤波算法是测量船体变形的发展趋势,然而在实际航行中,船体变形模型参数是未知或存在不确定性,模型参数的这一特性对滤波估计结果影响较大。针对此问题,利用"速度+角速度"匹配算法分析了模型参数未知对滤波估计效果的影响,引入交互式多模型卡尔曼滤波方法,利用不同模型参数的似然函数进行概率分配。最后通过仿真对提出的方法进行了验证,结果表明,与传统卡尔曼滤波相比,估计精度提高了5%~10%,收敛时间提高了1倍,动态变形角的收敛时间在10 s以内,静态变形角的收敛时间在5s以内,提高了系统的环境适应性。     

一种带速度观测量的GPS动态定位自适应卡尔曼滤波算法

提出了一种应用于GPS动态定位滤波的自适应卡尔曼滤波算法,此自适应滤波器算法简单,与常规滤波器相比,可实现快速有效地提高GPS定位精度。计算机仿真实例表明应用该算法具有良好的效果。     

Fuzzy logic adaptive Kalman filtering in the control of irrigation canals

A fuzzy logic adaptive Kalman filtering methodology was developed for the automatic control of an irrigation canal system under unknown disturbances (water withdrawals) acting in the canal. Using a linearized finite difference model of open channel flow, the canal operation problem was formulated as an optimal control problem and an algorithm for gate opening in the presence of arbitrary external disturbances (changes in flow rates) was derived. Based on the linear optimal control theory, the linear quadratic regulator (LQR), assuming all the state variables (flow depths and flow rates) were available, was designed to generate control input (optimal gate opening). As it was expensive to measure all the state variables (flow rates and flow depths) in a canal system, a fuzzy logic adaptive Kalman filter and traditional Kalman filter were designed to estimate the values for the state variables that were not measured but were needed in the feedback loop. The performances of the state estimators designed using the fuzzy logic adaptive Kalman filter methodology and the traditional Kalman filtering technique were compared with the results obtained using the LQR (target loop function). The results of the present study indicated that the performance of the fuzzy logic adaptive Kalman filter was far superior to the performance of the observer design based upon the traditional Kalman filter approach. The obvious advantages of the fuzzy logic adaptive Kalman filter were the prevention of filter divergence and ease of implementation. As the fuzzy logic adaptive Kalman filter requires smaller number of state variables for the acceptable accuracy therefore, it would need less computational effort in the control of irrigation canals. Copyright © 2009 John Wiley & Sons, Ltd.