CN102253396A - 一种高动态gps载波环跟踪方法 - Google Patents

Abstract

本发明涉及的是一种高动态GPS载波环跟踪方法，包括以下步骤：从功能上说，该算法既利用了FLL鉴别器，又采用了卡尔曼滤波算法；FLL鉴别器采用了四象限反正切鉴别器，该鉴别器在高何地信噪比时最佳，且斜率与信号幅度无关；利用卡尔曼滤波对相位差进行估计。本发明所用的卡尔曼滤波的载波跟踪环中选用了线性较好的四相限反正切鉴别器的输出相位差作为量测值，利用卡尔曼滤波对相位差进行估计，提高了载波跟踪环的灵敏度。

Description

一种高动态GPS载波环跟踪方法

技术领域

本发明涉及一种高动态GPS载波环路跟踪算法，可应用于高动态环境下的GPS软件接收机，来实现高动态环境下卫星信号的跟踪。 

技术背景

早在50年代末期，世界上第一颗人造卫星发射成功后，人们就开始利用卫星进行定位和导航的研究，到今天为止，要数GPS导航***发展最为成熟和广泛，其应用产业所获得的经济效益和社会效益也迅速增加，尤其是在海湾战争和科索沃战争中，GPS发挥了至关重要的作用，这更激起了许多国家开发、应用GPS的热潮。 

我国在卫星导航***开发方面较发达国家晚，而美国等欧美国家出于保障国家安全和维护军事强国的需要，有关高动态的技术对我国采取封锁政策。目前GPS在我国的应用具有如下明显不足：①在国内GPS应用产品市场上，有相当部分产品直接来自国外；②主要是进行产品的二次开发；③主要侧重中、低动态环境的应用研究，高动态应用领域的研究涉及不多。低动态，中动态和高动态是按目标载体的运动速度归纳的：低动态接收机，其载体运动速度为每秒几米至几十米；中动态接收机，运动速度为100m/s至1km/s；高动态接收机，运动速度一般大于1km/s。由于以上原因，我国正在发展自己的北斗导航定位***，该***将会由目前的区域导航最终发展为全球导航。该系 统的建立与运营，必然要求科技工作者研发出各种类型的导航接收机，而导航接收机的跟踪环路在高动态条件下的性能研究必然是研发的重点。另外，由于国外的很多武器都装备了GPS高动态用户机，搞清楚GPS高动态用户机的工作原理，也可以为设计出高效的GPS高动态用户机提供理论依据。 

出于国家安全的需要，为了在卫星导航方面摆脱对它国的依赖，我们应该研究并掌握高动态条件下的导航接收机的跟踪技术，为我国开发自己的卫星导航***提供技术支持。 

发明内容

本发明的技术解决问题是：克服现有的技术不足，提供一种新的高动态GPS跟踪算法。该算法融合了PLL/FLL算法与卡尔曼算法，将FLL鉴相器的输出信号作为卡尔曼滤波算法的输入，经过卡尔曼滤波估计出载波相位误差，经过环路滤波后然后反馈载波生成器，以调整本地复现的载波频率。 

1、本发明的技术解决方案为：一种高动态GPS载波环跟踪方法，其特征在于包括以下步骤： 

(1)从功能上说，该算法既利用了FLL鉴别器，又采用了卡尔曼滤波算法； 

(2)FLL鉴别器采用了四象限反正切鉴别器，该鉴别器在高何地信噪比时最佳，且斜率与信号幅度无关；利用卡尔曼滤波对相位差进行估计。 

2、根据权利要求1所述的一种高动态GPS载波环跟踪方法，其特征在于既利用了FLL鉴别器，又采用了卡尔曼滤波算法： 

(a)将输入的中频信号剥离C/A码，然后通过与载波生成器的输出相交，得到同相信号和正交信号； 

(b)将同相信号和正交信号作为FLL鉴相器的输入，通过鉴相器鉴相，将 所得结果送入卡尔曼滤波器； 

(c)将鉴相器输出作为卡尔曼滤波器的观测值，建立载波相位的状态方程和观测方程；

(d)将卡尔曼滤波器输出经过环路滤波后然后反馈载波生成器，以调整本地复现的载波频率。 

本发明的优点是融合了FLL鉴别器及卡尔曼滤波算法，首先通过对中频输入的同相和正交信号分量通过FLL鉴相器从而得到相位Δθ(k)，经过鉴相器后，相位只与多普勒频率有关，使得进行估计时计算更加方便和简单，通过卡尔曼滤波(KF)算法对相位、其导数(即多普勒频率)以及多普勒频率变化率进行估计，即设立x(k)＝[Δθ(k)Δω(k)Δα(k)]的状态向量。卡尔曼滤波器的输出信号作为相位补偿值经过环路滤波反馈至载波生成器，来调整本地复现载波的频率，是频率锁定输入信号载波的频率。本发明所用的卡尔曼滤波的载波跟踪环中选用了线性较好的四相限反正切鉴别器的输出相位差作为量测值，利用卡尔曼滤波对相位差进行估计，提高了载波跟踪环的灵敏度。 

附图说明

图1为本发明的总体框图； 

图2为离散线性***； 

图3为离散线性简化***； 

图4为环路滤波器。 

具体实施方式

如图1所示，一种高动态GPS跟踪方法，包括以下步骤： 

(a)将输入的中频信号剥离C/A码，然后通过与载波生成器的输出相交，得到同相信号和正交信号。 

(b)将同相信号和正交信号作为FLL鉴相器的输入，通过鉴相器鉴相，将所得结果送入卡尔曼滤波器。FLL鉴相器公式为： 

$D_{\mathrm{FLL}}=\frac{{\tan }^{-1}\left(\frac{I_{E,1}\×Q_{E,2}-I_{E,2}\×Q_{E,1}}{I_{E,1}\×I_{E,2}+Q_{E,1}\×Q_{E,2}}\right)}{t_2-t_1}---\left(1\right)$

其中，I_E，1，Q_E，1表示t₁时刻的采样，同样I_E，2，Q_E，2表示稍后时刻t₂的采样，这两者相邻的采样应该在同一个数据比特时间区内。 

(c)将鉴相器输出作为卡尔曼滤波器的观测值，建立载波相位的状态方程和观测方程，如下所示： 

X_k＝Φ_k，k-1X_k-1+w_k    (2) 

Z_k＝H_kX_k+v_k            (3) 

其中，第一个式子为相位差状态方程，X_k为被估计状态量，Φ_k，k-1为相位状态量的一步转移矩阵，w_k为***噪声；第二个式为测量方程，Z_k为相位鉴别器测量值，H_k相位鉴别器测量阵，v_k为测量噪声矩阵；其中w_k和v_k的方差分别为Q_k和R_k。 

载波环路的卡尔曼滤波流程为： 

1、计算状态一步预测： 

${\hat{X}}_{k,k-1}={\mathrm{\Φ}}_{k,k-1}{\hat{X}}_k---\left(4\right)$

2、计算相位差状态估计值： 

${\hat{X}}_k={\mathrm{\Φ}}_{k,k-1}{\hat{X}}_{h-1}+K_k(Z_k-H_k{\hat{X}}_{k,k-1})---\left(5\right)$

3、计算卡尔曼滤波增益： 

$K_k=P_{k,k-1}{H}_k^T{[H_k{P}_{k,k-1}{H}_k^T+R_k]}^{-1}---\left(6\right)$

4、计算一步预测协方差阵： 

$P_{k,k-1}={\mathrm{\Φ}}_{k,k-1}{P}_{k-1}{\mathrm{\Φ}}_{k,k-1}^T+Q_k---\left(7\right)$

5、计算均方误差： 

P_k＝(I-K_kH_k)P_k，k-1    (8) 

其中，K_k为卡尔曼增益矩阵，为使估计的均方误差达到最小；P_k为***模型误差引起，反映估计精度； 表示测量值和模型预测值之间的误差。 

(d)将卡尔曼滤波器输出经过环路滤波后然后反馈载波生成器，以调整本地复现的载波频率。 

环路滤波器设计： 

本算法采用的环路滤波器是二阶的，其框图如图2所示： 

现将图2简化成图3 

二阶环路滤波器的传递函数为： 

$F\left(z\right)=\frac{(C_1+C_2)-C_1{Z}^{-1}}{1-Z^{-1}}---\left(9\right)$

$N\left(z\right)=\frac{k_0{z}^{-1}}{1-z^{-1}}---\left(10\right)$

F(z)具体机构如下图3所示 

二阶环路滤波器的转移函数为： 

$H_1\left(z\right)=\frac{(4{\mathrm{\ξw}}_n+{\left(w_{n}T\right)}^2)+2{\left(w_{n}T\right)}^2{z}^{-1}+({\left(w_{n}T\right)}^2-4{\mathrm{\ξw}}_{n}T)z^{-2}}{(4+4{\mathrm{\ξw}}_n+{\left(w_{n}T\right)}^2)+(2{\left(w_{n}T\right)}^2-8)z^{-1}+(4-4{\mathrm{\ξw}}_n+{\left(w_{n}T\right)}^2)z^{-2}}---\left(11\right)$

由图4得 

$H\left(z\right)=\frac{K_{d}F\left(z\right)N\left(z\right)}{1+K_{d}F\left(z\right)N\left(z\right)}$

$=\frac{K_0{K}_d(C_1+C_2)z^{-1}-K_0{K}_d{C}_1{z}^{-2}}{1+\left(K_0{K}_d(C_1+C_2)\right)z^{-1}+(1-K_0{K}_d{C}_1)z^{-2}}---\left(12\right)$

将式(11)与(12)对比可得 

$C_1=\frac{1}{K_0{K}_d}\frac{8{\mathrm{\ξw}}_{n}T}{4+4{\mathrm{\ξw}}_{n}T+{\left(w_{n}T\right)}^2}---\left(13\right)$

$C_2=\frac{1}{K_0{K}_d}\frac{4{\left(w_{n}T\right)}^2}{4+4{\mathrm{\ξw}}_{n}T+{\left(w_{n}T\right)}^2}---\left(14\right)$

式(13)与式(14)是关键公式，为编程实现的时候提供了参数修改理论依据。式中，K₀K_d为环路增益，ξ是阻尼比，w_n是自然频。 

Claims (2)

1.一种高动态GPS载波环跟踪方法，其特征在于包括以下步骤：

(1)从功能上说，该算法既利用了FLL鉴别器，又采用了卡尔曼滤波算法；

(2)FLL鉴别器采用了四象限反正切鉴别器，该鉴别器在高何地信噪比时最佳，且斜率与信号幅度无关；利用卡尔曼滤波对相位差进行估计。

2.根据权利要求1所述的一种高动态GPS载波环跟踪方法，其特征在于既利用了FLL鉴别器，又采用了卡尔曼滤波算法：

(a)将输入的中频信号剥离C/A码，然后通过与载波生成器的输出相交，得到同相信号和正交信号；

(b)将同相信号和正交信号作为FLL鉴相器的输入，通过鉴相器鉴相，将所得结果送入卡尔曼滤波器；

(c)将鉴相器输出作为卡尔曼滤波器的观测值，建立载波相位的状态方程和观测方程；

(d)将卡尔曼滤波器输出经过环路滤波后然后反馈载波生成器，以调整本地复现的载波频率。

Images