CN104062667A - 基于i/q支路相关积分观测滤波的gps弱信号跟踪*** - Google Patents

Abstract

本发明公开了一种基于I/Q支路相关积分观测滤波的GPS弱信号跟踪***。接收机用于接收卫星信号，经过下变频成中频信号，传送给混频器；混频器还接收本地载波数控振荡器输出的本地正弦、余弦复现载波信号，输出I支路输出信号和Q支路输出信号传送给相关运算器；相关运算器还接收码发生器产生的本地超前复现C/A码、即时复现C/A码和滞后复现C/A码，将结果输出给积分清除器，产生六路相关积分值传送给卡尔曼滤波器；卡尔曼滤波器得到估计出的载波相位差、载波频率差和码相位差，分别传送给本地载波数控振荡器和码发生器。本发明有效降低了卫星信号噪声强度，在弱信号环境下能够更好的跟踪卫星信号，提高了跟踪精度。

Description

基于I/Q支路相关积分观测滤波的GPS弱信号跟踪***

技术领域

本发明属于GPS信号跟踪领域，尤其涉及基于I/Q支路相关积分观测滤波的GPS弱信号跟踪***。

背景技术

GPS接收机从卫星接收到的信号是扩频的调制信号，通过捕获和跟踪阶段对卫星信号解扩、解调才能得到导航电文。GPS信号跟踪阶段，信号通道从捕获阶段获得的对当前卫星信号载波频率和码相位的粗略估计值出发，通过跟踪环路逐步精细对这两个信号参量的估计。在微弱条件下，简单的增加积分时间已经不能满足跟踪要求，利用位同步方法可以避免环路积分时间跨越导航电文数据位边缘。利用扩展卡尔曼滤波(EKF)可以消除信号跟踪时的多路径效应,模型构造较简单,但不能有效跟踪微弱信号。通过在信号自相关函数特性的三角波峰点采用拟合的手段,可以避免EKF运算过程中雅可比方程的非连续性，但跟踪误差比较大。

发明内容

本发明目的是提供一种能够有效跟踪GPS微弱信号的基于I/Q支路相关积分观测滤波的GPS弱信号跟踪***。

本发明通过以下技术方案实现的：

基于I/Q支路相关积分观测滤波的GPS弱信号跟踪***，包括接收机、本地载波数控振荡器、混频器、码发生器、积分清除器、相关运算器、卡尔曼滤波器，

接收机用于接收卫星信号，经过下变频成中频信号，传送给混频器；

混频器还接收本地载波数控振荡器输出的本地正弦、余弦复现载波信号，将中频信号与本地正弦复现载波信号进行混频运算，得到I支路输出信号，传送给相关运算器，将中频信号与本地余弦复现载波信号进行混频运算，得到Q支路输出信号，传送给相关运算器；

相关运算器还接收码发生器产生的本地超前复现C/A码、即时复现C/A码和滞后复现C/A码，将I支路输出信号和Q支路输出信号分别与本地超前复现C/A码、即时复现C/A码、滞后复现C/A码做相关运算，结果传送给积分清除器；

积分清除器根据接收的信息产生六路相关积分值I_E，I_P，I_L，Q_E，Q_P，Q_L，传送给卡尔曼滤波器；卡尔曼滤波器得到估计出的载波相位差、载波频率差和码相位差，将载波相位差和载波频率差传送给本地载波数控振荡器，将码相位差传送给码发生器；

本地载波数控振荡器根据接收的信息产生本地正弦、余弦复现载波信号，输送给混频器；码发生器根据接收的信息产生本地超前复现C/A码、即时复现C/A码和滞后复现C/A码，传送给相关运算器。

本发明基于I/Q支路相关积分观测滤波的GPS弱信号跟踪***还可以包括：

1、接收机输出的第i颗卫星信号的中频信号为：

其中，A为归一化信号幅值，D(k)为数据码，C(k)为卫星所播放的C/A码，f₁为射频信号输入频率，f_d为信号多普勒频移，k为历元时刻，为第载波初相位；

本地载波数控振荡器产生的本地正弦复现载波信号S_OS和本地余弦复现载波信号S_OC为：

其中，A_O为幅值，f_O为频率，为相位，

中频信号和本地正弦复现载波信号S_OS做混频预算的结果为：

其中，

$A_e=\frac{1}{2}A\·A_O$

f_e＝f₁+f_d-f_O

中频信号和本地余弦复现载波信号S_OC做混频预算的结果为：

2、相关运算器中的相关运算方法为：

$R\left(k\right)=\frac{1}{N}\underset{n=0}{\overset{N-1}{\mathrm{\Σ}}}C\left(n\right)\·C_O(n-k)$

其中，C(k)为混频器的输出信号中的C/A码，C_O(k)为码发生器产生的本地超前复现C/A码或即时复现C/A码或滞后复现C/A码，N为参加相关运算的离散数据点数目。

3、卡尔曼滤波器的状态量为：

其中，A为归一化信号幅值，为载波相位差，δw为载波频率差，δa为载波频率变化率，δτ为码相位差，λ_L为卫星信号载波波长，λ_CA为C/A码波长，W_k为过程噪声，也称***噪声，记为 $W_k={\left[\begin{array}{ccccc}{\mathrm{\ω}}_1& {\mathrm{\ω}}_2& {\mathrm{\ω}}_3& {\mathrm{\ω}}_4& {\mathrm{\ω}}_5\end{array}\right]}^T,$ W_k为零均值白噪声序列；

积分清除器的输出六路相关积分值I_E，I_P，I_L，Q_E，Q_P，Q_L为卡尔曼滤波器的观测量：

其中，δ为本地复现C/A码超前滞后的间隔，R(ε_i)为本地复现C/A码自相关函数，V_k为量测噪声。

4、卡尔曼滤波器中采用UT变换产生Sigma点χ和对称采样的加权序列w：

${\mathrm{\χ}}_0=\stackrel{\‾}{x}$

${\mathrm{\χ}}_i=\stackrel{\‾}{x}+{\left(\sqrt{(n+\mathrm{\λ})P}\right)}_i^T,i=\mathrm{1,2},\·\·\·,n$

${\mathrm{\χ}}_{i+n}=\stackrel{\‾}{x}-{\left(\sqrt{(n+\mathrm{\λ})P}\right)}_i^T,i=\mathrm{1,2},\·\·\·,n$

其中，状态变量X_K初始分布均值为均方误差矩阵为P，λ＝α²(n+κ)-n是一标量，α用于控制每个点到均值的距离，10^-4≤α≤1，κ是一标量，标量β的作用是减小高阶矩的影响；

卡尔曼滤波器的时间更新过程为：

χ_i,k|k-1＝f(χ_i,k-1|k-1)i＝1,2,…,2n

${\widehat{\mathrm{\χ}}}_{k|k-1}=\underset{i=0}{\overset{2n}{\mathrm{\Σ}}}{w}_i^m{\mathrm{\χ}}_{i,k|k-1}$

$P_{k|k-1}=\underset{i=0}{\overset{2n}{\mathrm{\Σ}}}{w}_i^c({\mathrm{\χ}}_{i,k|k-1}-{\hat{X}}_{k|k-1}){({\mathrm{\χ}}_{i,k|k-1}-{\hat{X}}_{k|k-1})}^T+Q_k$

其中，χ_i,k-1|k-1为第i个Sigma采样点k-1时刻的估计值，f(·)为非线性函数，为k-1时刻预测k时刻的状态量预测值，P_k|k-1为k-1时刻预测k时刻状态量的均方误差阵，Q_k为过程噪声的协方差阵；

卡尔曼滤波器的量测更新过程为：

$P_{\mathrm{ZZ}}=\underset{i=0}{\overset{2n}{\mathrm{\Σ}}}{w}_i^c(Z_{i,k|k-1}-{\hat{Z}}_{k|k-1}){(Z_{i,k|k-1}-{\hat{Z}}_{k|k-1})}^T+R_k$

$P_{\mathrm{XZ}}=\underset{i=0}{\overset{2n}{\mathrm{\Σ}}}{w}_i^c{({\mathrm{\χ}}_{i,k|k-1}-{\hat{X}}_{k|k-1})(Z_{i,k|k-1}-{\hat{Z}}_{k|k-1})}^T$

P_ZZ为经过量测值更新以后的量测量均方误差阵，P_XZ为经过量测值更新以后状态量与量测量的互相关均方误差阵，R_k为量测噪声协方差阵。

本发明的有益效果为：

本发明可以克服传统鉴别器输出时带来的误差，对非线性***能够准确建模，有效降低了卫星信号噪声强度，在弱信号环境下能够更好的跟踪卫星信号，提高了跟踪精度。接收机I/Q支路相关积分值作为跟踪环路最为原始的数据，克服传统鉴别器输出时带来的误差；减小接收机内部热噪声和动态应力误差的影响，降低跟踪环路失锁现象。应用UKF滤波算法对环路进行处理滤波，克服了传统接收机鉴别器输出与状态量之间的非线性关系。处理非线性信号快速收敛、对动态参量能够精确估计。

附图说明

图1是基于I/Q支路相关积分观测滤波的跟踪环路结构图；

图2是卡尔曼滤波器跟踪环路结构图。

具体实施方式

下面结合附图对本发明做进一步详细说明。

基于I/Q支路相关积分观测滤波的GPS信号跟踪的核心技术是利用I/Q支路相关积分构建集中式滤波模型及应用UKF滤波算法，其基本思想是以接收机跟踪环路I/Q支路相关积分值作为观测量，采用集中式滤波器代替传统GPS跟踪环路中鉴别器，应用UKF滤波算法对载波环和码环中的特征量进行联合估计，达到对载波频率、载波相位和码相位等参数的精确跟踪。由于接收机I/Q支路相关积分值与集中式滤波器中的状态量存在非线性关系，因此采用UKF滤波算法能够很好的克服这一难题。

***建模准确性是基于I/Q支路相关积分值作为观测量的GPS信号跟踪所面临的一个关键性技术问题，由于***观测量和待估计的状态量之间呈非线性关系，所以状态量的选取对于***建模准确性显的尤为重要。对于一个非线性***，状态量维数的增加更能准确的反应***各个状态的信息，同时计算量也会相应的增加。为了简化***结构和减小***计算量，建立模型时通常选取载波相位、载波频率和码相位等参量作为***的状态量。

如图1所示，接收机通过天线接收到的卫星信号，经过下变频成中频信号，与本地载波数控振荡器(NCO)产生的本地载波信号做混频运算，混频结果与码发生器产生的本地复现C/A码做六路相关运算，经过积分-清除器后，作为集中式滤波器的输入信号参与UKF滤波，将滤波结果反馈给本地NCO，从而实现环路的闭合。

图2为集中式滤波器跟踪环路结构图，由图可以看出，n个跟踪通道的中频信号经过载波剥离和码相关运算后，分别经过积分-清除器，消除I/Q支路信号中的高频信号成分和噪声，以提高载噪比，进入集中式滤波器，各通道I/Q支路相关积分作为UKF滤波的观测量。

本发明具体包括以下几个步骤：

步骤一，载波剥离和码相关运算；

接收机利用天线接受到的卫星信号送至射频前段处理，通过多级混频将射频信号转换成中频信号，与本地载波数控振荡器产生的本地正弦和余弦复现载波信号进行混频运算，使得输入信号中包含多普勒频移在内的中频载波被彻底剥离，处理后的中频信号与C/A码发生器产生的超前、即时和滞后六路C/A码进行相关运算，经过积分-清除器后形成六路相关积分值。

由接收机射频前端输出的第i颗卫星信号可写成：

A为归一化信号幅值，D(k)为数据码，C(k)为卫星所播放的C/A码,f₁为射频信号输入频率，f_d为信号多普勒频移，k为历元时刻，为第载波初相位。

本地载波NCO产生的本地正弦和余弦复现信号为：

式中，A_O为本地复现信号幅值，f_O为本地复现信号频率，为本地复现信号相位。

将中频信号S与本地正弦复现信号S_OS混频的那条环路分支成为I支路，将中频信号S与本地余弦复现信号S_OC混频的那条环路分支成为Q支路，当中频信号S在I支路上与本地正弦复现信号S_OS在混频器中做相乘混频运算时，得到的乘积i_p(k)为

其中，

$A_e=\frac{1}{2}A\·A_O$

f_e＝f₁+f_d-f_O （4）

式(3)中，等号右边第一项为低频成分，第二项为高频成分，f_e和分别为中频信号S和本地正弦复现信号S_OS之间的载波频率差和载波相位差。

混频结果i_p(k)经过低通滤波器滤除掉高频成分，得到如下滤波结果

通过卡尔曼滤波器反馈回来的状态量误差信息，送至载波NCO更新输出本地复现信号，从而使得本地复现信号与输入的中频信号之间的相位时刻保持一致。当输入和输出信号相位基本保持一致时，式(5)中的f_e和趋于零值，i_p(k)只剩下信号幅值、数据码D(k)和伪码C(k)，从而彻底达到载波剥离的效果。

同理，可以推导出中频信号S在Q支路上与本地余弦复现信号S_OC的混频结果，混频结果经过低通滤波器滤除掉高频成分后得到

接收信号中的C/A码为C(k)，与本地复现C/A码C_O(k)进行相关运算得到如下相关结果：

$R\left(k\right)=\frac{1}{N}\underset{n=0}{\overset{N-1}{\mathrm{\Σ}}}C\left(n\right)\·C_O(n-k)---\left(7\right)$

其中，N为参加相关运算的离散数据点数目，通常对应1ms长的采集数据量。

I支路上的混频结果i_p(k)分别同时与本地超前、即时和滞后复现C/A码做相关运算，产生i_E，i_P和i_L信号，为简化表达，省略信号中的历元时刻k。Q支路上的混频结果q_p(k)也分别同时与这三份C/A码信号做相关运算，生成q_E，q_P和q_L信号。此时中频信号内的C/A码被彻底剥离，解扩后的i_E，i_P，i_L，q_E，q_P和q_L只含有我们想要得到的数据码信息D(k)，将其通过积分-清除器后，形成六路相关积分值I_E，I_P，I_L，Q_E，Q_P和Q_L，作为卡尔曼滤波器的观测量，如图1中所示。

步骤二，基于相干积分观测滤波的信号跟踪模型；

选取归一化信号幅值A，载波相位差载波频率差δw，载波频率变化率δa，码相位差状态δτ为状态量列写状态方程。

将I/Q支路超前、即时、滞后六路相关积分值作为UKF滤波的观测量，列写量测方程。

GPS跟踪环路本质为数字锁相环，从控制***的角度分析是一个经典的相位跟踪控制***，卡尔曼滤波算法是一种利用最小方差准则的最优估计方法，可以对***状态参量进行精确估计，且可以更为有效的对***进行控制，为了能够准确的跟踪输入信号的频率和相位，选择k时刻滤波器状态量为：

式中，A为归一化信号幅值，为载波相位差，δw为载波频率差，δa为载波频率变化率，δτ为码相位差。卡尔曼滤波器的状态方程如下所示：

式中，λ_L为卫星信号L₁载波波长，λ_CA为C/A码波长，其值约为293m，W_k为过程噪声，也称***噪声，记为： $W_k={\left[\begin{array}{ccccc}{\mathrm{\ω}}_1& {\mathrm{\ω}}_2& {\mathrm{\ω}}_3& {\mathrm{\ω}}_4& {\mathrm{\ω}}_5\end{array}\right]}^T,$ W_k为零均值白噪声序列。

利用步骤一中的I/Q支路六路相关积分输出值作为卡尔曼滤波器的观测量，建立与状态量相关的非线性方程为：

式中，δ为本地C/A码超前滞后的间隔，R(ε_i)为C/A码自相关函数。V_k为量测噪声，噪声的方差阵为：

$\begin{array}{c}{R}_k=E\left(V_k{V_k}^T\right)\\ ={\mathrm{\σ}}_{N}N\left[\begin{array}{cccccc}1& 0& 1-\mathrm{\δ}& 0& 1-2\mathrm{\δ}& 0\\ 0& 1& 0& 1-\mathrm{\δ}& 0& 1-2\mathrm{\δ}\\ 1-\mathrm{\δ}& 0& 1& 0& 1-\mathrm{\δ}& 0\\ 0& 1-\mathrm{\δ}& 0& 1& 0& 1-\mathrm{\δ}\\ 1-2\mathrm{\δ}& 0& 1-\mathrm{\δ}& 0& 1& 0\\ 0& 1-2\mathrm{\δ}& 0& 1-\mathrm{\δ}& 0& 1\end{array}\right]\end{array}---\left(11\right)$

式中，σ_N是相关信号I、Q处理后的噪声强度。

由于观测方程与状态量存在着非线性关系，应用传统的卡尔曼滤波算法会导致估计精度差，因此采用UKF滤波算法进行环路处理滤波，最终得到估计出的载波相位差载波频率差δw和码相位差δτ。

步骤三，基于UKF的卡尔曼滤波器

采用UKF滤波算法代替环路滤波器,消除传统跟踪方法在动态性和滤波精度之间的矛盾。利用UKF的强非线性跟踪能力,代替鉴别器,对弱信号环境下多通道载波的相位、频率和码相位进行精确跟踪。

UKF滤波算法是采用UT变换和传统卡尔曼滤波架构的有效结合，通过对非线性函数概率密度函数的估计来获取状态估计，UT变换是UKF算法的核心和基础。UT变换的思想是：在确保采样均值和协方差为和P的前提下，选择2n+1个点集(Sigma点集)，n为状态变量维数，将非线性变换应用于采样的每个Sigma点，得到非线性转换后的点集和p_y是变换后Sigma点集的统计量。

卡尔曼滤波器离散化后的非线性***模型为：

$\begin{array}{c}{X}_{K+1}=f\left(X_K\right)+W_K\\ Z_{K+1}=h\left(X_K\right)+V_K\end{array}---\left(12\right)$

状态变量X_K初始分布均值为均方误差矩阵为P。UT变换产生Sigma点χ和对称采样的加权序列w，表示为：

${\mathrm{\χ}}_0=\stackrel{\‾}{x}---\left(13\right)$

${\mathrm{\χ}}_i=\stackrel{\‾}{x}+{\left(\sqrt{(n+\mathrm{\λ})P}\right)}_i^T,i=\mathrm{1,2},\·\·\·,n---\left(14\right)$

${\mathrm{\χ}}_{i+n}=\stackrel{\‾}{x}-{\left(\sqrt{(n+\mathrm{\λ})P}\right)}_i^T,i=\mathrm{1,2},\·\·\·,n---\left(15\right)$

式中，是通过Cholesky分解得到的均方根矩阵的第i行(或列)；λ＝α²(n+κ)-n是一标量，α用于控制每个点到均值的距离，其取值范围通常为(10^-4≤α≤1)；κ也是一标量，通常取0；标量β的作用是减小高阶矩的影响，当状态量为高斯分布，其最优值取2。

$\begin{array}{cc}{w}_0^m=\mathrm{\λ}/(n+\mathrm{\λ})& w_0^c=w_0^m+1-{\mathrm{\α}}^2+\mathrm{\β}---\left(16\right)\end{array}$

$w_i^m=w_i^c=1/2(n+\mathrm{\λ}),i=\mathrm{1,2},\·\·\·2n---\left(17\right)$

时间更新过程：

χ_i,k|k-1＝f(χ_i,k-1|k-1)i＝1,2,…,2n (18)

式中，第i个Sigma采样点k-1时刻的估计值χ_i,k-1|k-1经过非线性函数f(·)转换后得到k-1时刻预测k时刻估计值χ_i,k|k-1，χ_i,k|k-1和第i个Sigma采样点的加权值运算后得到k-1时刻预测k时刻的状态量预测值

${\widehat{\mathrm{\χ}}}_{k|k-1}=\underset{i=0}{\overset{2n}{\mathrm{\Σ}}}{w}_i^m{\mathrm{\χ}}_{i,k|k-1}---\left(19\right)$

$P_{k|k-1}=\underset{i=0}{\overset{2n}{\mathrm{\Σ}}}{w}_i^c({\mathrm{\χ}}_{i,k|k-1}-{\hat{X}}_{k|k-1}){({\mathrm{\χ}}_{i,k|k-1}-{\hat{X}}_{k|k-1})}^T+Q_k---\left(20\right)$

式中，P_k|k-1为k-1时刻预测k时刻状态量的均方误差阵，Q_k为过程噪声的协方差阵。

测量更新过程：

$P_{\mathrm{ZZ}}=\underset{i=0}{\overset{2n}{\mathrm{\Σ}}}{w}_i^c(Z_{i,k|k-1}-{\hat{Z}}_{k|k-1}){(Z_{i,k|k-1}-{\hat{Z}}_{k|k-1})}^T+R_k---\left(21\right)$

$P_{\mathrm{XZ}}=\underset{i=0}{\overset{2n}{\mathrm{\Σ}}}{w}_i^c{({\mathrm{\χ}}_{i,k|k-1}-{\hat{X}}_{k|k-1})(Z_{i,k|k-1}-{\hat{Z}}_{k|k-1})}^T---\left(22\right)$

式中，P_ZZ为经过量测值更新以后的量测量均方误差阵，P_XZ为经过量测值更新以后状态量与量测量的互相关均方误差阵，R_k为量测噪声协方差阵。

K_k＝P_XZ(P_ZZ)^-1 (23)

${\hat{X}}_{k|k}={\hat{X}}_{k|k-1}+K_k(Z_k-{\hat{Z}}_{k|k-1})---\left(24\right)$

P_k|k＝P_k|k-1-K_kP_ZZK_k ^T (25)

式中，为量测值更新过后的k时刻状态变量的最优估计值，K_k为滤波增益矩阵，P_k|k为k时刻状态量的均方误差阵。

卡尔曼滤波器采用UKF滤波算法，在时间更新过程中，选取一系列的Sigma采样点，经过状态方程和量测方程后，将这些经过非线性变换后的采样点依据各自的权重而综合出对当前时刻***状态量的估计值。测量更新过程中，利用六路相关积分值来校正卡尔曼滤波器状态量的估计值，将校正以后的载波频率、载波相位和码相位差送至本地载波和码NCO，实时更新本地复现的载波和码输出信号，从而形成完整的闭合回路。

Claims (5)

1.基于I/Q支路相关积分观测滤波的GPS弱信号跟踪***，其特征在于：包括接收机、本地载波数控振荡器、混频器、码发生器、积分清除器、相关运算器、卡尔曼滤波器，接收机用于接收卫星信号，经过下变频成中频信号，传送给混频器；

混频器还接收本地载波数控振荡器输出的本地正弦、余弦复现载波信号，将中频信号与本地正弦复现载波信号进行混频运算，得到I支路输出信号，传送给相关运算器，将中频信号与本地余弦复现载波信号进行混频运算，得到Q支路输出信号，传送给相关运算器；

相关运算器还接收码发生器产生的本地超前复现C/A码、即时复现C/A码和滞后复现C/A码，将I支路输出信号和Q支路输出信号分别与本地超前复现C/A码、即时复现C/A码、滞后复现C/A码做相关运算，结果传送给积分清除器；

积分清除器根据接收的信息产生六路相关积分值I_E，I_P，I_L，Q_E，Q_P，Q_L，传送给卡尔曼滤波器；卡尔曼滤波器得到估计出的载波相位差、载波频率差和码相位差，将载波相位差和载波频率差传送给本地载波数控振荡器，将码相位差传送给码发生器；

本地载波数控振荡器根据接收的信息产生本地正弦、余弦复现载波信号，输送给混频器；

码发生器根据接收的信息产生本地超前复现C/A码、即时复现C/A码和滞后复现C/A码，传送给相关运算器。

2.根据权利要求1所述的基于I/Q支路相关积分观测滤波的GPS弱信号跟踪***，其特征在于：接收机输出的第i颗卫星信号的中频信号为：

其中，A为归一化信号幅值，D(k)为数据码，C(k)为卫星所播放的C/A码，f₁为射频信号输入频率，f_d为信号多普勒频移，k为历元时刻，为第载波初相位；

本地载波数控振荡器产生的本地正弦复现载波信号S_OS和本地余弦复现载波信号S_OC为：

其中，A_O为幅值，f_O为频率，为相位，

中频信号和本地正弦复现载波信号S_OS做混频预算的结果为：

其中，

$A_e=\frac{1}{2}A\·A_O$

f_e＝f₁+f_d-f_O

中频信号和本地余弦复现载波信号S_OC做混频预算的结果为：

3.根据权利要求2所述的基于I/Q支路相关积分观测滤波的GPS弱信号跟踪***，其特征在于：所述的相关运算器中的相关运算方法为：

$R\left(k\right)=\frac{1}{N}\underset{n=0}{\overset{N-1}{\mathrm{\Σ}}}C\left(n\right)\·C_O(n-k)$

其中，C(k)为混频器的输出信号中的C/A码，C_O(k)为码发生器产生的本地超前复现C/A码或即时复现C/A码或滞后复现C/A码，N为参加相关运算的离散数据点数目。

4.根据权利要求3所述的基于I/Q支路相关积分观测滤波的GPS弱信号跟踪***，其特征在于：卡尔曼滤波器的状态量为：

其中，A为归一化信号幅值，为载波相位差，δw为载波频率差，δa为载波频率变化率，δτ为码相位差，λ_L为卫星信号载波波长，λ_CA为C/A码波长，W_k为过程噪声，也称***噪声，记为 $W_k={\left[\begin{array}{ccccc}{\mathrm{\ω}}_1& {\mathrm{\ω}}_2& {\mathrm{\ω}}_3& {\mathrm{\ω}}_4& {\mathrm{\ω}}_5\end{array}\right]}^T,$ W_k为零均值白噪声序列；

积分清除器的输出六路相关积分值I_E，I_P，I_L，Q_E，Q_P，Q_L为卡尔曼滤波器的观测量：

其中，δ为本地复现C/A码超前滞后的间隔，R(ε_i)为本地复现C/A码自相关函数，V_k为量测噪声。

5.根据权利要求4所述的基于I/Q支路相关积分观测滤波的GPS弱信号跟踪***，其特征在于：卡尔曼滤波器中采用UT变换产生Sigma点χ和对称采样的加权序列w：

${\mathrm{\χ}}_0=\stackrel{\‾}{x}$

${\mathrm{\χ}}_i=\stackrel{\‾}{x}+{\left(\sqrt{(n+\mathrm{\λ})P}\right)}_i^T,i=\mathrm{1,2},\·\·\·,n$

${\mathrm{\χ}}_{i+n}=\stackrel{\‾}{x}-{\left(\sqrt{(n+\mathrm{\λ})P}\right)}_i^T,i=\mathrm{1,2},\·\·\·,n$

其中，状态变量X_K初始分布均值为均方误差矩阵为P，λ＝α²(n+κ)-n是一标量，α用于控制每个点到均值的距离，10^-4≤α≤1，κ是一标量，标量β的作用是减小高阶矩的影响；

卡尔曼滤波器的时间更新过程为：

χ_i,k|k-1＝f(χ_i,k-1|k-1)i＝1,2,…,2n

${\widehat{\mathrm{\χ}}}_{k|k-1}=\underset{i=0}{\overset{2n}{\mathrm{\Σ}}}{w}_i^m{\mathrm{\χ}}_{i,k|k-1}$

$P_{k|k-1}=\underset{i=0}{\overset{2n}{\mathrm{\Σ}}}{w}_i^c({\mathrm{\χ}}_{i,k|k-1}-{\hat{X}}_{k|k-1}){({\mathrm{\χ}}_{i,k|k-1}-{\hat{X}}_{k|k-1})}^T+Q_k$

其中，χ_i,k-1|k-1为第i个Sigma采样点k-1时刻的估计值，f(·)为非线性函数，时刻预测k时刻的状态量预测值，P_k|k-1为k-1时刻预测k时刻状态量的均方误差阵，Q_k为过程噪声的协方差阵；

卡尔曼滤波器的量测更新过程为：

$P_{\mathrm{ZZ}}=\underset{i=0}{\overset{2n}{\mathrm{\Σ}}}{w}_i^c(Z_{i,k|k-1}-{\hat{Z}}_{k|k-1}){(Z_{i,k|k-1}-{\hat{Z}}_{k|k-1})}^T+R_k$

$P_{\mathrm{XZ}}=\underset{i=0}{\overset{2n}{\mathrm{\Σ}}}{w}_i^c{({\mathrm{\χ}}_{i,k|k-1}-{\hat{X}}_{k|k-1})(Z_{i,k|k-1}-{\hat{Z}}_{k|k-1})}^T$

P_ZZ为经过量测值更新以后的量测量均方误差阵，P_XZ为经过量测值更新以后状态量与量测量的互相关均方误差阵，R_k为量测噪声协方差阵。