CN104678382B - 一种适用于扩频体制通信测控***下的远程高精度测距方法 - Google Patents

Abstract

本发明公开一种适用于扩频体制通信测控***下的远程高精度测距方法。采用的技术方案是：1）采集数据，2）分析数据，3）建立模型，4）卡尔曼滤波，5)输出数据；由于本发明采用了优化的卡尔曼滤波方法，创新性地应用于远程测距***，充分利用了卡尔曼滤波的预测估计特性，从而使测距***的精度提高了一个数量级，因而也解决了远程测距方法***复杂精度不高的问题，取得了良好的效果。本发明具有不增加***复杂度，易于***集成，易于软件实现的特点。主要应用于无线数据链领域。

Description

一种适用于扩频体制通信测控***下的远程高精度测距方法

技术领域

本发明属于无线数据链领域，涉及一种相关数据链的高精度无线电导航定位方法，尤其是一种扩频体制通信测控***的远程高精度测距方法。

背景技术

无线通信中，由于信号传输环境复杂多变，需要多种导航定位方法保证***可靠运行。无线电导航定位作为GPS等卫星定位信号失灵时的一种备用导航模式，应用范围非常广泛，而高精度测距是保障无线电导航定位的必要手段。目前测控***中测距方法主要有侧音测距及伪码测距。

侧音测距是利用正弦信号经过往返距离所对应的相位变化进行距离测量。其中低侧音保证测距距离，高侧音保证测距精度。但在距离增大时，纯侧音测距***由于设备复杂、抗干扰能力差等特点，很难实现远距离测量。

如图1所示，伪码测距在扩频体制通信测控***中虽然具有实现方便、灵活、抗干扰能力强等特点，但由于普通伪码测距的测量距离取决于伪码长度，测距精度受限于时钟速率，因此在要求中远程测距就要求伪码尽可能长，这与通信测控***要求快速捕获与跟踪形成矛盾；同时测距精度也受限于***的时钟频率。

因此，如何保证远程通信测控***的快速捕获与跟踪性能，既不大幅度提高***复杂度(***时钟频率提高会提高***复杂度)，又能保证远程距离测量的高精度，成为亟待解决的问题。

发明内容

本发明公开了一种适用于扩频体制通信测控***下的远程高精度测距方法，旨在提供一种适用于远程通信测控***下的高精度测距方法，通过对上一时刻测量值与当前时刻估算值进行滤波运算，最终达到高精度测距的目的。

本发明采用如下的技术方案：

本方法分下述几步进行：

1)采集数据：

接收端机通过AD采样器量化接收扩频信号，通过相关器进行解扩，提取信号作为测距与通信解算模块的输入；

如图3所示，接收端机通过AD采样器量化接收扩频信号，通过相关器进行解扩，把隐没于噪声下的有用信号提取出来，作为测距与通信解算模块的输入。相关器设计过程中，伪随机码越长，捕获时间越长，在码片速率受限的***中，普通伪码测距实现远程高精度测距所带来的时间开销和***复杂度是不可忍受的。因此，普通的伪码测距方法测量距离受限于伪码长度，测距精度受限于码片速率与***时钟。

2)分析数据：

对被测量对象的运动建立动态模型，并将最优估计方法应用于动态模型，对测距误差进行滤波估计处理；

分析上述运算过程，我们发现***的同步误差与测距误差是该方法的关键量，远程高精度测距的过程即是减少这两个量的过程；由此，我们可以创造性地应用扩频吗同步+卡尔曼滤波的方法，也即对被测量对象的运动建立动态模型，并将最优估计方法应用于动态模型，对测距误差进行滤波估计处理，就可以有效减小误差，提高测距精度；

3)建立模型：

以测量者为基准点，被测对象与测量者之间的距离作为被测对象在坐标系中的坐标值，建立***模型；

伪码测距方法的测量值是基于实时测量的测距值，即某一时刻被测对象与测量者之间的距离变化情况；故此可以等效建立一维坐标系，即以测量者为基准点，被测对象与测量者之间的距离为被测对象在该坐标系中的坐标值，状态方程为：

其中x(t)为距离值，为距离的一次变率，为距离的二次变率，为距离的三次变率，为当前加速度的均值，τ为时间常数，ω(t)为高斯白噪声；

4)卡尔曼滤波：

设定***参数和初始数值，进行卡尔曼滤波；卡尔曼滤波的更新方程：

其中，X_i为i时刻的被估计状态；Φ_i,i-1为i-1时刻至i时刻的一步转移矩阵；X_i-1为i-1时刻的被估计状态；Γ_i-1为***噪声驱动阵；H_i为量测阵；Z_i为i时刻的被观测状态；V_i为量测噪声序列；W_i-1为***激励噪声序列，{u_i-1}、{B_i-1}与{Y_i}为已知的确定性输入序列；

5)输出数据：

通过上述步骤，对测距误差实时进行滤波估计与矫正，逐步减小测距误差，输出测距数据；达到远程高精度测距的目的。

本发明依托远程通信测控***而开发，该***采用直接扩频体制，要求捕获和同步时间不大于10ms，测距误差不大于0.1m。本发明解决了上述***要求。

本发明的积极效果：

由于本发明采用了优化的卡尔曼滤波方法，创新性地应用于远程测距***，充分利用了卡尔曼滤波的预测估计特性，从而使测距***的精度提高了一个数量级，因而也解决了远程测距方法***复杂精度不高的问题，取得了良好的效果。

本方法基于以下思想：普通的伪码测距方法具有在扩频体制下易于实现、资源利用率高的优点，但是测量距离受限于伪码长度，测距精度受限于码片速率与***时钟；而卡尔曼滤波理论成熟，可以通过对上一时刻测量值与当前时刻估算值进行滤波运算，减小***误差；结合上述两者优点，提出了基于扩频体制远程通信测控***的高精度测距方法，并成功地将该方法应用于相关的数据链***中。

本方法与目前其他方法相比，具有不增加***复杂度，易于***集成，易于软件实现的特点。

附图说明

图1是普通的伪码测距方法示意图。

图2是本方法加以改进后的伪码测距方法示意图。

图3是整个方法的***模型示意图。

图4针对本方法测量误差仿真的效果图。

具体实施方式

下面，结合附图和具体实施例，对发明作进一步的说明。

实施例1

如图3所示，接收端机通过AD采样器量化接收扩频信号，通过相关器进行解扩，把隐没于噪声下的有用信号提取出来，作为测距与通信解算模块的输入。相关器设计过程中，伪随机码越长，捕获时间越长，在码片速率受限的***中，普通伪码测距实现远程高精度测距所带来的时间开销和***复杂度是不可忍受的。因此，普通的伪码测距方法测量距离受限于伪码长度，测距精度受限于码片速率与***时钟。

普通的伪码测距方法测量距离受限于伪码长度，测距精度受限于码片速率与***时钟。为了能够保证在通信测控***下伪码测距的远程高精度，必须对普通的伪码测距方法进行改进，如图2所示。在此基础上，我们对被测量对象的运动建立动态模型，并将最优估计方法应用于动态模型，对测距误差进行滤波估计处理，就可以有效减小误差，提高测距精度。

因此，关键是动态模型的建立与最优估计方法的选取。由上可知，伪码测距方法的测量值是基于实时测量的测距值，即某一时刻被测量对象与测量者之间的距离变化情况。故此可以等效建立一维坐标系，即以测量者为基准点，则被测量对象与测量者之间的距离即为被测对象在该坐标系中的坐标值。在此基础上建立初步的动态模型。状态方程为：

其中x(t)为距离值，为距离的一次变率，为距离的二次变率，为距离的三次变率，为当前加速度的均值，τ为时间常数，ω(t)为高斯白噪声。整个***的框架结构如图3所示：

其次，考虑到计算的复杂度，收敛时间，以及收敛结果的无偏性，在本发明中选取卡尔曼滤波方法，该方法的更新方程

其中，X_i为i时刻的被估计状态；Φ_i,i-1为i-1时刻至i时刻的一步转移矩阵；X_i-1为i-1时刻的被估计状态；Γ_i-1为***噪声驱动阵；H_i为量测阵；Z_i为i时刻的被观测状态；V_i为量测噪声序列；W_i-1为***激励噪声序列，{u_i-1}、{B_i-1}与{Y_i}为已知的确定性输入序列。

通常情况下，估计值与观测值是一一对准的。测距应用中，距离二次变率变化范围和强度均比较小，即状态突变很小。实验表明，此范围内的状态变化不会影响卡尔曼滤波效果，也不会引入时延。所以，滤波前后的距离值是一一对准的。

根据被测量对象与测量者之间的相对距离关系，可以模拟一段距离曲线，作为真实值。在此基础上添加高斯白噪声，模拟原始观测值，作为卡尔曼滤波的输入，比较滤波前后之间的测距误差。为便于仿真，参数选取距离二次变率方差为1，观测噪声方差R＝1.2²，加速度时间相关常数为1，时间相关常数为0.5，仿真结果如图4所示。

由此可见，通过仿真可以证明该普通发明的远程测距精度不大于0.1m，完全满足***要求。

以上所述仅为本发明的较佳可行实施例，并非因此局限本发明的专利范围，故凡是运用本发明说明书及附图内容所作的等效结构变化，均包含于本发明的保护范围。

Claims (3)

1.一种适用于扩频体制通信测控***下的远程高精度测距方法，包括：

1)采集数据：接收端机通过AD采样器量化接收扩频信号，通过相关器进行解扩，提取信号作为测距与通信解算模块的输入；

2)分析数据：对被测量对象的运动建立动态模型，并将最优估计方法应用于动态模型，对测距误差进行滤波估计处理；

3)建立模型：以测量者为基准点，被测对象与测量者之间的距离作为被测对象在坐标系中的坐标值，建立***模型；

4)卡尔曼滤波：设定***参数和初始数值，进行卡尔曼滤波；

5)输出数据：通过上述步骤，对测距误差实时进行滤波估计与矫正，逐步减小测距误差，输出测距数据。

2.根据权利要求1所述的适用于扩频体制通信测控***下的远程高精度测距方法，其特征在于，步骤3)建立模型中，所述***模型的状态方程为：

$\left[\begin{array}{c}\stackrel{\·}{x}\left(t\right)\\ \stackrel{\·\·}{x}\left(t\right)\\ \stackrel{\·\·\·}{x}\left(t\right)\end{array}\right]=\left[\begin{array}{ccc}0& 1& 0\\ 0& 0& 1\\ 0& 0& -1/\mathrm{\τ}\end{array}\right]\left[\begin{array}{c}x\left(t\right)\\ \stackrel{\·}{x}\left(t\right)\\ \stackrel{\·\·}{x}\left(t\right)\end{array}\right]+\left[\begin{array}{c}0\\ 0\\ 1/\mathrm{\τ}\end{array}\right]\stackrel{\‾}{\mathrm{\α}}\left(t\right)+\left[\begin{array}{c}0\\ 0\\ 1\end{array}\right]\mathrm{\ω}\left(t\right)$

其中x(t)为距离值，为距离的一次变率，为距离的二次变率，为距离的三次变率，为当前加速度的均值，τ为时间常数，ω(t)为高斯白噪声。

3.根据权利要求1所述的适用于扩频体制通信测控***下的远程高精度测距方法，其特征在于，步骤4)卡尔曼滤波中的更新方程：

$\left\{\begin{array}{c}{X}_i={\mathrm{\Φ}}_{i,i-1}{X}_{i-1}+B_{i-1}{u}_{i-1}+{\mathrm{\Γ}}_{i-1}{W}_{i-1}\\ Z_i=H_i{X}_i+Y_i+V_i\end{array}\right.$

其中，X_i为i时刻的被估计状态；Φ_i,i-1为i-1时刻至i时刻的一步转移矩阵；X_i-1为i-1时刻的被估计状态；Γ_i-1为***噪声驱动阵；H_i为量测阵；Z_i为i时刻的被观测状态；V_i为量测噪声序列；W_i-1为***激励噪声序列，{u_i-1}、{B_i-1}与{Y_i}为已知的确定性输入序列。