基于卡尔曼滤波的高动态GPS载波跟踪算法研究

摘要

在高动态应用环境中，GPS信号具有较大多普勒频率及其各阶导数，这使载波跟踪算法产生较大的动态应力误差，因失锁导致接收机无法正常工作。针对此种场景，基于FLL（Frequence Lock Loop,FLL）或PLL（Phase Lock Loop,PLL）的载波跟踪算法通常需要不断调整带宽，并因带宽切换门限不易确定和环路切换频繁导致的滤波状态的不稳定。基于卡尔曼滤波（Kalman Filtering,KF）理论的载波跟踪算法具有带宽自适应变化的特点，从而可较好地解决高动态性能和高跟踪精度不能同时保证的问题。KF在先验信息不充分或动态剧烈变化的情况下容易滤波发散，因此本文将卡尔曼滤波理论引入GPS载波跟踪算法设计，提出了两种高动态载波跟踪算法。本文主要对如下几点工作进行研究：
　　首先，针对基于FLL或PLL的经典载波跟踪算法在高跟踪精度和高动态性能指标的矛盾，实现了基于扩展卡尔曼滤波（Extended Kalman Filtering，EKF）和无味卡尔曼滤波（Unscented Kalman Filtering，UKF）的载波跟踪算法。实验结果表明：与经典载波跟踪算法相比，基于KF理论的载波跟踪算法具有良好地跟踪精度、收敛速度和动态适应性。在50g匀加速度场景下，基于UKF和EKF的载波跟踪算法的跟踪精度比传统复合环(FLL/PLL)分别提高了82.87％、12.71%。
　　其次，针对在大频偏或动态剧烈变化时载波跟踪算法易失锁的问题，提出一种无数据辅助情况下的基于自适应扩展卡尔曼滤波（Adaptive Extended Kalman Filtering，AEKF）的高动态载波跟踪算法。该算法在AEKF代替鉴相器和滤波器的跟踪结构基础上，引入两倍相位转换来消除数据位跳变的影响，并利用载噪比估计和基于加加速度的信号动态监测方法来修正观测噪声协方差（R）和系统状态噪声方差（Q）以优化滤波精度。另外，在此算法的基础上进一步实现了基于载波辅助码环技术的高动态跟踪环路策略，避免了由高动态引起的导航电文幅度衰减和码环无法提供精确码相位问题。实验结果表明：基于AEKF的高动态载波跟踪算法的GPS软件接收机能够在加速度200g，瞬间加加速度10000g/s的动态指标下正常工作。
　　最后，为解决基于UKF的载波跟踪算法对初始值和比例缩放因子取值敏感的问题，提出一种基于自适应渐消无味卡尔曼滤波（Fading Unscented Kalman Filtering,FUKF）的高动态载波跟踪算法。该算法通过引入基于新息的渐消因子来修正非线性变换之后点集的协方差分量以调整理论误差与实际误差之间的关系，从而抑制了由初始值和比例缩放因子设置不当引起的滤波发散问题。并针对状态方程是线性的特点，对FUKF滤波过程简化，进一步实现了基于简化FUKF的高动态载波跟踪算法。实验结果表明：利用该算法的GPS软件接收机能够在加速度200g的场景下正常工作，克服了基于UKF的载波跟踪算法因GPS接收机无法提供频率加速度信息而导致初始状态协方差和比例缩放因子设置不当所引起的滤波发散问题。基于简化FUKF的载波跟踪算法与基于FUKF的载波跟踪算法的跟踪精度相同，且前者单次运行时间比后者减少了15.15%。

目录

封面

声明

中文摘要

英文摘要

目录

主要符号说明

第一章 绪论

1.1 课题研究背景

1.2 国内外研究现状

1.3 本文研究内容

第二章 经典载波跟踪算法实现

2.1 GPS接收机的基本结构

2.2 高动态运动对GPS信号的影响

2.3 载波跟踪算法结构及实现

2.4 算法仿真与性能分析

2.5 本章小结

第三章 基于KF理论的载波跟踪算法研究

3.1 基于EKF的载波跟踪算法

3.2 基于UKF的载波跟踪算法

3.3 算法仿真与分析

3.4 本章小结

第四章 基于自适应R/Q的EKF高动态载波跟踪算法研究

4.1 3阶PLL跟踪误差分析

4.2 载噪比估计

4.3 基于自适应R/Q的EKF高动态载波跟踪算法

4.4高动态跟踪环路策略

4.5算法仿真与分析

4.6本章小结

第五章 基于FUKF的高动态载波跟踪算法研究

5.1 基于FUKF的高动态载波跟踪算法

5.2 基于 FUKF的高动态载波跟踪算法的简化

5.3 算法仿真与分析

5.4 本章小结

第六章 总结和展望

6.1 论文工作总结

6.2 工作展望

参考文献

个人简历及读研期间发表的学术论文

致谢