亚洲成年人黄色一级片,日本香港三级亚洲三级,黄色成人小视频,国产青草视频,国产一区二区久久精品,91在线免费公开视频,成年轻人网站色直接看

基于主從式AUKF算法的高動態(tài)衛(wèi)星導(dǎo)航信號載波追蹤方法與流程

文檔序號:11152291閱讀:577來源:國知局
基于主從式AUKF算法的高動態(tài)衛(wèi)星導(dǎo)航信號載波追蹤方法與制造工藝

本發(fā)明涉及無線通信技術(shù)領(lǐng)域,特別涉及一種基于主從式AUKF算法的高動態(tài)衛(wèi)星導(dǎo)航信號載波追蹤方法。



背景技術(shù):

目前,有關(guān)高動態(tài)接收機載波跟蹤研究可以歸結(jié)為兩個方面:外部其它傳感器輔助載波跟蹤和載波跟蹤算法的改進。

一方面,外部其他傳感器輔助載波跟蹤典型的應(yīng)用是慣導(dǎo)輔助。因為載波環(huán)本身是一種跟蹤較為緊密的環(huán)路,所以,來自外界慣導(dǎo)系統(tǒng)的速度輔助信息必須及時和精確,否則會誤導(dǎo)跟蹤環(huán)路并最終導(dǎo)致信號失鎖。然而,精確的慣性系統(tǒng)通常意味著昂貴的價格,并且外界對其參數(shù)校正的這一過程有可能相當(dāng)復(fù)雜。所以,在沒有慣導(dǎo)輔助時,研究高動態(tài)接收機的載波環(huán)路的跟蹤算法也是當(dāng)今熱點研究課題之一。

另一方面,研究人員提出了多種載波環(huán)路跟蹤算法。有研究者提出了FLL輔助PLL的載波追蹤方法,即通過設(shè)定一個經(jīng)驗閾值讓環(huán)路在兩者之間切換;也有研究者提出了小波變換的載波追蹤方法,即在PLL的鑒相器和環(huán)路濾波器之間加入小波變換,小波變換可以對鑒相器的輸出進行噪聲消除;還有人提出了一種模糊PLL載波跟蹤結(jié)構(gòu),并利用梯度下降法和遺傳算法優(yōu)化模糊參數(shù)的載波追蹤方法;以及提出了用無跡卡爾曼濾波(UKF)對載波頻率進行估計的跟蹤算法和基于平方根無跡卡爾曼濾波(SR-UKF)的載波跟蹤算法。

載波跟蹤算法中,UKF濾波算法是經(jīng)典卡爾曼濾波(KF)的擴充,它是以無跡變換(UT變換)為基礎(chǔ),以卡爾曼線性濾波為框架,逼近非線性分布,在一步預(yù)測方程中,使用UT變換來處理均值和協(xié)方差的非線性傳遞的一種非線性濾波方法。相比擴展卡爾曼濾波(EKF)不需要線性化過程,不需要計算雅克比矩陣,具有比EKF更高的估計精度。

但是,UKF算法同KF和EKF—樣,通常先驗假設(shè)過程噪聲和觀測嗓聲為統(tǒng)計特性已知不變的白噪聲,這與高動態(tài)條件下衛(wèi)星導(dǎo)航接收機的工作環(huán)境不符,因此不能保證載波跟蹤系統(tǒng)的收斂性和穩(wěn)定性,即在先驗的噪聲統(tǒng)計特性與實際的噪聲統(tǒng)計特性不相符時,狀態(tài)估計性能將變差甚至發(fā)散。



技術(shù)實現(xiàn)要素:

基于此,針對上述問題,本發(fā)明的目的在于提供一種基于主從式自適應(yīng)無跡卡爾曼濾波算法AUKF的高動態(tài)衛(wèi)星導(dǎo)航信號載波追蹤方法,其能自適應(yīng)調(diào)整過程噪聲方差,從而達到減小模型估計誤差,抑制濾波發(fā)散的目的,使得在高動態(tài)下噪聲統(tǒng)計特性發(fā)生變化時,載波追蹤仍然具有很好的穩(wěn)定性。

本發(fā)明的技術(shù)方案是:一種基于主從式AUKF算法的高動態(tài)衛(wèi)星導(dǎo)航信號載波追蹤方法,包括以下步驟:

a、將接收的衛(wèi)星信號經(jīng)過偽碼剝離后得到信號y,信號y分別與本地壓控振蕩器NCO產(chǎn)生的相位差為90°的兩個復(fù)現(xiàn)載波混頻得到信號I和信號Q;

b、所述信號I和信號Q分別經(jīng)過積分清零電路,得到信號yI和信號yQ作為觀測量,并計算信號yI和信號yQ的向量形式Y(jié)(k);

c、所述向量Y(k)通過主從式AUKF濾波算法處理,得到多普勒頻移變化的相關(guān)狀態(tài)向量

d、所述狀態(tài)向量通過環(huán)路濾波電路對頻率估計值進行修正,得到修正值M(k);

e、用所述M(k)值控制所述本地壓控振蕩器NCO,使其產(chǎn)生的載波頻率和接收信號載波頻率保持一致;

其中,k為離散時間,k=1,2,3…。

作為對本發(fā)明的進一步改進,所述步驟b中的積分清零電路是以累加清零的方式實現(xiàn)的,每次累加的點數(shù)N為中頻采樣頻率與載波跟蹤環(huán)路的更新頻率之比;當(dāng)完成一次N點累加后,輸出累加結(jié)果,并將累加寄存器清零;累加時鐘為中頻采樣時鐘,清零周期為環(huán)路的更新周期。

作為對本發(fā)明的進一步改進,所述步驟b中,對所述觀測向量Y(k),有:

其中,LT=[1 0 0 0];X(k)=[θ(k) ω0(k) ω1(k) ω2(k)]T,θ(k)為k時刻載波運動參數(shù),ω0(k)為k時刻載波多普勒角頻率、ω1(k)和ω2(k)為k時刻多普勒角頻率變換率和角頻率變化率的變化率;A為接收信號的幅度,由于不是需要估計的參數(shù),可設(shè)其為單位值;測量噪聲向量nT(k)=[nI(k) nQ(k)]為零均值高斯白噪聲,其協(xié)方差矩陣:

其中,nI(k)表示所述信號I在k時刻的零均值高斯白噪聲,nQ(k)表示信號Q在k時刻的零均值高斯白噪聲;nI(l)表示所述信號I在l時刻的零均值高斯白噪聲,nQ(l)表示信號Q在l時刻的零均值高斯白噪聲;I′為單位矩陣,σ2表示加加速度方差。

作為對本發(fā)明的進一步改進,所述接收信號離散形式下的狀態(tài)向量X(k)是根據(jù)高機動目標跟蹤躍動模型Jerk Model模型確定的,具體過程如下:

b11、定義在Jerk Model模型下,高動態(tài)運動目標加加速度滿足如下指數(shù)衰減規(guī)律:

其中,α為衰減速率,γ為比例常數(shù);w(t)為t時刻的激勵白噪聲,其方差即策動噪聲強度為為加加速度方差;j(t)為加加速度即加速度在單位時間內(nèi)的變化量,t為連續(xù)時間,t>0;

b12、根據(jù)所述步驟b11中的衰減規(guī)律,計算載波運動參數(shù)θ(t)分別與載波多普勒角頻率ω0(t)、多普勒角頻率變換率ω1(t)和角頻率變化率的變化率ω2(t)的關(guān)系式:

其中,θ(t)為載波信號中多普勒頻移引起的t時刻相位變化;

b13、定義步驟b12中所述關(guān)系式在連續(xù)時間形式下的向量形式為:

其中,X(t)為連續(xù)形式下t時刻的狀態(tài)向量,表示單位時間內(nèi)X(t)的變化量,A和B為系數(shù)矩陣,并且有:

X(t)=[θ(t) ω0(t) ω1(t) ω2(t)]T

B=[0 0 0 1]T

b14、根據(jù)步驟b13中所述的向量形式推導(dǎo)離散時間形式下的狀態(tài)向量滿足如下關(guān)系:

X(k+1)=ΦX(k)+u(k)

其中,Φ為狀態(tài)轉(zhuǎn)移矩陣,u(k)為k時刻的策動噪聲向量,并且有:

u(k)的協(xié)方差矩陣為:

其中,T為采樣時間間隔,Φ(tk+1-τ)表示(tk+1-τ)時刻的狀態(tài)轉(zhuǎn)移矩陣,B(τ)表示τ時刻的系數(shù)矩陣,ω(τ)表示τ時刻的激勵白噪聲,q為策動噪聲強度。

作為對本發(fā)明的進一步改進,所述步驟c中的主從式AUKF濾波算法具體包括如下循環(huán)過程:

c1、主UKF算法過程:用k-1時刻的輸出狀態(tài)向量以及步驟c2估計得出的k時刻的噪聲強度來調(diào)整其時間更新式,得到狀態(tài)向量狀態(tài)向量和所述觀測向量Y(k)用于測量更新式中,最后得到k時刻輸出狀態(tài)向量并同時計算新息協(xié)方差νk,進入步驟c2;

c2、從UKF算法過程:用k-1時刻的噪聲強度來調(diào)整其時間更新式,得到噪聲強度噪聲強度和所述步驟c1產(chǎn)生的新息協(xié)方差νk用于其測量更新式中,最后得到k時刻的噪聲強度再進入步驟c1。

作為對本發(fā)明的進一步改進,所述步驟c1中的時間更新式包括:

χ*k|k-1=f(χk-1)

γk|k-1=h(χk|k-1)

所述步驟c1中的測量更新式包括:

各參數(shù)存在如下關(guān)系:

λ=n(ε2-1),

其中,x0是初始狀態(tài)向量,初始化:P0為初始狀態(tài)協(xié)方差矩陣,初始化:λ是比例因子;n表示擴維后的系統(tǒng)狀態(tài)向量維數(shù);ε是散步程度因子,通常取正值;β為驗前分布因子,對于高斯分布,取2最優(yōu);為一階統(tǒng)計特性時的加權(quán)系數(shù);為二階統(tǒng)計特性時的加權(quán)系數(shù);Qx是先驗過程噪聲協(xié)方差矩陣Q的修正值,其噪聲強度qx由從UKF估計得到,以逼近Q的噪聲強度;Rx是假設(shè)已知的觀測噪聲協(xié)方差矩陣R。

作為對本發(fā)明的進一步改進,所述步驟c2中的時間更新式包括:

Pk|k-1=Qq

所述步驟c2中的測量更新式包括:

各參數(shù)存在如下關(guān)系:

其中,Qq和Rq分別是過程噪聲協(xié)方差矩陣和測量噪聲協(xié)方差矩陣;為一階統(tǒng)計特性時的加權(quán)系數(shù);為二階統(tǒng)計特性時的加權(quán)系數(shù)。

作為對本發(fā)明的進一步改進,所述步驟c1中的時間更新式也可為以下簡化式:

所述步驟c1中的測量更新式也可為以下簡化式:

其中,各參數(shù)存在如下關(guān)系:

作為對本發(fā)明的進一步改進,所述步驟d中的環(huán)路濾波電路滿足如下特性:

其中,H(z)是環(huán)路濾波電路的轉(zhuǎn)移函數(shù),K0Kd是環(huán)路增益,wn是自然頻,ξ是阻尼比,TS是預(yù)檢測積分時間。

本發(fā)明的有益效果是:

(1)觀測向量Y(k)進入主UKF模塊,以主UKF模塊產(chǎn)生的新息協(xié)方差νk為依據(jù),采用從UKF模塊實時估計策動噪聲強度q并自適應(yīng)調(diào)整主UKF的策動噪聲矢量協(xié)方差矩陣Q,使其減小模型估計誤差,抑制濾波發(fā)散;

(2)即便在先驗的噪聲統(tǒng)計特性與實際的噪聲統(tǒng)計特性不相符時,也能通過自適應(yīng)調(diào)整過程噪聲方差,以保持良好的狀態(tài)估計性能,保證載波跟蹤系統(tǒng)的收斂性和穩(wěn)定性;

(3)其能自適應(yīng)調(diào)整過程噪聲方差,從而達到減小模型估計誤差,抑制濾波發(fā)散的目的,使得在高動態(tài)下噪聲統(tǒng)計特性發(fā)生變化時,載波追蹤仍然具有很好的穩(wěn)定性;

(4)通過對主UKF算法過程中各計算式進行合理的簡化,以適應(yīng)在FPGA中的應(yīng)用,極大地提升了運行速率并降低了硬件成本。

附圖說明

圖1是將本發(fā)明實施例所述基于主從式AUKF算法的高動態(tài)衛(wèi)星導(dǎo)航信號載波追蹤方法應(yīng)用于高動態(tài)追蹤環(huán)路的電路原理圖;

圖2是主從式AUKF濾波算法的流程框圖;

圖3是采用傳統(tǒng)UKF濾波算法和本發(fā)明主從式AUKF濾波算法追蹤多普勒頻移對比圖。

具體實施方式

下面結(jié)合附圖對發(fā)明的實施例進行詳細說明。

實施例

參考圖1和圖2,一種基于主從式AUKF算法的高動態(tài)衛(wèi)星導(dǎo)航信號載波追蹤方法,包括以下步驟:

a、將接收的衛(wèi)星信號經(jīng)過偽碼剝離后得到信號y,信號y分別與本地壓控振蕩器NCO產(chǎn)生的相位差為90°的兩個復(fù)現(xiàn)載波混頻得到信號I和信號Q;

b、所述信號I和信號Q分別經(jīng)過積分清零電路,得到信號yI和信號yQ作為觀測量,并計算信號yI和信號yQ的向量形式Y(jié)(k);

c、所述向量Y(k)通過主從式AUKF算法處理,得到多普勒頻移變化的相關(guān)狀態(tài)向量

d、所述狀態(tài)向量通過環(huán)路濾波電路對頻率估計值進行修正,得到修正值M(k);

e、用所述M(k)值控制所述本地壓控振蕩器NCO,使其產(chǎn)生的載波頻率和接收信號載波頻率保持一致;

其中,k為離散時間,k=1,2,3…。

基于上述方法的高動態(tài)追蹤環(huán)路如圖1,主要包括本地壓控振蕩器NCO、積分清零電路、主從式AUKF算法模塊和環(huán)路濾波電路。

在另一個實施例中,所述步驟b中的積分清零電路是以累加清零的方式實現(xiàn)的,每次累加的點數(shù)N為中頻采樣頻率與載波跟蹤環(huán)路的更新頻率之比;當(dāng)完成一次N點累加后,輸出累加結(jié)果,并將累加寄存器清零;累加時鐘為中頻采樣時鐘,清零周期為環(huán)路的更新周期。

在另一個實施例中,所述步驟b中,對所述觀測向量Y(k),有:

其中,A為接收信號的幅度,測量噪聲向量nT(k)=「nI(k) nQ(k)]為零均值高斯白噪聲,其協(xié)方差矩陣:

設(shè)定LT=[1 0 0 0],θ(k)=LTX(k),

則測量方程為:

其中,A為接收信號的幅度,由于不是需要估計的參數(shù),可設(shè)其為單位值;X(k)=[θ(k) ω0(k) ω1(k) ω2(k)]T,θ(k)為k時刻載波運動參數(shù),ω0(k)為k時刻載波多普勒角頻率、ω1(k)和ω2(k)為k時刻多普勒角頻率變換率和角頻率變化率的變化率;nI(k)表示所述信號I在k時刻的零均值高斯白噪聲,nQ(k)表示信號Q在k時刻的零均值高斯白噪聲;nI(l)表示所述信號I在l時刻的零均值高斯白噪聲,nQ(l)表示信號Q在l時刻的零均值高斯白噪聲;I′為單位矩陣,σ2表示加加速度方差。

在另一個實施例中,所述接收信號離散形式下的狀態(tài)向量X(k)是根據(jù)高機動目標跟蹤躍動模型Jerk Model模型確定的,具體過程如下:

b11、定義在Jerk Model模型下,高動態(tài)運動目標加加速度滿足如下指數(shù)衰減規(guī)律:

其中,α為衰減速率,γ為比例常數(shù);w(t)為t時刻的激勵白噪聲,其方差即策動噪聲強度為為加加速度方差;j(t)為加加速度即加速度在單位時間內(nèi)的變化量,t為連續(xù)時間,t>0;

b12、根據(jù)所述步驟b11中的衰減規(guī)律,計算載波運動參數(shù)θ(t)分別與載波多普勒角頻率ω0(t)、多普勒角頻率變換率ω1(t)和角頻率變化率的變化率ω2(t)的關(guān)系式:

其中,θ(t)為載波信號中多普勒頻移引起的t時刻相位變化;

b13、定義步驟b12中所述關(guān)系式在連續(xù)時間形式下的向量形式為:

其中,X(t)為連續(xù)形式下t時刻的狀態(tài)向量,表示單位時間內(nèi)X(t)的變化量,A和B為系數(shù)矩陣,并且有:

X(t)=[θ(t) ω0(t) ω1(t) ω2(t)]T

B=[0 0 0 1]T

b14、根據(jù)步驟b13中所述的向量形式推導(dǎo)離散時間形式下的狀態(tài)向量滿足如下關(guān)系:

X(k+1)=ΦX(k)+u(k)

其中,Φ為狀態(tài)轉(zhuǎn)移矩陣,u(k)為k時刻的策動噪聲向量,并且有:

u(k)的協(xié)方差矩陣為:

其中,T為采樣時間間隔,Φ(tk+1-τ)表示(tk+1-τ)時刻的狀態(tài)轉(zhuǎn)移矩陣,B(τ)表示τ時刻的系數(shù)矩陣,ω(τ)表示τ時刻的激勵白噪聲,q為策動噪聲強度。

在另一個實施例中,所述步驟c具體包括如下循環(huán)過程:

c1、主UKF算法過程:用k-1時刻的輸出狀態(tài)向量以及步驟c2估計得出的k時刻的噪聲強度來調(diào)整其時間更新式,得到狀態(tài)向量狀態(tài)向量和所述觀測向量Y(k)用于測量更新式中,最后得到k時刻輸出狀態(tài)向量并同時計算新息協(xié)方差νk,進入步驟c2;

c2、從UKF算法過程:用k-1時刻的噪聲強度來調(diào)整其時間更新式,得到噪聲強度噪聲強度和所述步驟c1產(chǎn)生的新息協(xié)方差νk用于其測量更新式中,最后得到k時刻的噪聲強度再進入步驟c1。

在另一個實施例中,所述步驟c1主UKF算法過程中,Sigma采樣和時間更新的計算公式如下:

χ*k|k-1=f(χk-1) (4.2)

γk|k-1=h(χk|k-1) (4.6)

所述步驟c1中的測量更新式包括:

各參數(shù)存在如下關(guān)系:

其中,x0是初始狀態(tài)向量,初始化:P0為初始狀態(tài)協(xié)方差矩陣,初始化:λ是比例因子;n表示擴維后的系統(tǒng)狀態(tài)向量維數(shù);ε是散步程度因子,通常取正值;β為驗前分布因子,對于高斯分布,取2最優(yōu);為一階統(tǒng)計特性時的加權(quán)系數(shù);為二階統(tǒng)計特性時的加權(quán)系數(shù);Qx是先驗過程噪聲協(xié)方差矩陣Q的修正值,其噪聲強度qx由從UKF估計得到,以逼近Q的噪聲強度;Rx是假設(shè)已知的觀測噪聲協(xié)方差矩陣R。

在另一個實施例中,所述步驟c2從UKF算法過程中,Sigma采樣和時間更新的計算公式如下:

Pk|k-1=Qq (4.14)

所述步驟c2中的測量更新式如下:

各參數(shù)存在如下關(guān)系:

其中,Qq和Rq分別是過程噪聲協(xié)方差矩陣和測量噪聲協(xié)方差矩陣;為一階統(tǒng)計特性時的加權(quán)系數(shù);為二階統(tǒng)計特性時的加權(quán)系數(shù)。

在另一個實施例中,還提供對步驟c1中的時間更新式和測量更新式進行簡化的方法,以期能實現(xiàn)在FPGA中的應(yīng)用,簡化過程如下:

對χk|k-1中的協(xié)方差矩陣進行Cholesky分解,設(shè)定:

聯(lián)合式(4.5)-(4.6)、(7.1)-(7.3)對式(4.7)進行簡化,得到結(jié)果如下:

其中,

a=W1+18W2+2cW2,

由于,

另外,設(shè):

將式(7.5)、式(7.6)代入到式(4.8)中,得到觀測值協(xié)方差矩陣如下:

其中,

W4=W6(1-a)2,

W5=2W2,

W6=W3+18W2,

W7=W1+18W2,

m=W5sin2(c),

n=2W2[cos(c)-a]2,

l=m-n,

關(guān)于狀態(tài)值與觀測值協(xié)方差矩陣的簡化結(jié)果如下:

其中,

綜合上述,整個主UKF濾波算法簡化后可以表示如下,加權(quán)系數(shù)和初始化:

Sigma采樣和時間更新:

測量更新:

由式(7.10)和式(7.11)可以可知,要使能在FPGA中用相應(yīng)模塊實現(xiàn),主要包括4×4維矩陣的加法、減法,正弦余弦的運算,4×4維矩陣與4×1維矩陣的乘法運算,4×1維矩陣與1×2維矩陣的乘法運算,4×2維矩陣與2×2維矩陣的乘法運算,4×2維矩陣與2×1維矩陣的乘法運算,4×2維矩陣與2×4維矩陣的乘法運算,Cholesky分解等。

在另一個實施例中,所述步驟d中的環(huán)路濾波電路滿足如下特性:

其中,H(z)是環(huán)路濾波電路的轉(zhuǎn)移函數(shù),K0Kd是環(huán)路增益,wn是自然頻,ξ是阻尼比,TS是預(yù)檢測積分時間。

仿真過程中,采用傳統(tǒng)UKF濾波算法和本發(fā)明主從式AUKF濾波算法追蹤多普勒頻移對比圖如圖3,關(guān)于仿真部分參數(shù)如下。

主UKF中參數(shù)設(shè)置:

載波信號的中頻頻率:l575.42MHz;

采樣時間:T=lms,載噪比:CNR=32dB-Hz;

狀態(tài)初始值:x0=[0 32995.519 323.356 0];

初始狀態(tài)協(xié)方差和觀測噪聲協(xié)方差矩陣分別為:

P0=diag([0.001 0.001 0.001 0.001])

R=diag{1×10-9 1×10-9};

UT變換中,取ε=1.027,κ=0,β=2。

從UKF中參數(shù)設(shè)置:

初始噪聲強度:q0=5;

初始噪聲強度協(xié)方差:Pq0=1e-8;

噪聲強度過程協(xié)方差:Qq=1e-10;

觀測噪聲協(xié)方差:Rq=diag{[1e-8 1e-8]};

UT變換中,取ε=1.027,κ=0,β=2。

以上所述實施例僅表達了發(fā)明的具體實施方式,其描述較為具體和詳細,但并不能因此而理解為對發(fā)明專利范圍的限制。應(yīng)當(dāng)指出的是,對于本領(lǐng)域的普通技術(shù)人員來說,在不脫離發(fā)明構(gòu)思的前提下,還可以做出若干變形和改進,這些都屬于發(fā)明的保護范圍。

當(dāng)前第1頁1 2 3 
網(wǎng)友詢問留言 已有0條留言
  • 還沒有人留言評論。精彩留言會獲得點贊!
1