一种新型软件接收机定位解算方法

随着卫星导航产业的飞速发展,对于定位解算的精度和速度要求也不断提高,为了满足现代高精度、快速性定位的要求,提出一种新型软件接收机定位解算方法,该方法对伪距方程组中的公共白噪声和时钟误差进行消除,然后再进行迭代计算,最后采用位置差分的方法对迭代结果进行差分运算得到定位结果。计算机实验仿真,结果表明,与传统的最小二乘法相比,该方法具有更高的定位精度以及更快的迭代速度,对于软件接收机定位解算的研究具有重要的意义。     

一种基于流水迭代接收机的低复杂度Kalman快衰落信道估计算法

针对流水迭代接收机,提出了一种低复杂度的Kalman信道估计算法.该算法利用流水迭代接收机可同时提供多个软判决反馈信息的特点,通过消除这些反馈信息之间的相关性,使其可以有选择地用于Kalman滤波新息更新过程,从而提升信道估计的精度.该算法实时分析来自接收机中符号检测和迭代译码模块反馈信息的可靠性,使其在快衰落信道下也可较好地跟踪信道.仿真和最小均方误差分析表明所提信道估计算法与其他算法相比,在复杂度和性能方面具有一定优势.     

GNSS软件接收机算法设计与仿真测试

从GNSS（global navigation satellite system）软件接收机的总体结构出发,阐述了GNSS软件接收机基本原理,设计了GNSS软件接收机的信号相关器及其工作流程,介绍了基于FFT的码并行搜索策略,在信号跟踪中详细给出了载波环路中的鉴相器和鉴频器设计。对于导航定位解算,讨论了各项误差的处理方法,包括钟差和简化的等效对流层误差模型,并给出了最小二乘法的具体实现步骤。仿真结果表明,软件接收机中采用伪码并行捕获方法、DLL环与FLL环辅助下的PLL环路算法可获得良好的效果。在考虑星钟误差、对流层误差、电离层误差和地球自转引起的偏差等误差源的条件下,最小二乘法解算的单点定位结果满足要求。     

混沌神经网络预测算法评价准则与性能分析

为比较各种混沌神经网络预测算法的误差性能 ,该文提出了预测误差评价准则 ,即根均方误差 ,偏差 ,预测精度 ,决定度系数 ,绝对误差 ,以及一些归一化根均方误差等 ,并分析了它们在描述误差特征上的具体含义。针对两种混沌神经网络预测算法 (即全局神经网络算法和局部神经网络算法 ) ,利用该准则进行了性能分析 ,给出了合理的评价。结果表明 ,与混沌神经网络预测的局部模型算法相比 ,全局模型算法有更好的预测效果 ,且训练时间短 ,占用资源少 ,推广能力好     

数值逼近法在多级机站通风系统改造中的应用

针对多级机站通风系统解算迭代收敛困难,导致误差较大问题.以多级机站技术为基础,提出了一种多级机站通风网络解算简单的无迭代技术——数值逼近法,利用数值逼近原理建立应用于多级机站通风系统改造的数学模型,选取矿山通风系统实例,将建立的数学模型成功应用于矿山多级机站通风系统改造中,建立了误差验证模型计算误差.研究结果表明:利用提出的无迭代技术解算多级机站通风网络,误差较小,同时证明该计算方法的正确性和合理性,为通风系统网络解算及通风系统改造提供一种新方法.     

基于CAPS的双天线共接收机无电离层影响的混合差分定位新方法

针对转发式中国区域卫星导航定位系统（CAPS）的构思与设计,给出了基于CAPS的导航定位解算的3种基本模式,并进行比较分析．根据电离层延迟与频率平方成反比,提出双天线共接收机的无电离层延迟影响的混合差分导航定位新方法,给出其基本原理,导出混合差分观测量,具体推导了单历元和多历元的解算公式和算法．该方法消除了CAPS导航信息发射、传播、转发和接收等环节的电离层延迟、硬件延迟、时钟误差等公共误差,方便于实现单历元解算和多历元导航定位,可有效提高CAPS的导航定位精度和实时性．该方法不但能同时对CAPS星座的GEO和IGSO卫星进行几何定轨和导航定位解算,而且还可以求解对流层天顶延迟,用于研究大气中水汽含量的变化．在有限时间间隔内,利用多项式表示天顶延迟和CAPS卫星轨道,可有效减少未知参数个数,提高解算速度和实时性．     

基于FIR神经网络的非线性盲信号分离

针对实验环境中可能出现的非线性卷积混合盲信号分离问题,在反馈结构最大似然盲信号分离算法的基础上,利用混合高斯模式概率密度函数估计方法,提出了一种采用有限冲激响应神经网络的非线性盲分离算法,并推导了新算法的权向量迭代公式．通过与其他盲信号分离算法的计算机模拟实验结果比较,新算法能更有效地进行非线性函数逼近,得到更小的输出均方误差,达到较好的非线性盲信号分离效果．     

CDMA中的QAM调制迭代PDA联合检测方法

为提高检测器性能并在检测器和信道解码器之间充分利用已知信号信息,多天线系统的广义概率数据关联检测算法被推广到多用户联合检测中.基于Turbo迭代原理,通过基于此算法的迭代多用户检测器和多电平正交调制以及软入软出的前向纠错编码的结合,提出一种软入软出的广义概率关联算法与软入软出的信道解码方法有机结合的新型迭代多用户检测方法.该方法利用外部信息在检测器与解码器之间的交换,进行干扰抵消并进行联合解码和判决.计算机仿真显示该方案收敛所需的迭代次数比传统的使用线性最小均方误差的联合检测解码方案少5次左右,且其误比特率性能接近最大似然接收机的性能.     

前馈神经网络复值盲均衡算法的研究

提出了一种新的前馈神经网络(N-FNN)复值盲均衡算法。新算法改变了传统均衡技术大量发送训练序列而降低系统传输的有效信息率,有效地消除码间干扰,提高了通信质量。笔者设计出新的传递函数和代价函数,利用最陡梯度下降法推导出输出层和隐层单元权值的迭代公式。通过对QAM信号进行计算机仿真,笔者提出的新算法与同类算法相比,具有均方误差收敛速度加快、误码率降低、稳态剩余误差减小等优点     

基于最小均方的自适应滤波时差估计研究

时差估计的研究中,基于雷达信号的复杂多样性,采用最小均方自适应滤波算法,其基本原理是应用梯度下降法并通过权值衡量误差来实现滤波.对基本最小均方算法和变步长最小均方自适应算法进行仿真验证,选出最优算法,并利用sinc函数内插实现分数倍时差估计.算法仿真结果表明,对接收机离散信号的点数时差估计的误差精度提升至10倍左右.     

基于GPS弹道测量的卡尔曼滤波参数估计算法

为提高基于GPS定位的弹道辨识方法的实时性和可靠性,提出了一种以弹道微分方程四阶龙格库塔数值积分预测作为状态量递推的卡尔曼滤波弹道参数估计算法,并针对卫星接收机有粗大误差或失效情况对方法进行了改进. 利用卫星信号模拟器和C/A码GPS接收机构建半实物仿真系统对算法进行验证,该方法的弹道参数估计误差是GPS接收机正常工作时测量误差的30%～40%;且能在GPS接收机出现异常时继续给出接近实际的估计值.     

基于集成神经网络的信道估计方法研究

为解决噪声以及信号干扰等因素严重影响接收端信道估计的问题,提出一种基于集成神经网络的信道估计方法,利用多个改进后的神经网络来提取带噪导频信号与原始导频信号之间的非线性关系模型,根据其输出误差来计算差异度值,并结合差异度对其进行集成,得到训练完成的集成神经网络模型,通过集成神经网络模型来获取信道估计结果;与最小二乘(least squares,LS)估计方法相比,该方法不仅可以提高通信的可靠性,而且还能减少导频开销提高通信有效性;在不同的调制方式下,当误码率相同时,算法所需的信噪比LS算法均要更低;基于正交频分复用(orthogonal frequency division multiple,OFDM)通信系统进行仿真,结果证明,该方法具有优良的性能。     

GPS高程的神经网络转换方法

探讨了用神经网络方法转换GPS大地高为正高或正常高,给出了一种改进的BP神经网络拓扑结构和算法,并用GPS实测资料数据进行了计算分析,估算精度达到厘米级,且精度比较稳定,已知样本点的数量要求较少。     

GPS接收机原始观测量的模拟实现

研究了ＧＰＳ信号这一类准正弦信号的最大似然参数估计方法，对估计方差的Ｃｒａｍｅｒ Ｒａｏ界进行了分析，采用计算机软件手段获得ＧＰＳ接收机伪距，多普勒频移观测量。为模拟分析ＧＰＳ导航算法，伪距差分ＧＰＳ等提供了客观依据。实验结果表明，利用该软件手段进行ＧＰＳ系统分析和处理是精确直观的，简便有效。     

巡检机器人全球定位系统/里程计组合定位方法

摘要：针对巡检机器人在校园环境中工作时,GPS信号易受树荫及较高建筑物遮挡而出现定位不准确的问题,提出GPS和ODO组合定位方法。该方法以GPS坐标信息为初始位置,里程计信息为主导航,GPS接收机的脉冲信号作为实时修正数据,利用卡尔曼滤波算法对系统状态进行最优估计,得到较为准确的状态估计值,最后利用状态估计值去修正系统的导航误差。同时在实验平台上进行验证仿真,实验结果表明,机器人以150cm/s的速度行驶80s后其轨迹误差能控制在5cm以内,得出利用多传感器融合技术可以提高机器人的定位精度和可靠性的结论,即通过对GPS和ODO组合定位方法能够有效提高机器人实时定位精度。     

GSM 信号的自适应最大似然接收

考虑如何在ＧＳＭ接收机中实现最大似然接收以克服多径传播带来的严重的信号失真，提出了新的算法，它和常规的算法相比在复杂度上大大降低。给出了仿真结果，结果表明这一新算法具有接近理想的最优性能。     

基于GPS定位原理的轨道外部几何参数测量系统

 利用GPS 定位全天候、高效率、低成本的特性,设计出一种新型的轨道外部几何参数测量系统.该系统由卫星系统、加载接收机的轨检仪、控制网和GPRS 发射站组成.测量前,先构建边连式同步图形扩展式带状轨道监测控制网,并在现有的轨检仪上加载GPS 接收机.测量过程中,轨检仪沿轨道运动:GPS 控制网中4 个GPS 基站与轨检仪上GPS 流动站实时采集定位信息;定位信息经双差处理和整周模糊度解算后,得到RTK(real-time kinematic)观测量,确立轨道中心线;结合轨检小车测出的轨道内部几何参数和轨道中心线,解算出轨道高程.静态实验与外场试验结果表明:该测量系统自动化程度较高,静态观测误差在0.5 mm 以内,动态误差在15 mm 以内,完全能够满足轨道外部几何参数高精度测量的要求.     

GPS/INS超紧组合系统载波相位跟踪误差研究

载波跟踪环(PLL)设计是GPS接收机设计中的关键问题,PLL的相位误差源包括相位抖动和动态应力误差.随着接收机工作平台动态性的增加,较大的动态应力误差将导致环路失锁.为适应高动态环境,GPS接收机通常采取INS辅助GPS跟踪环路的超紧组合方式来降低动态应力误差.组合系统提供的外界辅助信息不可能完全精确,所以跟踪环路在减小动态应力误差时,也会引入其他测量误差源.对GPS/INS超紧组合系统PLL跟踪误差进行了详细推导并且得出两个解析公式.仿真结果表明,对超紧组合系统的PLL跟踪误差公式推导是准确的,为PLL环路参数的最优设计提供理论参考.     

A BP neural network based information fusion method for urban traffic speed estimation

Obtaining comprehensive and accurate information is very important in intelligent traffic system (ITS). In ITS, the GPS floating car system is an very important approach for traffic data acquisition. However, in this system, the GPS blind areas caused by tall buildings and tunnels could affect the acquisition of traffic information and depress the system performance. Aiming at this problem, we developed a novel method employing a back propagation (BP) neural network to estimate the traffic speed in the GPS blind areas. When the speed of one road section is lost, we can use the speed of its related road sections to estimate its speed. The complete historical data of these road sections are used to train the neural network, using Levenberg-Marquardt learning algorithm. Then, the current speed of the related roads is used by the trained neural network to get the speed of the road section without GPS signal. We compare the speed of the road section estimated by our method with the real speed of this road section, and the experimental results show that the speed of this road section estimated by our method is better.     

GPS伪距差分解算改进模型的研究

差分GPS定位技术是通过基站与移动站之间的空间相关性，来消除公共误差部分，以提高定位精度。伪距差分是目前用途最广的一种定位技术，文章详细列出了GPS伪距差分解算模型的数据处理算法，对于伪距差分中的有关问题提出了改进模型，该模型降低了对基准站接收机时钟的要求。由于基准站的精确坐标已经知道，在计算卫星坐标时，要计算接收机钟差，因此基准站的接收机钟差可以精确获得。