高动态跳频载波跟踪技术

在无人机或导弹等高速运动目标间建立稳定、可靠的通信链路,需要突破高动态下的载波跟踪技术,考虑跳频通信系统的突发传输模式,本文提出基于开环最大似然估计(maximum likelihood estimation,MLE)和扩展卡尔曼滤波跟踪算法的高动态载波信号跟踪技术.通过理论和仿真分析证实了该算法可有效克服传统环路的缺...     

机动目标模型匹配卡尔曼滤波载波跟踪算法

针对传统卡尔曼滤波器用于高动态载波跟踪时性能不够理想的问题,提出一种基于机动目标模型匹配的卡尔曼滤波载波跟踪算法,能够在载波参数剧烈变化的条件下实现稳定的载波同步。所提算法较传统算法更加契合实际环境,具有实用价值高、应用范围广等优点。使用线性卡尔曼滤波器,无需矩阵求逆运算,计算复杂度低,便于工程实现。仿真结果表明,所提算法在跟踪具有剧烈动态特性的载体信号时能够显著提高跟踪精度,且跟踪门限信噪比能够降低约3 dB。     

基于载噪比模型加权的GNSS双频载波和差联合跟踪算法优化与分析

前期发展的全球导航卫星系统(global navigation satellite system, GNSS)双频载波和差联合跟踪算法存在双频信号载噪比不一致情况下双频信号跟踪稳定度和跟踪精度较差问题,对此提出了优化改进的算法。针对实际应用中共星双频信号存在的信号载噪比不同情况,优化原有双频载波和差联合跟踪环路结构,基于载噪比模型计算GNSS双频信号在双频载波和差联合跟踪环路中的加权值,利用该加权值实现共星双频信号的载波和差联合跟踪。算法理论分析和仿真结果表明,优化后的基于载噪比模型加权的GNSS双频载波联合跟踪算法更加适用于实际应用条件,能够提高原有算法在双频信号载噪比不一致情况下共星双频信号跟踪稳定性和跟踪精度。     

符号速率采样条件下的新型复合载波跟踪环

针对低信噪比和符号速率采样条件下的载波同步问题,提出了一种新型的复合载波跟踪环,同时也给出了一种较直观的环路参数确定方法。该载波同步环改进了原有的符号硬判决算法,并通过引入采样速率变换模块使得数字锁频环(frequency-locked loop, FLL)和数字锁相环(phase-locked loop, PLL)工作在不同采样速率条件下,来提高在低信噪比环境中载波频偏和相偏的估计精度。该参数确定方法是在z域中,直接根据闭环系统的稳定性和单位阶跃响应特性来选择最优的参数。仿真结果表明,该参数确定方法具有很好的可行性,且所提出的载波跟踪环在较低信噪比条件下能获得良好的同步性能。     

微波雷达高精度跟踪环路建模与仿真技术研究

针对在微弱信号(低载噪比信号)动态环境为需求背景下某测量雷达中高精度跟踪环路设计的关键问题,重点研究了载波跟踪环路和码跟踪环路的设计及优化方法。提出以单载波作为导频的信号结构,研究了锁频环与锁相环联合工作的环路结构,通过对两种结构的建模分析和仿真验证,指出在微弱信号高动态环境下,锁频串行辅助锁相环的环路组合结构具有更好的性能。对于码跟踪环路,给出了宽、窄相关间距相结合的方案。通过建模解算得出了最小跟踪误差原则下码环的最优环路带宽。仿真验证了上述算法和参数设计的有效性和可靠性。     

一种改进的推广卡尔曼滤波收敛特性研究

提出了一种改进的推广卡尔曼滤波算法,这一算法不仅具有良好的数值稳定性,而且计算量较小,并进一步分析研究了这一算法的收敛特性,给出了指数收敛速度,分析结果表明改进的算法得到的滤波器增益和状态估计能很好地跟踪原算法得到的滤波器增益和状态估计。     

改进频率鉴别的载波跟踪环路及性能分析

为了适应高动态环境,导航接收机常采取锁频环和锁相环联合工作实现载波跟踪。对其中较常用的的叉积自动频率跟踪环提出改进,利用两种方法切换实现频率鉴别。改进后算法克服了数据位模糊,并且使鉴频范围扩大了4倍,同时保持跟踪精度不变。影响跟踪精度的因素主要包括热噪声误差和动态应力误差,经研究发现其中热噪声误差的传统理论分析结果与实际有较大差距。利用环路线性化近似处理,并且考虑鉴别噪声间的相关性,经重新推导得到锁频环路的热噪声跟踪误差低于传统理论分析结果的1/5。通过仿真对锁频环鉴频范围和热噪声跟踪误差分析的正确性进行了验证。     

高动态GPS/INS组合导航算法研究

首先介绍了新型深组合GPS/INS系统原理图及组合导航滤波算法。在该算法中,组合卡尔曼滤波器除完成INS误差及GPS接收机时钟误差的估计外,还参与了GPS码跟踪,即完成传统码跟踪环中环路滤波器的功能。采用自适应码跟踪误差估计器补偿组合卡尔曼滤波器测量值中的相关分量,从而消除了传统组合中不稳定的主要根源。然后进行了计算机仿真计算,仿真结果表明,新型深组合GPS/INS导航算法适用于机动性较高的载体。     

动态环境下GPS软件接收机研究

载体的动态性所引入的多普勒频移给GPS接收机的载波跟踪带来了很大的困难。首先介绍了GPS软件接收机捕获与跟踪策略,提出了一种新的基于模糊逻辑控制器和三阶锁相环的动态载波跟踪方案,分析了模糊逻辑控制器的设计原理,推导了适合软件实现的三阶锁相环的数字形式。实验结果证明提出的设计方法与传统环路相比可大幅度缩短载波跟踪时间,减小环路滤波器带宽,并能消除周跳。     

基于自适应多重渐消因子卡尔曼滤波的

针对传统卡尔曼滤波器在模型失配和噪声时变情况下滤波精度下降甚至发散的问题,设计了一种新的多重渐消因子卡尔曼滤波算法。该算法通过一个基于渐消记忆指数加权的新息协方差估计器来计算新息协方差估计值,并依此引入多重渐消因子对预测误差协方差阵进行调整,使得各滤波通道具有不同的调节能力,克服了单渐消因子对多变量跟踪能力差的局限性,从而提高滤波算法的精度和鲁棒性。仿真和试验结果表明,新算法能有效抑制滤波器发散,其滤波精度和鲁棒性优于常规卡尔曼滤波与单渐消因子卡尔曼滤波,能够更好地满足工程应用的要求。     

旋转条件下非连续卫星导航信号处理技术

针对传统卫星导航技术无法估计旋转载体的转速, 且旋转导致的卫星信号非连续性使得定位和转速估计更加困难的问题,提出一种基于多天线结构的开环跟踪与差分卡尔曼滤波相结合的跟踪定位方法, 并利用相邻天线间的多普勒频率差值实现载体转速估计。同时,利用开环结构无反馈回路和快拍方式工作的特点实现对非连续信号的跟踪。差分卡尔曼滤波以相邻历元间差分值进行建模, 消除原始观测量中公共偏差, 实现跟踪信息的融合滤波和定位。最后,利用相邻天线间共视卫星的多普勒频率差值实现载体转速估计。基于模拟信号和实际信号的实验结果表明,所提算法能够实现对卫星信号的持续跟踪, 并且获得高精度的定位结果, 对转速的估计误差的标准差不超过1 rps。     

基于MCMC无味粒子滤波的目标跟踪算法

针对传统粒子滤波目标跟踪算法存在粒子退化的问题,提出了基于马尔可夫链-蒙特卡罗(Markovchain Monte Carlo,MCMC)无味粒子滤波的目标跟踪算法.该算法采用无味卡尔曼滤波(unscented Kalmanfilter,UKF)生成粒子滤波的提议分布,来代替传统粒子滤波算法采用状态转移先验概率作为粒子滤波的提议分布,以改善滤波效果,然后在无味粒子滤波的基础上融合了典型的MCMC抽样算法(Metropolis Hastings,MH),从而可以减少传统粒子滤波未考虑当前量测对状态的估计作用所带来的影响.融合后的算法将当前量测信息融入到滤波过程中,并使采样粒子更加多样化.实验结果表明,该算法较传统方法在跟踪精度方面有显著的提高.     

基于时频差的高阶强跟踪UKF算法

针对传统无迹卡尔曼滤波(unscented Kalman filter, UKF)在系统状态发生突变时估计精度下降的问题,将改进的强跟踪滤波算法与基于高斯概率密度高阶导的无迹卡尔曼滤波算法(high order probability density derivative, HUKF)相结合,提出了高阶强跟踪无迹卡尔曼滤波方法(high order strong tracking UKF, HSUKF)。该算法采用高斯概率密度函数高阶导数的极值作为Sigma样点进行无迹转换,通过样本点捕捉更高阶的中心矩来提高非线性变换近似精度。将改进的强跟踪滤波算法引入到HUKF中,通过渐消因子修正预测新息协方差和预测互协方差矩阵,强迫新息正交,在不增加计算复杂度的前提下提高了算法在状态发生突变时的适应能力。将本文算法应用于时差频差的无源跟踪中,通过对目标状态发生突变的跟踪问题进行数值仿真和实例论证表明HSUKF算法兼具了计算复杂度低和估计精度高的特性,且在系统状态发生突变的情况下表现出良好的滤波性能。     

基于平方根CKF的多传感器序贯式融合跟踪算法

为了提高非线性序贯式融合跟踪算法的精度,提出了基于平方根容积卡尔曼滤波器的多传感器序贯式融合跟踪算法。该算法使用三阶容积数值积分原则计算非线性过程的均值和方差,克服了扩展卡尔曼滤波器存在的滤波精度低及平方根无迹卡尔曼滤波器存在的参数复杂的缺点。同时,在滤波递归过程中以协方差平方根矩阵代替协方差矩阵,这样确保了滤波算法的数值稳定性,提高了跟踪的精度。最后用已知弹道系数的再入段弹道跟踪模型对所提算法的性能进行仿真测试。仿真结果表明,所提算法具有很好的跟踪性能,是一种有效的非线性序贯式融合跟踪算法。     

基于UKF的新型北斗/SINS组合系统直接法卡尔曼滤波

针对传统的间接法卡尔曼滤波在北斗/捷联惯导(serial inertial navigation system, SINS)组合导航系统中无法实现较高的定位精度且计算的冗余度大的缺点,提出一种基于无迹卡尔曼滤波（unscented Kalman filter, UKF）的新型组合系统滤波算法。本算法以SINS输出的导航参数及平台误差角等作为系统状态,无源北斗输出的位置速度参数作为量测,采用改进的UKF方法进行数据融合,并直接计算组合系统导航参数的最优估计。实验结果表明,新算法可以降低对伪距误差模型的精确度要求,同时避免非线性系统状态方程的线性化,简化滤波参数的调整过程,从而有效地缩短组合导航系统的解算时间,提高定位精度。     

机动目标跟踪的斯-厄米特粒子滤波算法

闪烁噪声环境下的机动目标跟踪实质上是一个非线性非高斯系统滤波问题,为了提高跟踪精度,应用高斯-厄米特滤波方法来产生粒子滤波器(PF)的重要密度函数,解决了PF算法的粒子退化问题,并给出了基于高斯-厄米特粒子滤波器(GHPF)的闪烁噪声机动目标跟踪算法。仿真结果表明,各种PF算法对闪烁噪声机动目标的跟踪精度远远好于卡尔曼滤波方法;同时GHPF不仅提高了估计精度,而且减少了粒子数目,降低了算法的复杂度,因此其综合性能要好于其他PF算法,具有较高的跟踪精度和较好的实时性。     

遮挡情况下基于Kalman均值偏移的目标跟踪

针对经典的Mean-Shift算法在目标发生遮挡时容易导致跟踪失败的问题,提出一种改进的均值偏移跟踪算法。将目标的运动在较短时间内看作一时不变系统,通过引入Kalman滤波进行参数辨识而使发生遮挡后的跟踪系统具有后续状态预测的能力。整个跟踪过程分为Mean-Shift跟踪下的Kalman参数辨识和基于Kalman状态估计的Bhattacharyya系数分析两个子过程交替执行。对不同的视频序列测试的结果表明,算法能够对发生遮挡后的目标进行持续、稳健的跟踪。     

非线性系统中多传感器滤波跟踪型数据融合算法的研究

在非线性系统中，常用的跟踪滤波算法是基于扩展的卡尔曼滤波算法的融合算法，但是这种融合算法的跟踪精度并不是很高。本文根据对滤波器跟踪型数据融合的研究，提出了基于转换测量值卡尔曼滤波算法的非线性系统中的数据融合方法。研究表明，在利用激光干涉仪进行目标跟踪时，这种基于融合算法的集中式融合算法的跟踪性能优于分布式融合算法，但是，从仿真结果可以看出，两种融合算法的差别不大，结果基本相同，因此，在非线性系统中，基于转换测量值卡尔曼滤波算法的分布融合算法可以重构集中式融合算法。