基于平淡卡尔曼滤波的微弱GPS信号跟踪算法

在接收信号很微弱的情况下，全球定位系统（GPS）的传统方法不能很好地跟踪信号．文中采用非线性卡尔曼滤波算法取代传统的延迟锁定环和相位锁定环，用于高灵敏度GPS接收机的微弱信号处理环节，针对所提出的微弱信号系统模型中相关运算的特点，运用平淡卡尔曼滤波器进行信号跟踪．仿真结果表明，新方法能够较好地跟踪到载噪比低至27dB-Hz的微弱信号，确保了跟踪精度；同时具有较高的灵敏度．     

基于双卡尔曼滤波及贝叶斯估计的微弱GPS信号跟踪方法

提出了一种基于卡尔曼滤波的平方根算法以及贝叶斯估计理论的微弱GPS信号跟踪方法.采用2个耦合的扩展卡尔曼滤波器,即双卡尔曼滤波器来完成码跟踪和载波跟踪,同时,减少信号累加积分时间,以降低运算复杂度而提高收敛速度;采用基于贝叶斯估计理论的未知导航信息位处理方法,以降低在信号微弱的情况下未知导航位所带来的不利影响.仿真结果表明,利用该方法可以精确跟踪载噪比低至19 dB-Hz的微弱GPS信号.     

基于批处理的微弱GPS信号捕获

针对传统方法难以实现微弱GPS信号的精确捕获,继而影响后续的信号跟踪及导航电文解码,提出了一种新的捕获方法解决这一基础性问题,采用基于批处理的手段来捕获低信噪比的GPS信号并提高运算速度,为高灵敏度GPS接收机的实现提供保证.仿真结果表明,在捕获过程处理的数据长度不超过4个导航电文数据位(80 ms)的情况下,此方法能够较好地捕获到载噪比低至21 dB的GPS信号,同时确保较短的捕获时间和较高的灵敏度.     

基于非相干累积的微弱GPS信号相位估计

针对全球定位系统(GPS)微弱信号相位估计不能满足实际应用的问题,利用二倍相位处理和直接判决反馈这两种方法消除导航数据跳变的影响,提出了基于非相干累积的最大似然(ML)相位估计器. 通过理论分析,推导出信噪比表达式,利用条件概率密度函数(CPDF)的数值积分计算出估计器的均方根误差(RMSE),证明非相干累积有效降低了ML相位估计器的RMSE,提高了GPS微弱信号相位估计能力. 仿真结果验证了理论分析和所提算法的有效性,基于FPGA的实现结果表明算法的可应用性.      

一种用于GPS定位估计滤波算法的非线性模型

提出了一种将现代非线性滤波技术用于GPS定位估计的方法，该方法可用于低价位的单机GPS接收器的定位，提高它们的定位精度和鲁棒性．应用该方法，根据单机GPS的原始数据、伪距和多普勒频移进行定位估计。开发了一种新的基于非线性滤波的位置和速度估计模型，该非线性模型具有随观察到的卫星数量而改变状态和测量元个数的动态特性．运用一种新型的非线性滤波-平淡卡尔曼滤波求解该模型．GPS定位实验结果表明．与通用的最小二乘迭代法或直接从接受机获得的结果相比，所提出的非线性模型得出的滤波估计结果具有较高的精度和鲁棒性．     

基于GPS码信号跟踪的空时自适应处理算法

介绍了GPS码信号的模型,以及实时白化和扩展卡尔曼滤波的工作原理.提出了一种改进的空时自适应处理算法,运用该算法能够使GPS接收机抑制射频干扰、精确跟踪并使捕获码信号的性能得到提高.射频干扰中含有宽带干扰和窄带干扰,窄带干扰用自回归过程来模拟并通过实时白化得到抑制,宽带干扰通过空间零陷得到抑制.空间零陷是通过估计一个采样的协方差矩阵,并把它求逆,然后输入卡尔曼滤波器来实现的.通过计算机仿真证实了在严重的干扰情况下该算法的鲁棒性,以及优于码跟踪环的性能.     

基于粒子群算法和平方根平淡卡尔曼滤波的北斗导航系统定位估计算法

为提高北斗定位系统(BDS)的估计精度,克服传统平淡卡尔曼滤波(UKF)算法中可能因状态量协方差矩阵失去正定性而导致滤波器发散的问题,将平方根平淡卡尔曼滤波(SRUKF)算法应用于BDS定位估计.在此基础上,为进一步提高SRUKF算法的性能,引入粒子群优化(PSO)算法,提出基于PSO和SRUKF算法的BDS定位估计(PSO-SRUKF)算法.结果表明,PSO-SRUKF算法可以降低系统噪声和测量噪声特性估计不准确带来的误差,有效提高了BDS定位精度和稳定性.     

多径干扰下GPS弱信号跟踪算法研究

在带有多径干扰的、并且低载噪比的GPS信号下,分析了多径带来的码环误差以及因此引起的伪距误差的原理.在此基础上,考虑在码环跟踪的Strobe鉴相算法中,引入一个修正因子σ,使得码环跟踪时,对一定范围内的短多径起到抑制的作用.由于改进后的跟踪算法没有用到Q路输出,并且原信号为弱信号,因此需要跟踪环路提供好的载波跟踪性能.为此,考虑使用扩展卡尔曼滤波(EKF)算法来替代原有的载波跟踪环路,提高跟踪环路的噪声抑制性能.在此基础上,将EKF载波环跟踪与修正后的码环跟踪结合起来使用,共同进行多径干扰下GPS弱信号的跟踪.     

用自适应扩展卡尔曼滤波跟踪水下目标的算法研究

针对短基线声纳系统跟踪水下目标的问题,建立了状态方程和观测方程,提出了一种自适应扩展卡尔曼滤波的跟踪算法,该算法包含八个基本步骤。将声波传输时延转换为水下目标的距离,用卡尔曼滤波的方法对数据中的噪声进行滤波。对目标的匀速航行和机动航行进行了仿真实验,实验结果表明了该算法的正确性和有效性。最后将该算法用于水下目标的实测数据,收到了良好的效果。     

基于平方根卡尔曼滤波的微弱GPS信号跟踪方法

针对全球定位系统(GPS)的微弱信号跟踪容易失锁问题,提出一种新的跟踪方法.利用平方根卡尔曼滤波算法,在运算过程中运用误差协方差矩阵的平方根形式进行迭代,有效减小了舍入误差带来的影响.提出了一种新的GPS信号跟踪测量模型,在连续积分的基础上,加入了非连续积分过程,通过有效处理,避免了导航信息位翻转对信号相关运算产生的影响.仿真结果表明,新方法可跟踪载噪比低至17 dB-Hz的微弱GPS信号.     

用于提高全球定位系统定位估计速度的滤波算法

为了提高全球定位系统（GPS）高精度定位的解算速度,从原理上比较了平淡卡尔曼滤波（UKF）及其改进算法和超球面平淡卡尔曼滤波（SUKF）及其改进型等非线性滤波估计算法,提出了将SUKF的改进型算法应用于单机GPS的定位估计.实验表明：该算法能够在保证高精度定位估计的前提下提高运算速度,有效解决GPS软件接收机中高精度定位输出的实时性问题.     

基于平淡卡尔曼滤波器的微小卫星姿态确定算法

针对扩展卡尔曼滤波（EKF）在线性化过程中会引入误差的问题,采用平淡卡尔曼滤波器（UKF）进行了系统滤波器设计;提出一种构建虚拟观测量的方法,并分析了其噪声特性．虚拟观测量与高精度器件量测量搭配可实现对姿态的校正．以太阳敏感器、微电子机械系统（MEMS）陀螺、磁强计为姿态敏感器件,构建了定姿滤波器并用STK（Satellite Tool Kit）数据进行了仿真．结果表明,所提出方法能有效地提高定姿性能,采用UKF的系统定姿误差与EKF相当,但收敛时间、稳定性要优于EKF．     

基于UKF的INS/GPS组合导航系统仿真

通过Unscented卡尔曼滤波(UKF)算法,研究INS/GPS紧耦合组合导航系统中滤波算法的问题,避免了对非线性的系统方程进行线性化。同时将自适应原理引入UKF,给出了一种自适应UKF算法。将EKF、UKF和自适应UKF分别应用到INS/GPS组合导航系统的滤波中。仿真结果表明,相比UKF算法,自适应UKF算法进一步提高导航解的精度和收敛速度,同时系统的鲁棒性也得到了提高。     

迭代无味卡尔曼滤波的目标跟踪算法

针对目标跟踪迭代无味卡尔曼滤波(IUKF)算法中跟踪精度较差的问题,提出一种基于状态扩展技术的改进迭代无味卡尔曼滤波(IIUKF)算法.新算法首先将观测噪声扩展进状态,构造关于扩展状态的零噪声观测方程,然后在观测迭代过程中将最新的扩展状态后验估计代入更新公式,进行观测迭代更新.相比IUKF算法,IIUKF算法不仅形式上更为简洁,而且避免了IUKF算法中先验估计和观测噪声非统计正交的问题,滤波精度更高.数值仿真表明,IIUKF算法的跟踪误差比IUKF算法减小了20%以上.     

3颗卫星条件下 GPS三维定位的新方法

提出了一种新型的双天线全球定位系统(GPS)接收机结构方案,用于某些恶劣定位条件下、接收信号的卫星数量较少时对用户位置进行解算.该方法可以在仅接收到3颗卫星信号的情况下,根据GPS的原始数据和伪距,进行较理想的三维位置估计,满足单机定位的精度.建立了基于非线性滤波的位置估计模型,根据该模型的特点,运用平淡卡尔曼滤波算法求解该模型.通过GPS定位实验,验证了该方法的可行性.     

一种基于Unscented卡尔曼滤波的多平台多传感器配准算法

首先给出传感器偏差配准模型,然后将目标的运动模型和传感器偏差组合在同一个状态方程中,利用Unscented卡尔曼滤波（UKF）方法进行状态和偏差联合估计,最后理论分析了配准偏差对状态估计的影响。Monte-Carlo仿真表明,该方法能同时有效地估计目标状态和传感器配准偏差。     

一种用于高动态全球定位系统信号跟踪的新模型

针对传统全球定位系统(GPS)信号跟踪方法在高动态环境下跟踪精度不够理想且容易失锁等缺陷,提出了一种新的跟踪模型.采用包含多普勒频移与码相位误差的二维观测相关器组,并通过基于列文伯格-马夸尔特方法优化的迭代扩展卡尔曼滤波算法,使跟踪环路在码相位与载波频率初始捕获误差较大的情况下,依然能够快速而准确地收敛,成功解调出导航信息.仿真结果显示,利用新的GPS信号跟踪模型能够高质量地完成加速度为150g的高动态GPS信号跟踪.