基于强跟踪平方根容积卡尔曼滤波的GNSS信号跟踪环路设计

在GNSS接收机信号跟踪阶段,跟踪环路容易因为载体高速运动导致环路失锁。为了提高跟踪环路的动态性能和精度,提出了一种基于平方根容积卡尔曼滤波和强跟踪滤波的跟踪环路。在传统跟踪环路的基础上,以同相、正交各支路输出为观测量,在平方根容积卡尔曼滤波中引入渐消因子以提高跟踪环路的鲁棒性,对伪码相位和载波多普勒频率作统一估计。动态仿真试验结果表明,相比于二阶锁频环辅助三阶锁相环,所提出的跟踪环路定位、定速误差减小了25%以上,可以为后续的导航解算等模块提供更为可靠的观测量。

基于B1C新信号的BDS/INS深组合改进的跟踪环路设计

针对北斗卫星导航系统/惯性导航系统(BDS/INS)的深组合定位系统,提出了一种利用惯性导航系统(INS)辅助B1C正交分量的信号跟踪算法,以解决定位过程中信号较弱致深组合定位系统失锁的问题.该算法使用了考虑INS数据的卡尔曼滤波算法,并同时利用导频分量和数据分量构成本地码,对信号进行跟踪.由该算法对实测数据计算,并利用传统算法进行对比,可以得出在弱信号的环境下跟踪环路较为稳定,伪距精度较高.

复杂环境下基于自适应卡尔曼滤波的时间比对跟踪算法

在雷达、车载等动态协同组网系统中,高精度时间同步是该系统正常工作的基本条件。但是在动态组网系统或者低截获场景下,时间比对信号强度弱,并处于动态场景,此时时间同步系统鲁棒性差、同步精度低。因此,需要提高时间同步系统在复杂的动态组网系统下的时间同步精度。调制解调器是双向时间比对系统的核心设备,而跟踪环路是其中关键部分。复杂场景下跟踪环路很容易失锁,为了提高跟踪环路鲁棒性,该文提出一种基于自适应卡尔曼滤波(AKF)的跟踪算法。该算法引入自适应因子来调节系统噪声协方差矩阵,从而应对外部变化的输入信号。试验结果显示,与传统锁相环跟踪环路(PLL)和标准卡尔曼滤波跟踪环相比,在弱信号和动态信号同时存在时该算法跟踪鲁棒性和自适应性更好,并且算法复杂度不高。该算法对于提高动态协同组网系统的时间同步精度具有重要意义。