基于FFT和电文估计的GNSS弱信号载波跟踪方法

在弱GNSS信号环境中,基于传统环路的GNSS载波跟踪方法受导航电文、接收机动态和晶振稳定性的制约,难以使用较长相干积分时间提高环路输入信噪比。本文提出了一种基于FFT的电文估计方法,该方法只需计算一种电文组合下的相干积分值序列的FFT,其他电文组合下的FFT只需少量加法运算即可完成,降低了电文符号估计的计算量。通过对导航电文符号和边沿的估计,可以使用较长时间的相干积分值序列的FFT变换鉴别载波环跟踪误差,这可以克服长积分时间中接收机动态和多普勒频率估计误差造成的损耗,从而提高鉴频器的输出信噪比。仿真结果表明,本文提出的跟踪方法能够在低动态弱信号条件下跟踪载波频率。

一种高动态弱GNSS信号跟踪解调算法研究与实现

在某些高动态弱信号场景中,载波相位难以锁定。为实现对高动态弱全球导航卫星系统(GNSS)信号的跟踪,考虑锁频环较锁相环更为鲁棒,提出了一种基于锁频环(FLL)+差分解调的算法,实现对GNSS信号的跟踪和解调。该算法采用二阶FLL实现对卫星信号的频率进行跟踪,差分解调算法实现对比特数据的解调。工程应用上,算法采用现场可编程门阵列和数字信号处理器(FPGA+DSP)的架构实现,在FPGA中实现信号的跟踪信号的前处理,在DSP中实现跟踪环路算法、位同步和差分解调。本文在Matlab平台中实现算法的仿真,通过模拟器平台和对天接收真实的GNSS信号对算法进行验证。仿真结果与实验结果表明,该算法在高动态弱信号条件下能实现对卫星信号的稳定跟踪和数据的解调,克服了锁相环难以锁定导致数据无法解调的难题,最终实现GNSS信号在该条件下的位置、速度和时间(PVT)解算。

一种改善GNSS弱信号动态跟踪性能的FFT鉴频方法

基于快速傅里叶变换(FFT)鉴频器的GNSS弱信号跟踪技术可以有效改善城市峡谷环境的行人导航,然而现有的复数平方FFT(SFFT)鉴频器在车载等较高动态应用中弱信号跟踪性能大幅度下降。本文提出了一种在保证弱信号跟踪灵敏度的前提下,能显著提高动态性能的FFT鉴频方法——非相干FFT鉴频器(NonCoh-FFT)。首先,介绍了SFFT鉴频器和NonCoh-FFT鉴频器的结构原理;然后,从理论上分析了两者的灵敏度和动态性能;最后,基于GNSS信号模拟器产生的静态和动态场景,对比测试验证了SFFT和NonCoh-FFT性能。结果表明,NonCoh-FFT可以明显提高GNSS弱信号动态性能,与理论分析吻合。

欧美月球GNSS规划现状分析综述

月球是地球最重要的天然卫星,当前国际上正在迎来新一轮月球探索高潮,数十个机构和商业团队正在规划月球探索任务,并设想在未来实现航天员长期驻月,围绕月球的“太空竞赛”刚刚开始。月球GNSS(基于现有的地球GNSS以及新的环月卫星通信导航基础设施的月球卫星通信导航定位技术)是空间基准科研的基础,能够提供航天器着陆定位以及月面(及其覆盖空间)定位、导航与授时等服务,同时可以将月球作为试验场,将导航工具包扩展到更远的目的地(如火星)。对欧美近期发布的月球GNSS规划进行了整理归纳,其中包括美国月球GNSS接收机实验(LuGRE)计划和欧洲月光(MoonLight)计划,以及美国中远期月球通信中继和导航系统(LCRNS)计划,这些计划可以为我国开展月球GNSS规划提供参考。

一种GNSS/视觉观测紧组合导航定位算法研究

全球卫星导航系统(GNSS)在弱信号环境下,GNSS信号易受到遮挡或者电磁干扰,严重影响导航定位的可靠性、连续性和精度.针对此问题,本文作者研究了一种GNSS和视觉观测紧组合导航定位方法.首先基于相机采集图像数据,利用ORB-SLAM2开源平台求解得到视觉位置结果增量,再联合GNSS伪距观测数据采用卡尔曼滤波(KF)进行组合定位解算.采用实测的GNSS伪距观测数据和图像数据进行测试,试验结果表明:该算法不仅能有效地提升GNSS弱信号环境下导航定位的连续性和精度,还能在卫星数少于4颗时保持持续导航定位.

弱GNSS信号下基于EMD和LSTM的车辆位置预测方法研究

针对弱GNSS环境下组合导航(INS/GNSS)系统存在的定位偏差问题,提出一种基于经验模态分解和长短期记忆网络的车辆位置预测算法。首先,针对训练数据中噪声较大的惯导数据,提出一种融合经验模态分解与离散小波变换的降噪算法。该算法基于噪声能量估计和各阶本征模态函数的功率谱密度函数,提出一种确定混合模态函数阶数上下界的方法,并采用离散小波变换硬阈值法对混合模态函数进行滤波处理,最终利用经过处理的各阶模态函数重构原始数据以达到降噪目的。训练数据经过预处理后,采用改进的堆叠式长短期记忆网络离线训练位置预测模型,利用该训练模型可在线实时进行位置预测。针对车辆定位序贯数据预测,提出一种局部数据降噪方法,该方法利用一定长度时间窗口的历史数据,通过线性最小二乘给出当下时刻数据的预估值,并与实际量测值进行滑动平均滤波,优化位置预测的结果。在封闭场地模拟隧道环境下,对长短期记忆网络输入端进行局部数据降噪与不进行降噪处理比较,经度和纬度的归一化均方误差分别下降了13.34%和9.38%,经度和纬度的归一化平均绝对误差分别下降了8.64%和5.41%;在复杂城市交通环境下,检验提出的方法,经度和纬度的归一化均方误差分别下降了6.51%和5.66%,经度和纬度的归一化平均绝对误差分别下降了5.70%和8.23%。试验结果表明,在弱GNSS信号环境下,提出的车辆位置预测方法有效提高了车辆定位精度和稳定性。