基于ML估计的高动态GNSS信号快速捕获检测方法

针对高动态环境下GNSS因频域带宽增加导致捕获难度增大的问题,分析了接收端数字中频采样信号的传输特性及复基带信号经FFT模块处理后的相关峰的检测,提出了基于极大似然(ML)估计的高动态GNSS信号快速捕获检测方法。首先,根据随机信号的统计理论建立二元假设检验条件,构建了奈曼-皮尔逊准则下的GNSS信号捕获判决门限模型;其次,通过判决量的统计特性对等效高斯白噪声方差进行ML估计,根据其估计值计算捕获判决门限,其中通过虚警率的量化放大处理,解决了判决量样本值的增加带来的估计偏差问题;最后,对不同高动态条件下北斗B3I信号进行了捕获检测仿真实验。结果表明采用ML估计方法确定捕获判决门限从而提高高动态GNSS信号捕获的检测方法对高动态适应范围较宽,其频移捕获精度与SINS信息辅助捕获相当,比序贯检测算法提高约28%以上,相同条件下具有更快的平均捕获检测速度。