论文部分内容阅读
跟踪是接收机内部通过对接收到的卫星信号进行处理,从而得出用户所需要信息的重要过程,跟踪性能的提高对于提升整个接收机的整体性能、提高定位解算速度和精度至关重要。但现有矢量跟踪算法在定位精度和计算量方面仍不尽如人意,一方面由于接收机的动态性以及城市复杂环境对接收机的影响,跟踪环路中一个通道中存在的故障将影响所有其他通道,严重时会使得整个环路失锁,这大大降低了接收机的定位导航性能;另一方面在GNSS接收机中通常采用Nyqiust采样方法。由于Nyqiust采样的特性,导致整个系统中的数据量大大增加,不仅给数据的传输和存储造成负担,甚至会影响到后续的定位解算环节,并且矢量跟踪算法的较大计算复杂度也影响了它的商业化应用。本文针对以上两个问题,开展了矢量跟踪算法的相关研究,主要研究内容如下:(1)提出了神经网络辅助GPS/北斗双系统组合导航算法。在矢量跟踪环路中首先应用了预滤波和导航滤波结构,并使用预滤波结构代替传统的鉴别器结构;其次由导航滤波器的估计值对预滤波结构进行反馈调节;最后由导航滤波器的输出作为神经网络的输入,经过神经网络的在线训练,为导航解算部分提供更准确的码相位和多普勒信息。(2)提出了压缩感知辅助矢量跟踪环路算法。在该算法中,不再采用传统Nyqiust采样方法,同时不需要对信号进行复杂的重构过程,而是在压缩域信号中直接提取伪码延迟、载波频率和相位信息,并将其输入到卡尔曼滤波器中进行状态估计,在为用户提供服务的同时也为伪码和载波的数控振荡器提供反馈信息,以此来控制本地参考信号的生成。在实验中本文采用真实收集到的数据对提出的算法进行验证得出:(1)神经网络辅助的GPS/北斗双系统组合导航算法与其他算法相比较,在定位精确度方面有所提高;(2)相比于传统矢量跟踪算法来说,压缩感知辅助的矢量跟踪算法降低了计算复杂度,该算法也为矢量跟踪算法的硬件实现提供了解决思路,加快了矢量跟踪算法的商业化应用。