基于极大似然估计器的GNSS矢量跟踪算法

《基于极大似然估计器的GNSS矢量跟踪算法》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、航空学报ActaAeronauticaetAstronauticaSinicaSep．252014V01．35No．92559—2567ISSN1000．6893CN11．1929／Vhttp：／／hkxb．buaa．educnhkxb@buaa．edu．cndoi：10．7527／S1000—6893．2014．0027基于极大似然估计器的GNSS矢量跟踪算法程俊仁，刘光斌*，张倩，范志良第二炮兵工程大学控制工程系，陕西西安710025摘要：矢量跟踪是一种将全球导航卫星系统(GNSS)接收机的信号跟踪与导航解算融为一体的跟踪算法。传统的基于矢量延迟／频率锁定环(VDFLL)的跟踪算法普遍采

2、用延迟锁定环(DLL)和锁频环(FLL)鉴别器计算伪距和伪距率偏差观测量，由于锁频环鉴别器存在近似误差和一步延迟效应，在高动态环境下容易造成环路失锁。从直接估计卫星信号特征参数的角度出发，基于中频信号模型构建码相位和载波多普勒的极大似然代价函数，采用非迭代估计算法得到各通道码相位和多普勒频移的估计偏差，转换为卡尔曼滤波器的观测矢量，提出一种基于极大似然估计器(MLE)的矢量跟踪算法。理论分析和仿真结果表明：新算法结合了极大似然估计和矢量跟踪的优点，克服了FLL的延迟效应，与基于VDFLL的矢量环路相比，高动态环境下的跟踪稳定性更好，可以对被遮挡的卫星保持持续的跟踪。关键词：GNSS接收机；信

3、号跟踪；延迟锁定环；锁频环；矢量跟踪；极大似然估计器中图分类号：V448．2；TN850．4文献标识码：A文章编号：1000—6893(2014)09—2559—09随着卫星导航技术的不断发展和应用环境的El趋复杂，导航接收机的性能面临着严峻挑战，传统的信号跟踪方法难以满足实际应用需求，而矢量跟踪算法因其鲁棒性好、弱信号适应力强等特点引起了众多学者的关注[1_]。与传统接收机中各通道独立估计码相位和载波频率的思想不同，矢量跟踪通过联合所有卫星的通道，直接对用户的位置和钟差状态进行最优估计，估计的状态信息再转换为各通道码数字控制振荡器(NumericalControlOscillator，NC

4、O)和载波NCO控制量对跟踪环路进行反馈控制。由于充分挖掘了各卫星通道间共享的固有信息，矢量跟踪环可以在不增加任何外部辅助信息的情况下，提供更好的低信噪比和动态跟踪能力[5’6]。矢量跟踪最初被应用在码跟踪过程中[1]，矢量延迟／频率锁定环(VectorDelay／FrequencyLockLoop，VDFLL)是最经典的矢量跟踪环路口。1⋯，其主要特点是将伪码和载波的矢量跟踪融合到一起。在之前的研究中，VDFLL往往采用延迟锁定环(DelayLockLoop，DLL)和锁频环(FrequencyLockLoop，FLL)鉴别器生成码相位和载波多普勒偏差观测量，进而送入导航滤波器进行滤波。然

5、而，传统的DLL和FLL本质上是一种次最优估计器，其线性范围有限，且利用FLL进行频率估计时需要计算前后两次载波相位估计，求取的是一段时间内的频率平均值，存在一步延迟效应和近似误差，在高动态环境下容易失锁，鲁棒性不够[1“。在时不变系统中，极大似然估计可以给出一致的有效估计，在平稳噪声和恒定参数的条件下可以获得最佳的估计性能E12133。为此，本文在以上工作的基础上，引入了Won等[143提出的基于收稿日期：2013-11—11；退修日期：2014-03-04；录用日期：2014．03．21：网络出版时间：2014-03．2819：44网络出版地址：www．cnki．net／kcms／det

6、ail／107527／$1000-6893．2014．0027．htmI基金项目：国家自然科学基金(61201120)；国家“863”计划(2010AA7010213)*通讯作者．Tel．：029—84744111E-mail：Igb@epgc．net鳓用蔷武lChengJR，LiuGB，ZhangQ，etal．GNSSvectortrackingalgorittrnbasedonmaximumlikelihoodestimatofrJ]iActaAeronauti-caetAstronauticaSinica，2014，35(9)：2559-2567．程俊仁。触光斌，张倚，等．基f极大似然

7、估计器的GNSS矢量跟踪算法LJ2．航空学报．2014．35(9)：2559．2567。航空学报SeD．252014V01．35No．9极大似然估计器(MaximumLikelihoodEstima—tor，MLE)的跟踪方法，并将其应用到矢量跟踪环路中，提出了一种基于极大似然估计器的矢量跟踪算法(MaximumLikelihoodEstimator—Vec—torTrackingLoop，MLE—VTL)。