一种用于高动态全球定位系统信号跟踪的新模型

上海交通大学学报（自然版） ›› 2014, Vol. 48 ›› Issue (03): 323-327.

• 无线电电子学、电信技术 • 上一篇下一篇

一种用于高动态全球定位系统信号跟踪的新模型

赵文骏,茅旭初

（上海交通大学电子信息与电气工程学院,上海 200240）

收稿日期:2013-03-03 出版日期:2014-03-28 发布日期:2014-03-28
基金资助:
国家自然科学基金（40674002），上海航天科技创新基金（D202）资助项目

A Novel Model for High Dynamic GPS Signal Tracking

ZHAO Wenjun,MAO Xuchu

(School of Electronic Information and Electrical Engineering, Shanghai Jiaotong University, Shanghai 200240, China)

Received:2013-03-03 Online:2014-03-28 Published:2014-03-28

摘要/Abstract

摘要：

针对传统全球定位系统（GPS）信号跟踪方法在高动态环境下跟踪精度不够理想且容易失锁等缺陷，提出了一种新的跟踪模型.采用包含多普勒频移与码相位误差的二维观测相关器组，并通过基于列文伯格-马夸尔特方法优化的迭代扩展卡尔曼滤波算法，使跟踪环路在码相位与载波频率初始捕获误差较大的情况下，依然能够快速而准确地收敛，成功解调出导航信息.仿真结果显示，利用新的GPS信号跟踪模型能够高质量地完成加速度为150g的高动态GPS信号跟踪.

关键词: 全球定位系统, 高动态跟踪, 迭代扩展卡尔曼滤波, 列文伯格-马夸尔特方法

Abstract:

A novel tracking model was proposed for high dynamic condition under which the traditional GPS signal tracking method has a high probability of losing lock as well as a low accuracy. The output from a large number of correlators with wide ranges of uncertainty in code phase and carrier phase were used. An optimized iterated extended Kalman filter algorithm based on the Levenberg-Marquardt method was also implemented to process the output from the correlators, despite large acquisition errors. The simulation results show that the new model performs well in tracking a high dynamic GPS signal with an acceleration of 150 g.

Key words: global positioning system (GPS), highdynamiccondition tracking, iterated extended Kalman filter (IEKF), Levenberg-Marquardt method

中图分类号:

TN 976.1

赵文骏,茅旭初. 一种用于高动态全球定位系统信号跟踪的新模型[J]. 上海交通大学学报（自然版）, 2014, 48(03): 323-327.

ZHAO Wenjun,MAO Xuchu. A Novel Model for High Dynamic GPS Signal Tracking[J]. Journal of Shanghai Jiaotong University, 2014, 48(03): 323-327.

参考文献

［1］Kaplan E D. Understanding GPS principles and applications［M］. 2nd ed. Boston: Artech House, Inc, 2006: 219232.

［2］Fang J C, Gong X L. Predictive iterated Kalman filter for INS/GPS integration and its application to SAR motion compensation［J］. IEEE Transactions on Instrumentation and Measurement, 2010, 59(4): 909915.

［3］Bell B M, Cathey F W. The iterated Kalman filter update as a GaussNewton method［J］. IEEE Transactions on Automatic Control, 1993, 38(2): 294297.

［4］Chiang K Q Z, Psiaki M L. GNSS signal tracking using a bank of correlators［C］∥Proceedings of the 23rd International Technical Meeting of The Satellite Division of the Institute of Navigation. Portland OR: The Institute of Navigation, 2010: 32583267.

［5］Psiaki M L, Jung H. Extended Kalman filter methods for tracking weak GPS signals［C］∥Proceedings of the 15th International Technical Meeting of the Satellite Division of The Institute of Navigation. Portland OR: The Institute of Navigation, 2002: 25392553.

［6］Im S H, Song J H, Jee G I, et al. Comparison of GPS tracking loop performance in high dynamic condition with nonlinear filtering techniques［C］∥Proceedings of the 21st International Technical Meeting of the Satellite Division of The Institute of Navigation. Savannah GA: The Institute of Navigation, 2008: 23512360.

［7］Spinello D, Stilwell D J. Nonlinear estimation with statedependent Gaussian observation noise［J］. IEEE Transactions on Automatic Control, 2010, 55(6): 13581366.

［8］Zhan R, Wan J. Iterated unscented Kalman filter for passive target tracking［J］. IEEE Transactions on Aerospace and Electronic Systems, 2007, 43(3): 11551163.

［9］Barrios C, Motai Y. Improving estimation of vehicle's trajectory using the latest global positioning system with Kalman filtering［J］. IEEE Transactions on Instrumentation and Measurement, 2011, 60(12): 37473755.

［10］杨宏, 李亚安, 李国辉. 一种改进扩展卡尔曼滤波新方法［J］. 计算机工程与应用, 2010, 46(19): 1820.

YANG Hong, LI Yaan, LI Guohui. New method of improved extended Kalman filter［J］. Computer Engineering and Applications, 2010, 46(19): 1820.

［11］Won J H, Pany T, Eissfeller B. Iterative maximum likelihood estimators for highdynamic GNSS signal tracking［J］. IEEE Transactions on Aerospace and Electronic Systems, 2012, 48(4): 28752893.

[1]	赵翔a,b，杨明a,b，王春香c，王冰a,b. 基于视觉和毫米波雷达的车道级定位方法[J]. 上海交通大学学报（自然版）, 2018, 52(1): 33-38.
[2]	公才赫，茅旭初,李少远. 一种BDS/GPS双系统融合导航的快速选星方法[J]. 上海交通大学学报（自然版）, 2017, 51(6): 641-646.
[3]	王晓岚1,2，马冠一1，万庆涛1，李婧华1，范江涛1，张杰1,2. 基于全球卫星导航系统观测网的全球总电子含量快速反演方法[J]. 上海交通大学学报（自然版）, 2017, 51(2): 214-.
[4]	张天骐,闫振华,欧旭东,钱文瑞. 并行码相位结合分形重构的TMBOC调制信号捕获算法[J]. 上海交通大学学报（自然版）, 2016, 50(05): 782-787.
[5]	任光辉，茅旭初. 多约束条件的全球定位系统单频单历元短基线定向技术与实现[J]. 上海交通大学学报（自然版）, 2014, 48(03): 335-340.
[6]	朱立新，马春来，孟. IMM-SRUKF在GPS/INS组合导航中的应用[J]. 上海交通大学学报（自然版）, 2014, 48(03): 346-350.
[7]	范江涛1，2，马冠一1，2. 全球定位系统预解扩延时相乘捕获算法[J]. 上海交通大学学报（自然版）, 2014, 48(03): 363-366.
[8]	颜琳，战兴群. 全球定位系统/北斗双系统定位优势的验证与分析[J]. 上海交通大学学报（自然版）, 2013, 47(08): 1169-1172.
[9]	崔小准, 米红, 李懿, 陈忠贵. 一种全球定位系统卫星C/A信号通道绝对时延标定算法[J]. 上海交通大学学报（自然版）, 2012, 46(11): 1843-1847.
[10]	匡鸿博, 茅旭初, 王永凯. 一种用于高动态环境的GPS信号跟踪方法[J]. 上海交通大学学报（自然版）, 2012, 46(06): 854-858.
[11]	周广宇，茅旭初，林庆恩，曹意. 基于双卡尔曼滤波及贝叶斯估计的微弱GPS信号跟踪方法 [J]. 上海交通大学学报（自然版）, 2010, 44(09): 1246-1250.
[12]	武静，茅旭初. 用于提高全球定位系统定位估计速度的滤波算法[J]. 上海交通大学学报（自然版）, 2008, 42(10): 1758-1761.

一种用于高动态全球定位系统信号跟踪的新模型

A Novel Model for High Dynamic GPS Signal Tracking

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 12

编辑推荐

Metrics

本文评价