一种误差与非误差建模相结合的高动态GNSS矢量跟踪方法技术

本发明专利技术涉及一种误差与非误差建模相结合的高动态GNSS矢量跟踪方法，包括以下步骤：(1)提取导航系统的跟踪测量数据，得到观测量Z；(2)首次进入矢量跟踪模块需初始化；(3)相关矩阵的预测，包括状态量X、均方误差阵P、载体位置信息(4)计算量测阵H、观测噪声阵R；(5)计算滤波增益矩阵K、状态量X的最优估计值，并更新载体位置信息(6)考虑载体加速度，计算载波误差、码相位误差，并对环路进行修正；(7)更新均方误差阵P；(8)等待进入下一个滤波周期。本发明专利技术能够在不影响接收机灵敏度的情况下，实现对载体加速度的估算，修正由载体加速运动引起的载波环路稳态误差，从而实现对更高动态载体的跟踪。

A high dynamic GNSS vector tracking method based on error and non error modeling

The invention relates to a high dynamic GNSS vector error and non error modeling combined tracking method, which comprises the following steps: (1) extracting the tracking data of the navigation system, the observed amount of Z; (2) for the first time into the vector tracking module of initialization; (3) prediction of the correlation matrix, including the state, X the mean square error matrix P, position information carrier (4) calculating the measurement matrix H and measurement noise matrix R; (5) the optimal estimation calculation of filter gain matrix K, state X, and update the location information carrier (6) considering the carrier acceleration, the calculation error of carrier frequency, code phase error, and the loop correction; (7) to update the mean square error matrix P; (8) waiting to enter the next filter cycle. The invention can not affect the sensitivity of the receiver case, realize the estimation of vehicle acceleration, fixed carrier loop steady state error caused by carrier acceleration, thus realizing the high dynamic carrier tracking.

【技术实现步骤摘要】

本专利技术涉及一种误差与非误差建模相结合的高动态GNSS(GlobalNavigationSatelliteSystem，全球导航卫星系统)矢量跟踪方法，属于卫星导航

技术介绍
随着航空航天技术的发展，矢量多通道联合跟踪因为具有高动态、高灵敏度、抗干扰等优点而受到广泛关注。在传统环路中，各通道对卫星信号的跟踪是相互独立的，不同卫星信号的相关性被忽略，导致信息没有得到充分的利用。矢量算法通过对接收机、卫星位置几何分布信息的利用，将多通道信号的融合滤波与定位解算相结合，提高了接收机的整体工作性能。当前的矢量建模方法为对载体位置、速度进行误差量建模，通过这种方法可以实现对载体位置、速度的解算。由于建模方法的局限性，更高阶的载体加速度不在模型的解算范围内。在当前模型下，载体的加速运动会导致载波环路产生稳态误差，加速度的增加会导致鉴别器的误差输出超过上限，导致误差的修正出现问题，使载波环路无法进一步跟踪。可以说载波环路的稳态误差是制约当前矢量方法动态性能的一个重要因素。
技术实现思路
本专利技术的技术解决问题：克服现有技术的不足，提供一种误差与非误差建模相结合的高动态GNSS矢量跟踪方法，能够消除传统矢量算法中载波环路的稳态误差，以实现对更高动态载体的跟踪。本专利技术的技术解决方案：一种误差与非误差建模相结合的高动态GNSS矢量跟踪方法，创新点(1)新的建模方法：在对载体位置和速度进行误差建模的基础上，对载体的加速度进行非误差量建模；(2)新的状态量预测方法：误差量清零的同时，非误差量保持不变；(3)载波环路稳态误差的修正方法：通过载体的加速度计算对应通道的载波稳态误差，并进行修正。具体包括以下步骤：第一步，提取导航系统的跟踪测量数据，得到跟踪通道数量以及跟踪通道的载波鉴别器输出和码鉴别器输出，并对鉴别器输出进行归一化处理，得到观测量Z；第二步，判断是否首次进入矢量跟踪卡尔曼滤波模块。如果是首次则进行卡尔曼滤波的初始化，对状态转移阵Φ、噪声驱动阵Q进行设定，对状态量X、均方误差阵P、以及载体位置信息设定初始值；非首次则跳过并进行下一步操作；第三步，进行相关参量的预测，包括状态量X、均方误差阵P以及载体位置信息。预测方法如下：状态量X预测：设状态量为X＝[δx,δvx,ax,δy,δvy,ay,δz,δvz,az,δt,δf]T，其中δx,δy,δz为载体的位置误差，δvx,δvy,δvz为载体的速度误差，δt,δf为时钟误差和时钟频率误差，为误差状态量；ax,ay,az表示载体的加速度，为非误差状态量。状态量预测方法为将误差量清零，非误差量保持不变，即Xk|k-1＝[0,0,ax,0,0,ay,0,0,az,0,0]T，其中Xk|k-1为k时刻状态量的预测值。均方误差阵P预测：根据公式Pk|k-1＝ΦPk-1ΦT+Q计算得到，其中Pk|k-1为k时刻的均方误差阵的预测值；载体位置信息预测：通过高阶量对低阶量的估计实现对载体位置信息的预测，设载体位置信息为X′k＝[xx,vx,ax,xy,vy,ay,xz,vz,az]T，那么k时刻位置信息的预测值为X′k|k-1＝X′k-1Φ′，其中第四步，计算与通道相关的矩阵信息：通过卫星位置的计算公式计算得到卫星的位置信息，通过卫星位置信息与第三步中的载体位置信息计算得到量测阵H；通过跟踪通道信号载噪比计算得到观测噪声阵R；第五步，通过第二步中的均方误差阵P和第四步中的量测阵H、观测噪声阵R计算得到滤波增益矩阵K，通过滤波增益矩阵K与观测量Z相乘计算得到k时刻状态量的最优估计值Xk；根据状态量Xk对载体位置信息进行更新，得到k时刻载体位置信息的最优估计；第六步，通过量测阵H将状态量估计值Xk投影在各个通道上，并考虑载体加速运动的影响，得到通道伪距误差、伪距率误差的最优估计值，将伪距误差、伪距率误差转化为载波误差、码片误差，并对各个通道进行修正，更新数字控制振荡器(NCO)；第七步，通过滤波增益矩阵K和量测阵H对均方误差阵P进行更新，得到均方误差阵在k时刻的最优估计值Pk；第八步，此次滤波周期结束，等待进入下一个滤波周期。所述第一步中，设分别为码环、载波环路的鉴别器输出，λτ,λf为伪随机码、载波的波长，归一化处理方法如下：因此观测量Z可表示为其中N为跟踪通道数量,分别为第i个通道卫星的伪距误差、伪距率误差。所述第二步中，矩阵的特征在于：(1)状态转移矩阵Φ：其中，Φx,Φy,Φz分别为三维各个维度的转移矩阵，Φc为时钟参量的转移矩阵，T为相干积分时间；(2)状态量：状态量表示为X＝[δx,δvx,ax,δy,δvy,ay,δz,δvz,az,δt,δf]T，其中δx,δy,δz分别为载体的位置误差的三维分量，δvx,δvy,δvz分别为载体的速度误差的三维分量，δt,δf分别为时钟误差和时钟频率误差，为误差状态量；ax,ay,az分别为载体加速度的三维分量，为非误差状态量。所述第四步中量测阵H：其中，N表示跟踪通道数，分别为k时刻第i个通道卫星位置的三维分量，根据卫星空间位置计算公式得到；Rx,k,Ry,k,Rz,k分别为k时刻接收机位置的三维分量；所述第五步中(1)滤波增益矩阵K计算公式：(2)状态量估计值X计算公式：Xk＝Xk|k-1+Kk·(Zk-Hk·Xk|k-1)其中Xk代表k时刻状态量的估计值；(3)载体位置信息更新：X′k＝Φ″·X′k|k-1-Xk其中X′k|k-1代表k时刻载体位置信息的预测值，X′k代表k时刻载体位置信息，Φ″为载体位置信息更新时用到的转移矩阵，Φ″x,Φ″y,Φ″z分别为三维各个维度上的转移矩阵。所述第六步中：(1)计算跟踪通道的误差：设其中分别为k时刻第i个通道卫星的伪距误差、伪距率误差：其中N表示跟踪通道数，为k时刻第i个通道卫星与接收机的距离，分别为k时刻第i个通道卫星位置的三维分量，Rx,k,Ry,k,Rz,k分别为k时刻接收机位置的三维分量，分别为k时刻状态量估计值中的载体的加速度三维分量，T为相干积分时间；(2)计算载波误差、码片误差：其中，分别为k时刻第i个通道的码环误差和载波误差，分别为k时刻第i个通道的伪距误差、伪距率误差，λτλf分别为伪随机码、载波的波长。本专利技术与现有技术相比的优点在于：传统的矢量算法建模方式为误差量建模，只包括载体的位置和速度，缺少更高的维度。原因是在误差状态量模型中，状态量的维度是由观测量决定的，没有更高阶的观测量，就无法对载体更高阶的运动状态建模。因此本专利技术采用了一种新的建模方式，在对载体位置和速度进行误差建模的基础上，对载体的加速度进行非误差状态量建模，实现对载体加速度的估算。通过载波环路对载体加速运动的修正，消除传统矢量算法中载波环路的稳态误差，能够实现对更高动态载体的跟踪。附图说明图1为本专利技术的矢量跟踪方法流程图。具体实施方式下面结合附图及实施例对本专利技术进行详细说明。如图1所示，本专利技术的具体步骤如下：(1)提取导航系统的跟踪测量数据，得到跟踪通道数量以及各个通道的载波鉴别器输出和码鉴别器输出，对其进行归一化处理，得到相应通道的伪距误差、伪距率误差，其中伪距误差对应码环误差，伪距率误差对应载波误差；(2)判断是否首次进入矢量跟踪，如果是首次则对卡尔曼滤波模块进行初始化操作，得到状本文档来自技高网...

【技术保护点】
一种误差与非误差建模相结合的高动态GNSS矢量跟踪方法，其特征在于：矢量跟踪方法的卡尔曼滤波模型在误差量建模的基础上引入非误差量，跟踪方法包括以下步骤：第一步，提取导航系统的跟踪测量数据，得到跟踪通道数量以及跟踪通道的载波鉴别器输出和码鉴别器输出，并对鉴别器输出进行归一化处理，得到观测量Z；第二步，判断是否首次进入矢量跟踪卡尔曼滤波模块，如果是首次则进行卡尔曼滤波的初始化，对状态转移阵Φ、噪声驱动阵Q进行设定，对状态量X、均方误差阵P、以及载体位置信息设定初始值；非首次则跳过并进行下一步操作；第三步，进行相关参量的预测，包括状态量X、均方误差阵P以及载体位置信息；预测方法如下：状态量X预测：设状态量为X＝[δx,δvx,ax,δy,δvy,ay,δz,δvz,az,δt,δf]T，其中δx,δy,δz为载体的位置误差，δvx,δvy,δvz为载体的速度误差，δt,δf为时钟误差和时钟频率误差，为误差状态量；ax,ay,az表示载体的加速度，为非误差状态量。状态量预测方法为将误差量清零，非误差量保持不变，即Xk|k‑1＝[0,0,ax,0,0,ay,0,0,az,0,0]T，其中Xk|k‑1为k时刻状态量的预测值；均方误差阵P预测：根据公式Pk|k‑1＝ΦPk‑1ΦT+Q计算得到，其中Pk|k‑1为k时刻的均方误差阵的预测值；载体位置信息预测：通过高阶量对低阶量的估计实现对载体位置信息的预测，设载体位置信息为X′k＝[xx,vx,ax,xy,vy,ay,xz,vz,az]T，那么k时刻位置信息的预测值为X′k|k‑1＝X′k‑1Φ′，其中第四步，计算与通道相关的矩阵信息：通过卫星位置的计算公式计算得到卫星的位置信息，通过卫星位置信息与第三步中的载体位置信息计算得到量测阵H；通过跟踪通道信号载噪比计算得到观测噪声阵R；第五步，通过第二步中的均方误差阵P和第四步中的量测阵H、观测噪声阵R计算得到滤波增益矩阵K，通过滤波增益矩阵K与观测量Z相乘计算得到k时刻状态量的最优估计值Xk；根据状态量Xk对载体位置信息进行更新，得到k时刻载体位置信息的最优估计；第六步，通过量测阵H将状态量估计值Xk投影在各个通道上，并考虑载体加速运动的影响，得到通道伪距误差、伪距率误差的最优估计值，将伪距误差、伪距率误差转化为载波误差、码片误差，并对各个通道进行修正，更新数字控制振荡器(NCO)；第七步，通过滤波增益矩阵K和量测阵H对均方误差阵P进行更新，得到均方误差阵在k时刻的最优估计值Pk；第八步，此次滤波周期结束，等待进入下一个滤波周期。...

【技术特征摘要】
1.一种误差与非误差建模相结合的高动态GNSS矢量跟踪方法，其特征在于：矢量跟踪方法的卡尔曼滤波模型在误差量建模的基础上引入非误差量，跟踪方法包括以下步骤：第一步，提取导航系统的跟踪测量数据，得到跟踪通道数量以及跟踪通道的载波鉴别器输出和码鉴别器输出，并对鉴别器输出进行归一化处理，得到观测量Z；第二步，判断是否首次进入矢量跟踪卡尔曼滤波模块，如果是首次则进行卡尔曼滤波的初始化，对状态转移阵Φ、噪声驱动阵Q进行设定，对状态量X、均方误差阵P、以及载体位置信息设定初始值；非首次则跳过并进行下一步操作；第三步，进行相关参量的预测，包括状态量X、均方误差阵P以及载体位置信息；预测方法如下：状态量X预测：设状态量为X＝[δx,δvx,ax,δy,δvy,ay,δz,δvz,az,δt,δf]T，其中δx,δy,δz为载体的位置误差，δvx,δvy,δvz为载体的速度误差，δt,δf为时钟误差和时钟频率误差，为误差状态量；ax,ay,az表示载体的加速度，为非误差状态量。状态量预测方法为将误差量清零，非误差量保持不变，即Xk|k-1＝[0,0,ax,0,0,ay,0,0,az,0,0]T，其中Xk|k-1为k时刻状态量的预测值；均方误差阵P预测：根据公式Pk|k-1＝ΦPk-1ΦT+Q计算得到，其中Pk|k-1为k时刻的均方误差阵的预测值；载体位置信息预测：通过高阶量对低阶量的估计实现对载体位置信息的预测，设载体位置信息为X′k＝[xx,vx,ax,xy,vy,ay,xz,vz,az]T，那么k时刻位置信息的预测值为X′k|k-1＝X′k-1Φ′，其中第四步，计算与通道相关的矩阵信息：通过卫星位置的计算公式计算得到卫星的位置信息，通过卫星位置信息与第三步中的载体位置信息计算得到量测阵H；通过跟踪通道信号载噪比计算得到观测噪声阵R；第五步，通过第二步中的均方误差阵P和第四步中的量测阵H、观测噪声阵R计算得到滤波增益矩阵K，通过滤波增益矩阵K与观测量Z相乘计算得到k时刻状态量的最优估计值Xk；根据状态量Xk对载体位置信息进行更新，得到k时刻载体位置信息的最优估计；第六步，通过量测阵H将状态量估计值Xk投影在各个通道上，并考虑载体加速运动的影响，得到通道伪距误差、伪距率误差的最优估计值，将伪距误差、伪距率误差转化为载波误差、码片误差，并对各个通道进行修正，更新数字控制振荡器(NCO)；第七步，通过滤波增益矩阵K和量测阵H对均方误差阵P进行更新，得到均方误差阵在k时刻的最优估计值Pk；第八步，此次滤波周期结束，等待进入下一个滤波周期。2.根据权利要求1所述的误差与非误差建模相结合的高动态GNSS矢量跟踪方法，其特征在于：所述第一步中，归一化处理如下：设分别为码环、载波环路的鉴别器输出，λτ,λf为伪随机码、载波的波长：δρki=λτ·ϵτ,ki,]]>δρ·ki=λf·ϵf,ki]]>1观测量Z表示为其中N为跟踪通道数量,分别为第i个通道卫星的伪距、伪距率误差。3.根据权利要求1所述的误差与非误差建模相结合的高动态GNSS矢量跟踪方法，其特征在于：所述第二步中：(1)状态转移矩阵Φ：Φ=Φx03×303×303×203×3Φy03×303×203×303×3Φz03×202×302×302×3Φc11×11,Φx=Φy=Φz=1TT2/201T0013×3,Φc=1T012×2]]>其中，Φx,Φy,Φz分别为三维维度的转移矩阵，Φc为时钟参量的转移矩阵，T为相干积分时间；...

【专利技术属性】
技术研发人员：金天，杜越，王晨焱，黄坚，
申请(专利权)人：北京航空航天大学，
类型：发明
国别省市：北京;11