CN102087362B - 信号跟踪的方法和装置 - Google Patents

Abstract

本发明公开了一种卡尔曼滤波、数字锁相环滤波和信号跟踪的方法和装置，属于无线通信领域。该信号跟踪方法包括：对接收到的信号进行处理，得到接收信号，并从接收信号中提取当前的观测值，接收信号包括接收载波和接收码；判断接收机的速度、加速度或加加速度是否大于预设的阈值，如果是，则载体处于高动态环境，利用卡尔曼滤波进行信号跟踪；如果否，则载体处于非高动态环境，利用数字锁相环进行信号跟踪。本发明还公开了一种信号跟踪装置、卡尔曼滤波方法和装置、数字锁相环滤波方法和装置。本发明提供的方法使接收机自适应切换载波跟踪方法，减小环路的误差，提高定位结果刷新率，达到在复杂动态环境中，对信号连续跟踪而不失锁的目的。

Description

信号跟踪的方法和装置

技术领域

本发明涉及无线通信领域，特别涉及一种卡尔曼滤波、数字锁相环滤波和信号跟踪的方法和装置。 

背景技术

卫星导航接收机基带信号处理模块中关键的部分是载波跟踪和码跟踪方法，接收到GPS卫星信号后，可以得到输入信号中载波多普勒频移值和码相位的估计值，这时接收机可转入跟踪状态，跟踪环路的作用是跟踪码相位变化和载波多普勒变化，从而实现接收机本地复现信号同输入信号的准确同步，提取准确的观测量和导航电文信息，进行接收机导航解算。 

现有技术中的载波跟踪和码跟踪方法主要有两种： 

第一种方法是将接收信号处理后经过卡尔曼滤波，得到新的观测值后，根据前一个估计值和最后一个观测数据来估计信号的当前值，特别适宜实时数据处理。 

第二种方法是接收信号处理后经过数字锁相环，通过复现精确的载波频率和相位完成精确载波剥离。具体方法为：输入信号和本地载频进行混频，得到同相信号I和正交信号Q，通过低通滤波器和鉴相器之后得到载波信号和本地载波信号的相位差，该相位差信号对本地载波信号NCO(numerical controlled oscillator，数字控制振荡器)进行控制，产生新的载波。 

在对现有技术进行分析后，发明人发现现有技术至少具有如下缺点： 

卡尔曼滤波虽然能够对高动态信号的变化趋势进行即时预测，但计算量大，计算复杂度高，在高动态环境下无法适应高速计算的要求。 

数字锁相环的环路带宽是固定的，不能随信噪比变化自适应调整，在载体速度突变或加速度突变的情况下会因多普勒变化率超过环路带宽而失锁。 

发明内容

本发明实施例提供了一种卡尔曼滤波、数字锁相环滤波和信号跟踪的方法和装置。所述技术方案如下： 

一种卡尔曼滤波方法，包括： 

对接收到的信号进行处理，得到接收信号，并从所述接收信号中提取观测值，所述接收信号包括接收载波和接收码； 

对所述接收信号的状态值进行更新； 

用所述观测值修正更新后的状态值，得到当前状态的最终估计值；所述观测值通过观测方程得到， 

所述观测方程如下式所示， 

$Z^{\′}\left(k\right)=\left[\begin{array}{c}2r_I\left(k\right)r_Q\left(k\right)\\ r_I^2\left(k\right)-r_Q^2\left(k\right)\end{array}\right]=A^2{d}^2\left(k\right)\left[\begin{array}{c}\sin 2\mathrm{\θ}\left(k\right)\\ \cos 2\mathrm{\θ}\left(k\right)\end{array}\right]+n^{\′}\left(k\right)=H\left(X\left(k\right)\right)+n\left(k\right)$

X(k)为k时刻的状态值，r_I(k)是同相分量，r_Q(k)是正交分量，A是所述接收信号的幅值，d(k)取值±1，θ(k)＝L^TX(k)，L＝[1，0，0，0]^T，n′(k)为观测噪声矢量； 

利用所述状态的最终估计值控制NCO产生新的信号。 

一种利用数字锁相环滤波方法，包括： 

对接收到的信号进行处理，得到接收信号，所述接收信号包括接收载波和接收码； 

计算本地信号与所述接收信号之间的相位差或频率差； 

所述本地信号包括本地载波和本地码； 

利用环路滤波参数对所述相位差或频率差进行环路滤波； 

所述环路滤波参数是利用可控根算法得到的； 

由所述相位差或频率差控制NCO生成新的本地信号。 

一种信号跟踪的方法，包括： 

对接收到的信号进行处理，得到接收信号，并从所述接收信号中提取观测值，所述接收信号包括接收载波和接收码； 

判断接收机速度、加速度或加加速度是否大于预设的阈值，如果是，则所述载体处于高动态环境，利用卡尔曼滤波进行信号跟踪；如果否，则所述载体处于非高动态环境，利用数字锁相环进行信号跟踪。 

所述卡尔曼滤波中的观测方程为 

$Z^{\′}\left(k\right)=\left[\begin{array}{c}2r_I\left(k\right)r_Q\left(k\right)\\ r_I^2\left(k\right)-r_Q^2\left(k\right)\end{array}\right]=A^2{d}^2\left(k\right)\left[\begin{array}{c}\sin 2\mathrm{\θ}\left(k\right)\\ \cos 2\mathrm{\θ}\left(k\right)\end{array}\right]+n^{\′}\left(k\right)=H\left(X\left(k\right)\right)+n\left(k\right)$

X(k)为k时刻的状态值，r_I(k)是同相分量，r_Q(k)是正交分量，A是接收信号的幅值，d(k)取值±1，θ(k)＝L^TX(k)，L＝[1，0，0，0]^T，n′(k)为观测噪声矢量。 

所述数字锁相环的环路滤波参数是利用可控根算法得到的。 

一种卡尔曼滤波装置，包括： 

第一处理模块，用于对接收到的信号进行处理，得到接收信号，并从所述接收信号中提取观测值，所述接收信号包括接收载波和接收码； 

更新模块，用于对所述接收信号的状态值进行更新； 

观测模块，用于用所述观测值修正更新后的状态值，得到当前状态的最终估计值；所述观测值通过观测方程得到， 

所述观测方程如下式所示， 

$Z^{\′}\left(k\right)=\left[\begin{array}{c}2r_I\left(k\right)r_Q\left(k\right)\\ r_I^2\left(k\right)-r_Q^2\left(k\right)\end{array}\right]=A^2{d}^2\left(k\right)\left[\begin{array}{c}\sin 2\mathrm{\θ}\left(k\right)\\ \cos 2\mathrm{\θ}\left(k\right)\end{array}\right]+n^{\′}\left(k\right)=H\left(X\left(k\right)\right)+n\left(k\right)$

X(k)为k时刻的状态值，r_I(k)是同相分量，r_Q(k)是正交分量，A是所述接收信号的幅值，d(k)取值±1，θ(k)＝L^TX(k)，L＝[1，0，0，0]^T，n′(k)为观测噪声矢量； 

第一生成模块，用于利用所述状态的最终估计值控制NCO产生新的信号。 

一种利用数字锁相环滤波装置，包括： 

第二处理模块，用于对接收到的信号进行处理，得到接收信号，所述接收信号包括接收载波和接收码； 

差值模块，用于计算本地信号与所述接收信号之间的相位差或频率差； 

所述本地信号包括本地载波和本地码； 

环路滤波模块，用于利用环路滤波参数对所述相位差或频率差进行环路滤波； 

所述环路滤波参数是利用可控根算法得到的； 

第二生成模块，用于利用所述相位差或频率差控制NCO生成新的本地信号。 

一种信号跟踪的装置，包括： 

处理模块，用于对接收到的信号进行处理，得到接收信号，并从所述接收信号中提取观测值，所述接收信号包括接收载波和接收码； 

判断模块，用于判断接收机的速度、加速度或加加速度是否大于预设的阈值，如果是，触发用于所述载体处于高动态环境，利用卡尔曼滤波进行信号跟踪的卡尔曼滤波模块；如果否，触发用于所述载体处于非高动态环境，利用数字锁相环进行信号跟踪的数字锁相环模块。 

所述卡尔曼滤波模块中的观测方程为 

$Z^{\′}\left(k\right)=\left[\begin{array}{c}2r_I\left(k\right)r_Q\left(k\right)\\ r_I^2\left(k\right)-r_Q^2\left(k\right)\end{array}\right]=A^2{d}^2\left(k\right)\left[\begin{array}{c}\sin 2\mathrm{\θ}\left(k\right)\\ \cos 2\mathrm{\θ}\left(k\right)\end{array}\right]+n^{\′}\left(k\right)=H\left(X\left(k\right)\right)+n\left(k\right)$

X(k)为k时刻的状态值，r_I(k)是同相分量，r_Q(k)是正交分量，A是所述接收信号的幅值，d(k)取值±1，θ(k)＝L^TX(k)，L＝[1，0，0，0]^T，n′(k)为观测噪声矢量。 

所述数字锁相环模块的环路滤波参数是利用可控根算法得到的。 

本发明实施例提供的技术方案的有益效果是： 

本发明通过根据载体的动态特性自适应切换的载波跟踪和码跟踪方法，当载体处于高动态环境时，接收机利用本方案提出的可自适应调整带宽的改进了观测方程的sigma点卡尔曼滤波方法进行载波跟踪；而当载体处于非高动态环境时，切换到高效率的基于连续可控根的数字锁相环进行跟踪，减小环路的误差，提高定位结果刷新率，达到在复杂动态环境中，对信号连续跟踪而不失锁的目的。 

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。 

图1是本发明实施例1提供的一种载波跟踪的方法的流程图； 

图2是本发明实施例2提供的一种卡尔曼滤波的装置的结构示意图； 

图3是本发明实施例2提供的一种数字锁相环滤波的装置的结构示意图； 

图4是本发明实施例2提供的一种信号跟踪装置的结构示意图； 

图5是本发明实施例3提供的一种码跟踪方法的流程图。 

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明实施方式作进一步地详细描述。 

为了便于理解，这里对卡尔曼滤波进行介绍： 

卡尔曼滤波主要用来预估那些只能被系统本身间接或不精确观测的系统状态。卡尔曼滤波的方法具体包括： 

系统状态方程如下： 

X_k+1＝Φ_kX_k+G_kf_k+w_k

${\left[\begin{array}{c}{x}_p\\ x_{\mathrm{\ω}}\\ x_a\\ x_t\end{array}\right]}_{k+1}=\left[\begin{array}{cccc}1& {\mathrm{\ΔT}}_k& \frac{{\mathrm{\ΔT}}_k^2}{2}& 0\\ 0& 1& {\mathrm{\ΔT}}_k& 0\\ 0& 0& 1& 0\\ 0& \frac{{\mathrm{\ΔT}}_k}{2\mathrm{\π}\×1540}& \frac{{\mathrm{\ΔT}}_k^2}{4\mathrm{\π}\×1540}& 1\end{array}\right]{\left[\begin{array}{c}{x}_p\\ x_{\mathrm{\ω}}\\ x_a\\ x_t\end{array}\right]}_k+\left[\begin{array}{cc}-{\mathrm{\ΔT}}_k& 0\\ 0& 0\\ 0& 0\\ 0& -{\mathrm{\ΔT}}_k\end{array}\right]{\left[\begin{array}{c}{\mathrm{\ω}}_{\mathrm{Ncok}}\\ f_{\mathrm{ck}}\end{array}\right]}_k+w_k$

上式是推导建立的4阶线性状态方程，所选状态向量前三个是关于载波的，另一个是关于C/A码的。其中，x_p是真实载波和本地复现载波的相位差； $x_{\mathrm{\ω}}=\stackrel{\·}{x_p}$ 是载波的多普勒漂移； $x_a=\stackrel{\·}{x_{\mathrm{\ω}}}$ 是载波的多普勒漂移变化率；x_t是真实码相位同本地复现码相位的差，单位是C/A码基码个数；ΔT_k是两次计算的时间差；k表示第几次测量；ω_Ncok是本地载波复现时在中频基础上的角频率偏移；f_ck是本地接收机复现C/A码时，码速率在1.023MHz基础上的偏移；w_k是4×1过程噪声矢量，主要包含了卫星和接收机相对运动的影响，由电离层波动引起的码和载波之间不同步的噪声。另外，方程中参数1540是L1载波与C/A码频率之比。 

系统的观测方程如下： 

Z_k＝H_kX_k+U_kf_k+v_k

${\hat{Z}}_k=\left[\begin{array}{c}\mathrm{\Δ}{\widehat{\mathrm{\φ}}}_k\\ \mathrm{\Δ}{\widehat{\mathrm{\τ}}}_k\end{array}\right]=\left[\begin{array}{cccc}1& \frac{\mathrm{\Δ}{T}_k}{2}& \frac{{\mathrm{\ΔT}}_k^2}{6}& 0\\ 0& \frac{{\mathrm{\ΔT}}_k}{4\mathrm{\π}\×1540}& \frac{{\mathrm{\ΔT}}_k^2}{12\mathrm{\π}\×1540}& 1\end{array}\right]{\left[\begin{array}{c}{x}_p\\ x_{\mathrm{\ω}}\\ x_a\\ x_t\end{array}\right]}_k+\left[\begin{array}{cc}-\frac{{\mathrm{\ΔT}}_k}{2}& 0\\ 0& -\frac{{\mathrm{\ΔT}}_k}{2}\end{array}\right]{\left[\begin{array}{c}{\mathrm{\ω}}_{\mathrm{Ncok}}\\ f_{\mathrm{ck}}\end{array}\right]}_k+v_k$

上式是推导建立的系统观测方程，观测量是Δφ_k和Δτ_k。Δφ_k是第k次预检测积分时间ΔT_k内，真实载波和本地复现载波的平均相位差；Δτ_k是第k次预检测积分时间ΔT_k内，真实C/A码同本地复现码的平均相位差，单位是基码个数。v_k是2×1观测噪声矢量。实际观测量来自于环路鉴别器的输出： 

$\mathrm{\Δ}{\widetilde{\mathrm{\φ}}}_k=\arctan [Q_{\mathrm{Pk}}/I_{\mathrm{Pk}}]$

其中，I_Ek、I_Pk、I_Lk、Q_Ek、Q_Pk、Q_Lk分别是I、Q支路第k次预检测积分的超前、即时、滞后值。 

环路滤波过程如下： 

${\hat{X}}_{k,k-1}={\mathrm{\Φ}}_{k,k-1}{\hat{X}}_{k-1,k-1}+G_{k,k-1}{\hat{f}}_{k-1}$

$P_{k,k-1}={\mathrm{\Φ}}_{k,k-1}{P}_{k-1}{\mathrm{\Φ}}_{k,k-1}^T+{\hat{Q}}_{k-1}$

$J_k=P_{k,k-1}{H}_k^T{[H_k{P}_{k,k-1}{H}_k^T+{\hat{R}}_{k-1}]}^{-1}$

${\hat{X}}_k={\hat{X}}_{k,k-1}+J_k[Z_k-H_k{\hat{X}}_{k,k-1}-U_k{\hat{f}}_{k-1}]$

P_k＝[I-J_kH_k]P_k，k-1

其中， $E\left\{w_k{w}_l^T\right\}=Q_k{\mathrm{\δ}}_{k,l},$ $E\left\{v_k{v}_l^T\right\}=R_k{\mathrm{\δ}}_{k,l},$ 且 $E\left\{w_k{v}_l^T\right\}=0.$

普通卡尔曼滤波器用于估计线性系统的状态，对于非线性系统的状态，则应使用扩展卡尔曼滤波器进行估计，接下来详细叙述扩展卡尔曼(EKF)的算法原理： 

我们以GPS卫星为例，接收到的数字中频信号如下式： 

r(k)＝Ad(k)c[(1+ζ)(k-τ)]cos(ω_ck+φ₀)+n(k) 

当环路积分时间为T_s时，载波相位θ(k)可按如下式展开： 

$\mathrm{\θ}(k+1)=\mathrm{\θ}\left(k\right)+T_s{\mathrm{\ω}}_0\left(k\right)+T_s^2{\mathrm{\ω}}_1\left(k\right)/2+T_s^3{\mathrm{\ω}}_2\left(k\right)/6+{\mathrm{\η}}_1\left(k\right)$

${\mathrm{\ω}}_0(k+1)={\mathrm{\ω}}_0\left(k\right)+T_s{\mathrm{\ω}}_1\left(k\right)+T_s^2{\mathrm{\ω}}_2\left(k\right)/2+{\mathrm{\η}}_2\left(k\right)$

ω₁(k+1)＝ω₁(k)+T_sω₂(k)+η₃(k) 

ω₂(k+1)＝ω₂(k)+η₄(k) 

其中ω₀(k)，ω₁(k)，ω₂(k)是载波相位的各阶导数，分别表示频率、频率的变化率和频率的二阶导数，η_i(i＝1，2，3，4)为展开式余项，表示策动噪声。由于对频率估计的同时估计相位，可降低频率估计误差，同时也为适合高动态环境的需要，将频率一、二阶导数进行一起估计，则状态向量表示为： 

X(k)＝[θ(k)，ω₀(k)，ω₁(k)，ω₂(k)]^T

可得状态方程如式所示， 

X(k+1)＝ФX(k)+η(k) 

其中，η(k)＝[η₁(k)，η₂(k)，η₃(k)，η₄(k)]^T是策动噪声矢量，一般认为是高斯白噪声，系统转移矩阵Φ和η(k)的协方差矩阵Q可以分别表示为， 

$\mathrm{\Φ}=\left[\begin{array}{cccc}1& T_s& T_s^2/2& T_s^3/6\\ 0& 1& T_s& T_s^2/2\\ 0& 0& 1& T_s\\ 0& 0& 0& 1\end{array}\right]$

$Q={\mathrm{qT}}_s\left[\begin{array}{cccc}{T}_s^6/252& T_s^2/72& T_s^4/30& T_s^3/24\\ T_s^5/72& T_s^4/20& T_s^3/8& T_s^2/6\\ T_s^4/30& T_s^3/8& T_s^2/3& T_s/2\\ T_s^3/24& T_s^2/6& T_s/2& 1\end{array}\right]$

数字中频信号经过解扩与正交分解之后，第k次输入载波跟踪的即时信号可以表示为： 

r_I(k)＝Ad(k)sin(θ(k))+n_I(k) 

r_Q(k)＝Ad(k)cos(θ(k))+n_Q(k) 

其中，r_I(k)是同相分量，r_Q(k)是正交分量，d(k)取值±1，θ(k)＝L^TX(k)，L＝[1，0，0，0]^T，n_I(k)，n_Q(k)为观测噪声矢量。就GPS C/A而言，通常将上式表示为： 

$Z\left(k\right)=\left[\begin{array}{c}{r}_I\left(k\right)\\ r_Q\left(k\right)\end{array}\right]=\mathrm{Ad}\left(k\right)\left[\begin{array}{c}\sin \left(\mathrm{\θ}\left(k\right)\right)\\ \cos \left(\mathrm{\θ}\left(k\right)\right)\end{array}\right]+n\left(k\right)$

上式为扩展卡尔曼滤波的观测方程。 

其中，n(k)＝[n_I(k)，n_Q(k))]^T为观测矢量噪声，其协方差阵为 

${\mathrm{\σ}}_n^2=N_0/\left({2T}_s\right),$ I表示2×2的单位阵。 

再利用该观测方程和与状态值得到观测值，从观测值中提取出本地载波与接收载波的相位差，利用该相位差控制载波NCO产生新的载波。 

实施例1 

为了适应复杂的动态环境，使跟踪环路能够根据动态环境的变化切换载波跟踪方法，环路带宽具有一定的自适应调整能力，在高动态环境中具有较宽的带宽，在非高动态环境中具有较小的带宽，并兼顾环路的捕获性能和稳态的跟踪性能，本发明实施例提供了一种卡尔曼滤波方法，包括： 

对接收到的信号进行处理，得到接收信号，并从该接收信号中提取观测值，该接收信号包括接收载波和接收码； 

其中，提取观测值的方法有多种，本发明实施例不做具体限定。 

对该接收信号的状态值进行更新； 

用该观测值修正更新后的状态值，得到当前状态的最终估计值；该观测值通过观测方程得到， 

该观测方程如下式所示， 

$Z^{\′}\left(k\right)=\left[\begin{array}{c}2r_I\left(k\right)r_Q\left(k\right)\\ r_I^2\left(k\right)-r_Q^2\left(k\right)\end{array}\right]=A^2{d}^2\left(k\right)\left[\begin{array}{c}\sin 2\mathrm{\θ}\left(k\right)\\ \cos 2\mathrm{\θ}\left(k\right)\end{array}\right]+n^{\′}\left(k\right)=H\left(X\left(k\right)\right)+n\left(k\right)$

X(k)为k时刻的状态值，r_I(k)是同相分量，r_Q(k)是正交分量，A是该接收信号的幅值，d(k)取值±1，θ(k)＝L^TX(k)，L＝[1，0，0，0]^T，n′(k)为观测噪声矢量； 

利用该状态的最终估计值控制NCO产生新的信号。 

本发明实施例提供了一种利用数字锁相环滤波方法，包括： 

对接收到的信号进行处理，得到接收信号，该接收信号包括接收载波和接 收码； 

计算本地信号与该接收信号之间的相位差或频率差； 

该本地信号包括本地载波和本地码； 

利用环路滤波参数对该相位差或频率差进行环路滤波； 

该环路滤波参数是利用可控根算法得到的； 

由该相位差或频率差控制NCO生成新的本地信号。 

本发明实施例还提供了一种信号跟踪的方法，包括： 

对接收到的信号进行处理，得到接收信号，并从该接收信号中提取观测值，该接收信号包括接收载波和接收码； 

其中，提取观测值的方法有多种，本发明实施例不做具体限定。 

判断接收机速度、加速度或加加速度是否大于预设的阈值，如果是，则该载体处于高动态环境，利用卡尔曼滤波进行信号跟踪；如果否，则该载体处于非高动态环境，利用数字锁相环进行信号跟踪。 

该卡尔曼滤波中的观测方程为 

$Z^{\′}\left(k\right)=\left[\begin{array}{c}2r_I\left(k\right)r_Q\left(k\right)\\ r_I^2\left(k\right)-r_Q^2\left(k\right)\end{array}\right]=A^2{d}^2\left(k\right)\left[\begin{array}{c}\sin 2\mathrm{\θ}\left(k\right)\\ \cos 2\mathrm{\θ}\left(k\right)\end{array}\right]+n^{\′}\left(k\right)=H\left(X\left(k\right)\right)+n\left(k\right)$

X(k)为k时刻的状态值，r_I(k)是同相分量，r_Q(k)是正交分量，A是接收信号的幅值，d(k)取值±1，θ(k)＝L^TX(k)，L＝[1，0，0，0]^T，n′(k)为观测噪声矢量。 

该数字锁相环的环路滤波参数是利用可控根算法得到的。 

优选的，本发明实施例提供了一种载波跟踪的方法，参见图1，该方法具体包括： 

101：接收机接收卫星信号，通过射频前端、A/D转换，将接收到的卫星信号下变频到中频信号(4Mbps)，并对该中频信号数字化，得到中频数字信号即接收信号；将中频数字信号与本地产生的C/A码相乘，乘以本地载波的同相与正交分量，得到I、Q路信号，即观测信号，并从观测信号中提取当前的观测值； 

需要说明的是，当进行码跟踪时，得到中频数字信号后，将中频数字信号与本地载波的同相和正交分量分别相乘，再乘以本地产生的C/A码，得到观测信号，并从观测信号中提取当前的观测值。 

其中，提取观测值的方法有多种，本发明实施例不做具体限定。 

其中，接收信号包括但不限于从信号中提取的接收载波。在本实施例中， 将载波跟踪方法和码跟踪方法统称为信号跟踪方法。 

102：判断接收机的速度、加速度或加加速度是否大于预设阈值，如果是，则接收机处于高动态，执行步骤103，如果否，接收机处于非高动态，执行步骤106； 

其中，判断接收机的运动特性即是判断信号的载体的运动特性，因为定位是给接收机进行定位，或接收芯片，该接收机或芯片可嵌入到任何运动中的载体上，所以给接收机定位也就是给运动载体定位。 

其中，对接收机动态特性的判断是通过接收机自带的传感器(加速度计或陀螺仪等)的信息，包括但不限于速度、加速度或加加速度等进行的。 

其中，上述阈值可以根据实际情况进行设定，本发明实施例不做具体限定。 

103：对接收信号中的各状态值(载波相位、频率、频率的一、二阶导数)进行更新； 

具体地，下述103b-103b的过程为对接收信号中各状态值进行更新的过程，该过程具体包括： 

103a：对接收信号进行初始化，给定初始状态估计值 

与初始估计协方差阵S_0|0； 

其中，初始化的对象是接收信号的初始状态估计值和初始估计协方差阵，初始状态估计值是4*1矩阵，值均为0，协方差矩阵为  $Q={\mathrm{qT}}_s\left[\begin{array}{cccc}{T}_s^6/252& T_s^5/72& T_s^4/30& T_s^3/24\\ T_s^5/72& T_s^4/20& T_s^3/8& T_s^2/6\\ T_s^4/30& T_s^3/8& T_s^2/3& T_s/2\\ T_s^3/24& T_s^2/6& T_s/2& 1\end{array}\right],$ Ts为预检测积分时间，本发明实施例中Ts为1ms，q取1000。 

103b：确定sigma点集和状态更新； 

其中，确定sigma点集是一个数学建模过程，通过加权统计线性回归方法得到，具体包括：根据随机变量先验分布选取多个点，利用非线性函数计算这些点的值，然后利用线性回归技术实现对随机变量非线性函数的线性化，其中选取的多个回归点就是sigma点，也即确定了sigma点集。 

其中，状态更新的对象是接收信号的载波相位、频率以及频率的一、二阶导数，该状态更新的具体为：用k时刻的状态x_k基于全局的估计值 和估计误差的协方差的平方根S_k|k产生2n+1个σ点，计算状态的一步预测值 

和预测误 差协方差的平方根S_k+1|k，其算法详见以下公式： 

$X_k=[{\hat{X}}_k,{\hat{X}}_k+\sqrt{n+r}{S}_k,{\hat{X}}_k-\sqrt{n+k}{S}_k]$

X_k+1|k＝Φ(X_k) 

λ＝α²(n+k)-n 

$W_0^{\left(m\right)}=\mathrm{\λ}/(n+\mathrm{\λ})$

$W_0^{\left(c\right)}=\mathrm{\λ}/(n+\mathrm{\λ})+(1-{\mathrm{\α}}^2+\mathrm{\β})$

$W_i^m=W_i^c=1/\left[2(n+\mathrm{\λ})\right],i=\mathrm{1,2},...2n$

${\hat{X}}_{k+1|k}=\underset{i=0}{\overset{2n}{\mathrm{\Σ}}}{W}_i^{\left(m\right)}{X}_{i,k+1|k}$

$S_{k+1|k}^0=\mathrm{qr}\left\{\right[\sqrt{W_1^c}(X_{1:2n,k+1|k}-{\hat{X}}_{k+1|k}),\sqrt{Q}\left]\right\}$

$S_{k+1|k}=\mathrm{choludate}(S_{k+1|k}^0,X_{0,k}-{\hat{X}}_{k+1|k},W_0^c)$

需要说明的是，上述的状态更新对应时刻k的状态，当时刻k+1时，进入下一轮的状态更新。 

104：用观测值修正更新后的状态值，得到当前状态的最终估计值； 

具体地，步骤104是测量更新的过程，用Z_k+1对 

进行修正，得到k+1时刻基于量测信息Z^k及观测值Z_k+1状态的最终估计值 

以及相应的估计误差的平方根S_k+1|k+1。 

具体地，用z_k+1 ¹对 

进行修正，得到k+1时刻基于量测z^k及观测值z_k+1 ¹状态的最终估计值 

以及相应的估计误差的平方根S_k+1|k+1 ¹。用z_k+1 ²对 

进行修正，得到k+1时刻基于量测z^k及观测值z_k+1 ¹，z_k+1 ²状态的最终估计值 以及相应的估计误差的平方根S_k+1|k+1 ²。用z_k+1 ⁱ(3≤i≤N)对 

进行修正，得到k+1时刻基于量测z^k及观测值z_k+1 ¹，z_k+1 ²，...，z_k+1 ⁱ状态的最终估计值 

以及相应的估计误差的平方根S_k+1|k+1 ⁱ。 

最终得到系统在k+1时刻基于量测信息z^k+1状态的最终估计值和相应的估计误差为： 

${\hat{x}}_{k+1|k+1}={\hat{x}}_{k+1|k+1}^N$

${\hat{P}}_{k+1|k+1}={\left(S_{k+1|k+1}^N\right)}^T{S}_{k+1|k+1}^N$

具体算法如下式所示： 

$S_{k+1|k}=\mathrm{choludate}(S_{k+1|k}^0,y_{0,k+1|k}-Z_{k+1|k},W_0^{\left(c\right)})$

y_k+1|k＝H(X_k+1|k) 

$Z_{k+1|k}=\underset{i=0}{\overset{2n}{\mathrm{\Σ}}}{W}_i^{\left(m\right)}{y}_{i,k+1|k}$

$P_{\mathrm{xy}(k+1|k)}=\underset{i=0}{\overset{2n}{\mathrm{\Σ}}}{W}_i^{\left(c\right)}[X_{i,k+1|k}-{\hat{X}}_{k+1|k}]{[y_{i,k+1|k}-Z_{k+1|k}]}^T$

$K_{k+1}=(P_{\mathrm{xy}(k+1|k)}/S_{y(k+1/k)}^T)/S_{y(k+1|k)}$

${\hat{X}}_{k+1|k+1}={\hat{X}}_{k+1|k}+K_{k+1}(Z_{k+1}-Z_{k+1|k})$

U＝K_k+1S_y(k+1|k)

S_k+1|k+1＝choludate(S_k+1|k，U，-1) 

其中，上面式中α决定sigma点围绕均值的散布，通常取一小正数(如：1e-4≤α≤11)，k为比例因数，一般在状态估计时设为0，β是另一比例因子，用来合并随机变量分布的先验知识(对于高斯分布，其最优值为2)，qr{}表示矩阵的QR分解，cholupdate{}表示矩阵Cholesky分解的修正，即若S为原始矩阵P的Cholesky分解，修正矩阵 的Cholesky分解为S＝cholupdate{S，u，±v}。 

具体地，在本实施例中，Z_k+1|k是通过以下观测方程获取的， 

$Z_{k+1|k}=\left[\begin{array}{c}2r_I\left(k\right)r_Q\left(k\right)\\ r_I^2\left(k\right)-r_Q^2\left(k\right)\end{array}\right]=A^2{d}^2\left(k\right)\left[\begin{array}{c}\sin 2\mathrm{\θ}\left(k\right)\\ \cos 2\mathrm{\θ}\left(k\right)\end{array}\right]+n^{\′}\left(k\right)=H\left(X\left(k\right)\right)+n\left(k\right)$

n′(k)为观测噪声矢量，通过d(k)的平方d²(k)来去掉数据跳变的影响。 

X(k)为k时刻的状态值，r_I(k)是同相分量，r_Q(k)是正交分量，d(k)取值±1，θ(k)＝L^TX(k)，L＝[1，0，0，0]^T，A是接收信号的幅值； 

其中，该观测方程是由 $Z\left(k\right)=\left[\begin{array}{c}{r}_I\left(k\right)\\ r_Q\left(k\right)\end{array}\right]=\mathrm{Ad}\left(k\right)\left[\begin{array}{c}\sin \left(\mathrm{\θ}\left(k\right)\right)\\ \cos \left(\mathrm{\θ}\left(k\right)\right)\end{array}\right]+n\left(k\right)$ 和三角函数倍角公式sin2A＝2sinAcosA与cos2A＝(cosA)²-(sinA)²得到的； 

其中，r_I(k)是同相分量，r_Q(k)是正交分量，d(k)取值±1，θ(k)＝L^TX(k)，L＝[1，0，0，0]^T，n_I(k)，n_Q(k)为观测噪声矢量。 

105：利用当前状态的最终估计值控制载波NCO产生新的载波，结束。 

具体地，当前状态值包括但不限于θ(k+1)，利用θ(k+1)控制载波NCO产生新的载波。 

上述步骤103-105是通过上一次的状态值和本次的观测值来预测本次的状态值的过程，该过程的基本思想是：根据已知k时刻状态x_k基于全局的估计值 

及相应估计误差的协方差P_k|k，在k+1时刻，利用滤波器和k+1时刻各传感器的观测 值依次对状态x_k+1进行估计，最后得到基于全局的信息的估计值 

和相应误差的协方差P_k+1|k+1。 

需要说明的是，上述步骤103-105是利用可自适应调整带宽的改进sigma点卡尔曼滤波环路进行载波跟踪的过程，但是由于接收机所处的复杂动态环境，在该跟踪过程后仍需对接收机的动态特性进行判断，根据判断结果，选择跟踪方法。 

需要说明的是，跟踪的目的是为了使本地产生的载波与码相位都能与实际接收信号完全对应，从而实现精确剥离。 

106：接收信号首先进入到鉴相器(鉴频器)，计算出本地载波与接收载波之间的相位(或频率)差； 

107：利用环路滤波参数对该相位(或频率)差进行环路滤波； 

其中，环路滤波的作用是滤除该差值中的杂波及噪声等，只保留有效部分。 

其中，上述环路滤波参数由可控根算法确定，为了解决模拟环路来设计数字环路的方法中的问题，STEPENS S.A.和THOMASJ.B.提出设计DPLL(DigitalPLL，全数字锁相环)的可控根公式，该组公式给出了B_nT＜0.1的连续更新(CU，Continuous Update)模式和B_nT＞0.1的离散更新(DU，Discrete Update)模式两种情况下的DPLL的设计方法，按照该方法可设计任意阶稳定的DPLL，且归一化因子B_nT的限制也被消除。可控根算法在简化高阶稳定环路设计的同时，提供了一组新的环路设计参数B_n、λ_i、η_i ²。其中，B_n为环路的单边等效噪声带宽，λ_i为相对衰减参数，η_i ²决定了环路的阻尼特性。 

以下为可控根算法的具体过程： 

在CU模式下，当更新时间T足够小时，DPLL近似APLL(Analog PLL，模拟锁相环)，假设其系统传输函数为 

$H_{\mathrm{\θ}}\left(s\right)=\frac{k_1{s}^{N-1}+k_2{s}^{N-2}+...+k_N}{s^N+k_1{s}^{N-1}+k_2{s}^{N-2}+...+k_N}$

该系统是N阶N型环路，其开环传输函数的极点均在原点。系统的单边等效噪声带宽为 

$B_n={\∫}_0^{\∞}{\left|H\left(j2\mathrm{\πf}\right)\right|}^2\mathrm{df}$

求解方程即可得到CU近似下环路带宽B_n与环路系数k_i的关系表达式。然后，求解系统的特征方程 

s^N+k₁s^N-1+k₂s^N-2+...+k_N＝0 

根据上述特征方程，得到环路系数k_i和特征根s_k之间的关系。 

为了建立新的环路设计参数，将上式化简为多个二阶系统及一阶系统的级联，对于每个二阶系统求得特征根为s_i＝-β_i(1±η_i)，对于每个一阶系统求得特征根为s_i＝-2β_i，其中η_i为对应二阶子系统的一元二次方程求根公式中的判别式，而衰减率β_i对应于求根公式中的a/2。 

${\mathrm{\&eta;}}_i^2>0$ 时对应的子系统为过阻尼； ${\mathrm{\&eta;}}_i^2=0$ 时对应的子系统为临界阻尼； ${\mathrm{\&eta;}}_i^2<0$ 时对应的子系统为欠阻尼；对于二阶环路，η_i ²与传统阻尼因子间可按  ${\mathrm{\&zeta;}}_i^2=1/(1-{\mathrm{\&eta;}}_i^2)$ 进行转换，而衰减率β_i与传统的环路自然频率ω_n有关，且β_i＝ζω_n。在确定B_n后之后，选定β₁作为参考衰减参数，并定义新的参数λ_i，β_i＝λ_iβ₁，i≥2称为相对衰减参数。 

为了保证系统的稳定性，参数β₁必须是正数，且仅为B_n的函数。这样对于N阶环路的N个独立可选参数为上述定义的B_n、λ_i、η_i ²。由于β₁＞0，为使环路呈现衰减特性必须使λ_i＞0。定义高阶环路参数的计算公式 $k_i={\mathrm{\&alpha;}}_i{k}_1^i,$ i＝2，3，...N，这种定义方式使得α_i是没有量纲的。 

求解α_i的表达式并将其带入环路系数k_i与系统参数B_n和α_i之间的关系式，就可以得到环路系数k_i与系统参数b_n、λ_i、η_i ²间的关系。 

下表列出了标准欠阻尼情况下，基于CU模式的1～4阶APLL环路系数的求解表达式，对应的DPLL环路的系数K_i＝k_iTⁱ。在本发明实施例中，滤波系数可从下表中对应查出。 

108：由该相位(或频率)差控制载波NCO生成新的本地载波。 

需要说明的是，上述过程在跟踪过程中不断循环，最终达到相位(或频率)差无限逼近于零，即实现了精确的载波跟踪。 

需要说明的是，码相位跟踪原理与该原理相同。 

需要说明的是以上步骤106-步骤108是基于可控根技术的3阶FLL(frequency lock loop，频率锁定环)辅助4阶PLL(phase lock loop，相位锁定环)的载波跟踪过程，是数字锁相环的一种。 

需要说明的是，在跟踪过程中，接收机通过传感器时刻判断自身所处的动态环境，然后在两种跟踪环路中进行切换，从而满足对信号的连续跟踪不失锁。 

本发明通过根据载体的动态特性自适应切换的载波跟踪方法，当载体处于高动态环境时，接收机利用本方案提出的可自适应调整带宽的改进了观测方程的sigma点卡尔曼滤波方法进行载波跟踪；而当载体处于非高动态环境时，切换到高效率的基于连续可控根的数字锁相环进行跟踪，减小环路的误差，提高定位结果刷新率，达到在复杂动态环境中，对信号连续跟踪而不失锁的目的。 

实施例2 

为了适应复杂的动态环境，使跟踪环路能够根据动态环境的变化切换载波跟踪方法，环路带宽具有一定的自适应调整能力，在高动态环境中具有较宽的带宽，在非高动态环境中具有较小的带宽，并兼顾环路的捕获性能和稳态的跟踪性能，本发明实施例提供了一种卡尔曼滤波装置。参见图2，该装置具体包括： 

第一处理模块201，用于对接收到的信号进行处理，得到接收信号，并从该接收信号中提取观测值，该接收信号包括接收载波和接收码； 

更新模块202，用于对该接收信号的状态值进行更新； 

观测模块203，用于用该观测值修正更新后的状态值，得到当前状态的最终估计值；该观测值通过观测方程得到， 

该观测方程如下式所示， 

$Z^{\&prime;}\left(k\right)=\left[\begin{array}{c}2r_I\left(k\right)r_Q\left(k\right)\\ r_I^2\left(k\right)-r_Q^2\left(k\right)\end{array}\right]=A^2{d}^2\left(k\right)\left[\begin{array}{c}\sin 2\mathrm{\&theta;}\left(k\right)\\ \cos 2\mathrm{\&theta;}\left(k\right)\end{array}\right]+n^{\&prime;}\left(k\right)=H\left(X\left(k\right)\right)+n\left(k\right)$

X(k)为k时刻的状态值，r_I(k)是同相分量，r_Q(k)是正交分量，A是该接收信号的幅值，d(k)取值±1，θ(k)＝L^TX(k)，L＝[1，0，0，0]^T，n′(k)为观测噪声矢量； 

第一生成模块204，用于利用该状态的最终估计值控制NCO产生新的信号。 

本发明实施例提供了一种利用数字锁相环滤波装置，参见图3，该装置具体包括： 

第二处理模块301，用于对接收到的信号进行处理，得到接收信号，该接收信号包括接收载波和接收码； 

差值模块302，用于计算本地信号与该接收信号之间的相位差或频率差； 

该本地信号包括本地载波和本地码； 

环路滤波模块303，用于利用环路滤波参数对该相位差或频率差进行环路滤波； 

该环路滤波参数是利用可控根算法得到的； 

第二生成模块304，用于利用该相位差或频率差控制NCO生成新的本地信号。 

本发明提供了一种信号跟踪的装置，参见图4，该装置具体包括： 

处理模块401，用于对接收到的信号进行处理，得到接收信号，并从该接收信号中提取观测值，该接收信号包括接收载波和接收码； 

其中，提取观测值的方法有多种，本发明实施例不做具体限定。 

判断模块402，用于判断接收机的速度、加速度或加加速度是否大于预设的阈值，如果是，触发用于该载体处于高动态环境，利用卡尔曼滤波进行信号跟踪的卡尔曼滤波模块403；如果否，触发用于该载体处于非高动态环境，利用数字锁相环进行信号跟踪的数字锁相环模块404。 

该卡尔曼滤波模块403中的观测方程为 

$Z^{\&prime;}\left(k\right)=\left[\begin{array}{c}2r_I\left(k\right)r_Q\left(k\right)\\ r_I^2\left(k\right)-r_Q^2\left(k\right)\end{array}\right]=A^2{d}^2\left(k\right)\left[\begin{array}{c}\sin 2\mathrm{\&theta;}\left(k\right)\\ \cos 2\mathrm{\&theta;}\left(k\right)\end{array}\right]+n^{\&prime;}\left(k\right)=H\left(X\left(k\right)\right)+n\left(k\right)$

X(k)为k时刻的状态值，r_I(k)是同相分量，r_Q(k)是正交分量，A是接收信号的幅值，d(k)取值±1，θ(k)＝L^TX(k)，L＝[1，0，0，0]^T，n′(k)为观测噪声矢量。 

该数字锁相环模块404的环路滤波参数是利用可控根算法得到的。 

发明通过根据载体的动态特性自适应切换的载波跟踪装置，当载体处于高动态环境时，接收机利用本方案提出的可自适应调整带宽的改进了观测方程的sigma点卡尔曼滤波方法进行载波跟踪；而当载体处于非高动态环境时，切换到高效率的基于连续可控根的数字锁相环进行跟踪，减小环路的误差，提高定位结果刷新率，达到在复杂动态环境中，对信号连续跟踪而不失锁的目的。 

实施例3 

为了适应复杂的动态环境，使跟踪环路能够根据动态环境的变化切换载波跟踪方法，环路带宽具有一定的自适应调整能力，在高动态环境中具有较宽的带宽，在非高动态环境中具有较小的带宽，并兼顾环路的捕获性能和稳态的跟 踪性能，本发明实施例提供了一种码跟踪的方法。参见图5，该方法具体包括： 

501：接收机接收卫星信号，并对接收到的信号进行处理，得到接收信号，将接收信号乘以本地载波的同相与正交分量，再与本地产生的C/A码相乘，得到观测信号，从观测信号中提取当前的观测值； 

其中，接收信号包括但不限于从信号中提取的接收码； 

502：判断接收机的速度、加速度或加加速度是否大于预设阈值，如果是，则接收机处于高动态，执行步骤503，如果否，接收机处于非高动态，执行步骤506； 

503：对接收信号进行初始化和状态值更新； 

504：用步骤501中得到的观测值修正步骤503中更新后的状态值，得到当前状态的最终估计值； 

505：利用当前状态的最终估计值控制码NCO产生新的码，结束。 

506：接收信号首先进入到鉴相器，计算出本地码与接收码之间的相位差； 

507：利用环路滤波参数对该相位差进行环路滤波； 

其中，该环路滤波参数是利用可控根算法得到的。 

508：利用该相位差控制码NCO生成新的本地码。 

该码跟踪的方法的原理与实施例1中提供的载波跟踪的方法的原理相同，具体步骤不再赘述。 

本发明通过根据载体的动态特性自适应切换的码跟踪方法，当载体处于高动态环境时，接收机利用本方案提出的可自适应调整带宽的改进了观测方程的sigma点卡尔曼滤波方法进行码跟踪；而当载体处于非高动态环境时，切换到高效率的基于连续可控根的数字锁相环进行跟踪，减小环路的误差，提高定位结果刷新率，达到在复杂动态环境中，对信号连续跟踪而不失锁的目的。 

本发明实施例可以利用软件实现，相应的软件程序可以存储在可读取的存储介质中，例如，计算机的硬盘、缓存或光盘中。 

以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。 

Claims (4)

1.一种信号跟踪的方法，其特征在于，包括： 

对接收到的信号进行处理，得到接收信号，并从所述接收信号中提取观测值，所述接收信号包括接收载波和接收码； 

判断接收机速度、加速度或加加速度是否大于预设的阈值，如果否，则载体处于非高动态环境，利用数字锁相环进行信号跟踪； 

如果接收机速度、加速度或加加速度不大于预设的阈值，则所述载体处于高动态环境，利用卡尔曼滤波进行信号跟踪； 

所述利用卡尔曼滤波进行信号跟踪包括： 

对所述接收信号的状态值进行更新； 

用所述观测值修正更新后的状态值，得到当前状态的最终估计值；所述观测值通过观测方程得到， 

所述观测方程如下式所示， 

X(k)为k时刻的状态值，r_I(k)是同相分量，r_Q(k)是正交分量，A是所述接收信号的幅值，d(k)取值±1，θ(k)=L^TX(k)，L=[1，0，0，0]^T，n′(k)为观测噪声矢量； 

利用所述状态的最终估计值控制NCO产生新的信号。 

2.如权利要求1所述的方法，其特征在于，所述数字锁相环的环路滤波参数是利用可控根算法得到的。 

3.一种信号跟踪的装置，其特征在于，包括： 

第一处理模块，用于对接收到的信号进行处理，得到接收信号，并从所述接收信号中提取观测值，所述接收信号包括接收载波和接收码； 

判断模块，用于判断接收机的速度、加速度或加加速度是否大于预设的阈值，如果否，触发用于载体处于非高动态环境，利用数字锁相环进行信号跟踪的数字锁相环模块，如果接收机速度、加速度或加加速度不大于预设的阈值，触发用于所述载体处于高动态环境，利用卡尔曼滤波进行信号跟踪的卡尔曼滤波模块； 

所述卡尔曼滤波模块包括： 

更新模块，用于对所述接收信号的状态值进行更新； 

观测模块，用于用所述观测值修正更新后的状态值，得到当前状态的最终估计值；所述观测值通过观测方程得到， 

所述观测方程如下式所示， 

X(k)为k时刻的状态值，r_I(k)是同相分量，r_Q(k)是正交分量，A是所述接收信号的幅值，d(k)取值±1，θ(k)＝L^TX(k)，L＝[1，0，0，0]^T，n′(k)为观测噪声矢量； 

第一生成模块，用于利用所述状态的最终估计值控制NCO产生新的信号。 

4.如权利要求3所述的装置，其特征在于，所述数字锁相环模块的环路滤波参数是利用可控根算法得到的。 

Images