本文關(guān)鍵詞：高動態(tài)導(dǎo)航信號跟蹤技術(shù)研究與實(shí)現(xiàn)

  更多相關(guān)文章： 高動態(tài) 跟蹤 卡爾曼濾波 FPGA

【摘要】：衛(wèi)星導(dǎo)航技術(shù)已經(jīng)成為人類社會發(fā)展必不可少的重要部分。在某些特殊領(lǐng)域,由于接收機(jī)載體與衛(wèi)星間存在著較大的相對運(yùn)動速度、加速度甚至加加速度,這將導(dǎo)致接收到的衛(wèi)星信號包含較大的多普勒頻移、多普勒頻率的一次變化率甚至多普勒頻率的二次變化率,給信號的跟蹤帶來了困難和挑戰(zhàn)。本文以GPS為例對高動態(tài)導(dǎo)航信號跟蹤問題進(jìn)行算法研究并完成相關(guān)算法的FPGA實(shí)現(xiàn)。論文首先介紹了GPS信號的構(gòu)成和多普勒特性,并給出了典型的導(dǎo)航信號高動態(tài)模型,為后續(xù)算法仿真提供模型基礎(chǔ)。針對該高動態(tài)模型,給出了一種能在數(shù)字域內(nèi)直接合成高動態(tài)信號中時變多普勒頻率的方法,為高動態(tài)GPS信號的模擬提供依據(jù)。針對高動態(tài)環(huán)境下的信號跟蹤問題,在綜述了導(dǎo)航信號處理流程和傳統(tǒng)跟蹤方法后,本文做了以下算法研究工作:(1)使用三階鎖相環(huán)對高動態(tài)接收信號的載波進(jìn)行了跟蹤研究,研究結(jié)果表明了三階環(huán)路在跟蹤高動態(tài)GPS信號載波時具有缺陷和局限性。(2)研究了基于卡爾曼濾波技術(shù)的載波跟蹤算法,包括使用鑒相器的線性卡爾曼濾波(Linear Kalman Filter,LKF)算法,對相干積分輸出結(jié)果進(jìn)行線性化處理的擴(kuò)展卡爾曼濾波(Extended Kalman Filter,EKF)算法和對相干積分輸出結(jié)果進(jìn)行分布近似的無跡卡爾曼濾波(Unscented Kalman Filter,UKF)算法,并對上述載波跟蹤方案進(jìn)行了仿真分析。仿真結(jié)果表明,在本文的高動態(tài)模型下EKF和UKF算法的失鎖門限要低于LKF算法,在同等載噪比的情況下,UKF算法的均方根頻率跟蹤誤差要略小于EKF算法。(3)在載波跟蹤的基礎(chǔ)上,研究了兩種載波和擴(kuò)頻碼的聯(lián)合跟蹤方案。一種是五階線性卡爾曼濾波跟蹤方案,另一種是將載波UKF和三階碼環(huán)相結(jié)合的聯(lián)合跟蹤方案。通過仿真對兩種算法進(jìn)行了對比,結(jié)果表明使用載波UKF和三階碼環(huán)相結(jié)合的跟蹤算法具有更低的穩(wěn)態(tài)跟蹤誤差。本文的另一個重要工作是在基于FPGA的硬件平臺上對高動態(tài)GPS信號跟蹤的相關(guān)算法進(jìn)行實(shí)現(xiàn)�？紤]到范圍和精度問題,在設(shè)計(jì)過程中對卡爾曼濾波方程模塊的計(jì)算采用了32位單精度浮點(diǎn)數(shù)格式。在對每個模塊進(jìn)行了設(shè)計(jì)和仿真驗(yàn)證后給出了整體設(shè)計(jì)方案和實(shí)現(xiàn)結(jié)果。
【關(guān)鍵詞】：高動態(tài) 跟蹤 卡爾曼濾波 FPGA
【學(xué)位授予單位】：電子科技大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TN967.1
【目錄】：

• 摘要5-6
• ABSTRACT6-12
• 縮略詞表12-13
• 第一章 緒論13-16
• 1.1 研究背景與意義13-14
• 1.2 課題研究現(xiàn)狀14-15
• 1.3 主要內(nèi)容與結(jié)構(gòu)安排15-16
• 第二章 高動態(tài)導(dǎo)航信號特性研究16-27
• 2.1 GPS信號構(gòu)成與多普勒分析16-18
• 2.1.1 GPS信號構(gòu)成16-17
• 2.1.2 衛(wèi)星多普勒特性分析17-18
• 2.2 高動態(tài)模型18-21
• 2.3 基于三階DDS的時變多普勒頻率合成21-26
• 2.3.1 DDS原理21-22
• 2.3.2 三階DDS時變多普勒頻率合成模型22-24
• 2.3.3 參數(shù)設(shè)計(jì)與仿真24-26
• 2.4 本章小結(jié)26-27
• 第三章 導(dǎo)航信號傳統(tǒng)跟蹤算法研究27-37
• 3.1 導(dǎo)航信號接收處理流程27
• 3.2 捕獲27-28
• 3.3 跟蹤28-33
• 3.3.1 載波跟蹤環(huán)29-32
• 3.3.2 碼跟蹤環(huán)32-33
• 3.4 三階鎖相環(huán)跟蹤高動態(tài)性信號的局限性33-35
• 3.5 本章小結(jié)35-37
• 第四章 基于卡爾曼濾波技術(shù)的高動態(tài)導(dǎo)航信號跟蹤算法研究37-62
• 4.1 卡爾曼濾波理論37-41
• 4.1.1 統(tǒng)計(jì)估計(jì)理論與最小線性均方誤差估計(jì)37-38
• 4.1.2 離散線性卡爾曼濾波38-40
• 4.1.3 卡爾曼濾波的特點(diǎn)與穩(wěn)定性40-41
• 4.2 基于卡爾曼濾波技術(shù)的載波同步技術(shù)研究41-54
• 4.2.1 載波線性卡爾曼濾波(LKF)算法41-45
• 4.2.2 載波擴(kuò)展卡爾曼濾波(EKF)估計(jì)45-47
• 4.2.3 載波無跡卡爾曼濾波(UKF)估計(jì)47-48
• 4.2.4 仿真結(jié)果與分析48-54
• 4.3 基于卡爾曼濾波技術(shù)的載波與碼聯(lián)合同步技術(shù)研究54-61
• 4.3.1 線性卡爾曼聯(lián)合同步算法54-56
• 4.3.2 基于載波UKF輔助三階碼環(huán)的聯(lián)合同步算法56-57
• 4.3.3 仿真結(jié)果與分析57-61
• 4.4 本章小結(jié)61-62
• 第五章 基于卡爾曼濾波技術(shù)的高動態(tài)信號跟蹤的FPGA實(shí)現(xiàn)62-81
• 5.1 卡爾曼濾波方程相關(guān)運(yùn)算模塊設(shè)計(jì)62-69
• 5.2.1 浮點(diǎn)數(shù)介紹62-63
• 5.2.2 矩陣加減法模塊設(shè)計(jì)63-65
• 5.2.3 矩陣乘法模塊設(shè)計(jì)65-67
• 5.2.4 矩陣求逆模塊設(shè)計(jì)67-68
• 5.2.5 平方根矩陣模塊設(shè)計(jì)68-69
• 5.2 鑒相模塊的設(shè)計(jì)69-72
• 5.3 本地載波發(fā)生器和本地碼發(fā)生器設(shè)計(jì)72-74
• 5.4 頂層模塊設(shè)計(jì)74-76
• 5.5 板級測試76-80
• 5.6 本章小結(jié)80-81
• 第六章 總結(jié)與展望81-82
• 致謝82-83
• 參考文獻(xiàn)83-85
• 攻讀碩士學(xué)位期間取得的成果85-86

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前2條

1 李育龍;左啟耀;李峰;;高動態(tài)下慣性加速度輔助三階鎖相環(huán)性能分析[J];導(dǎo)航定位與授時;2015年03期

2 張鑫;李彩華;黃仰博;張國柱;歐鋼;;基于混合時鐘三階DDS的信號多普勒模擬方法[J];國防科技大學(xué)學(xué)報(bào);2014年02期

，

本文編號：990104