本发明属于卫星定位导航领域,具体来说是一种卫星导航系统中信号预处理的自适应α-β-γ滤波算法。
背景技术:
全球卫星导航系统(globalnavigationsatellitesystem,gnss)具有十分广泛的应用:在海、陆、空各层次中进行导航定位,包括船只远洋航行和进港引导、汽车导航以及飞机航路引导、进场降落等。目前的系统主要有美国的gps、中国的bds、欧洲的galileo以及俄罗斯的glonass,多种系统组合定位成为一种趋势。
接收机对信号进行预滤波处理可以很大程度提高定位、定速精度,减少噪声带来的影响。卡尔曼滤波是比较成熟的滤波器,但是存在计算量过大的缺点,对于实时信号处理有较大难度;工程上常用α-β滤波,计算量简单但是滤波精度一般,尤其是在接收机动态较大的场景下效果较差;有些场景下应用α-β-γ滤波,但是固定参数的α-β-γ滤波器很难适应目标机动改变的状况,在实际中往往不能同时满足收敛速度和滤波精度的要求,必须做出适当的折衷。
传统卫星导航系统中观测伪距与多普勒精度较低,特别是在目标物体动态较高时,很难同时满足收敛性和滤波精度的要求。针对上述难题,本发明提出了一种自适应的α-β-γ滤波算法。
技术实现要素:
(一)要解决的技术问题
为了解决现有技术存在的问题,本发明提出了一种卫星导航系统中信号预处理的自适应α-β-γ滤波算法。适用于静态、匀速、高动态场景下的伪距及多普勒预滤波处理,提高了接收机定位、定速结果,能在复杂运动场景下满足收敛性和滤波稳定性,具有较强的卫星导航接收机设计理论价值和工程应用价值。
(二)技术方案
本发明提出了一种卫星导航系统中信号预处理的自适应滤波α-β-γ滤波算法,该方法包括如下步骤:
步骤1:组合导航接收机将gnss信号进行下变频、捕获跟踪、数据同步处理,提取观测量伪距及多普勒;
步骤2:测量误差方差σm初始化、预测误差方差σp系数λ初始化;
步骤3:假定接收机的加速度在一小段时间内不变,计算其预测方程:
其中
步骤4:根据运动状态动态更新α-β-γ系数:
步骤5:在得到第k历元的位置测量值
优选的,步骤1中所述gnss采用bds。
可选的,步骤1中所述gnss可以是gps或者bds或者galileo或者三者之间的任意组合。
可选的,步骤1中所述gnss如果采用glonass和gps/bds/galileo进行组合,由于gps采用wgs-84坐标系,galileo采用gtrf坐标系,bds采用cgcs2000坐标系,以上三者坐标系原点及坐标轴基本一致,坐标系之间误差非常小且在非精密定位下可以忽略;而glonass采用pz-90坐标系,需要与gps/bds/galileo进行坐标转换。
优选的,步骤2中λ初始化值为0.05~0.20之间,σm根据系统情况进行初始化,σp初始化为0。
优选的,步骤3中ts设定值为1ms~3ms之间。
优选的,步骤4中
优选的,步骤4中
可选的,步骤4中
优选的,步骤5根据更新后的参数对位置、速度、加速度进行估计。
(三)有益效果
本发明提出的卫星导航系统中信号预处理的自适应滤波α-β-γ滤波算法能够产生积极有益的效果。该发明针对接收信号噪声较大、存在抖动的情况下,通过自适应α-β-γ滤波算法,提高了接收机定位、定速结果,在不同复杂运动场景下的满足收敛性和滤波稳定性,具有较强的卫星导航接收机设计理论价值和工程应用价值。
附图说明
图1显示了本发明优选实施例卫星导航系统中信号预处理的自适应α-β-γ滤波算法流程图;
图2显示了本发明优选实施例中自适应α-β-γ滤波算法对静态场景运动轨迹估计效果图;
图3显示了本发明优选实施例中自适应α-β-γ滤波算法对匀速场景运动轨迹估计效果图;
图4显示了本发明优选实施例中自适应α-β-γ滤波算法对匀加速度场景运动轨迹估计效果图;
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明了,下面结合具体实施方式并参照附图,对本发明进一步详细说明。应该理解,这些描述只是示例性的,而并非要限制本发明的范围。此外,在以下说明中,省略了对公知结构和技术的描述,以避免不必要地混淆本发明的概念。
图1显示了本发明优选实施例卫星导航系统中信号预处理的自适应α-β-γ滤波算法流程图;
如图1所示,本发明优选实施例方法流程图主要包括如下步骤:
步骤1:组合导航接收机将gnss信号进行下变频、捕获跟踪、数据同步处理,提取观测量伪距及多普勒;
步骤2:测量误差方差σm初始化、预测误差方差σp系数λ初始化;
步骤3:假定接收机的加速度在一小段时间内不变,计算其预测方程;
步骤4:根据运动状态动态更新α-β-γ系数;
步骤5:在得到第k历元的位置测量值
本发明具体实施例中,步骤1中所述gnss采用bds。此外,步骤1中所述gnss还可以采用gps。可选的,步骤1中所述gnss可以是gps或者bds或者galileo或者上述三者之间的任意组合。可选的,步骤1中所述gnss如果采用glonass和gps/bds/galileo进行组合,由于gps采用wgs-84坐标系,galileo采用gtrf坐标系,bds采用cgcs2000坐标系,以上三者坐标系原点及坐标轴基本一致,坐标系之间误差非常小且在非精密定位下可以忽略;而glonass采用pz-90坐标系,需要与gps/bds/galileo进行坐标转换。
步骤2中λ初始化值为0.05~0.20之间,σm根据系统情况进行初始化,σp初始化为0。
步骤3中ts设定值为1ms~3ms之间。
步骤4中
步骤4中
步骤5中根据更新后的参数对位置、速度、加速度进行估计。
图2显示了本发明优选实施例中自适应α-β-γ滤波算法对静态场景运动轨迹估计效果图;
本发明具体实施例中,在静态观测信号上添加方差为10的噪声,利用自适应滤波后得到的估计曲线与真实曲线基本一致,统计100s内观测值与真实值的方差为0.0897,滤波结果较好,即该算法适应于静态场景。
图3显示了本发明优选实施例中自适应α-β-γ滤波算法对匀速场景运动轨迹估计效果图;
本发明具体实施例中,在50m/s的匀速运动观测信号上添加方差为10的噪声,利用自适应滤波后得到的估计曲线与真实曲线基本吻合,统计100s内观测值与真实值的方差为0.2168,滤波结果较好,即该算法适应于匀速运动场景。
图4显示了本发明优选实施例中自适应α-β-γ滤波算法对匀加速度场景运动轨迹估计效果图;
本发明具体实施例中,在20m/s2的匀加速运动观测信号上添加方差为10的噪声,利用自适应滤波后得到的估计曲线与真实曲线基本吻合,统计100s内观测值与真实值的方差为0.3085,滤波结果较好,即该算法适应于匀加速运动场景。
综上所述,本发明提出了一种卫星导航系统中信号预处理的自适应α-β-γ滤波算法。该方法针对传统卫星导航系统中观测伪距与多普勒精度较低,特别是在目标物体动态较高时,接收信号噪声较大、容易发散等问题,提出了一种自适应的α-β-γ滤波算法。算法在固定参数α-β-γ滤波的基础上,根据接收机的动态自适应调整滤波系数,适用于静态、匀速、高动态场景下的伪距及多普勒预滤波处理,提高了定位、定速精度。本发明提出的卫星导航系统中信号预处理的自适应α-β-γ滤波算法适用于单卫星导航系统、多星座导航系统以及组合导航系统,提高了接收机定位、定速精度,能在复杂运动场景下满足收敛性和滤波稳定性,具有较强的卫星导航接收机设计理论价值和工程应用价值。
应当理解的是,本发明的上述具体实施方式仅仅用于示例性说明或解释本发明的原理,而不构成对本发明的限制。因此,在不偏离本发明的精神和范围的情况下所做的任何修改等,均应包含在本发明的保护范围之内。本发明所附权利要求旨在涵盖落入所附权利要求范围和边界、或者这种范围和边界的等同形式内的全部变化和修改例。