简介:GEO卫星在导航系统中发挥着基本导航、增强和转发等三大功能。针对北斗系统GEO卫星的特殊性和兼容性,对北斗GEO卫星播发的D2导航电文的特点进行了分析,利用GEO的静地特性在基带信号处理中应用数学思想提出了基于二次函数逼近的快速牵引,推导了GEO卫星位置速度的计算公式,提出了基于模糊控制的GEO伪距测量算法,提高了信号处理通道的通用性和兼容性。对相关算法和策略在基于DSP+FPGA的软件接收机中利用实际信号进行了验证,在省略精捕获时间的情况下实现了50Hz以下的多普勒频移精度,伪距测量方法的通用性节省了50%的资源和工作量,相关算法具有良好的实用价值。
简介:目前数字信号处理器已经由单核系统发展为多核并行系统,可通过并行执行任务加快信号处理速度。北斗CB2I码是GPSC/A码码长的两倍,若使用传统捕获算法将会延长信号捕获时间。基于此问题,提出了一种基于组合FFT的并行捕获算法。该算法将信号奇偶点分开进行并行处理,可将单次FFT变换点数减半,并通过高效利用多核资源加快信号捕获速度。为了验证算法性能,对比了传统算法和改进后算法的PTP值。仿真结果表明,两算法PTP均值分别为2.961和2.938,改进后算法未降低捕获精度。最后,以多核嵌入式平台为基础分析了两算法的单核运算量,结果表明:当待处理的信号点数由1000增加到256000时,改进后算法单核乘法运算量减少比例由33%增加到了40%,而加法计算量始终减少50%,改进后算法可达到快速捕获的效果。
简介:研究了GPS软件接收机的捕获和跟踪算法,并基于Matlab软件平台和射频前端在Pc上实现了GPS软件接收机样机。介绍了GPS软件接收机的结构和数据采集硬件,讨论了GPSC/A码的特性、产生原理以及捕获过程。针对传统的串行搜索算法慢的缺点以及高动态GPS软件接收机的特点,在该样机中实现了快速的基于循环卷积的并行捕获算法,并联合使用超前滞后环和对相位反转不敏感的科斯塔斯锁相环分别对码相位和多普勒频偏进行跟踪,解调得到导航电文。仿真和测试结果表明,使用GPS软件接收机进行信号处理的思想使用户在算法处理和软件升级等方面具有更大的灵活性,可应用于下一代任何全球导航卫星定位系统(GNSS)和空基增强系统(SBAS)接收机的设计。
简介:为给GPS软件接收机的跟踪环提供精确的初始条件,捕获后得到的载波频率应在几十Hz范围内,所以必须寻找一种既能精确测量载波多普勒频移,又能有较快运算速度的方法。针对这一特点,提出了一种载噪比较高时采用相位测量和较低时采用长相干处理的载波频率精确估计策略。利用Matlab仿真产生的卫星中频数据作为数据源对该策略进行验证,结果表明当输入信号的载噪比大于35.5dB·Hz的时候,相位测量算法得到的多普勒频率值的误差保持在约10Hz之内。对于微弱信号的捕获,如果将相干处理的时间从200ms扩展到600ms,捕获频率的误差从3Hz减小到0.5Hz。此外,与传统的FFT方法相比,该方法的加法和乘法运算量分别降低了96.2%和35%。测试结果体现了该算法的有效性和优越性。
简介:陀螺的噪声是影响组合导航系统精度的重要因素之一。以农机多传感器组合导航系统为研究背景,在分析经验模态分解去噪和小波去噪的基础上,提出了一种基于自相关特性的经验模态分解去噪方法。该方法根据本证模态函数分量的自相关函数特性,提出了一种含噪本证模态函数筛选策略。该方法能够自适应地确定主要含噪的本证模态函数分量,避免了需要人为确定的不足;同时,结合改进小波阈值去噪的优势,避免了将混叠在噪声中的有效信号完全消除,使其具有一定的自适应性。为了验证方法的有效性,利用农机组合导航系统中微机械陀螺的实际输出数据,分别采用改进阈值小波去噪方法、经验模态分解去噪和改进的经验模态分解去噪方法进行了对比试验。结果表明,改进经验模态分解去噪方法的效果要优于前者,在一定程度上能够改善农机多传感器组合导航系统的定位精度。
简介:温度是IMU及其他导航器件等精密仪器中需要监测的重要参数,传统的温度监测一般使用热电偶或者数字温度传感器(如DS18B20)等,监测程序复杂,功耗高,因此使用精密仪器中广泛采用的FPGA芯片独立完成高集成度、低功耗温度监测具有重要意义.在FPGA中通过搭建环形振荡器产生了自激振荡信号,该信号周期与FPGA芯片温度具有正相关性,通过对振荡信号周期的检测完成了对温度的监测,设计了一种以FPGA芯片同时作为敏感头和处理模块的温度传感器.通过对XilinxVirtex-2系列FPGA芯片进行实验,得到该传感器在-40℃~+60℃的范围内具有优于0.1℃的分辨率,优于0.5℃的检测精度,满足一般温度监测需要.实验表明该传感器具有功耗低、集成度高、可靠性好等优点.
简介:针对随机时滞和异步相关噪声情况下的状态估计问题,提出了一种改进的高斯滤波算法(GF),并给出了其适用于高维系统的实现形式—随机时滞和异步相关容积卡尔曼滤波器(CKF-RDCN)。首先,通过满足Bernoulli分布的互不相关随机序列,来描述系统观测数据中可能存在的随机时滞现象,将量测噪声作为状态变量用以实现对观测时滞后验概率密度的估计。其次,利用一阶斯特林插值公式来近似估计,由于过程噪声和量测噪声异步相关,而导致的含有随机变量的多维积分问题。最后,依据三阶球径容积法则,给出了CKF-RDCN滤波算法的详细设计。此外,经典GF算法是所提出的改进GF算法的特例,其作为一个通用的非线性滤波算法框架,根据不同的后验概率密度估计方法,可以有不同的实现形式。仿真结果表明,相比于扩展卡尔曼滤波算法(EKF)以及容积卡尔曼滤波算法(CKF),CKF-RDCN在解决含有观测时滞和相关噪声系统的状态估计问题时,具有更高的精度和更好的数值稳定性。