基于B1C 新信号的BDS/INS 深组合改进的跟踪环路设计

李忠盼，韩培俊，赵冬青，刘建松，李征

( 1. 96944 部队，北京 100000；2. 信息工程大学，郑州 450000 )

0 引 言

目前，随着北斗卫星导航系统(BDS)全面组网成功，对新信号的研究和利用已经成为国内外的研究热点之一. 在卫星信号强度较差的环境中，如何得到一个较为准确且高实时率的位置及姿态信息是亟待解决的问题，利用惯性导航系统(INS)辅助全球卫星导航系统(GNSS)进行组合导航是解决这个问题的重要方法之一.

深组合系统将GNSS 和INS 在信号层面进行结合，这种结合方式可以在弱信号的环境下提供稳定、可靠的定位结果，并在一定程度上提高观测值质量.深组合是伴随着早期GPS 系统的发展而逐渐产生和发展的一门技术[1]，国内外学者均对此展开了深入的研究. 金东阳等[2]提出了一种改进的通道滤波器数学模型，通过去除通道滤波器中信号幅值状态变量，增加载波相位变化率加速度误差，提高了定位精度，但是该方法在去除通道滤波器中信号幅值状态变量后，会导致信噪比(SNR)有所损耗，因此必须要在较好地观测环境下才能有效. 王睿等[3]设计了一种基于渐消记忆指数加权的自适应量测噪声估计器，实时估计和修正噪声统计量并自适应调节估计周期，因此在定位精度上比一般的无迹卡尔曼滤波(UKF)算法有所提升，捕获速度也有明显加快. 但是该算法只能运用于低速、通视较好地环境下，当环境恶劣时仍会快速失锁. 丁翠玲等[4]设计了一种适用于级联式深组合的矢量跟踪算法，通过分析各跟踪误差与鉴别器输出之间的关系，搭建了预滤波器动态模型. 在高动态环境下，相较于标量跟踪算法具有更好地码相位和载波频率跟踪性能.

白玉栋等[5]对GNSS 民用频点的弱信号接收技术进行实验得到了弱信号在SNR 极差环境下的定位结果，虽利用全比特补零的算法进行计算，定位结果依旧较差. 文献[6]把超紧组合技术应用于高动态、弱信号环境下. 文献[7-8]重点研究了数据融合中的非线性问题，并进行了仿真实验.

为此文中将通过INS 辅助BDS 的深组合算法在动态、弱信号复杂场景下的定位情况进行研究，将主要深入信号的跟踪环路，在原有的卡尔曼跟踪环路的前提下，利用INS 信息对接收到的中频数据进行改善，同时使用导频和数据分量依据其功率构建本地相关码，对信号进行解码，并对最终结果进行定位. 使用INS 辅助及正交码构成环路的目的是在弱信号和动态性较大的情况下，提高环路稳定性，降低失锁概率，改善数据内部噪声情况，并在保证环路更新频率的情况下，提高最终的定位精度.

1 INS 辅助卡尔曼滤波跟踪环原理

传统跟踪环路在低速且SNR 较好的情况下，能得到较为精确的定位结果. 但是在恶劣环境或者高动态的情况下，载波相位值的瞬时变化较大，利用卡尔曼滤波可以有效地解决这个问题. 而使用INS 对卡尔曼滤波约束，可以延缓最终失锁时间.图1 为 INS 辅助卡尔曼滤波跟踪环路基本原理图.

图1 INS 辅助卡尔曼滤波信号跟踪环路

1.1 卡尔曼滤波基本原理

基本的卡尔曼滤波由状态和量测方程构成[9-10]：

1.2 INS 辅助跟踪环路卡尔曼滤波构建

用卡尔曼滤波来进行环路跟踪时，能根据加速度的变化动态调节环路带宽大小，但是若短时间内信号失锁或因为速度变化过大，导致多普勒值不稳定，使用的匀加速卡尔曼滤波模型也无法对信号进行跟踪，使用INS 对卡尔曼滤波跟踪环路进行辅助能较为有效地解决这个问题.

因为卫星在运动过程中，短时间内可以看成匀速运动过程. 而载体速度是变加速的，具有随机性，很难确定其系数阵系数，在这里使用匀加速模型进行替代.

因此其状态转移矩阵如式(8)表示：

其中，多普勒频移的初值由捕获得到，量测噪声的初值为0.114 rad.

利用INS 辅助跟踪环路时，INS 利用上一个历元INS 自身推估的位置或者由接收机计算出的位置，结合其姿态信息和加速度信息. 计算当前时刻的位置和姿态信息，依据广播星历计算出接收机至相应卫星的伪距值，将其反馈给跟踪环路的卡尔曼滤波阵中，从而提高系统的稳定性，公式如式(10)所示：

计算出伪距率之后就可以将其与接收机卡尔曼滤波的跟踪环路计算出的伪距率进行平差，从而获得最优的伪距值.

2 B1C 跟踪环路构建及情况分析

2.1 B1C 跟踪环路构建

利用B1C 信号构建的信号跟踪环路具有较为优良的特性，因为B1C 具有导频分量和数据分量两个信号支路. 因此在进行载波和伪距的跟踪时，不需要使用损耗SNR 的Costas 环而可以使用更为优良的纯锁相环或是导频分量和数据分量混合计算的双支路，进而获得精度更高的载波和伪距值.

使用经过捕获得到的多普勒值和伪码位置之后，需要对其进行信号跟踪，从而获得相应的载波值和伪距值：

1) 首先对基本参数进行初始化，包括载波相位初值、码相位初值、遗留码片个数等；

2) 在进行跟踪环路处理同时使用了导频分量和数据分量两个分量的数据，因此其具体结构为

式中：R为数据；Cpilot为导频测距码；BOC(6,1)和BOC(1,1)代表信号调制方式；D为数据电文；Cdata为数据测距码.

3) 因为B1C 信号需要至少32.736 MHz 的采样率才能捕获成功，因此在跟踪阶段的数据也对应此采样率. 需要对跟踪阶段的信号进行下变频，并分别与本地生成的测距码相乘. 信号在发出时导频和数据分量的功率比为29:4，因此这里与下变频之后的数据相乘也以29:4 的比例构成实部、虚部.

4) 对上一步所得的数据进行积分，并分别通过锁相环和码环. 之后计算其相位变化值和伪距变化值.

5) 之后对环路是否锁定进行检测：

式(15)计算噪声基底，即噪声的均值SNR. 式(16)计算I、Q 支路的积分值. 式(17)计算B1C 信号相应卫星的SNR. 最后式(18)计算锁相环的锁值. 若该值大于0.9，则证明锁定成功. 若该值小于0.9，需对跟踪环路重新锁定.

6) 若信号锁定成功，则持续进行跟踪模式. 并逐渐将其牵入窄相关. 即 PLLlock值小于0.7.

7) 记录卫星载波及伪距直至采集信号末端.

2.2 环路跟踪情况分析

因为实验数据采集时，卫星数量较少且无法满足定位的要求，因此在环路跟踪情况分析时未对其进行位置定位.

首先记录其环路跟踪情况.

2.3 B1C 跟踪环路跟踪情况分析

图2 和图3 分别为BDS 29 号卫星B1C 信号在20 s 内的锁相环锁定值和SNR 值的变化图，由图2～3可知，锁相环值和SNR 值只有在刚开始的时候处于较低的位置，在环路锁定后始终处于一个捕获最佳环路锁定值和SNR 附近，且并没有因为运动的原因导致其失锁的情况.

图2 锁相环锁定值随时间变化情况图

图3 SNR 随时间变化图

2.4 B1C 导航电文情况和伪距精度分析

图4～5 为对B1C 导航电文和伪距误差值变化进行了分析，图4 为B1C 导航电文比特图，图5 为B1C伪距值变化图. 由图4 可知，B1C 导航电文成功解码，除刚开始未跟踪成功之外，之后都在±4 000 的位置来回波动. 由图5 可知，B1C 第29 号星其误差基本在0.273 8 m 之间来回波动，除刚开始的时候未跟踪成功之外，误差基本在允许范围之内且情况良好.

图4 B1C 导航电文比特图

图5 B1C 伪距误差分析图

由此可知B1C 信号伪距精度较高及导航电文效果较好，但因为实验数据采集时卫星数量有限无法满足最低的四星定位要求，因此这里无法给出定位精度分析，且后续也未对跟踪环路做出优化.

3 结束语

本文作者首先对接收机的传统跟踪环路和最近结合卡尔曼滤波模型所提出的跟踪环路基本原理进行了阐述，然后对B1C 信号进行分析，结合该信号存在正交分路且两者构造不同的特点，对跟踪环路进行了优化，并通过采集的数据对其进行分析处理，成功获得了跟踪后的信号处理结果，从结果可以看出信号成功捕获，导航电文解调正常且伪距误差情况较为良好. 下一步会采集长时间数据对其定位精度进行分析.