一种抑制GPS射频干扰的空频自适应处理算法

为了提高窄带干扰与期望卫星信号同向时的抑制性能,提出了一种新的空频自适应滤波算法。该算法首先利用频域实系数自适应滤波对信号进行预处理抑制窄带干扰,然后在频域直接对处理后的信号进行空频自适应处理抑制宽带干扰。算法在预处理时采用自适应滤波可有效减少期望卫星信号的损失以及SFAP导向矢量误差。仿真实验表明,相对于普通的空时及空频自适应处理算法,新算法有效地提高了输出信干噪比,在干扰与信号同向的情况下也能表现出优良的处理性能。     

不变RTS平滑算法及其在5G/SINS组合导航中的应用研究

为了解决导航系统的位置误差随时间累积的问题,提出一种状态空间为矩阵李群的不变RTS(invariant RauchTung-Striebel, InRTS）平滑算法来提高导航状态的精度,其核心在于导航状态及观测都利用矩阵李群进行表示及推导。首先,将系统状态及其误差状态微分方程用矩阵李群来表征,相比于传统扩展卡尔曼滤波算法（extended Kalman filter,EKF）,将系统状态构建在矩阵李群上,其动力学方程可以更自然更本质地描述物体在空间中的运动特性,而通过群运算定义的误差状态耦合了姿态误差而不是直接的向量相减;接着,通过李群和李代数之间的对数映射将不变误差状态变量映射到李代数空间,得到一个解析的线性微分方程,该方程与当前状态估计值无关,从而可以获得在任何线性化点处状态无关的雅克比矩阵;然后,根据5G定位中量测模型的左不变特性推导包含杆臂误差的左不变误差状态量测方程,从而得到一个左不变EKF;最后,以左不变EKF为前向滤波,提出不变RTS平滑算法,并将其应用于5G/SINS(strapdown inertial navigation system）组合导航系统,在仿真实验中与...     

信号遮挡环境下融合TOA/AOD的5G/SINS组合导航算法模型与精度分析

为解决可观测基站受遮挡情况下仅采用到达时间（time of arrived, TOA）无法定位或精度较差的问题,将第5代移动通信技术（5th generation,5G）中多天线阵列提供的信号离开角（angle of departure, AOD）应用在定位解算中,通过卡尔曼滤波将5G定位与捷联惯性导航（strapdown inertial navigation system,SINS）融合,构成融合TOA/AOD的5G/SINS组合导航方案。通过模拟可观测5G基站数量充足、遮挡这两类场景下的仿真实验,对基于TOA的5G定位、基于TOA/AOD的5G定位、TOA组合导航、TOA/AOD组合导航这4种解算方法的位置误差进行了比较。仿真实验结果表明,当可观测基站受遮挡时,融合TOA/AOD进行5G/SINS组合导航能确保100%的定位成功率,并有效降低组合导航发散的概率,减小40%~70%的位置误差。     

GNSS精密时频接收机时钟调控模型与参数设计方法

实时精密单点定位(real time precise point positioning,RT-PPP)技术可实现亚纳秒级、天稳定度达到1×10^-14量级的全球导航卫星系统(global navigation satellite system,GNSS)单向授时。时钟调控直接影响输出时频信号的稳定度性能,但调控参数不合适时将破坏振荡器的短期稳定度。面向振荡器短期稳定度和RT-PPP长期稳定度最优组合,构建了RT-PPP时频接收机的锁相环时钟调控模型,分析了调控系统噪声,提出了一种二阶锁相环调控参数设计方法。利用RT-PPP时频接收机对所提出的调控模型和参数设计方法进行了实测验证,结果表明,利用所设计的时钟调控模型和参数,RT-PPP时频接收机的频率稳定度可达秒稳4.344 4×10^-12,天稳1.102 9×10^-14,在时间间隔小于300 s时与铷钟自由振荡稳定度基本一致,大于300 s时与RT-PPP稳定度基本一致,能很好地组合振荡器短期稳定度和RT-PPP长期稳定度优势。     

空时自适应处理中卫星信号互相关峰值偏移分析

将空时自适应处理建模为一个有限冲激响应（FIR）滤波器,分析了空时自适应处理对导航信号的码相位偏移。该滤波器的响应同时取决于信号的频率和入射方向,将滤波器的输出与本地序列进行相关,可求得互相关峰值的偏移量。以GPS中的C/A码为例,针对空时自适应处理中典型的最小方差（MV）和最小方差无失真响应（MVDR）准则进行了仿真实验。结果表明,干扰从低仰角入射时影响范围更大,而MV准则在抑制干扰的同时,带来的互相关峰值偏移较MVDR更加明显。     

融合TOA/AOD的5G/SINS紧组合导航定位算法分析

针对5G定位和捷联惯性导航单一定位方式的可靠性和定位精度较差的问题,本文以扩展卡尔曼滤波为基础,提出了融合5G信号到达时间和信号离开角的5G/SINS紧组合导航算法。该算法首先利用惯性传感器输出信息解算用户的位置、速度和姿态,在此基础上利用已知的基站坐标反算出一组虚拟的5G观测值,然后使用该观测值和实际的5G测量值建立统一的观测方程进行滤波解算。仿真试验结果表明,5G/SINS紧组合的定位成功率可达99%以上,且能够有效改善惯导航位推算的发散问题,其定位精度相比单纯的5G定位有了大幅提高,相比5G/SINS松组合受基站数量和基站几何分布的影响较小。融合TOA/AOD的5G/SINS紧组合导航的定位结果有超过99%的历元在3 m以内。在5G观测值中存在系统误差时,5G/SINS紧组合的定位表现优于5G定位和5G/SINS松组合导航。     

智能时代泛在测绘的再思考

本文首先给出泛在测绘的定义和内涵,然后将传统测绘与泛在测绘进行了比较分析,指出由于互联网实现了人与人的信息便捷交互,互联网时代的泛在测绘最显著的推动力就是为满足人与社会及人与环境的多种需求,人本身也成为了测绘的对象。同时,对环境变化的动态感知,对人与环境关系的感知、认知和相应服务成了泛在测绘的重点特色要素。本文还指出互联网因其位置的虚拟性和网络时间标准过低,无法满足对物理世界协同感知和远程广域协同管控的需求,因此互联网、物联网必须向具有精准时空位置感知能力的泛在网演进。文章论述了“泛在网”随着互联网和物联网的演进,是具有“无时不有,无所不在”时空特性的感知网络,并且随着需求的扩展,正演进出“无所不包,无所不能”的智能化需求态势。目前,只有包括北斗在内的全球卫星导航系统,即GNSS技术,能够赋予泛在网在广域和全球范围内具有时空位置感知和管控的能力。在泛在网的支持下,泛在测绘正在发展以实时精准时空感控为特征,以实现陆海天空网一体化、室内外一体化,并实现人与物理世界及虚拟网络世界交互的感知、探测、认知和调控。由此,泛在网也成为智能时代的关键信息基础设施。为了理解智能时代泛在测绘的需求,文章从自然智能及时空位置观出发,对于智能、智慧和人工智能的定义做了新的梳理。针对智能时代人工智能中跨界融合、人机协同、群智开放和自主操控4个热点研究方向及其在军事、工程、实时高精地图及地震预警等的应用,论述了泛在测绘在其中所发挥的基础性、关键性和协同性作用。本文最后还展望了网络虚拟世界的泛在测绘、数字孪生虚拟人的构建及国家安全“制时空权”等智能时代泛在测绘的新领域发展趋势。     

北斗广域高精度时间服务原型系统

基于精密单点定位(precise point positioning,PPP)的时间传递技术以其精度高、覆盖范围广的优点成为性能最优的GNSS时间传递方法之一。随着广域差分产品时效性的提高,实时PPP时间传递开始应用于精密授时的研究。本文在PPP时间传递技术的基础上,结合实时卫星钟差估计、接收机时钟调控及硬件延迟标校技术,建立了基于北斗卫星导航系统(BeiDou navigation satellite system,BDS)的广域高精度时间服务(wide-area precise timing,WPT)系统,可为用户实时提供准确、稳定、可溯源的时间。WPT系统分为时间服务平台和用户终端两个部分。时间服务平台引入高精度的时间作为系统的参考时间基准,并提供广域实时差分改正数;用户终端基于实时PPP时间传递算法获取本地钟与系统时间基准的差异,并采用精密调钟技术实现终端与系统的同步。为了验证系统的实时授时性能,本文进行了零基线、短基线及广域环境下的性能测试和评估。试验结果表明,该系统零基线、短基线时间同步精度优于0.5 ns,广域条件下单天的授时精度均优于1 ns,为基于北斗系统的精密授时技术发展提供了参考。