项目名称: 卫星导航信号空时矢量跟踪与导航解算研究

项目编号: No.41274046

项目类型: 面上项目

立项/批准年度: 2013

项目学科: 天文学、地球科学

项目作者: 贾学东

作者单位: 中国人民解放军信息工程大学

项目金额: 70万元

中文摘要: 卫星导航信号矢量跟踪和空时处理融合是导航信号接收处理技术发展必然面对的一个问题。本课题试图将导航信号的空间特性引入矢量跟踪环路中,充分利用卫星导航信号的空域和时频域相干特性,提高接收机的性能,并提出下一代卫星导航信号的空时联合矢量跟踪架构。 本课题通过研究导航信号的空时变换关系、约束等价关系、误差特性和传播关系,揭示卫星几何构形、天线阵型与测量定位精度的直接关系;通过研究导航信号空时处理和矢量相关器融合的方法,提出信号跟踪最优准则与新型空时联合矢量跟踪解算架构;最后通过半实物仿真实验验证相关算法的性能。 本课题研究具有显著的应用前景。研究成果可用于卫星导航的多系统融合、微弱信号跟踪、抗干扰与多径抑制、精密定位和组合导航等应用。

中文关键词: 卫星导航;矢量跟踪;卡尔曼滤波;空时滤波;卫星定位

英文摘要: The fusion of vector tracking and space-time processing is a problem that the development of satellite navigation signals receiving technique must be deal with. This research tries to introduce the space-time characters of satellite navigation signals to the vector tracking loops, and base on this, a joint space-time vector tracking architecture is proposed. Due to making full use of its space-time domain coherent properties, the performance of the receiver will be further improved. Based on the study of the space-time transform relations, the constraint equivalence relations, and the error characters and propagation relations of navigation signals, the direct relations of the geometry structure of the satellites, the form of the antenna array and the precision of measurement and orientation will be revealed. Through studying the methods of combining space-time processing and vector correlator of the navigation signals, the optimum rule of signal tracking and a new joint space-time vector tracking solver architecture is proposed. Finally, in order to evaluate the performance of the proposed algorithm, a hardware-in-the-loop simulation experiment is carried out. The application prospect of this research is remarkable. The production will be used for multi-system combination, weak signal tracking, anti-jamming and

英文关键词: Satellite navigation;Vector tracking;Kalman filter;Space-time filter;Satellite positioning

成为VIP会员查看完整内容
1

相关内容

【AI+军事】附PPT 《前瞻性分析:获得决策优势的方法》
专知会员服务
90+阅读 · 2022年4月17日
【博士论文】基于深度学习的单目场景深度估计方法研究
专知会员服务
42+阅读 · 2021年9月15日
专知会员服务
87+阅读 · 2021年9月4日
专知会员服务
26+阅读 · 2021年7月16日
专知会员服务
122+阅读 · 2021年4月29日
【CVPR 2021】变换器跟踪TransT: Transformer Tracking
专知会员服务
21+阅读 · 2021年4月20日
【KDD2020】自适应多通道图卷积神经网络
专知会员服务
119+阅读 · 2020年7月9日
【速览】IJCV 2022 | 自适应干扰解耦学习的人脸表情识别方法(ADDL)
中国图象图形学学会CSIG
6+阅读 · 2022年2月15日
基于深度学习的小目标检测方法综述
专知
2+阅读 · 2021年4月29日
综述 | 激光与视觉融合SLAM
计算机视觉life
18+阅读 · 2020年10月8日
目标跟踪算法分类
大数据技术
13+阅读 · 2018年9月17日
深度学习的快速目标跟踪
AI研习社
13+阅读 · 2018年1月8日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
2+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
Deformable Style Transfer
Arxiv
14+阅读 · 2020年3月24日
小贴士
相关VIP内容
【AI+军事】附PPT 《前瞻性分析:获得决策优势的方法》
专知会员服务
90+阅读 · 2022年4月17日
【博士论文】基于深度学习的单目场景深度估计方法研究
专知会员服务
42+阅读 · 2021年9月15日
专知会员服务
87+阅读 · 2021年9月4日
专知会员服务
26+阅读 · 2021年7月16日
专知会员服务
122+阅读 · 2021年4月29日
【CVPR 2021】变换器跟踪TransT: Transformer Tracking
专知会员服务
21+阅读 · 2021年4月20日
【KDD2020】自适应多通道图卷积神经网络
专知会员服务
119+阅读 · 2020年7月9日
相关资讯
【速览】IJCV 2022 | 自适应干扰解耦学习的人脸表情识别方法(ADDL)
中国图象图形学学会CSIG
6+阅读 · 2022年2月15日
基于深度学习的小目标检测方法综述
专知
2+阅读 · 2021年4月29日
综述 | 激光与视觉融合SLAM
计算机视觉life
18+阅读 · 2020年10月8日
目标跟踪算法分类
大数据技术
13+阅读 · 2018年9月17日
深度学习的快速目标跟踪
AI研习社
13+阅读 · 2018年1月8日
相关基金
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
2+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
微信扫码咨询专知VIP会员