一種基于bp人工神經(jīng)網(wǎng)絡(luò)的gps載波跟蹤方法
【專利摘要】本發(fā)明公開了一種基于BP人工神經(jīng)網(wǎng)絡(luò)的GPS載波跟蹤方法，步驟如下：首先訓(xùn)練BP人工神經(jīng)網(wǎng)絡(luò)；鎖相環(huán)的鑒相器輸出經(jīng)計(jì)算后作為載波跟蹤環(huán)路運(yùn)行情況的判決因子，該判決因子能夠準(zhǔn)確反映載波跟蹤環(huán)路跟蹤情況；將計(jì)算得到的判決因子輸入訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)，神經(jīng)網(wǎng)絡(luò)輸出控制參數(shù)；環(huán)路濾波器接收鎖頻環(huán)鑒別器輸出和鎖相環(huán)鑒別器輸出，分別乘以相應(yīng)控制參數(shù)后用以控制接收機(jī)的本地載波數(shù)控振蕩器，以保持對(duì)輸入信號(hào)的穩(wěn)定跟蹤。本發(fā)明方法采用BP人工神經(jīng)網(wǎng)絡(luò)算法建立環(huán)路判決因子和控制參數(shù)之間的非線性關(guān)系，根據(jù)環(huán)路跟蹤情況動(dòng)態(tài)調(diào)節(jié)環(huán)路控制參數(shù)，顯著提高了接收機(jī)載波跟蹤環(huán)路在高動(dòng)態(tài)環(huán)境下的跟蹤性能。
【專利說(shuō)明】
一種基于BP人工神經(jīng)網(wǎng)絡(luò)的GPS載波跟蹤方法
技術(shù)領(lǐng)域
[0001] 本發(fā)明涉及衛(wèi)星導(dǎo)航技術(shù)領(lǐng)域，一種基于BP人工神經(jīng)網(wǎng)絡(luò)的GPS載波跟蹤方法。
【背景技術(shù)】
[0002] GPS是一種由美國(guó)國(guó)防部控制的全球衛(wèi)星導(dǎo)航系統(tǒng)，具有高精度、全天時(shí)的優(yōu)點(diǎn)。 被廣泛應(yīng)用于大地測(cè)量、車輛導(dǎo)航、武器制導(dǎo)等領(lǐng)域。對(duì)于傳統(tǒng)的GPS接收機(jī)而言，關(guān)鍵技術(shù) 就是GPS載波跟蹤技術(shù)，只有穩(wěn)定地跟蹤載波信號(hào)才能進(jìn)行定位和導(dǎo)航。而一般的基于鎖相 環(huán)的載波跟蹤環(huán)路面臨的最大問(wèn)題就是高動(dòng)態(tài)、弱信號(hào)和多路徑效應(yīng)等。其中高動(dòng)態(tài)問(wèn)題 是由于接收機(jī)的高度機(jī)動(dòng)，導(dǎo)致載波多普勒頻移變化過(guò)于激烈，這時(shí)候采用鎖相環(huán)的載波 跟蹤環(huán)路很容易失鎖，導(dǎo)致接收機(jī)無(wú)法正常工作和穩(wěn)定地輸出定位信息。目前常用的GPS載 波跟蹤環(huán)路采用純鎖相環(huán)或者采用鎖頻環(huán)輔助鎖相環(huán)的形式，這種結(jié)構(gòu)在中低動(dòng)態(tài)環(huán)境下 具有很好的性能，但是無(wú)法滿足高動(dòng)態(tài)環(huán)境下的跟蹤要求。

【發(fā)明內(nèi)容】

[0003] 本發(fā)明的目的在于提供一種基于BP人工神經(jīng)網(wǎng)絡(luò)的GPS載波跟蹤方法，以提高GPS 接收機(jī)在高動(dòng)態(tài)環(huán)境下的跟蹤性能。
[0004] 本發(fā)明的技術(shù)解決方案為:一種基于BP人工神經(jīng)網(wǎng)絡(luò)的GPS載波跟蹤方法，載波跟 蹤環(huán)路包括PLL鑒別器、FLL鑒別器、載波環(huán)濾波器、相關(guān)器、混頻器、載波NC0、C/A碼發(fā)生器 和BP人工神經(jīng)網(wǎng)絡(luò)等，具體步驟如下：
[0005] 步驟1，載波NC0產(chǎn)生正弦信號(hào)和余弦信號(hào)，解擴(kuò)后的GPS數(shù)字中頻信號(hào)與正弦信號(hào) 進(jìn)入第一混頻器進(jìn)行混頻處理得到信號(hào)i(n)，解擴(kuò)后的GPS數(shù)字中頻信號(hào)與余弦信號(hào)進(jìn)入 第二混頻器進(jìn)行混頻處理得到信號(hào)q(n);
[0006] 步驟2,信號(hào)i(n)與本地C/A碼發(fā)生器生成的即時(shí)碼通過(guò)第一相關(guān)器進(jìn)行相關(guān)處理 得到信號(hào)。(1〇,信號(hào)q(n)與本地C/A碼發(fā)生器生成的即時(shí)碼通過(guò)第二相關(guān)器進(jìn)行相關(guān)處理 得到信號(hào)％(1〇;
[0007] 步驟3,假設(shè)積分間隔內(nèi)，載波頻率差和相位差都不變，信號(hào)iP(n)、qP(n)分別在預(yù) 檢測(cè)積分時(shí)間內(nèi)累加求和得信號(hào)Ip、Qp;
[0008] 步驟4，PLL鑒別器對(duì)信號(hào)Ip、Qp進(jìn)行處理得到本地載波相位誤差A(yù) 的鑒別結(jié)果， FLL鑒別器對(duì)信號(hào)Ip、Qp進(jìn)行處理得到本地載波頻率誤差A(yù) 的鑒別結(jié)果；
[0009] 步驟5，PLL鑒別器輸出的本地載波相位誤差A(yù) 經(jīng)轉(zhuǎn)換后作為環(huán)路運(yùn)行情況的 判決因子，判決因子通過(guò)訓(xùn)練好的BP人工神經(jīng)網(wǎng)絡(luò)處理得到環(huán)路控制參數(shù)a;
[0010] 步驟6，F(xiàn)LL鑒別器輸出的本地載波頻率誤差A(yù) fe乘以a得到調(diào)整后的本地載波頻 率誤差A(yù) f，PLL鑒別器輸出A 乘以2-a后輸入得到調(diào)整后的本地載波相位誤差A(yù)巾，A f、A巾輸入載波環(huán)濾波器以控制載波NC0;
[0011] 進(jìn)一步地，步驟4中所述PLL鑒別器對(duì)信號(hào)Ip、Qp進(jìn)行處理得到本地載波相位誤差A(yù) 小e的鑒別結(jié)果，公式如下：
[0013] 式中：A(J)e的取值范圍為(-3i，Ji);
[0014] FLL鑒別器對(duì)信號(hào)Ip、Qp進(jìn)行處理得到本地載波頻率誤差A(yù) fe的鑒別結(jié)果，公式如 下：
[0016]式中：cross = Ip(k-l)Qp(k)-Ip(k)Qp(k_l)，dot = Ip(k-l)Ip(k)-Qp(k)Qp(k_l)， cross = Ip(k-l)Qp(k)-Ip(k)Qp(k_l)，dot = Ip(k-l)Ip(k)-Qp(k)Qp(k_l)，Ip(k_l)是第k_l時(shí) 亥Ijlp的值，Qp(k-1)是第k-1時(shí)刻Q P的值，A t是k-1時(shí)刻和k時(shí)刻之間的時(shí)間間隔。
[0017]進(jìn)一步地，步驟5所述PLL鑒別器輸出的本地載波相位誤差A(yù) (^經(jīng)轉(zhuǎn)換后作為環(huán) 路運(yùn)行情況的判決因子，具體如下：
[0018] e = cos[2 A <J)e]^；l
[0019] 式中，e為判決因子。
[0020] 進(jìn)一步地，步驟5所述判決因子通過(guò)訓(xùn)練好的BP人工神經(jīng)網(wǎng)絡(luò)處理得到環(huán)路控制 參數(shù)a，具體過(guò)程如下：
[0021 ] (a)初始化參數(shù):wi j，wjk，b j，bk，n，a;
[0022] 其中Wij表示輸入層第i個(gè)神經(jīng)元和隱含層第j個(gè)神經(jīng)元之間的連接權(quán)值，其中Wjk 表示隱含層第j個(gè)神經(jīng)元和輸出層第k個(gè)神經(jīng)元之間的連接權(quán)值，h是隱含層第j個(gè)神經(jīng)元 閾值，bk是輸出層第k個(gè)神經(jīng)元閾值，n表示學(xué)習(xí)步長(zhǎng)，a是動(dòng)量項(xiàng)；
[0023] (b)輸入訓(xùn)練樣本：
[0024] X = (xi ,X2,X3,X4, ??? ,Xm)T,y= (yi ,y2, ??? ,yn)T；
[0025] 其中x是輸入向量，y是輸出向量，m表示輸入層神經(jīng)元個(gè)數(shù)，n表示輸出層神經(jīng)元個(gè) 數(shù)；
[0026] (c)計(jì)算隱含層輸入輸出：
[0029]式中，hi」表示隱含層第j個(gè)神經(jīng)元輸入，h〇j(k)隱含層第j個(gè)神經(jīng)元輸出；表示 輸入層第i個(gè)神經(jīng)元和隱含層第j個(gè)神經(jīng)元之間的連接權(quán)值，h是隱含層第j個(gè)神經(jīng)元閾值； Xi是輸入向量；
[0030] (d)計(jì)算輸出層輸入輸出： P
[0031 ] yif, = X'*'/.<>y〇k=f(yik) 丄
[0032]式中，yik表示輸出層第k個(gè)神經(jīng)元輸入，y〇k表示輸出層第k個(gè)神經(jīng)元輸出;Wjk表示 隱含層第j個(gè)神經(jīng)元和輸出層第k個(gè)神經(jīng)元之間的連接權(quán)值，bk是輸出層第k個(gè)神經(jīng)元閾值； [0033] h〇j(k)隱含層第j個(gè)神經(jīng)元輸出；
[0034] (e)計(jì)算輸出層和隱含層輸出誤差： n
[0035] 5k = y〇k( l-y〇k) (yk-y〇k)，U'/4(yA k~l
[0036]式中，5i^不輸出層輸出誤差，5 j表不隱含層輸出誤差，yi是輸出向量，yoi^不輸 出層第k個(gè)神經(jīng)元輸出；hi」表示隱含層第j個(gè)神經(jīng)元輸入;Wjk表示隱含層第j個(gè)神經(jīng)元和輸 出層第k個(gè)神經(jīng)元之間的連接權(quán)值；
[0037] (f)計(jì)算輸出層和輸入層連接權(quán)值和閾值修正值：
[0038] A wjk = nSkhij+a A wjk, A 9k = -q8k+a A 9k
[0039] A wij = n5jXi+a A wij，A 9j = -r\5j+a A 9」
[0040] 式中，A Wlj和A 0謙示輸入層第i個(gè)神經(jīng)元和隱含層第j個(gè)神經(jīng)元之間的連接權(quán)值 的修正值和閾值修正值；A Wjk和A 0k表示隱含層第j個(gè)神經(jīng)元和輸出層第k個(gè)神經(jīng)元之間的 連接權(quán)值的修正值和閾值的修正值;n表示學(xué)習(xí)步長(zhǎng)，a是動(dòng)量項(xiàng);S k表示輸出層輸出誤差 表示隱含層輸出誤差;hi」表示隱含層第j個(gè)神經(jīng)元輸入，Xl表示輸入層第i個(gè)神經(jīng)元輸入值；
[0041] (g)更新輸出層和輸入層閾值和連接參數(shù)值：
[0042] wjk=Wjk+A Wjk，9k=9k+A 9k;Wij=Wij+A wij，9j = 0j+A 0j
[0043] 式中A Wlj和A 0」表示輸入層第i個(gè)神經(jīng)元和隱含層第j個(gè)神經(jīng)元之間的連接權(quán)值 的修正值和閾值修正值；A Wjk和A 0k表示隱含層第j個(gè)神經(jīng)元和輸出層第k個(gè)神經(jīng)元之間的 連接權(quán)值的修正值和閾值的修正值；
[0044] (h)計(jì)算誤差代價(jià)函數(shù)：
[0046]式中，error表示誤差代價(jià)，n表示輸出層神經(jīng)元個(gè)數(shù)，yi是輸出向量，y〇i表示輸出 層第i個(gè)神經(jīng)元輸出；
[0047]本發(fā)明與現(xiàn)有技術(shù)相比，其顯著效果是：（1)采用環(huán)路判決因子反映跟蹤環(huán)路運(yùn)行 情況，根據(jù)環(huán)路判決因子的大小來(lái)調(diào)節(jié)環(huán)路中鎖相環(huán)和鎖頻環(huán)相對(duì)作用大小，充分發(fā)揮鎖 相環(huán)和鎖頻環(huán)各自的有點(diǎn)；（2)采用BP人工神經(jīng)網(wǎng)絡(luò)算法建立判決因子和控制量a之間的非 線性關(guān)系，根據(jù)環(huán)路跟蹤情況動(dòng)態(tài)調(diào)節(jié)環(huán)路控制參數(shù)，顯著提高了接收機(jī)載波跟蹤環(huán)路在 高動(dòng)態(tài)環(huán)境下的跟蹤性能。
【附圖說(shuō)明】
[0048]圖1是本發(fā)明基于BP人工神經(jīng)網(wǎng)絡(luò)的GPS載波跟蹤方法的原理框圖。
[0049] 圖2是BP人工神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖。
【具體實(shí)施方式】
[0050]以下結(jié)合附圖和【具體實(shí)施方式】對(duì)本發(fā)明做進(jìn)一步詳細(xì)說(shuō)明。
[0051]在載波跟蹤環(huán)路設(shè)計(jì)中，高動(dòng)態(tài)環(huán)境需要較大的環(huán)路帶寬，而較大的環(huán)路帶寬會(huì) 導(dǎo)致引入更多的熱噪聲，因此在接收機(jī)環(huán)路設(shè)計(jì)中需要對(duì)這個(gè)矛盾做出很好的折中。
[0052]如圖1、2所示，本發(fā)明基于BP人工神經(jīng)網(wǎng)絡(luò)的GPS載波跟蹤方法，載波跟蹤環(huán)路包 括PLL鑒別器、FLL鑒別器、載波環(huán)濾波器、相關(guān)器、混頻器、載波NC0、C/A碼發(fā)生器和BP人工 神經(jīng)網(wǎng)絡(luò)等，具體實(shí)現(xiàn)如下：
[0053] 在理想狀態(tài)下GPS接收機(jī)射頻前端輸?shù)闹蓄l信號(hào)SIF(n)的數(shù)學(xué)模型為：
[0054] 5i,. (/7) -- yflA D[n - r) ? C(/? - r) cos[(y|h/? + (/){n) ] (.1.)
[0055] 式中，A為信號(hào)強(qiáng)度，n表示時(shí)間，D(n)為導(dǎo)航電文，C(n)為C/A碼，t為傳輸過(guò)程中的 時(shí)間延遲，《 if為中頻信號(hào)SIF(n)的頻率，巾（n)為初始載波相位。
[0056]步驟1，載波NC0產(chǎn)生正弦信號(hào)和余弦信號(hào)，解擴(kuò)后的GPS數(shù)字中頻信號(hào)與正弦信號(hào) 進(jìn)入第一混頻器進(jìn)行混頻處理得到信號(hào)i(n)，解擴(kuò)后的GPS數(shù)字中頻信號(hào)與余弦信號(hào)進(jìn)入 第二混頻器進(jìn)行混頻處理得到信號(hào)q(n):
[0057] /'(/;)- a/2 cos[(?"% + A(0)n + ] 2
[0058] q {n) - V2 sin | (+ Aw)/? + d{) ] (3 )
[0059] 式中，（《 if+ A ?)為本地振蕩器產(chǎn)生的載波頻率，A ?為本地載波頻率和輸入的 中頻信號(hào)頻率的差，巾〇為本地信號(hào)產(chǎn)生初始載波相位。
[0060] 步驟2,信號(hào)i(n)與本地C/A碼發(fā)生器生成的即時(shí)碼通過(guò)第一相關(guān)器進(jìn)行相關(guān)處理 得到信號(hào)。(1〇,信號(hào)q(n)與本地C/A碼發(fā)生器生成的即時(shí)碼通過(guò)第二相關(guān)器進(jìn)行相關(guān)處理 得到信號(hào)辦(1〇:
[0061 ] ip (?) = D{n eos[^(n) - A&n -<(>6 ] (4 )
[0062] qn (n) = ~Ja ? D(/? - r) ? C(/? - r) ? sin\J)(/7) - A(〇n -] (5)
[0063] 式中，A為信號(hào)強(qiáng)度，n表示時(shí)間，D(n)為導(dǎo)航電文，C(n)為C/A碼，t為傳輸過(guò)程中的 時(shí)間延遲，巾（n)為初始載波相位，A ?為本地載波頻率和輸入的中頻信號(hào)頻率的差，(}>〇為 本地信號(hào)產(chǎn)生初始載波相位。
[0064] 步驟3,假設(shè)積分間隔內(nèi)，載波頻率差和相位差都不變，信號(hào)iP(n)、qP(n)分別在預(yù) 檢測(cè)積分時(shí)間內(nèi)累加求和得信號(hào)Ip、Q P:
[0067]式中，S為本地C/A碼超前滯后的間隔，T為預(yù)檢測(cè)積分時(shí)間，St為偽碼相位誤差，Sf 和知分別為積分間隔起始時(shí)刻本地參考信號(hào)與輸入信號(hào)之間的載波頻率差和載波相位差， R(W為C/A碼的相關(guān)函數(shù)。
[0068] 步驟4，PLL鑒別器對(duì)信號(hào)Ip、Qp進(jìn)行處理得到本地載波相位誤差A(yù) 的鑒別結(jié)果， 公式如下：
(8)
[0070] 式中：A (J)e的取值范圍為(-3I，JT);
[0071] FLL鑒別器對(duì)信號(hào)Ip、Qp進(jìn)行處理得到本地載波頻率誤差A(yù) 的鑒別結(jié)果，公式如 下： (9)
[0073]式中：cross = Ip(k-l)Qp(k)-Ip(k)Qp(k_l)，dot = Ip(k-l)Ip(k)-Qp(k)Qp(k_l)，Ip (k-1)是第k-1時(shí)刻Ip的值，QP(k-l)是第k-1時(shí)刻QP的值，A t是k-1時(shí)刻和k時(shí)刻之間的時(shí)間 間隔。
[0074]步驟5，PLL鑒別器輸出的本地載波相位誤差A(yù) (^經(jīng)轉(zhuǎn)換后作為環(huán)路運(yùn)行情況的 判決因子，判決因子通過(guò)訓(xùn)練好的BP人工神經(jīng)網(wǎng)絡(luò)處理得到環(huán)路控制參數(shù)a;
[0075]載波跟蹤環(huán)路運(yùn)行情況判決因子計(jì)算:PLL鑒別器的輸出經(jīng)計(jì)算后作為環(huán)路運(yùn)行 情況的判決因子，該判決因子能夠準(zhǔn)確反映環(huán)路跟蹤情況，判決因子計(jì)算公式：
(10)
[0077]判決因子通過(guò)訓(xùn)練好的BP人工神經(jīng)網(wǎng)絡(luò)處理得到環(huán)路控制參數(shù)a，具體訓(xùn)練過(guò)程 如下：
[0078] (a)初始化參數(shù):Wij，Wjk，bj，bk，n，a ;
[0079] 其中Wij表示輸入層第i個(gè)神經(jīng)元和隱含層第j個(gè)神經(jīng)元之間的連接權(quán)值，其中Wjk 表示隱含層第j個(gè)神經(jīng)元和輸出層第k個(gè)神經(jīng)元之間的連接權(quán)值，是隱含層第j個(gè)神經(jīng)元 閾值，bk是輸出層第k個(gè)神經(jīng)元閾值，n表示學(xué)習(xí)步長(zhǎng)，a是動(dòng)量項(xiàng)；
[0080] (b)輸入訓(xùn)練樣本：
[0081 ] X = (xi ,X2,X3,X4, ??? ,Xm)T,y= (yi ,y2, ??? ,yn)T；
[0082]其中x是輸入向量，y是輸出向量，m表示輸入層神經(jīng)元個(gè)數(shù)，n表示輸出層神經(jīng)元個(gè) 數(shù)；
[0083] (c)計(jì)算隱含層輸入輸出：
(11)
[0086]式中，hi」表示隱含層第j個(gè)神經(jīng)元輸入，h〇j(k)隱含層第j個(gè)神經(jīng)元輸出；表示 輸入層第i個(gè)神經(jīng)元和隱含層第j個(gè)神經(jīng)元之間的連接權(quán)值，h是隱含層第j個(gè)神經(jīng)元閾值； Xi是輸入向量；
[0087] (d)計(jì)算輸出層輸入輸出： P
[0088] 托=-A *y〇k = f(yik) (12) h^-l
[0089] 式中，yik表示輸出層第k個(gè)神經(jīng)元輸入，y〇k表示輸出層第k個(gè)神經(jīng)元輸出;Wjk表示 隱含層第j個(gè)神經(jīng)元和輸出層第k個(gè)神經(jīng)元之間的連接權(quán)值，b k是輸出層第k個(gè)神經(jīng)元閾值；
[0090] h〇j(k)隱含層第j個(gè)神經(jīng)元輸出；
[0091] (e)計(jì)算輸出層和隱含層輸出誤差： n
[0092] 6k = y〇k( l-y〇k) (yk~y〇k) ?(' ~ j )X (⑴
[0093]式中，5i^不輸出層輸出誤差，5 j表不隱含層輸出誤差，yi是輸出向量，yoi^不輸 出層第k個(gè)神經(jīng)元輸出；hi」表示隱含層第j個(gè)神經(jīng)元輸入;Wjk表示隱含層第j個(gè)神經(jīng)元和輸 出層第k個(gè)神經(jīng)元之間的連接權(quán)值；
[0094] (f)計(jì)算輸出層和輸入層連接權(quán)值和閾值修正值：
[0095] A wjk = nSkhij+a A wjk, A 9k = -q8k+a A 9k (14)
[0096] A wij = nSjXi+a A wij，A 9j = -q5j+a A 9j (15)
[0097]式中，A Wlj和A 0謙示輸入層第i個(gè)神經(jīng)元和隱含層第j個(gè)神經(jīng)元之間的連接權(quán)值 的修正值和閾值修正值；A Wjk和A 0k表示隱含層第j個(gè)神經(jīng)元和輸出層第k個(gè)神經(jīng)元之間的 連接權(quán)值的修正值和閾值的修正值;n表示學(xué)習(xí)步長(zhǎng)，a是動(dòng)量項(xiàng);S k表示輸出層輸出誤差 表示隱含層輸出誤差;hi」表示隱含層第j個(gè)神經(jīng)元輸入，Xl表示輸入層第i個(gè)神經(jīng)元輸入值； [0098] (g)更新輸出層和輸入層閾值和連接參數(shù)值：
[0099] wjk=Wjk+A wjk，9k=9k+A 0k;Wij=Wij+A wij，9j = 0j+A 0j (16)
[0100] 式中A Wlj和A 0」表示輸入層第i個(gè)神經(jīng)元和隱含層第j個(gè)神經(jīng)元之間的連接權(quán)值 的修正值和閾值修正值；A Wjk和A 0k表示隱含層第j個(gè)神經(jīng)元和輸出層第k個(gè)神經(jīng)元之間的 連接權(quán)值的修正值和閾值的修正值；
[0101] (h)計(jì)算誤差代價(jià)函數(shù)：
(17)
[0103]式中，error表示誤差代價(jià)，n表示輸出層神經(jīng)元個(gè)數(shù)，yi是輸出向量，y〇i表示輸出 層第i個(gè)神經(jīng)元輸出。
[0104]步驟6，F(xiàn)LL鑒別器輸出的本地載波頻率誤差A(yù) fe乘以a得到調(diào)整后的本地載波頻 率誤差A(yù) f，PLL鑒別器輸出A 乘以2-a后輸入得到調(diào)整后的本地載波相位誤差A(yù)巾，A f、A巾輸入載波環(huán)濾波器以控制載波NC0。
[0105]綜上所述，本發(fā)明方法采用BP人工神經(jīng)網(wǎng)絡(luò)算法建立環(huán)路判決因子和控制參數(shù)之 間的非線性關(guān)系，根據(jù)環(huán)路跟蹤情況動(dòng)態(tài)調(diào)節(jié)環(huán)路控制參數(shù)，顯著提高了接收機(jī)載波跟蹤 環(huán)路在高動(dòng)態(tài)環(huán)境下的跟蹤性能。
【主權(quán)項(xiàng)】
1. 一種基于BP人工神經(jīng)網(wǎng)絡(luò)的GPS載波跟蹤方法，其特征在于，載波跟蹤環(huán)路包括PLL 鑒別器、FLL鑒別器、載波環(huán)濾波器、相關(guān)器、混頻器、載波NCO、C/A碼發(fā)生器和BP人工神經(jīng)網(wǎng) 絡(luò)等，具體步驟如下： 步驟1，載波NCO產(chǎn)生正弦信號(hào)和余弦信號(hào)，解擴(kuò)后的GPS數(shù)字中頻信號(hào)與正弦信號(hào)進(jìn)入 第一混頻器進(jìn)行混頻處理得到信號(hào)i(n)，解擴(kuò)后的GPS數(shù)字中頻信號(hào)與余弦信號(hào)進(jìn)入第二 混頻器進(jìn)行混頻處理得到信號(hào)q(n); 步驟2,信號(hào)i(n)與本地C/A碼發(fā)生器生成的即時(shí)碼通過(guò)第一相關(guān)器進(jìn)行相關(guān)處理得到 信號(hào)iP(n)，信號(hào)q(n)與本地C/A碼發(fā)生器生成的即時(shí)碼通過(guò)第二相關(guān)器進(jìn)行相關(guān)處理得到 信號(hào)qp(n); 步驟3,假設(shè)積分間隔內(nèi)，載波頻率差和相位差都不變，信號(hào)iP(n)、qP(n)分別在預(yù)檢測(cè) 積分時(shí)間內(nèi)累加求和得信號(hào)Ip、Qp; 步驟4，PLL鑒別器對(duì)信號(hào)Ip、Qp進(jìn)行處理得到本地載波相位誤差Δ φθ的鑒別結(jié)果，F(xiàn)LL 鑒別器對(duì)信號(hào)Ip、Qp進(jìn)行處理得到本地載波頻率誤差A(yù) 的鑒別結(jié)果； 步驟5，PLL鑒別器輸出的本地載波相位誤差△ (^經(jīng)轉(zhuǎn)換后作為環(huán)路運(yùn)行情況的判決因 子，判決因子通過(guò)訓(xùn)練好的BP人工神經(jīng)網(wǎng)絡(luò)處理得到環(huán)路控制參數(shù)α; 步驟6，F(xiàn)LL鑒別器輸出的本地載波頻率誤差△ fe乘以α得到調(diào)整后的本地載波頻率誤差 Af，PLL鑒別器輸出Δ φ0乘以2-α后輸入得到調(diào)整后的本地載波相位誤差Δ φ，Af、Δ φ 輸入載波環(huán)濾波器以控制載波NCO。2. 根據(jù)權(quán)利要求1所述的基于BP人工神經(jīng)網(wǎng)絡(luò)的GPS載波跟蹤方法，其特征在于，步驟4 中所述PLL鑒別器對(duì)信號(hào)Ip、Qp進(jìn)行處理得到本地載波相位誤差△ 的鑒別結(jié)果，公式如 下：式中：Δ 的取值范圍為; FLL鑒別器對(duì)信號(hào)Ip、Qp進(jìn)行處理得到本地載波頻率誤差的鑒別結(jié)果，公式如下：式中：cross = Ip (k_l )Qp(k)-Ip (k)Qp(k-l )，dot = Ip(k_l) Ip (k)-Qp(k )Qp(k_l )，cross = Ip(k-l)Qp(k)-Ip(k)Qp(k_l)，dot = Ip(k-l)Ip(k)-Qp(k)Qp(k_l)，Ip(k_l)是第k_l時(shí)刻Ip的 值，Qp(k-l)是第k-1時(shí)刻Q P的值，At是k-1時(shí)刻和k時(shí)刻之間的時(shí)間間隔。3. 根據(jù)權(quán)利要求1所述的基于BP人工神經(jīng)網(wǎng)絡(luò)的GPS載波跟蹤方法，其特征在于，步驟5 所述PLL鑒別器輸出的本地載波相位誤差△ 經(jīng)轉(zhuǎn)換后作為環(huán)路運(yùn)行情況的判決因子，具 體如下： e = cos[2 Δ φβ]^1 (3) 式中，e為環(huán)路運(yùn)行情況判決因子。4. 根據(jù)權(quán)利要求1所述的基于BP人工神經(jīng)網(wǎng)絡(luò)的GPS載波跟蹤方法，其特征在于，步驟5 所述判決因子通過(guò)訓(xùn)練好的BP人工神經(jīng)網(wǎng)絡(luò)處理得到環(huán)路控制參數(shù)α，具體過(guò)程如下： (a)初始化參數(shù):wij，wjk，bj，bk，n，a; 其中Wij表示輸入層第i個(gè)神經(jīng)元和隱含層第j個(gè)神經(jīng)元之間的連接權(quán)值，其中Wjk表示隱 含層第j個(gè)神經(jīng)元和輸出層第k個(gè)神經(jīng)元之間的連接權(quán)值，h是隱含層第j個(gè)神經(jīng)元閾值，bk 是輸出層第k個(gè)神經(jīng)元閾值，η表示學(xué)習(xí)步長(zhǎng)，α是動(dòng)量項(xiàng)； (b) 輸入訓(xùn)練樣本： X= (X1，X2，X3，X4,…，Xm)T，y= (yi，y2,…，yn)T; 其中X是輸入向量，y是輸出向量，m表示輸入層神經(jīng)元個(gè)數(shù)，η表示輸出層神經(jīng)元個(gè)數(shù)； (c) 計(jì)算隱含層輸入輸出：式中，hi」表示隱含層第j個(gè)神經(jīng)元輸入，h〇j(k)隱含層第j個(gè)神經(jīng)元輸出;表示輸入層 第i個(gè)神經(jīng)元和隱含層第j個(gè)神經(jīng)元之間的連接權(quán)值，h是隱含層第j個(gè)神經(jīng)元閾值;Xl是輸 入向量； (d) 計(jì)算輸出層輸入輸出：式中，yik表示輸出層第k個(gè)神經(jīng)元輸入，y〇k表示輸出層第k個(gè)神經(jīng)元輸出;wjk表示隱含 層第j個(gè)神經(jīng)元和輸出層第k個(gè)神經(jīng)元之間的連接權(quán)值，bk是輸出層第k個(gè)神經(jīng)元閾值;h〇J (k)隱含層第j個(gè)神經(jīng)元輸出； (e) 計(jì)算輸出層和隱含層輸出誤差：式中，3k表不輸出層輸出誤差，δ」表不隱含層輸出誤差，yi是輸出向量，y〇k表不輸出層第 k個(gè)神經(jīng)元輸出;hi」表示隱含層第j個(gè)神經(jīng)元輸入;表示隱含層第j個(gè)神經(jīng)元和輸出層第k 個(gè)神經(jīng)元之間的連接權(quán)值； (f )計(jì)算輸出層和輸入層連接權(quán)值和閾值修正值： Δ Wjk=n3khij+a Δ wjk，Δ 0k = -q5k+a Δ (7) Δ Wij = ri3jxi + a Δ wij，Δ θ」= -ηδ」+α Δ 0j (8) 式中，Δ Wlj和Δ Θ」表示輸入層第i個(gè)神經(jīng)元和隱含層第j個(gè)神經(jīng)元之間的連接權(quán)值的修 正值和閾值修正值；AW訴和△ 0k表示隱含層第j個(gè)神經(jīng)元和輸出層第k個(gè)神經(jīng)元之間的連接 權(quán)值的修正值和閾值的修正值;Π 表不學(xué)習(xí)步長(zhǎng)，a是動(dòng)量項(xiàng)；知表不輸出層輸出誤差，δ」表不 隱含層輸出誤差;hi」表示隱含層第j個(gè)神經(jīng)元輸入表示輸入層第i個(gè)神經(jīng)元輸入值； (g) 更新輸出層和輸入層閾值和連接參數(shù)值： Wjk=wjk+ Δ wjk,9k= 9k+ Δ 9k；wij = wij+ Δ wij,0j = 0j+ Δ 0j (9) 式中和△ Θ」表示輸入層第i個(gè)神經(jīng)元和隱含層第j個(gè)神經(jīng)元之間的連接權(quán)值的修 正值和閾值修正值；AW訴和△ 0k表示隱含層第j個(gè)神經(jīng)元和輸出層第k個(gè)神經(jīng)元之間的連接 權(quán)值的修正值和閾值的修正值； (h) 計(jì)算誤差代價(jià)函數(shù)：式中，error表示誤差代價(jià)，η表示輸出層神經(jīng)元個(gè)數(shù)，yi是輸出向量，yoi表示輸出層第i 個(gè)神經(jīng)元輸出。
【文檔編號(hào)】G06N3/08GK105929419SQ201610225689
【公開日】2016年9月7日
【申請(qǐng)日】2016年4月13日
【發(fā)明人】陳帥, 蔣長(zhǎng)輝, 屈新芬, 韓乃龍, 陳克振, 薄煜明, 黃思亮, 孔維, 孔維一, 韓筱
【申請(qǐng)人】南京理工大學(xué)