基于自适应扩展卡尔曼滤波的载波跟踪算法.docxVIP

基于自适应扩展卡尔曼滤波的载波跟踪算法 由于卫星导航系统和通信系统中常常有天线元件间运动产生的Doppler频移，一些频率控制和估计方法必须用于准确跟踪信号频率漂移。卡尔曼滤波（KF）是一种流行的跟踪算法，但它只适用于固定噪声水平的系统。但也有一些工作主要集中于用于变噪声水平系统的自适应卡尔曼滤波追踪算法，但目前的研究基本上局限于实验和仿真环境。 为了克服这一现实，我们提出了一种基于自适应扩展卡尔曼滤波（KEK）的载波跟踪算法，该算法可以有效地抗击噪声并准确地估计Doppler频率。 KEK是Kalman-米龙技术的一个组合，它可以增强Kalman滤波器的性能，可以有效抑制噪声干扰，提高跟踪精度。 首先将信号转换为Greenbank序列，然后经过卡尔曼滤波器进行Doppler频率估计，最后通过米龙技术对卡尔曼滤波器的输出结果进行调整和转换。 KEK的性能优于现有的卡尔曼滤波追踪算法。 该算法不改变维基算法的标准卡尔曼迭代步骤，只需添加几行代码，就可以轻松地将KEK算法应用于许多不同类型的卫星导航和通信应用中。 源码文件可在该论文后引用的安排下提供，允许更广泛地使用本研究所提出的KEK技术。 实验结果表明，KEK算法提供了一种高性能的 跟踪技术，可以有效地抵抗较大程度的噪声干扰，并校准载波频率的精度超过传统的卡尔曼校准技术（KF）。