一种新型混合并行粒子滤波频率估计方法

发布时间：2019-11-14 07:12

【摘要】：针对高动态、低信噪比环境下的载波频率信号跟踪问题,提出一种新的混合并行粒子滤波算法(Multiple Extend Kalman Filter Independent Metropolis Hastings,M-E-IMH).该算法具有并行运算结构,实时性较基本粒子滤波有较大的提高.该算法直接利用同相支路(In-phase,I)和正交支路(Quadrature,Q)作为观测量,避免了传统方法中的鉴别器引入而引起的信噪比损耗.在高斯和非高斯环境下,与现有的载波跟踪方法如扩展卡尔曼滤波器(EKF),粒子滤波器(PF),卡尔曼滤波器(KF)等仿真对比表明,该方法在低信噪比下具有更高的跟踪精度.
【图文】：

载波跟踪,环路,粒子

?新的载波频率信号跟踪滤波方法，，称为M-E-IMH．其利用In-phaseandQuadrature(IQ)支路输出作为观测量，以EKF所得量作为其重要性密度函数，使得重要性密度函数向后验概率密度函数移动，同时IMH重采样实现并行运算，避免了粒子滤波中权重归一化引起的并行运算瓶颈问题，提高了实时性，最后再次利用EKF使得粒子更接近真实值，进而降低了滤波所需的粒子数目．通过两种不同观测噪声(高斯、非高斯)环境下的仿真，验证了算法优越性．2基于并行粒子滤波的载波跟踪环路2.1粒子滤波跟踪环路结构基于PF的载波跟踪环的原理框如图1所示，其中SIF(n)为中频信号，可以表示为:SIF(tk)=A(tk)cos(ωIFtk+θk+鐖0)+nk(1)其中tk=iT，T为环路更新时间，即相干积分时间，设为1ms，采样频率为10MHz，A(tk)为载波振幅，载波振幅A(tk)设为1，ωIF为中频，θk为由多普勒频移而产生的载波相位变化量，鐖0为初相位．假设收到的信号受到零均值，平稳、窄带高斯白噪声nk的干扰，方差为σ2.信噪比SNＲ=A2/(2σ2).两路正交的本地载波信号由NCO产生:uos(tk)=sin(ω0tk+θ0)uoc(tk)=cos(ω0tk+θ0{)(2)其中ω0为本地复现的角频率．环路输入信号和本地信号经过混频器后:p(tk)=12×(sin(ωektk+θek)+sin((ωIF+ω0)tk+(θk+鐖0+θ0)))+npi(tk)=12×(cos(ωektk+θek)－cos((ωIF+ω0)tk+(θk+鐖0+θ0)))+ni(3)其中ωek表示k时刻载波频率跟NCO本地复现频率之差，θek表示相位差，此时噪声仍为高斯白噪声［

运行结构,算法

电子学报2016年密度函数可以表示为:p(xk，ζik－1|z1:k)∝p(zk|xk)p(xk|xζk－1)=∑Ni=1［wik－1p(zk|xζik－1k)p(xk|xik－1)］(31)选取重要性密度函数使其满足:g(xk，ζik－1|z0:k)∝∑Ni=1［wik－1p(zk|uζik－1k|k－1)p(xk|xik－1)］(32)其中uk|k－1为给定xik－1条件下关于状态变量xk的某种统计信息，其值与p(xk|xik－1)有关．重要性采样得到的粒子集为{(xik，ζik)，wik}Ni=1～g(xk，ζik－1|z0:k)，其权值为:wik=p(zk|xik)p(xik|xζik－1)g(xk，ζik－1|xik－1，zk)(33)式(33)避免加和运算，减少了计算量．在本文中，由于在进行IMH重采样前，已经利用EKF使得每个粒子都结合了最新量测值，定义:g(xk，ζik－1|xik－1，zk)∝g(xk|xζ(i)k－1，zk)g(ζ(i))(34)g(ζ(i))=c(35)其中c为常值，此时能在不增加计算量情况下将权值计算由式(26)变为式(33)．基本粒子滤波需等所有的粒子的权值计算完毕后才能进行重采样，重采样成为了其并行运算的瓶颈所在，而M-E-IMH利用IMH采样，使得其具备了并行运算的能力，提高了算法的实时性．图2为M-E-IMH算法的串行运行结构，其中第一阶段的EKF用于产生IMH的建议分布，其中“第一阶段EKF”、“IMH”、“第二阶段EKF”三个模块的计算可采用流水线式操作．假设“第一阶段EKF”计算一个粒子所需的时间为T1，“IMH”环节所需的时间为T2，“第二阶段EKF”为T3，则产生第一个粒子所需的时间为T1

【相似文献】