申请/专利权人：中国电子科技集团公司第五十四研究所

申请日：2021-11-30

公开（公告）日：2024-04-12

公开（公告）号：CN114185358B

主分类号：G05D1/46

分类号：G05D1/46;G05D109/20

优先权：

专利状态码：有效-授权

法律状态：2024.04.12#授权;2022.04.01#实质审查的生效;2022.03.15#公开

摘要：本发明公开了一种卫星导航接收机自适应信号跟踪方法，涉及信号处理领域。本发明将传统的PID控制策略与神经网络算法相结合，生成了一种具有鲁棒性和适应性的新型PID控制器。该方法利用神经网络的自学习能力，可以使用梯度下降法进行在线自动校正并自动修改鲁棒的PID参数。卫星导航接收机跟踪结果表明，本发明的码跟踪环技术具有适应性强、鲁棒性强的优点。

主权项：1.一种卫星导航接收机自适应信号跟踪方法，其特征在于，包括以下步骤：步骤1：输入信号，通过PID控制器进行闭环控制；步骤1的具体方式为：步骤1.1：计算输入信号的三项独立参数，即比例项P、积分项I和微分项D，定义ut为PID控制器的输出，则时域中的输出方程为： 公式1中，输入为et＝rt-yt，是测量过程中实际输出yt和参考输入rt之间的差异，即误差；Kp表示比例增益；Ti表示积分时间；Td表示微分时间；Ki＝HpTi为积分增益；Kd＝KpTd为微分增益；t是当前时间；当采用后向差分法时，增量数字PID算法的输出为：u[k]＝u[k-1]+Kp{e[k]-e[k-1]+Kie[k]}+Kd{e[k]-2e[k-1]+e[k-2]}2步骤1.2：根据公式2得到如下传递函数： 通过公式3的传递函数对PID控制器进行建模，实现PID控制；步骤2：将PID控制器输出的信号送入RBF神经网络识别器，通过RBF神经网络进行非线性系统识别，预测系统中受控对象的Jacobian雅可比矩阵信息；步骤2的具体方式为：步骤2.1：假设X＝[x1，x2，…，xn]T是RBF神经网络识别器的输入向量，RBF神经网络的第二层中的神经元通过径向基函数激活，RBF神经网络的径向向量表示为H＝[h1，h2，…，hm]T，其中hj，j＝1，2，…，m是多元高斯函数，具体为： 公式4中，符号||·||表示欧几里得范数；Cj＝[cj1，cj2，…，cjm]T是神经网络中第j个节点的中心向量；bj是隐藏层中节点j的径向宽度参数，bj＞0，形成的基本宽度矢量B＝[b1，b2，…，bm]T在神经网络的隐藏层中；步骤2.2：RBF神经网络的权向量表示为W＝[W1，W2，…Wm]T，RBF神经网络识别器的输出是由隐藏层中径向基函数的线性加权和构成，如公式5所示： 公式5中，下标I表示控制系统采用RBF神经网络作为辨识器，wj表示输出神经元和隐藏层第j个神经元之间的权重；步骤2.3：将识别过程的性能函数定义如下： 步骤2.4：为了使RBF神经网络识别器的输出yIk与被控对象实际输出yk之间的误差eIk最小，采用梯度下降法来调整权重wjk、隐藏层的节点中心cjik，以及径向宽度参数bjk；具体来说，通过公式789进行迭代运算：wjk＝wjk-1+η[yk-yIk]hj+α[wjk-1-wjk-2]7bjk＝bjk-1+ηΔbj+α[bjk-1-bjk-2]8cjik＝cjik-1+ηΔcji+α[cjik-1-cjik-2]9其中： 上述公式中，η是倾斜率，α是动量因子；步骤2.5：通过RBF神经网络在线识别过程，获取Jacobian雅可比矩阵信息，即受控对象输出对控制输入的敏感度；Jacobian雅可比矩阵信息的表达式如下： 步骤3：将RBF神经网络识别器输出的信号送入神经网络控制器，神经网络控制器采用基于单个神经元的自适应PID控制器，根据系统状态进行自我调节，达到最佳控制的效果；步骤3的具体方式为：步骤3.1：基于单个神经元的自适应PID控制器的输出与GNSS接收机码跟踪环中的NCO输出相对应，如公式13所示：Δuk＝v1kxc1k+v2kxc2k+v3kxc3k13公式13中，xci是输入，vi是单个神经元的相应权重，i＝1，2，3；步骤3.2：结合公式2，得到以下方程式： 步骤3.3：在基于单个神经元的自适应PID控制器中，通过调整权重vi使系统误差的平方JCk减小为零，i＝1，2，3；JCk的定义如下： 公式16中，ek＝rk-yk是被控对象的实际输出yk与其当前所需参考输入rk之间的误差；步骤3.4：为了使基于单个神经元的自适应PID控制器获得最优性能，根据Hebb准则采用梯度下降法在线调整和更新权重的值，其算法如下： 即相当于： 式中是系统中被控对象的Jacobian雅可比矩阵信息，可从公式12获得。

全文数据：

权利要求：

百度查询： 中国电子科技集团公司第五十四研究所 一种卫星导航接收机自适应信号跟踪方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD