一種基于小波降噪的GNSS軌跡平滑算法

李立言，趙民建，鐘 杰

(浙江大學(xué) 信息與電子工程學(xué)系，浙江 杭州 310027)

小波域中各個尺度上信號大部分能量集中在信號突變位置，而噪聲對應(yīng)的小波系數(shù)在各個尺度上的分布均勻且幅值較小。參考文獻[1]提出了基于小波系數(shù)閾值的降噪方法。非線性閾值估計器能夠在多種不同類型信號條件下接近最小最大風(fēng)險，具有比線性估計器更好的性能。

在GNSS接收機中，衛(wèi)星信號經(jīng)過偽碼相位估計、載波頻偏估計及位置解算等處理后得到載體位置。不同的背景噪聲和不同的信號處理算法都會影響估計誤差特性，因此很難給出通用的載體位置解算誤差模型或其近似描述。在低動態(tài)GNSS接收機中,為平滑載體運動軌跡，降低載體位置解算中的噪聲，通常在獲取載體速度估計后，采用卡爾曼濾波的方式達到位置平滑的目的[2]。但在高動態(tài)接收機中，載體高階動態(tài)變化會導(dǎo)致對載體速度估計精度的下降。基于速度的軌跡平滑方法精度隨之降低。同時，載體高階動態(tài)可能導(dǎo)致載波相位跟蹤環(huán)路的失鎖或周跳。載波相位測量結(jié)果不能直接用于載體位置解算處理。

[3]提出了一種基于載波多普勒的偽距平滑算法。算法通過對載波多普勒的數(shù)值積分替代載波相位的直接測量，實現(xiàn)了載波相位不可用條件下的偽距預(yù)處理。該算法在低動態(tài)條件下具有分米級的定位精度。但隨載體動態(tài)提高，數(shù)值積分誤差及環(huán)路頻率跟蹤誤差放大使平滑偽距偏差增加，從而造成解算結(jié)果與真實值的偏差擴大。

本文提出了一種新的基于小波降噪載體位置平滑算法。基于偽碼測距的解算均值偏差較小但誤差方差較大的特征，對基于載波多普勒平滑偽距的解算結(jié)果進行誤差修正。利用位置差分的方式降低了待處理數(shù)據(jù)中的高頻成分，降低小波降噪處理中的門限，從而提高了算法的噪聲隔離性能。最后通過采集信號重構(gòu)高動態(tài)場景對算法性能進行了仿真驗證。

1 基于差分信號的軌跡平滑算法

圖1所示為載體具有加加速度條件下，基于偽碼測距的解算、基于載波多普勒平滑偽距的解算及基于小波直接軌跡平滑得到的一組位置估計仿真結(jié)果。仿真中載體從第1 140 s開始進行變加速運動，其最大加加速度為50 m/s3。從圖中可以看出，基于偽碼測距的解算算法估計誤差方差較大，而后兩種算法在載體具有高階動態(tài)時會發(fā)生誤差擴大的現(xiàn)象，因此并不適合高動態(tài)條件下的應(yīng)用。

參考文獻[4]提出的WaveSmoothTM算法通過對偽碼測距與載波相位測距間偏差進行小波分析，選取合適的小波變換尺度和數(shù)據(jù)長度對信號進行降噪處理。具有較低的運算開銷和較好的實時性能，并且比傳統(tǒng)的時域平滑算法和頻域濾波方法能夠更好地濾除偽距測量中的低頻噪聲分量。

基于類似的想法，考慮應(yīng)用小波降噪處理構(gòu)成載體軌跡實時平滑算法。對基于偽碼測距和載波多普勒平滑偽距的解算結(jié)果進行差分，以降低數(shù)據(jù)中的高階變化。對差分結(jié)果進行小波降噪處理后，與基于載波多普勒平滑偽距的解算結(jié)果求和得到軌跡平滑結(jié)果。

2 差分信號和變換尺度選擇

在GPS系統(tǒng)中，L1波段信號采用的偽碼稱為粗碼（C/A碼）。記地心地固（ECEF）坐標系下，基于偽碼測距的解算結(jié)果為PCA，基于載波多普勒平滑偽距的解算結(jié)果為 PDop，二者滿足：

將基于偽碼和基于多普勒平滑偽距的解算結(jié)果的差分量以下標 CmD表示,記。在任意歷元時刻k差分后信號可表示為:

根據(jù)參考文獻[3]，當載波多普勒平滑偽距所使用的平滑窗口M足夠大時，平滑后偽距主要受窗口內(nèi)各歷元時刻載波多普勒測量的影響。由于載波多普勒測量誤差與偽碼相位測量誤差不相關(guān)，平滑后的偽距中由偽碼測距引入的噪聲方差僅為。因此，當M足夠大時，可近似認為PCA與PDop中的噪聲分量不相關(guān)。

圖2給出了PxCmD在加噪和無噪條件下的頻域特征。從圖中可以看出，PxCmD中的信號成分主要集中于0.01 Hz以下部分。因此，可認為PCmD中基本不包含由載體高階動態(tài)引入的高頻分量。

3 小波降噪算法

在降噪處理中，需要將PCmD中的信號分量與噪聲分量隔離。根據(jù)上一節(jié)的分析，其噪聲分量可以近似為一個平穩(wěn)、零均值的高斯噪聲。一般而言，經(jīng)過小波分解后，信號對應(yīng)的小波系數(shù)要大于噪聲的小波系數(shù)。因此，可利用硬閾值處理方法來達到降低噪聲對信號影響的目的。

在接收機中，PCmD可看作是連續(xù)時間序列，為保證算法處理結(jié)果的實時性，算法指定處理窗口長度N，在每個新的歷元時刻，利用當前歷元及之前N-1個歷元的PCmD值進行處理，得到當前歷元的軌跡平滑結(jié)果。

記當前歷元時刻為 N+k，小波變換深度為 L，小波變換的輸入信號可表示為：

對于某一選定的小波基，假設(shè)其小波函數(shù)為ψ(t)，尺度函數(shù)為φ(t)。ψ(t)等效于信號在當前尺度下的帶通濾波器，而φ(t)等效于低通濾波器。則小波基的時頻原子定義為:

記小波函數(shù)和尺度函數(shù)的復(fù)共軛的離散表示分別為 h[n]和 g[n]，離散信號 x尺度為 j的離散小波變換可以表示為:

其中Aj為信號在尺度 j上的近似，Dj為信號在尺度 j上的細節(jié)。在尺度1上信號的近似和細節(jié)可以表示為:

小波降噪即通過修改細節(jié)部分的小波系數(shù)Dj來實現(xiàn)，具體可以采用閾值估計方法，即對于大于閾值的小波系數(shù)進行零化處理。設(shè)閾值函數(shù)為η(·)，經(jīng)過閾值降噪處理后的小波域信號表示為：

最后利用降噪后的小波域表示對信號進行重構(gòu)，即利用小波反變換，將處理后信號從小波域變換到時域，可以得到降噪后信號P?CmD,k。

根據(jù)參考文獻[6]中對載體運動模型的描述，在較短的時間段內(nèi)，載體運動主要受推力、空氣動力和重力等因素影響。其中，推力和重力可基本視作固定。根據(jù)經(jīng)驗公式，空氣動力系數(shù)與載體速度成分段線性關(guān)系。因此，短時載體運動模型可用載體位置的4階多項式近似表示。若考慮載體受攝運動，其運動模型采用6階多項式近似即可達到足夠的模型精度。因此可認為PCmD滿足局部Lipschitz指數(shù)α≤6，即PCmD可局部表示為低于 6階的多項式，當使用具有大于6階消失矩的小波基進行小波變換時，由于小波函數(shù)與信號的多項式表達正交，可以得到：

此時，PCmD對應(yīng)的小波系數(shù)等于其噪聲成分的小波系數(shù)。

參考文獻[1]提出函數(shù)的支集長度和消失矩是先驗獨立的。如果正交小波的小波函數(shù)有p階消失矩，則其支集長度至少是2p-1的。參考文獻[7]證明了對正交小波而言，Daubechies濾波器滿足同等消失矩支集長度最小的條件。從這一角度上來說，采用db6小波是最優(yōu)的。

由式(7)可知，噪聲對應(yīng)的小波系數(shù)等效于所有樣點噪聲的加權(quán)和。當小波變換輸入信號中噪聲滿足白高斯分布時，其各層小波系數(shù)同樣滿足高斯分布。因此可以通過統(tǒng)計該層小波系數(shù)的標準差,并依此計算閾值。為保證算法的實時性，降低算法復(fù)雜度，處理窗口長度N通常滿足：

根據(jù)前一節(jié)中對PCmD的頻域分析，當解算頻率為10 Hz時,小波變換層數(shù)8～9層即可保留PCmD主要信號分量。

由于數(shù)據(jù)長度受限，當小波變換層數(shù)增加時，可用于統(tǒng)計的數(shù)據(jù)量減小，統(tǒng)計偏差隨之增大。因此利用數(shù)據(jù)量相對較多的第1層小波系數(shù)計算相應(yīng)的閾值。該層小波系數(shù)標準差可通過如下近似得到：

由此，可選定2σ1作為降噪處理閾值。當輸入數(shù)據(jù)噪聲為白高斯噪聲時，對于第1層小波系數(shù)，該閾值能夠濾除95.4%的噪聲。

4 仿真驗證

為評估算法性能，截取了2011年4月15日獲取的GPS測量結(jié)果，并以此重構(gòu)高動態(tài)場景下的信號條件，對算法性能進行了仿真。

在重構(gòu)的高動態(tài)場景中，載體初始階段保持靜止，從第1 140 s開始進行變加速運動，運動方向為正東方向，仰角45°。載體在該過程中首先以最大正向加加速度加速至最大加速度，保持8 s后以最大反向加加速度加速，直至進入勻速運動狀態(tài)。該過程中載體最大加速度 amax=400 m/s2，最大加加速度 aamax=50 m/s3，偽距、載波多普勒測量值更新速率為10 Hz。仿真中接收機采用2階鎖頻環(huán)(FLL)進行載波頻率跟蹤。當存在加加速度時，環(huán)路存在穩(wěn)態(tài)頻率偏差[2]。

仿真選取載波多普勒平滑偽距窗長為200 s，即對每個新到達歷元的數(shù)據(jù)，利用歷史數(shù)據(jù)對200 s前的偽距進行估計，并以估計后的偽距為基準，重新利用載波相位遷移量計算當前偽距。基于差分信號的小波軌跡平滑算法中，小波變換深度L=8。

圖3為本文提出的軌跡平滑算法得到的載體在x軸位置估計偏差曲線。經(jīng)過小波降噪處理與合成后,除少量野值外，算法單軸最大位置估計誤差小于3 m。

算法平滑后載體位置估計精度如表1所示。可以看出，算法在高動態(tài)條件下載體位置估計誤差均值基本為0，單軸標準差小于1 m，接近參考文獻[3]中低動態(tài)條件下載波多普勒平滑偽距定位算法的性能。

表1 基于小波降噪的位置平滑后的位置估計精度

圖4為基于載波多普勒平滑偽距的解算算法、基于小波降噪的直接軌跡平滑處理以及本文提出算法得到位置估計偏差曲線。

從圖4中可以看出，基于小波降噪的直接軌跡平滑處理和本文提出的算法在位置估計均值精度上明顯優(yōu)于基于載波多普勒平滑偽距的解算算法。在第1 140 s前后，載體以較大加加速度運動時，受頻率環(huán)穩(wěn)態(tài)跟蹤誤差影響，載波多普勒平滑偽距定位算法位置估計誤差發(fā)生擴散,基于載波多普勒平滑偽距的解算算法位置估計誤差逐步放大，直至第1 198 s載體轉(zhuǎn)為勻速運動后誤差逐漸縮小。而基于差分信號的小波軌跡平滑算法在整個定位過程中基本排除了上述原因引入位置估計誤差，具有更好的性能。

在高動態(tài)條件下，載體動態(tài)會引起接收機中鎖相環(huán)（PLL）的不穩(wěn)定性，無法直接采用載波相位測距提高位置估計精度。而采用載波多普勒平滑偽距解算得到的位置存在較大的均值偏差。本文提出了一種基于差分信號的小波軌跡平滑算法。仿真表明，該算法在載體最大加加速度為50 m/s3的條件下，定位均值偏差小于0.04 m，標準差小于1.3 m，在高動態(tài)條件下具有較高的定位精度。

參考文獻

[1]DONOHO D L.De-noising by soft-thresholding[J].IEEE Transactions on Information Theory,1995,41(3):613-627.

[2]謝鋼.GPS原理與接收機設(shè)計[M].北京：電子工業(yè)出版社,2009:128-129.

[3]BAH′RAMI M.Getting back on the sidewalk:Doppleraided autonomous positioning with single-frequency mass market receivers in urban areas[C].Proceedings of 22nd International Technical Meeting of the Satellite Division,Savannah,USA:Institute of Navigation,2009:1716-1725.

[4]BARTONE C,ZHANG Y.A real-time hybrid-domain wave smooth code processing using wavelets[C].Proceedings of 17th International Technical Meeting of the Satellite Division,Long Beach,USA:Institute of Navigation,2004,436-446.

[5]魯郁.GPS全球定位接收機——原理與軟件實現(xiàn)[M].北京:電子工業(yè)出版社,2009.

[6]鄭亞弟.導(dǎo)航載體軌跡仿真系統(tǒng)的研究與開發(fā)[D].鄭州:解放軍信息工程大學(xué),2006.

[7]DAUBECHIES I.Orthonormal bases of compactly supported wavelets[J].Communications on pure and applied mathematics,1988,41(7):909-996.