面向鐵路定位裝備測試的實時衛星信號生成方法

劉宇航，巴曉輝,2,3，蔡伯根,2,3，姜 維,2,3，王 劍,2,3

(1.北京交通大學 電子信息工程學院, 北京 100044；2.北京交通大學 軌道交通控制與安全國家重點實驗室，北京 100044；3.北京市電磁兼容與衛星導航工程技術研究中心, 北京 100044)

隨著衛星導航系統在世界范圍內迅速發展，GPS、GLONASS、GALILEO、BDS及相應的衛星導航增強系統已經開始在多種交通運輸系統中發揮作用，“‘十四五’鐵路科技創新規劃”中也提出推進北斗衛星導航技術與鐵路技術裝備、工程建造、運輸服務等領域深度融合的目標。鐵路建造方面，在路軌建設中通過衛星導航接收機測量線路、關鍵點的高精度位置坐標，輔助軌旁設備的安裝，同時為列控軌道數字地圖庫提供了數據[1]。在橋梁建設中，利用導航接收機監測橋梁形變，實現全天候、高精度的動態監測，提升了施工建設的智能化水平[2]。鐵路裝備方面，通過在站內建立衛星導航差分基準站，實現差分定位功能，提高了列車站內定位精度。在區間內，結合現代衛星導航系統多模、多個信號發射頻段的特點，利用衛星精密定位技術感知列車的位置、速度以替代依賴應答器、軌道電路進行定位校正的傳統手段，降低了區間內應答器等軌旁設備的數量，減輕了設備維護的工作量[3-4]。在鐵路運營方面，車站工作人員、設備維護人員的位置也可通過便攜的小型接收機獲得，通過實時監測當前線路的占用狀況協調工作人員的位置，避免因調度問題而出現事故，最大限度保障列車及維護人員的安全[5]。應用衛星導航定位技術建立面向列車運行控制、維護維修、應急救援等業務方向的人、車、物定位網絡是下一代列控系統建設的關鍵問題。

作為提供位置服務的終端設備，衛星導航接收機的穩定性和可靠性直接影響列控系統的運行安全，針對接收機的性能進行測試是貫穿列控系統研發使用周期的重要環節，生成針對不同場景的衛星模擬信號則是接收機性能測試的重要手段。在設備研發階段，需要模擬列車在多種復雜場景下的運行情況驗證列控系統的可靠性，如超長隧道、坡道、高速運行、制動等場景。通過軟件信號模擬技術設計對應的場景，可以彌補場景數據的缺失，為接收機和列控系統的仿真測試提供平臺。在列車運營階段，我國西部地區鐵路普遍面臨著高寒、高海拔等惡劣的自然條件，車載設備損耗率高，需要定期在現場對車載設備進行檢修，驗證設備在不同場景下的定位能力。面向運營、維護、救援等人員的便攜定位設備同樣需要對定位性能進行測試，保障工作人員的安全。為此，一種依據所需場景自定義快速生成衛星模擬信號的方法對于新型列控系統的研發、維護具有非常重要的意義。

獲取衛星模擬信號一般使用信號模擬器，傳統的模擬器一般基于CPU+FPGA架構進行開發，新一代的硬件信號模擬器可以支持四大衛星導航系統以及QZSS、SBAS、IRNSS等星基增強系統的信號模擬，可實現上百個通道并行的高動態信號仿真[6]。但傳統的衛星導航信號模擬器體型較大，不便于在現場對車載設備進行測試，并且價格昂貴，不適合大規模推廣。而兼顧了便攜性的小型化硬件模擬器，往往會面臨性能不足的問題，工作時間和信號通道數量都無法達到要求。使用信號回放儀也可以產生衛星信號,但是信號回放設備只能播發已經采集的真實信號文件，無法根據場景設計可見衛星數量，載噪比等關鍵參數，不滿足靈活設計測試場景的需求。

隨著通信行業的技術發展，軟件定義無線電(Software Defined Radio，SDR)技術以其靈活性高，研發周期短等優點逐步發揮著越來越重要的作用。在基帶信號處理方面，大量學者基于軟件無線電的思想研究了新型的衛星信號模擬算法[7]，但通常在高采樣率下因計算量過大而出現信號生成過程實時性差的缺點[8]。近年來圖形處理器(Graphic Process Unit, GPU)的發展為軟件無線電的研究提供了新的解決方案，主流的GPU可以集成在大眾消費級別的PC機上，并且其對大規模并行數據處理的加速能力已經在機器學習、深度學習等領域得到應用。利用GPU并行計算的優點，使用CPU與GPU結合的異構計算方式可以解決無法實時生成信號的問題。相比于傳統的衛星信號模擬器，基于GPU生成模擬信號的方法具有場景靈活度高、實時性好、便于算法驗證等優點[9]；并且可模擬信號通道的數量僅與芯片算力相關，不需要額外增加電路，結構靈活[10]，可以在普通的PC機上運行，設備成本低，體積小，便于攜帶和推廣。

針對基于GPU生成衛星信號的算法已經進行過一些研究，文獻[11-12]針對GNSS信號設計了并行算法，將中頻數據中采樣點的生成分配到各個線程之中，實現了多通道高采樣率衛星信號的實時生成，文獻[13]對GPU的內存模型進行了改進，通過重復調用寄存器存儲來減少對共享內存的使用，提高了程序運行效率，并實時生成了BDS B1信號和BDS RDSS信號。文獻[14]使用兩塊高性能GPU實現了對GNSS頻譜的全覆蓋。以上研究充分體現了GPU在信號模擬器方面的巨大潛力，但對于軟件信號生成方法來說，由于計算機位長有限導致數值有效數字位數固定，在對相位進行累加時，超出有效數字外的部分會因累加引入誤差影響信號的準確性。此處改進了相位累加計算過程，詳細分析了基于GPU的并行計算模型并推導了在信號生成過程中典型參數的計算方式。依據真實線路數據設計了測試案例，驗證了軟件信號生成方法在定位裝備測試方向的實用性和可靠性。

1 衛星信號數學模型

GNSS信號模擬源產生的信號為接收機內部經過射頻前端下變頻、采樣后的中頻信號。在編寫信號模擬算法時，可以通過對接收機中頻信號公式離散化計算采樣點的具體數值。以GPS L1C/A為例，在信號射頻發射端信號構成為

( 1 )

在信號傳播過程中，到達接收機端的信號受到對流層、電離層、多徑效應等影響。精確計算射頻信號的傳播時間不僅需要考慮衛星與接收機之間的距離、衛星自身時鐘誤差，還需要補償傳播路徑中的誤差。

首先，計算衛星和接收機之間的實際距離帶來的信號傳播時間，需要獲得發射時刻的衛星位置和接收時刻的接收機位置。由星歷解算得到的衛星位置和接收機位置都表示在ECEF坐標系下，隨著地球自轉，這兩個時刻ECEF坐標系在空間中的位置已經發生變化。需要將發射時刻衛星位置的ECEF坐標旋轉到接收時刻的ECEF坐標系進行計算。采用迭代的方法獲得高精度的傳播時間，依據星歷推算接收時刻衛星和接收機之間的距離，獲得信號傳播時間初值，在此基礎上對傳播時間T′P按照以下步驟進行迭代：

Step1通過信號傳播時間得到信號發射時間，依據衛星軌道參數推算衛星在發射時刻位置。

Step2將Step1得到的位置按照式( 2 )旋轉到接收時刻的ECEF坐標系中。

式中：PR為在接收時刻ECEF坐標系下的坐標；PT為發射時刻衛星位置的ECEF坐標；Ωe為地球自轉角速度。

Step3計算衛星與接收機之間的距離，得到新的信號傳播時間。若兩次傳播時間相差小于閾值則認為當前傳播時間為準確值，否則進行Step2。

根據Klobuchar模型，使用導航電文中包含的8個電離層參數計算電離層延遲誤差△ρiono，但是若直接設置電離層延遲誤差為diono=△ρiono，對于接收機將不存在電離層誤差影響，因此需要調整電離層誤差模型，該模型可消除60%左右的電離層誤差，將電離層誤差設置為diono=△ρiono/0.6[15]。

對于對流層誤差dtrop，因為導航電文中不包含關于氣象信息的內容，所以依據簡化Hopfield模型進行處理

( 3 )

式中：θ為衛星仰角。

對于鐘差Δtclk，計算式如下

( 4 )

將信號經過對流層帶來的距離誤差折算到傳播時間上，與衛星鐘差一并計入信號傳播時間。而電離層對載波相位有加速作用，對碼相位有延遲作用，所以由電離層誤差帶來的傳播時延單獨列出，由此可以得到接收機射頻端的信號為

( 5 )

射頻信號經過下變頻、濾波，頻譜被搬移到基帶，此時中頻信號SIF(t)變為

( 6 )

式( 6 )得到的中頻數字信號模型建立了信號傳播時間與載波相位、碼相位和電文比特之間的關系。計算每一個采樣點的信號傳播時間和信號發射時間就可以得到采樣點的具體數值。

2 基于GPU的模擬器工作原理

在中頻信號的生成過程中，每一個采樣點的生成方式都是依據式( 6 )調制得到，具有重復性。對于每一個采樣點而言，調制方式并不復雜，符合GPU運算單指令多數據流(Single Instruction Multiple Data, SIMD)的規則，可以采用適當的并行結構加速軟件信號生成過程。

2.1 信號生成軟件架構

信號生成軟件使用CPU與GPU異構并行計算的結構，軟件工作邏輯見圖1。中頻信號采樣點由信號功率、偽隨機碼、載波、導航電文四部分組成，其中，CPU主要計算信道模型的參數，獲取載波相位、碼相位和導航電文的初始值。GPU負責將CPU計算得到的參數帶入到公式中，得到每一個中頻信號采樣點的值并將得到的數據拷貝到主機內存中。

圖1 信號生成軟件工作邏輯

2.2 并行計算模型設計

在CPU與GPU異構計算架構中，將CPU及主機中包含的存儲空間稱為主機內存，將GPU包含的存儲空間稱為設備內存。受限于設備內存的大小，不可能一次性在GPU中生成所有的中頻數據，所以對數據進行分塊是必要的。在式( 6 )中，每一個采樣點對應一個信號傳播時間Tp，但在每個采樣點都計算一次信號傳播時間所需計算量過大，同時考慮到信號傳播時間在較短的時間間隔內變化不大，設時間間隔為△t，可以認為在△t內信號傳播時間是不變的，并以△t作為中頻數據的分塊依據，調用一次核函數生成的信號時長為△t。

多普勒頻移可以通過兩次相鄰的信號傳播時間計算得到

( 7 )

式中:Rn為第n次得到的偽距；fd為多普勒頻移；△t為接收機軌跡采樣點之間的時間間隔；λL1為GPS L1C/A碼信號的波長。

導航電文可以通過RINEX (Receiver INdependent EXchange format)文件中包含的軌道參數和電離層等數據逆向求解得到，也可以直接使用接收機解調得到的導航電文。每顆衛星的偽隨機碼序列提前通過移位寄存器生成，與導航電文共同保存在設備內存之中。

碼相位和載波相位的計算通過數控振蕩器的形式來實現，每次步進的長度由多普勒頻移計算得到，以串行的方式計算中頻信號采樣點數值時，每個點的載波相位和碼相位都可以通過上一個采樣點與步進值累加得到，但是在GPU中每個采樣點都是并行生成，無法依據上一個采樣點進行推導。通過分析GPU的線程組織結構[17]可知(圖2)，所有線程自上到下可以分為Grid、Block和Thread三級，每一級都有獨立的編號，并且該編號是按照順序排列的，可以利用編號定位到某一具體線程，相當于每個線程都有一個獨立的ID。

圖2 GPU線程組織結構

在以上對多普勒頻移的計算中，可認為在△t內多普勒頻移是不變的，所以在同一時間間隔內的所有采樣點都有相同的碼相位步進和載波相位步進，可以通過每個線程的ID與相位步進相乘得到這個采樣間隔內所有采樣點的碼片相位和載波相位。

依據線程ID與相位步進的關系，可以得到圖3所示的并行線程模型。

圖3 GPU并行線程模型

在計算采樣點的過程中，由于采樣頻率一般為幾十兆赫茲，采樣點數量K遠大于可見衛星數量N，所以將并行計算模型設計為二維的Block和一維的Grid相組合的結構。在Block中，每一行代表對應的可見衛星，每一列代表中頻信號在該時刻的采樣點，由于Block內對線程數量的限制，在一個采樣間隔內的采樣點需要M個Block來計算

M×K≥samples

( 8 )

式中：samples為一個時間間隔內所有采樣點數量。

由此可以得到每個采樣點的載波相位carrphase和碼相位codephase分別為

( 9 )

依據公式( 6 )，利用CPU提前計算載波相位初值、碼相位初值、導航電文及信號功率，可以在GPU每一個線程中生成一個采樣點，生成中頻信號的公式可以改寫為

(10)

式中：N、M、K分別為通道數量、Block數量、一個Block中包含的采樣點數量。

在軟件實現的過程中，受限于計算機字長，使用雙精度浮點數計算相位步進位的有效數字為15～16位，同時中頻信號采樣率一般在107～108Hz之間，如果不對相位進行修正，相位偏差必然會隨著采樣時間增長而加大。事實上，累加得到的相位和每個△t時刻計算的初始相位是同一個值，可以利用這一點對相位進行校正。下面對這一點進行證明，碼相位初始值由信號發射時間得到

(11)

式中：[x]表示對x向0取整。

信號發射時間可以表示為

(12)

同理可得，以一個時間間隔之后的時刻作為信號起始時間所對應的發射時間

(13)

兩式相減可以得到兩次發射時間之間的時間間隔

Δtt=Δtr-(Rn+1-Rn)/c

(14)

由此可得到兩次接收時刻之間相差的碼相位ΔPcode為

ΔPcode=[Δtr-(Rn+1-Rn)/c]×fcode

(15)

在GPU中通過相位步進與線程編號相乘計算碼相位，碼相位步進codeNCO的計算式為

(16)

在一個時間間隔內，一共產生Δtr×fs個采樣點，代表線程ID的最大值，在該線程得到的碼相位為

[Δtr-(Rn+1-Rn)/c]×fcode

(17)

可以看出式(17)與式(15)得到的結果一致，這里對比了碼相位增加的總和，實際使用時還需要與偽隨機序列長度取模得到采樣時刻對應的偽隨機序列數值。

對于載波相位，由式( 6 )得到，接收信號在下變頻到中頻之后的載波相位初始值可以表示為

(18)

式中：λ為波長。

以經過一個時間間隔的時刻為初始時刻，得到的載波相位初值為

(19)

兩式相減可以得到在兩次接收時刻載波相位的差值

Δφ=fIF×Δtr-(Rn+1-Rn)/λ

(20)

在GPU中通過相位步進和線程的ID計算載波相位，載波相位步進的計算式為

(21)

將式( 7 )帶入式(20)，在最后一個采樣點所在線程得到的載波相位為

ΔPcarrier=carrierNCO×fs×Δtr=

fIF×Δtr-(Rn+1-Rn)/λ

(22)

可以看出式(22)與式(20)得到的結果是一致的。在每一個Δt時刻的相位值與依據初始相位在GPU線程內計算的相位值是相同的，使用雙精度浮點值計算相位在一個時間間隔之內并不會對定位精度產生顯著影響。在每一個Δt時刻進行相位校正也保證了相位之間不會產生跳變，接收機的跟蹤過程可以連續進行。

2.3 GPU內存分配

在Nvidia GPU內部為不同的數據結構和內存讀取方式定義了一些特殊的內存。如寄存器、共享內存、常量內存、紋理內存、全局內存、鎖頁內存等，合理劃分內存資源可以提高程序并行效率。

在2.2節的并行計算模型之中，一個Block內部同時產生了多路衛星信號的采樣點，而信號生成軟件最終得到的信號是各個衛星的信號相加，將各個通道的數據存儲在共享內存中以實現同一個Block內不同線程之間的數據交互。對于信號疊加的過程，可以使用規約的方法計算以快速釋放線程束，增強并行效果。

導航電文和偽隨機序列對于同一個時間間隔內的采樣點來說是不變的，考慮到GPU與CPU之間進行內存讀取所占用的時間，可以把它們當做固定的查詢表存放在設備的紋理內存之中。紋理內存專門用于存儲圖片、表格等數據類型，可以不按照內存的線性結構，讀取任意位置的數據，同時紋理內存中的數據將通過紋理緩存讀取，速度優于全局內存。

對于生成非零中頻信號，載波調制所需的正余弦函數，在硬件模擬器中一般使用查詢表的方式得到，省去了正余弦函數進行計算的時間。在軟件實現的過程也可以借鑒查表方式，將正余弦函數表存放在紋理內存中，在每次調用時依據相位讀取對應數值。

在核函數的執行過程中，需要將核函數輸出采樣點所需要的內存空間提前輸入到GPU設備中，在核函數執行完成之后再由GPU的內存復制到主機內存中。由于模擬器采樣頻率較高，采樣點內存的讀取也將花費大量的時間，所以使用頁鎖定內存存放采樣點數據。頁鎖定內存是在主機內存中開辟一塊供GPU存取數據的空間，具有更高的內存讀取速度。同時頁鎖定內存可以用于CUDA Stream，實現數據處理與傳輸層面的并行，掩蓋數據傳輸延遲。

3 信號測試流程

信號測試流程見圖4，首先選擇用戶軌跡并設計場景參數，輸入到信號生成軟件之中，之后利用CPU推算各顆衛星信號的初始參數，并將這些參數傳入GPU設備內存中，利用并行計算模型同時計算每個通道內的信號采樣值存入設備內存，最后將設備內存中的數據復制到主機內存中，供外部射頻設備讀取。

圖4 信號測試流程

在場景編輯階段，首先讀取RINEX文件和用戶軌跡，計算用戶位置采樣時刻的衛星位置，粗略計算偽距和衛星仰角，之后讀取場景編輯參數，包括信號發射起始時間、衛星截止仰角、最大可見衛星數量和信號載噪比。比對發射起始時間和TOC時間判斷是否更換星歷，依據最大可見衛星數量和衛星截止仰角判斷當前通道數量，設置載噪比控制信號接收功率。

在CPU處理階段，將RINEX文件中浮點數形式的星歷參數轉換為二進制文件填充至導航電文各子幀對應位置，依據信號傳播過程模型計算各顆衛星的偽距、傳播時間、相位初值和多普勒頻移。

在GPU處理階段，將信號初始參數分配到并行模型中，在每一個線程中依據式( 6 )，結合線程ID計算采樣點的數值，并將數值存入頁鎖定內存中。在生成一個Δt(用戶軌跡采樣點時間間隔)內所有通道的數字信號之后將數據傳輸到主機內存中，重復上述過程直至信號生成結束。

將主機內存中的數字信號數據復制到數據回放儀中，測試硬件接收機的定位效果。

4 實驗驗證及數據分析

4.1 實驗設備及環境

生成模擬導航信號所使用的GPU型號為Nvidia Quadro T1000，使用的信號回放設備為Labsat3W,測試接收機的型號為ubloxM8U，用戶軌跡文件數據來源分別為2018年6月京沈客運專線，2021年6月國家鐵路實驗中心環形實驗場現場測量的軌道坐標數據，使用設備為高精度組合導航接收機SPAN(Synchronized Position Attitude & Navigation)。在數據中截取了靜止、加減速狀態、彎道狀態三個場景。在三個場景中生成的中頻數據，使用Labsat3W信號回放儀進行回放，中頻信號的采樣頻率為58 MHz，并與ubloxM8U接收機連接測試定位效果。

4.2 信號生成算法實時性能分析

信號生成算法的運行時間主要與GPU線程模型的設計和本地時間間隔△t有關。

分析線程模型設計方面對實時性的影響需要考慮軟件算法與GPU硬件結構的匹配，GPU通過將線程打包為線程束的形式分配給流多處理器(Streaming Multiprocessor, SM)來實現并行計算，在每個SM中線程束的占用率越高則說明當前程序的并行性越好。GPU中的硬件資源是有限的，隨著線程數量的變化，每個線程可以使用的硬件資源也不同，這是影響線程束占用率的主要因素。實驗所使用的GPU包含14個SM流多處理器，896個CUDA核心。

在2.1節分析的并行運算模型中，每個Block被設計為二維的線程結構，其中衛星信號通道這一維度是依據RINEX文件設定的，可以通過改變采樣點數量K來尋找并行線程數量和每個線程可用資源之間的平衡。以58 MHz采樣率,本地時間間隔100 ms，生成1 s信號為例，分別將采樣點數量K設置為(8,16,32,64,80,96)，記錄信號生成所用最短時間。這里K設置的最大值受限于每個Block最多可以容納的線程數量和共享內存的總容量。設置不同的通道數量對應的生成時間如表1所示。

表1 不同通道數量生成數據時間

可見衛星數量satnum與一個Block中采樣點數量K的關系見圖5。從圖5中可以看出，所有數字基帶信號生成速度均快于實時，同時，并行效率最高的采樣點數量K與通道數量存在反比關系，在實際應用中也可以通過通道數量動態調整每個Block中的采樣點數量，達到最優的并行效果。本實驗中，在通道數量為9的情況下并行效率最高的采樣點個數為16，使用NVIDIA Nsight Compute工具分析該核函數運行效率如表2所示，其中內核使用率和線程占用率都達到較高水平。

圖5 Block中采樣點數量與時間關系

表2 信號測試實驗設備型號 %

影響信號生成算法時間的另一因素為本地時間間隔△t。通常情況下，用戶軌跡的抽樣間隔是稀疏的，可以使用插值的方法增加用戶軌跡點數，降低本地時間間隔，縮短參數更新周期。但是縮短時間間隔必然會增加計算量，同時由于計算信號傳播時間等任務均在CPU中計算并傳遞至GPU，在縮短時間間隔后，GPU與CPU之間的數據傳輸次數也會隨之增加，信號生成時間也會相應延長。為測試信號生成的實時性與本地時間間隔△t的關系，設置一組時間間隔分別為(1、2、5、10、20、50、100、150、200 ms)，在58 MHz采樣率，9個信號通道，每個Block的采樣點數量為16的場景下測試生成2 s信號所需要的時間，測試結果見圖6。由圖6可以看出,在58 MHz采樣率并確保實時性的情況下，本地時間間隔可以達到5 ms。在信號生成過程中，可以針對不同軌跡的動態情況，設置不同時間間隔，確保實時性。

圖6 本地時間間隔與時間關系

最終生成中頻信號的頻譜圖見圖7。

圖7 中頻信號頻譜圖

4.3 中頻信號靜態定位實驗

產生靜態場景，在ECEF坐標系中選擇一靜態點，坐標為(-2 184 063.256,4 378 949.513,4 077 218.686),使用ubloxM8U接收機對設備進行測試。表3為將實驗結果轉換到ENU坐標系的位置坐標，接收機解算結果靜態平均位置和真實位置見圖8。

表3 靜態定位結果三軸誤差 m

圖8 靜態定位結果

4.4 軌道測量數據定位實驗

實驗一：京沈客運專線軌道數據實驗

為驗證在動態場景下中頻信號的穩定性和可靠性，選取2018年7月京沈客運專線黑山北站—沈陽西站區間實測數據中一段包含加減速的軌跡，線路總長度約為20 km。列車起始速度為247 km/h，經過兩段減速后在259 s時進站停車，在339 s后開車，經三段加速過程后速度達到248 km/h。生成信號過程中，可見衛星數量為9顆，設置采樣率為58 MHz，依據軌跡生成了620 s衛星信號，在并行參數設置方面，依據5.2節實時性分析，設置GPU線程中采樣點數量K為16，用戶軌跡時間間隔為100 ms，與傳統的利用CPU方法對比，兩種方法生成信號時間如表4所示。接收機的參考位置、速度通過列車上搭載的組合導航接收機SPAN得到，由參考位置作為用戶軌跡生成模擬的衛星信號，再使用通用接收機得到解算位置，其中，經、緯、高三軸位置和速度見圖9、圖10。在接收單GPS衛星信號的情況下ubloxM8U接收機的水平位置誤差為2.5 m，高程誤差為3 m，速度誤差為0.05 m/s[18]。位置、速度誤差均值及方差如表5所示。由表5可以看出，列車的位置誤差和速度誤差都在接收機誤差范圍內。衛星信號生成方法在實時性和精度方面都滿足測試要求。

表4 信號生成時間對比 s

圖9 直線加減速場景定位結果

圖10 直線加減速場景定位結果

表5 動態場景定位結果

實驗二：國家鐵路實驗中心環形實驗場軌道數據實驗

為驗證生成信號在彎道狀態下的穩定性和可靠性，選取2021年6月在北京環形鐵路試驗中心的測試數據，該軌跡的圓環半徑為600 m。信號生成過程中，由環形道軌跡生成了470 s衛星信號，由于該場景下可見衛星數量與實驗一相同，所以并行模型參數的設置保持不變，實際位置和解算位置的獲取方法與動態場景下一致。表6為兩種方法信號生成時間對比，表7為環形道場景的定位誤差，圖11為平面定位結果，圖12為經、緯、高三軸位置與實際位置比較結果，定位ubloxM8U接收機定位誤差范圍之內，由環形道軌跡生成的衛星模擬信號可以在彎道弧度較大情況下滿足定位測試要求。

表6 信號生成時間對比 s

表7 環形道場景定位結果

圖11 環形道場景平面定位結果

圖12 環形道場景三軸定位誤差

5 結論

衛星導航技術在列車運行、維護過程中的廣泛應用對導航接收機的可靠性提出很高的要求，生成模擬的衛星信號是測試導航接收機性能的常用手段。針對傳統的衛星導航信號模擬設備無法兼具場景設置靈活性和設備便攜性的問題，引入一種基于軟件無線電的思想，依托GPU與CPU異構并行計算架構的信號生成方法。詳細分析了信號生成過程的并行計算結構，GPU內存結構以及場景參數設置方法。并將京沈高鐵和北京環形鐵道的實測軌道數據作為依據生成場景文件，分別設計了靜態、加減速狀態和彎道狀態三個場景，實時生成衛星模擬信號，通過查閱技術手冊獲得所使用接收機的定位精度范圍，得到的定位結果滿足接收機定位精度，驗證了生成信號的可用性。基于GPU的衛星信號生成方法能夠快速生成衛星信號，并且能夠依據場景設置參數，同時操作簡單，滿足衛星導航鐵路應用中對接收機性能測試驗證的需求。