Quan sát thích nghi trong điều kiện thu tín hiệu yếu thăng giáng cho hệ bám thời gian giữ chậm tín hiệu GPS sử dụng bộ lọc hạt - Dương Mạnh Hùng

Nghiên cứu khoa học công nghệ Tạp chí Nghiên cứu KH&CN quân sự, Số Đặc san Tên lửa, 09 - 2016 47 QUAN SÁT THÍCH NGHI TRONG ĐIỀU KIỆN THU TÍN HIỆU YẾU THĂNG GIÁNG CHO HỆ BÁM THỜI GIAN GIỮ CHẬM TÍN HIỆU GPS SỬ DỤNG BỘ LỌC HẠT Dương Mạnh Hùng*, Nguyễn Xuân Căn Tóm tắt: Thiết bị định vị vệ tinh GPS trong nhiều ứng dụng mà đặc biệt trong dẫn đường thiết bị bay đòi hỏi phải duy trì liên tục phép đo ngay cả trong điều kiện công suất tín hiệu bị suy giảm yếu và thăng giáng do nhiều nguyên nhân. Về bản chất các hệ bám tham số tín hiệu GPS khi này phải làm việc trong điều kiện thu tín hiệu yếu thăng giáng trên nền nhiễu tạp. Trong điều kiện như vậy, các hệ bám thời gian giữ chậm và dịch tần Doppler trong thiết bị định vị GPS bị ảnh hưởng nghiêm trọng và có thể mất bám. Nội dung bài báo trình bày giải pháp sử dụng bộ lọc hạt để thực hiện các hệ bám tham số tín hiệu GPS làm việc thích nghi với điều kiện như vậy. Từ khóa: Thiết bị định vị GPS, Bộ lọc hạt, hệ bám tham số tín hiệu GPS. 1. ĐẶT VẤN ĐỀ Các phương pháp xây dựng hệ bám tham số tín hiệu GPS dựa trên các bộ lọc Kalman đều gặp phải vấn đề tuyến tính hóa([1],[2],[3],[4],[5],[6],[7],[8]), hơn nữa trong thuật toán lọc Kalman không có cấu trúc thay đổi thời gian tích lũy (chu kỳ quan sát) của bộ tích lũy tương quan thích nghi với điều kiện hoạt động. Về bản chất, trong điều kiện tín hiệu yếu và thăng giáng trên nền nhiễu tạp cần phải tăng thời gian tích lũy của bộ tích lũy tương quan để đảm bảo đặc trưng của bộ phân biệt và ngược lại, nhưng tăng/giảm như thế nào thì cần phải có bộ ước lượng nhiễu hoặc tỷ số tín/tạp để thay đổi thời gian tích lũy một cách phù hợp. Bộ lọc hạt là phương pháp xử lý thống kê cho phép ước lượng trạng thái tốt nhất đối với các mô hình hoàn toàn phi tuyến mà bộ lọc Kalman thường rất khó có thể thực hiện được. Bộ lọc hạt có nhiều cái tên khác nhau như: bộ lọc Boostrap, kỹ thuật ngưng tụ, bộ lọc Monte Carlo, giải thuật chọn lọc tự nhiên ... Tính chọn lọc tự nhiên thể hiện trong cấu trúc của thuật toán lọc hạt thông qua việc tích lũy xác suất liên tục qua các mẫu quan sát, thời gian tích lũy không phụ thuộc vào các yếu tố bên ngoài mà chỉ phụ thuộc vào ngưỡng hợp lý của giả thuyết khởi tạo lại bộ lọc hạt ([9]). Do vậy bộ lọc hạt là một giải pháp hoàn hảo cho hai vấn đề trên của hệ bám tham số tín hiệu GPS: vấn đề tuyến tính hóa và làm việc trong điều kiện thu tín hiệu thăng giáng trên nền nhiễu tạp mà không cần đến bất cứ sự hỗ trợ của các giải thuật nào khác. Hướng nghiên cứu ứng dụng bộ lọc hạt thực hiện hệ bám tham số tín hiệu GPS cũng được quan tâm nghiên cứu trong thời gian gần đây. Các nghiên cứu điển hình ([10],[11],[12],[13],[14],[15],[16],[17]) tập trung ứng dụng bộ lọc hạt trong việc nâng cao độ chính xác bám và hạn chế nhiễu đa đường mà chưa quan tâm đến việc đảm bảo hệ bám làm việc thích nghi trong điều kiện phức tạp. Trong bài báo này, tác giả đề cập trọng tâm đến việc sử dụng thuật toán lọc hạt để đảm bảo hệ bám thời gian giữ chậm tín hiệu GPS (hệ bám theo mã C/A-Code) hoạt động thích nghi trong điều kiện thu tín hiệu yếu thăng giáng trên nền nhiễu tạp cũng như trong điều kiện bình thường. Kiểm chứng giải pháp qua việc mô phỏng khảo sát trên phần mềm Matlab-Simulink. Cơ học & Điều khiển thiết bị bay D. M. Hùng, N. X. Căn, “Quan sát thích nghi tín hiệu GPS sử dụng bộ lọc hạt.” 48 2. QUAN SÁT THÍCH NGHI CHO HỆ BÁM THỜI GIAN GIỮ CHẬM TÍN HIỆU GPS SỬ DỤNG BỘ LỌC HẠT 2.1. Mô hình toán học của tín hiệu GPS Tín hiệu GPS được thu trên nền tạp âm nội bộ của máy thu với tần số sóng mang được biến đổi về tần số trung gian tg , mô hình ở đầu vào bộ biến đổi ADC ([18]Ch6-2010) có dạng như sau:          0 0 cos( 2 ) t tg dly t Ac t t f v dv t n t          (1) trong đó: A - biên độ;  c t - mã cự ly (C/A-code);  t - mã điều chế BPSK (dịch pha nhị phân) dữ liệu dẫn đường;  n t - tạp trắng Gauss với KVTH (kỳ vọng toán học) bằng không và mật độ phổ hai phía 0 2N . Đầu ra bộ biến đổi ADC là tín hiệu số với chu kỳ lấy mẫu dT ;  iy t - mẫu quan sát tại thời điểm i dt iT ;  ,i dl if là các tham số thông tin ở thời điểm it , có dạng:          01cos( 2 ) i i i i tg i d i idl jj y t Ac t t f T t n t            (2) với,  in t là tạp trắng Gauss rời rạc với KVTH bằng không và hiệp phương sai:     1 1 2 0 2 1 2 i i i i t t d i t t d d N N M n M n t n v dtdv T T              (3) Tín hiệu  i iy y t được đưa đến khối xử lý sơ cấp cho đánh giá sơ bộ   ˆˆ ,sb dl sbf làm cơ sở cho hệ bám làm việc trong chế độ bám sát. 2.2. Đặc trưng tựa thực của quá trình trình thông tin trong tín hiệu GPS Lý thuyết lọc tối ưu dựa trên mô tả thống kê của tập các mẫu quan sát      0 1 2{ , ,..., } T nY y t y t y t và quá trình thông tin ( )i it  , 1,i n , T là chu kỳ quan sát, n là số mẫu quan sát được trong khoảng thời gian  0,T . Nhiệm vụ chính là tìm mật độ xác suất hậu nghiệm 1 0( , ,...) ( ) T n n n np y y p Y   , ( )i iy y t của quá trình thông tin mà theo quy tắc Bayes cho phép biến đổi ([19],[20]: 0 0 0( ) ( ) ( ) T T n n TN np Y c p Y p   (4) trong đó, 0c - là hằng số chuẩn hóa;  TN np  - là thông tin tiên nghiệm của quá trình thông tin; 0( ) T np Y  - là hàm tựa thực, có dạng tổng quát sau[20]:  0 1 1 1 exp{ ( )[ ( ) 2]} nT n tc j j tc jj d p Y c s t y s t N     (5) trong đó, 1c - hằng số chuẩn hóa; ( ) ( , )tc i tc i is t s t   - tín hiệu tham chiếu theo các đánh giá ngoại suy i và  dl if  tại thời điểm it . Các tham số đánh giá  , dlf là các tham số phi năng lượng, (5)có thể viết lại như sau ([18],[19],[20]): Nghiên cứu khoa học công nghệ Tạp chí Nghiên cứu KH&CN quân sự, Số Đặc san Tên lửa, 09 - 2016 49  0 2 1 1 exp{ ( )} nT n j tc jj d p Y c y s t N     (6) với, 2c - hằng số chuẩn hóa;  .tcs - tín hiệu tham chiếu:       01cos( 2 ) i tc i i i tg i d idl jj s t c t t f T              (7) Tuy nhiên, trong cấu trúc của tín hiệu thu được (2) có chứa tham số phi thông tin 0 - là pha ban đầu mà không được biết trước nhưng không đổi trong thời gian quan sát, tham số  it tại thời điểm quan sát cũng không được biết trước nhưng có thể thay đổi trong thời gian quan sát – là một đại lượng ngẫu nhiên. Trung bình hóa(6) theo toàn bộ dải phân bố tiên nghiệm của 0 và  it , nhận được: 2 2 2 22 2 0 2 0 cos sin 0 cos sin( ) { [ ] [ ]} 2 T n c g Y I X X I X X       (8) trong đó:  0I x - là hàm Bessel bậc không của đối số x ([22]tr360-1972) với :             cos 1 1 sin 1 1 1 cos( 2 ) 1 sin( 2 ) n i i i i tg i ddl ji j d n i i i i tg i ddl ji j d X y t c t t f T N X y t c t t f T N                          (9) Khi này bộ phát tín hiệu tham chiếu cần phải tạo ra hai thành phần cầu phương:                 2 cos 1 2 sin 1 cos( 2 ) sin( 2 ) i i i i tg i dtc dl jj i i i i tg i dtc dl jj s t c t t f T s t c t t f T                   (10) Kết quả nhận được hàm tựa thực (8) đặc trưng thống kê cho trạng thái thời gian giữ chậm  và dịch tần Doppler  dlf dựa trên tập mẫu quan sát của tín hiệu đầu. Trong nội dung bài báo tác giả chỉ đề cập đến việc ước lượng thời gian giữ chậm ,còn trạng thái dịch tần Doppler  dlf coi như đã được ước lượng và được sử dụng trong cấu trúc của tín hiệu tham chiếu cho hệ bám thời gian giữ chậm. 2.3. Sử dụng thuật toán lọc hạt thực hiện hệ bám thời gian giữ chậm tín hiệu GPS với chu kỳ quan sát thích nghi với tỷ số tín/tạp Bộ lọc hạt sử dụng số lượng lớn các hạt riêng lẻ để xấp xỉ gần đúng ước lượng mật độ xác suất hậu nghiệm của véc tơ trạng thái. Mỗi hạt 1,j L tại thời điểm it có hai thuộc tính: một là véc tơ trạng thái /x j i k tương ứng với véc tơ trọng số / j i kw . Chỉ số i k - ký hiệu trạng thái được đánh giá tại thời điểm it dựa trên phép đo tới thời điểm kt . Các trọng số / j i kw có thể được coi là xác suất hậu nghiệm của các hạt tương ứng, tập  / /x , : 1,j ji i i iw j L cho phép tính toán gần đúng hàm MĐXS hậu nghiệm  1 0x y , y , yXY i i ip   . Do vậy, tập của các hạt với xác suất hậu nghiệm sẽ mô tả chính xác tất cả các điểm quan trọng của hàm MĐXS hậu nghiệm ([9]), đặc Cơ học & Điều khiển thiết bị bay D. M. Hùng, N. X. Căn, “Quan sát thích nghi tín hiệu GPS sử dụng bộ lọc hạt.” 50 biệt là khi tồn tại nhiều điểm cực trị. Giả thiết đánh giá sơ bộ ˆsb từ bộ sục sạo và phát hiện có khoảng phân bố chắc chắn tiên nghiệm là:  0/0 ˆ ˆ,sb sb       (11) (B1) Khởi tạo các hạt: Tại thời điểm 0t , khởi tạo tập      0/0 0/0, : 0,m mw m M  là  1M  hạt tương ứng với độ giữ chậm  0/0 m  và trọng số  0/0 m w (chỉ số (m) ký hiệu cho thứ tự của hạt):         0/0 0/0 ˆ 2. . ; 0, 1 1 ; m sb m m M m M w M             (12) Ước lượng tối ưu ban đầu là: 0ˆ ˆsb  . (B2) Trạng thái ngoại suy của các hạt: Trong chu kỳ lấy mẫu dT , coi sự thay đổi của tần số Doppler là không đáng kể, phương trình truy toán các trạng thái ngoại suy hậu nghiệm:               / 1 1/ 1 01 / 1 1/ 1 ˆ ; 0, , 1 ; m m i i i i d dl i m m i i i i T f f m M i w w                  (13) (B3) Cập nhật xác suất (trọng số) hậu nghiệm theo mô hình quan sát: Hàm tựa thực theo tập mẫu quan sát được tới thời điểm t sau khi đã trung bình hóa theo pha ban đầu 0 và thành phần ngẫu nhiên  có dạng (8), 0t - là thời điểm khởi đầu chu kỳ quan sát, hàm tựa thực cập nhật đặc trưng thống kê cho các hạt trạng thái thời gian giữ chậm   m  ký hiệu là:          0 0 / 1 m m mt t t i t i ig Y g Y   , 0,m M trên tập mẫu quan sát   0 1 1 , ,...,tt i iY y y y . Các trọng số hậu nghiệm hệ bám được tính toán và chuẩn hóanhư sau:           0/ / 1 / 1ˆ, , ; 0,i m m m mt i i i t i i i idl i w g Y f w m M    (14) Đặt:  /0 m m i i im w    , chuẩn hóa trọng số hậu nghiệm như sau:          / / ; 0, m m i i i i i w w m M       (15) Thay (14)vào (15), nhận được các trọng số hậu nghiệm tương ứng với 0,m M :                   0 0 / 1 / 1 / / 1 / 10 ˆ[ ( , , )] ˆ[ ( , , )] m m mt t i i i idlm i i M k k kt t i i i idlk I X Y f w w I X Y f w           (16) Trong đó:                 0 00 / 1 0 / 1 1 1ˆ ˆ[ , , ] [ , , ] m m m m mt t t i i t i idl dl d d I X I X Y f I X Y f N N        [17] (B4) Ước lượng tối ưu trạng thái theo xác suất (trọng số) hậu nghiệm. Tập các hạt độ giữ chậm với trọng số hậu nghiệm mới (16) tại thời điểm t:       / / 1 /; : 1,m m mi i i i i iw m M    . Ước lượng tối ưu:    / /0ˆ ; M m m i i i i im w    Nghiên cứu khoa học công nghệ Tạp chí Nghiên cứu KH&CN quân sự, Số Đặc san Tên lửa, 09 - 2016 51 (B5) Lấy mẫu lại: Kiểm tra giả thuyết lấy mẫu lại, nếu thỏa mãn:   2 / 00 1 M m i i im w W          (18) thực hiện khởi tạo lại tập các hạt theo quy tắc như sau:       / / ˆ 2 ; 0, 1 1 ; m i i i m i i m M m M w M              (19) Lặp lại bước 2 của thuật toán.Trong các nghiên cứu ([23],[24],[25]) đã phân tích tính hợp lý với ngưỡng giả thuyết khởi tạo lại (18):  0 2 1 3W M  . Hình 1. Sơ đồ cầu trúc hệ bám thời gian giữ chậm tín hiệu GPS sử dụng bộ lọc hạt. Điểm quan trọng: thấy rằng khi khởi tạo lại, các hạt sẽ thay đổi vị trí hay nói cách khác – việc khởi tạo lại các hạt tạo nên sự dịch chuyển động học mô hình phân bố của các hạt. Do vậy sau khi khởi tạo lại các hạt thì các tổng tích phân tích lũy[17] khi này không còn phù hợp, vì chúng được hình thành dựa trên các hạt trước khi khởi tạo, nên các tổng tích phân tích lũy cũng phải được khởi tạo lại, điều này cũng đồng nghĩa với việc khởi đầu một chu kỳ quan sát mới – chu kỳ khởi tạo lại cũng là chu kỳ quan sát. Đối với hệ bám thời gian giữ chậm tín hiệu GPS, độ rộng xung mã xấp xỉ 1 s , nên dải phân bố tiên nghiệm chọn tối thiểu là 1 s . Hệ bám bộ lọc hạt ở trên có thể khái quát bởi sơ đồ cầu trúc trên (Hình 1). 3. MÔ PHỎNG KHẢO SÁT ĐÁNH GIÁ KẾT QUẢ 3.1. Thiết lập tham số mô phỏng Giả thiết đồng thời thu được tín hiệu của bốn vệ tinh khác nhau tương ứng với mã C/A-code của vệ tinh 01 đến vệ tinh 04, tín hiệu đầu vào hệ bám là hỗn hợp cộng tính từ bốn tín hiệu trên và nhiễu Gauss cộng tính, biên độ ban đầu của tín hiệu được chuẩn hóa là 1. Dòng dữ liệu dẫn đường được tạo giả là chuỗi xung với độ rộng 20ms và chu kỳ 40ms . Thực hiện hệ bám thời gian giữ chậm của tín hiệu vệ tinh số 1 trên phần mềm Matlab-simulink. Giả thiết đánh giá sơ bộ ban đầu Cơ học & Điều khiển thiết bị bay D. M. Hùng, N. X. Căn, “Quan sát thích nghi tín hiệu GPS sử dụng bộ lọc hạt.” 52 ˆˆ ,sb sbf được đưa vào hệ bám có sai số với giá trị thiết đặt ban đầu. Đối với hệ bám thời gian giữ chậm thực chất là hệ bám theo mã C/A-code, mà độ rộng xung mã 1 s , khoảng phân bố chắc chắn tiên nghiệm để khởi tạo các hạt giữ chậm có thể khởi tạo từ  ˆ ˆ0.5 , 0.5sb sbs s     , sai số của đánh giá sơ bộ là 0.5 s  . Giả định thời gian giữ chậm tín hiệu của vệ tinh số 01 là 10set s  , đánh giá sơ bộ ban đầu cung cấp cho hệ bám là ˆ 9.5sb s  , nhiễu Gauss với phương sai 0 0.1N  . Ở đầu ra bộ phân biệt cần có bộ khuếch đại sai số  ssK để điều chỉnh tính tác động nhanh và độ chính xác cần thiết, Trong điều kiện tỷ số tín/nhiễu khá lớn ( 10q  ), hệ số khuếch đại được điều chỉnh sao cho thời gian quan sát đối với hệ bám độ giữ chậm tối thiểu là 1ms (chu kỳ lặp lại của mã C/A-code) để đảm bảo khả năng chống nhiễu (nếu nhỏ hơn chu kỳ lặp lại của mã C/A-code thì giảm khả năng chống nhiễu). Khởi tạo bộ lọc hạt với 101 hạt chia đều trong khoảng phân bố chắc chắn tiên nghiệm  ˆ ˆ,sb sb      và ˆ ˆ,sb f sb ff f      . Cấu trúc, phương pháp tạo mã và bảng mã C/A-code của các vệ tinh trong hệ thống GPS tra cứu trong ([26]-2012). Tần số trung gian: 4tgf Mhz ; tần số lấy mẫu: 20splf Mhz , tuyến thu và đổi tần được giả thiết có dải thông và đặc trưng cần thiết. Vấn đề lựa chọn tần số trung gian, dải thông của tuyến thu được phân tích khá kỹ trong ([27] Ch6-2008, [18]Ch13-2010). 3.2. Phân tích, khảo sát tính chất quan sát thích nghi của hệ bám thời gian giữ chậm tín hiệu GPS sử dụng bộ lọc hạt Trong điều kiện thu tín hiệu yếu thăng giáng trên nền nhiễu tạp về bản chất là biên độ tín hiệu bị suy giảm xuống rất yếu nằm ngoài dải điều chỉnh của tuyến thu theo mức tạp, hơn nữa trong các ứng dụng dẫn đường thiết bị bay có sử dụng GPS thì tín hiệu đầu vào máy thu GPS thay đổi nhanh (thăng giáng) do cơ động. Trong các điều kiện hoạt động phức tạp, biên độ của tín hiệu có thể thay đổi hoặc suy giảm ở mức rất yếu, thành phần tín hiệu có ích  , ( )s t t có dạng:      0, ( ) , ( )s t t A t s t t  (20)  A t - biên độ của tín hiệu;  0 , ( )s t t - thành phần dao động của tín, khi này thành phần tích lũy theo tín hiệu có ích của (6) viết lại:              01 1exp 1 , exp 1 , n n d j j tc j d j j j tc jj j N s t s t N A s t s t      (21) Trong chu kỳ quan sát, việc giả thiết biên độ của tín hiệu có ích  A t thay đổi không đáng kể có thể chấp nhận được: 0jA A , biểu thức (21) viết lại như sau:              0 01 1exp 1 , exp , n n d j j tc j d j j tc jj j N s t s t A N s t s t      (22) Từ (22) thấy rằng, tổng tích lũy hoàn toàn chỉ phụ thuộc vào tính chất tương quan của tín hiệu có ích và tín hiệu tham chiếu, còn tỷ số 0 dA N đặc trưng cho tỷ số tín/tạp ảnh hưởng trực tiếp đến tốc độ tích lũy. Như vậy trong các điều kiện khi mà tỷ số tín/tạp thay đổi thì tốc độ tích lũy thay đổi, điều này dẫn đến khi tỷ số Nghiên cứu khoa học công nghệ Tạp chí Nghiên cứu KH&CN quân sự, Số Đặc san Tên lửa, 09 - 2016 53 tín/tạp nhỏ cần thời gian quan sát sẽ lớn hơn để thỏa mãn giả thuyết (18)theo điều kiện khởi tạo lại của thuật toán lọc hạt. Như vậy về bản chất việc thay đổi chu kỳ quan sát dựa trên thuật toán lọc hạt không cần phải ước lượng tỷ số tín/tạp, mà chu kỳ quan sát chỉ phụ thuộc vào tốc độ tích lũy và ngưỡng giả thuyết khởi tạo lại các hạt (18), khi tốc độ tích lũy thay đổi thì thời gian thỏa mãn giả thuyết (18) thay đổi, đây chính là cơ chế quan sát thích nghi của thuật toán lọc hạt. Ưu điểm này của thuật toán lọc hạt khác với các thuật toán quan sát thích nghi trong các nghiên cứu trước mà về cơ bản đều theo cách tiếp cận là ước lượng tỷ số tín/tạp hoặc ước lượng phương sai của nhiễu làm cơ sở để điều chỉnh thay đổi chu kỳ quan sát điển hình như ([28], [29], [30], [31]). Đây là một ưu điểm vượt trội của thuật toán lọc hạt, ưu điểm này cho khả năng chống nhiễu và tính ổn định của phép đo tốt hơn so với các thuật toán khác trong điều kiện thu tín hiệu yếu trên nền nhiễu tạp, bởi khi tín hiệu yếu các phép ước lượng nhiễu hoặc tỷ số tín/tạp nói chung đều thăng giáng mạnh. Thực hiện mô phỏng với tham số được thiết lập trong mục trước, giữ nguyên mức công suất của nhiễu tạp và thay đổi biên độ tín hiệu. Hình 2. Chu kỳ quan sát thay đổi theo sự thay đổi của biên độ tín hiệu. Kết quả mô phỏng trên (Hình 2) cho thấy, chu kỳ quan sát được tăng lên khi biên độ tín hiệu bị suy giảm, và như vậy hệ bám thời gian giữ chậm vẫn đảm bảo làm việc được trong điều kiện tín hiệu rất yếu. Các kết quả khảo sát khác với sự thay đổi của biên độ và sự thăng giáng của tín hiệu đầu vào cũng nhận cho thấy hệ bám làm việc ổn định và thích nghi tốt với điều kiện hoạt động. 4. KẾT LUẬN Bài báo trình bày về giải pháp ứng dụng thuật toán lọc hạt trong hệ bám tín hiệu GPS đảm bảo hoạt động trong điều kiện thu tín hiệu yếu thăng giáng trên nền nhiễu tạp. Kết quả khảo sát cho thấy, thời gian quan sát của hệ bám thay đổi thích nghi với công suất của tín hiệu, mức thay đổi đảm bảo hệ bám làm việc ổn định. Hơn nữa, với cấu trúc tách sóng gồm các bộ tích lũy tương quan và tính chất tích lũy xác suất của thuật toán lọc hạt còn cho phép chống nhiễu thăng giáng hiệu quả. Ứng dụng của thuật toán lọc hạt không chỉ trong chống nhiễu thăng tháng cho hệ Cơ học & Điều khiển thiết bị bay D. M. Hùng, N. X. Căn, “Quan sát thích nghi tín hiệu GPS sử dụng bộ lọc hạt.” 54 bám tín hiệu GPS, trong hạn chế nhiễu đa đường cũng được sử dụng khá phổ biến, vấn đề này sẽ được đề cập trong nghiên cứu tiếp theo của tác giả. TÀI LIỆU THAM KHẢO [1]. Nesreen I. Ziedan, James L. Garrison, “Extended Kalman Filter-Based Tracking of Weak GPS Signals under High Dynamic Conditions”, ION GNSS 17th International Technical Meeting of the Satellite Division, Long Beach, CA, 21-24 Sept. 2004. [2]. Nesreen I. Ziedan, “Extended Kalman Filter Tracking and Navigation Message Decoding of Weak GPS L2C and L5 Signals”, ION GNSS 18th International Technical Meeting of the Satellite Division, Long Beach, CA, , 13-16 September 2005. [3]. Borio. D, Fantino. M, Lo Presti. L, Pini. M, “Robust DLL Discrimination Functions Normalization in GNSS Receivers”, IEEE Conference Publications - Position, Location and Navigation Symposium, IEEE/ION, Page(s): 173-180, 2008. [4]. Liu Yuqi, Hu Xiulin, Ran Yihang, Ke Ting, “Extended theory for analysis of PLL phase and frequency tracking error in GNSS receiver”, Wireless Communications, Networking and Mobile Computing - WiCom '09. 5th International Conference on Page(s): 1-4, 2009. [5]. Yu Jinfeng, Yang Wenge, Lu Weitao, Li Wei, “The Tracking Accuracy of Baseband DLLWithAWN”, Signal Processing (ICSP), IEEE 11th International Conference on Volume: 2, Page(s): 1361 – 1364, 2012. [6]. Karen Q. Z. Chiang, Mark L. Psiaki, “Kalman Filter Tracking of Limb Scan Signal using a Bank of Correlators”, IEEE Transactions on Aerospace and Electronic Systems vol. 49, No. 1 January 2013. [7]. Sanghoon Jeon, Chongwon Kim, Ghangho Kim, Ojong Kim, and Changdon Kee, “Optimal Signal Tracking Algorithm for GNSS Signal using Moving Set-point LQG System”, International Journal of Control, Automation, and Systems 11(6):1214-1222, 2013. [8]. Xingli sun, Honglei Qin, Jingyi niu, “Comparison and analysis of GNSS signal tracking performance based on Kalman filter and traditional loop”, WSEAS TRANSACTIONS on SIGNAL PROCESSING - Issue 3, Volume 9, July 2013. [9]. Bruce P. Gibbs, “Advanced kalman filtering, least-squares and modeling: a practical handbook”, Published by John Wiley & Sons, Inc., Hoboken, New Jerse - ISBN 978-0-470-52970-6 ( cloth), 2011. [10]. S.J. Kim and R. A. Iltis, “Performance Comparison of Particle and Extended Kalman Filter Algorithms for GPS C/A Code Tracking and Interference Rejection”, Conference on Information Sciences and Systems, Princeton University, March 20–22, 2002. [11]. Bernhard Krach, Michael Lentmaier, and Patrick Robertson, “Bayesian Detection and Tracking for Joint Positioning and Multipath Mitigation in GNSS”, IEEE Conference Publications - Positioning, Navigation and Communication, 5th, Page(s): 173 – 180, 2008. Nghiên cứu khoa học công nghệ Tạp chí Nghiên cứu KH&CN quân sự, Số Đặc san Tên lửa, 09 - 2016 55 [12]. Mohammad Zahidul H. Bhuiyan, Elena Simona Lohan, Markku Renfors, “Code Tracking Algorithms for Mitigating Multipath Effects in Fading Channels for Satellite-Based Positioning”, EURASIP Journal on Advances in Signal Processing, Article ID 863629, 2008. [13]. Pau Closas, Carles Fernandez–Prades, Juan A. Fernandez–Rubio, “A particle filtering tracking algorithm for GNSS synchronization using Laplace’s method”, Acoustics, Speech and Signal Processing, 2008.. IEEE International Conference on - Page(s): 3409 – 3412, ICASSP 2008. [14]. Closas, P.; Fernández-Prades, C.; Fernandez-Rubio, J.A, “A Bayesian Approach to Multipath Mitigation in GNSS Receivers”, Selected Topics in Signal Processing, IEEE Journal of Volume: 3, Issue: 4, P: 695 – 706, 2009. [15]. Marko S. Djogatović, Milorad J. Stanojević, “GNSS Signal Simulation and a Multipath Delay Estimation”, Proceedings of Small Systems Simulation Symposium 2012, Niš, Serbia, 12th-14th February 2012. [16]. Pau Closas, Carles Ferna´ndez-Prades, Jose´ Diez, David de Castro, “Nonlinear Bayesian Tracking Loops for Multipath Mitigation”, International Journal of Navigation and Observation – Advances in Signal Tracking for GNSS Receivers: Theory and Implementation, Article ID 359128, 15 pages, Volume 2012. [17]. Quoc-Huy Phan, Su-Lim Tan, Ian McLoughlin, “GPS Multipath Mitigation: A Nonlinear Regression Approach”, Volume 17, Issue 3, pp 371-380, GPS Solutions July 2013. [18]. Р.В. Бакитько, Е.Н. Болденков, Н.Т. Булавский, В.В. Дворкин, B.C. Ефименко, В.Е. Косенко, В.Я. Нартов, А.И. Мерой, А.Е. Перьков, В.В. Тюбалин, Ю.М. Урличич, В.Н. Харисов, В.Е. Чеботарев, А.Ю. Шатилов, “ГЛОНАСС. Принципы построения и функционирования”, Под ред. А.И. Перова, В.Н. Харисова. Изд. 4-е, перераб. и доп. - М: Радиотехника, 2010. [19]. Тихонов В.К, Харисов В.Н, “Статистический анализ и синтез радиотехнических устройств и систем”, М: Радио и связь, 1991. [20]. Перов А.И, “Статистическая теория радиотехнических систем”, М.: Радиотехника. ISBN 5-93108-047-3, 2003. [21]. Перов А.К, Болденков Е.Н., Григоренко Д.А, “Упрощенная аналитическая методика оценки потенциальной помехоустойчивости оптимальных следящих систем приемников спутниковой навигации, Радиотехника”. Радиосистемы, № 7, с.106-112, 2002. [22]. Milton Abramowitz and Irene A. Stegun, “Handbook of Mathematical Functions With Formulas, Graphs, and Mathematical Tables”, National Bureau of Standards Applied Mathematics Series 55, 1972. [23]. Szymon Ceranka, Maciej Niedz´wiecki 2003, “Application of particle filtering in navigation system for blind”, IEEE Conference Publications - Signal Processing and Its Applications. Proceedings. Seventh International Symposium on Volume: 2, Page(s): 495- 498, 2003. [24]. Closas. P, Fernández-Prades. C, Fernandez-Rubio J.A, “A Bayesian Approach to Multipath Mitigation in GNSS Receivers”, Selected Topics in Cơ học & Điều khiển thiết bị bay D. M. Hùng, N. X. Căn, “Quan sát thích nghi tín hiệu GPS sử dụng bộ lọc hạt.” 56 Signal Processing, IEEE Journal of Volume: 3, Issue: 4, Page(s): 695 – 706, 2009. [25]. Fredrik Gustafsson, “Particle filter theory and practice with positioning applications”, IEEE Aerospace and Electronic Systems Magazine, Volume: 25, Issue: 7, Part: Part 2, Page(s): 53 – 82, 2010. [26]. Michael J. Dunn, DISL, DAF, “Global positioning system directorate systems engineering & integration interface specification IS-GPS-200”, Navstar GPS Space Segment/Navigation User Segment Interfaces, [27]. Paul D. Groves, “Principles of GNSS, Inertial, and Multisensor Integrated Navigation Systems”, Artech House – Boston/London, ISBN-13: 978-1- 58053-255-6, 2008. [28]. Martin. R, “Noise power spectral density estimation based on optimal smoothing and minimum statistics”, IEEE Trans. Speech Audio Process. 9 (5), 504–512, 2002. [29]. Israel Cohen, “Noise Spectrum Estimation in Adverse Environments: Improved Minima Controlled Recursive Averaging, Speech and Audio Processing”, IEEE Transactions on (Volume:11 , Issue: 5 ) Page(s): 466 – 475, Sept. 2003. [30]. A. R. Amiri-Simkooei; P. J. G. Teunissen; and C. C. J. M. Tiberius, “Application of Least-Squares Variance Component Estimation to GPS Observables”, Journal of Surveying Engineering © ASCE/November 2009. [31]. Xin Dang, Takayoshi Nakai and Md. Iqbal Aziz Khan, “Noise Power Spectral Density Estimation based on Maximum a Posteriori and Generalized Gamma Distribution”, International Journal of Advanced Science and Technology Vol. 54, May, 2013. ABSTRACT ADAPTIVE OBSERVE WHEN WEAK SIGNAL RECEIVER FOR DELAY TRACKING SYSTEM GPS SIGNAL USE PARTICLE FILTER Devices GPS satellite navigation in many applications especially in navigation flight vehicles requires sustained measurements even in conditions of weak signal and fluctuations by various causes. In essence the tracking system GPS signal parameters to work in conditions of weak signal receiver fluctuations on background noise. In such conditions, the tracking system time delays and Doppler frequency shift in GPS navigation devices serious affected and may lose track. The contents of the paper presents the solution used to perform particle filter tracking systems GPS signal parameters adapted to work with such conditions. Keywords: GPS navigation devices, Particle filter, Tracking system the GPS signal parameters. Nhận bài ngày 15 tháng 6 năm 2016 Hoàn thiện ngày 20 tháng 8 năm 2016 Chấp nhận đăng ngày 05 tháng 9 năm 2016 Địa chỉ: Học viện Kỹ thuật Quân sự - 236 Hoàng Quốc Việt – Hà Nội * Email: duonghunghvkt@gmail.com