【卫星】GNSS 接收机信号处理流程中的跟踪和伪距计算环节附matlab代码

✅作者简介：热爱科研的Matlab仿真开发者，擅长数据处理、建模仿真、程序设计、完整代码获取、论文复现及科研仿真。

🍎 往期回顾关注个人主页：Matlab科研工作室

🍊个人信条：格物致知,完整Matlab代码获取及仿真咨询内容私信。

🔥 内容介绍

 MATLAB 代码是一个GNSS 接收机信号处理流程的参数配置 GUI（图形用户界面），主要用于设置信号处理的各项参数，包括信号属性、卫星选择、捕获参数、跟踪参数、导航解算参数等。其中，跟踪环节和伪距计算环节的参数配置是核心部分，以下结合代码详细解析这两个环节的功能、参数设置及流程逻辑：

一、代码整体功能定位

该 GUI 是 GNSS 接收机信号处理的参数配置入口，所有设置的参数会被保存到settings结构体中，传递给后续的信号处理模块（如捕获、跟踪、伪距计算、导航解算）。代码通过GUIDE工具生成，包含初始化、参数加载 / 保存、用户交互（按钮点击、输入框编辑）等回调函数，实现参数的可视化配置和验证。

二、跟踪环节的参数配置与功能解析

跟踪环节是 GNSS 接收机的核心，目的是持续锁定卫星信号，精确估计码相位（用于伪距计算）和载波频率 / 相位（用于多普勒频移估计和载波恢复）。代码中跟踪参数的配置主要通过以下控件和函数实现：

1. 跟踪参数对应的 GUI 控件

在 GUI 中，跟踪参数的输入控件包括：

• editDllCorrelatorSpacing

  ：DLL（延迟锁定环）相关器间距（单位：码片）

• editDllDampingRatio

  ：DLL 阻尼比

• editDllNoiseBandwidth

  ：DLL 噪声带宽（单位：Hz）

• editPllDampingRatio

  ：PLL（锁相环）阻尼比

• editPllNoiseBandwidth

  ：PLL 噪声带宽（单位：Hz）

这些控件的参数通过saveSettings函数保存到settings结构体中，后续跟踪模块会读取这些参数进行环路设计。

2. 关键跟踪参数的作用

（1）DLL（延迟锁定环）参数

DLL 用于跟踪码相位，通过早（Early）、晚（Late）相关器的输出差值调整码相位，实现码同步。

• 相关器间距

  ：早 / 晚相关器与即时（Prompt）相关器的码片间隔（常用 0.5、1.0 码片），间距越小，码相位跟踪精度越高，但对噪声更敏感。

• 阻尼比

  ：控制 DLL 的响应速度和稳定性（典型值 0.707，临界阻尼），避免环路振荡或响应过慢。

• 噪声带宽

  ：控制 DLL 对噪声的抑制能力（典型值 1-10 Hz），带宽越小，噪声抑制越好，但跟踪动态性能下降。

（2）PLL（锁相环）参数

PLL 用于跟踪载波相位，通过调整本地载波频率，使本地载波与接收信号载波同步，提供精确的载波相位和多普勒频移估计。

• 阻尼比

  ：与 DLL 类似，控制 PLL 的动态响应和稳定性（典型值 0.707）。

• 噪声带宽

  ：控制 PLL 对载波噪声的抑制能力（典型值 10-50 Hz），带宽越小，载波跟踪精度越高，但对多普勒频移变化的适应性降低。

3. 跟踪参数的配置流程

1. 用户在 GUI 输入框中填写或修改跟踪参数；

2. 点击 “Apply” 按钮，触发pushbuttonApply_Callback函数；

3. saveSettings

   函数读取输入框的值，更新settings结构体中的跟踪参数；

4. settings

   结构体被保存到 MATLAB 工作区，供后续跟踪模块调用。

三、伪距计算环节的参数关联与功能解析

伪距计算是通过码相位测量实现的，即接收机测量卫星信号传播到接收机的时间延迟（码相位延迟），再乘以光速得到伪距。伪距计算的精度直接依赖于跟踪环节的码相位跟踪精度，代码中与伪距计算相关的配置主要体现在以下方面：

1. 伪距计算的核心依赖

• 码相位测量

  ：由 DLL 跟踪得到，精确的码相位是伪距计算的基础；

• 卫星钟差

  ：通过导航电文解析得到（代码中未直接配置，需后续导航解算模块处理）；

• 接收机钟差

  ：由导航解算模块估计（需结合多颗卫星的伪距观测值）；

• 电离层 / 对流层延迟

  ：代码中通过checkboxUseTropCorr控件配置是否启用对流层延迟校正（勾选则启用，用于提高伪距精度）。

2. 伪距计算相关的 GUI 参数

• checkboxUseTropCorr

  ：是否启用对流层延迟校正（影响伪距计算的系统性误差修正）；

• elevationMask

  ：仰角掩码（单位：度），过滤掉仰角过低的卫星（避免大气延迟误差过大和信号遮挡）；

• navSolPeriod

  ：导航解算周期（单位：ms），伪距计算的输出频率与导航解算周期一致。

3. 伪距计算的流程逻辑

1. 跟踪模块输出精确的码相位测量值（tau）；

2. 结合卫星导航电文中的卫星钟差（t_sat）和接收机钟差（t_rec），计算真实传播时间：t = tau + t_sat - t_rec；

3. 乘以光速（c）得到伪距：rho = c * t；

4. 若启用对流层校正，对伪距进行对流层延迟修正（rho_corrected = rho - tropo_delay）；

5. 过滤掉仰角低于elevationMask的卫星伪距，用于后续导航解算（如最小二乘法、卡尔曼滤波）。

⛳️ 运行结果

📣 部分代码

----------------------------------------------

%This program is free software; you can redistribute it and/or

%modify it under the terms of the GNU General Public License

%as published by the Free Software Foundation; either version 2

%of the License, or (at your option) any later version.

%

%This program is distributed in the hope that it will be useful,

%but WITHOUT ANY WARRANTY; without even the implied warranty of

%MERCHANTABILITY or FITNESS FOR A PARTICULAR PURPOSE. See the

%GNU General Public License for more details.

%

%You should have received a copy of the GNU General Public License

%along with this program; if not, write to the Free Software

%Foundation, Inc., 51 Franklin Street, Fifth Floor, Boston, MA 02110-1301,

%USA.

%--------------------------------------------------------------------------

% CVS record:

% $Id: initSettings.m,v 1.9.2.32 2007/01/29 10:22:23 dpl Exp $

%% Processing settings ====================================================

% Number of milliseconds to be processed used 36000 + any transients (see

% below - in Nav parameters) to ensure nav subframes are provided

settings.msToProcess = 37000; %[ms]

% Number of channels to be used for signal processing

settings.numberOfChannels = 8;

% Move the starting point of processing. Can be used to start the signal

% processing at any point in the data record (e.g. for long records). fseek

% function is used to move the file read point, therefore advance is byte

% based only.

settings.skipNumberOfBytes = 0;

%% Raw signal file name and other parameter ===============================

% This is a "default" name of the data file (signal record) to be used in

% the post-processing mode

settings.fileName = ...

'..\GNSS_signal_records\GPSdata-DiscreteComponents-fs38_192-if9_55.bin';

% Data type used to store one sample

settings.dataType = 'int8';

% Intermediate, sampling and code frequencies

settings.IF = 9.548e6; %[Hz]

settings.samplingFreq = 38.192e6; %[Hz]

settings.codeFreqBasis = 1.023e6; %[Hz]

% Define number of chips in a code period

settings.codeLength = 1023;

%% Acquisition settings ===================================================

% Skips acquisition in the script postProcessing.m if set to 1

settings.skipAcquisition = 0;

% List of satellites to look for. Some satellites can be excluded to speed

% up acquisition

settings.acqSatelliteList = 1:32; %[PRN numbers]

% Band around IF to search for satellite signal. Depends on max Doppler

settings.acqSearchBand = 14; %[kHz]

% Threshold for the signal presence decisio

🔗 参考文献

[1]张欣.GNSS实时矢量跟踪技术研究[D].上海交通大学,2013.

🎈 部分理论引用网络文献，若有侵权联系博主删除

 👇 关注我领取海量matlab电子书和数学建模资料 

🏆团队擅长辅导定制多种科研领域MATLAB仿真，助力科研梦：

🌟 各类智能优化算法改进及应用

生产调度、经济调度、装配线调度、充电优化、车间调度、发车优化、水库调度、三维装箱、物流选址、货位优化、公交排班优化、充电桩布局优化、车间布局优化、集装箱船配载优化、水泵组合优化、解医疗资源分配优化、设施布局优化、可视域基站和无人机选址优化、背包问题、 风电场布局、时隙分配优化、 最佳分布式发电单元分配、多阶段管道维修、 工厂-中心-需求点三级选址问题、 应急生活物质配送中心选址、 基站选址、 道路灯柱布置、 枢纽节点部署、 输电线路台风监测装置、 集装箱调度、 机组优化、 投资优化组合、云服务器组合优化、 天线线性阵列分布优化、CVRP问题、VRPPD问题、多中心VRP问题、多层网络的VRP问题、多中心多车型的VRP问题、 动态VRP问题、双层车辆路径规划（2E-VRP）、充电车辆路径规划（EVRP）、油电混合车辆路径规划、混合流水车间问题、 订单拆分调度问题、 公交车的调度排班优化问题、航班摆渡车辆调度问题、选址路径规划问题、港口调度、港口岸桥调度、停机位分配、机场航班调度、泄漏源定位、冷链、时间窗、多车场等、选址优化、港口岸桥调度优化、交通阻抗、重分配、停机位分配、机场航班调度、通信上传下载分配优化

🌟 机器学习和深度学习时序、回归、分类、聚类和降维

2.1 bp时序、回归预测和分类

2.2 ENS声神经网络时序、回归预测和分类

2.3 SVM/CNN-SVM/LSSVM/RVM支持向量机系列时序、回归预测和分类

2.4 CNN|TCN|GCN卷积神经网络系列时序、回归预测和分类

2.5 ELM/KELM/RELM/DELM极限学习机系列时序、回归预测和分类

2.6 GRU/Bi-GRU/CNN-GRU/CNN-BiGRU门控神经网络时序、回归预测和分类

2.7 ELMAN递归神经网络时序、回归\预测和分类

2.8 LSTM/BiLSTM/CNN-LSTM/CNN-BiLSTM/长短记忆神经网络系列时序、回归预测和分类

2.9 RBF径向基神经网络时序、回归预测和分类

2.10 DBN深度置信网络时序、回归预测和分类

2.11 FNN模糊神经网络时序、回归预测

2.12 RF随机森林时序、回归预测和分类

2.13 BLS宽度学习时序、回归预测和分类

2.14 PNN脉冲神经网络分类

2.15 模糊小波神经网络预测和分类

2.16 时序、回归预测和分类

2.17 时序、回归预测预测和分类

2.18 XGBOOST集成学习时序、回归预测预测和分类

2.19 Transform各类组合时序、回归预测预测和分类

方向涵盖风电预测、光伏预测、电池寿命预测、辐射源识别、交通流预测、负荷预测、股价预测、PM2.5浓度预测、电池健康状态预测、用电量预测、水体光学参数反演、NLOS信号识别、地铁停车精准预测、变压器故障诊断

🌟图像处理方面

图像识别、图像分割、图像检测、图像隐藏、图像配准、图像拼接、图像融合、图像增强、图像压缩感知

🌟 路径规划方面

旅行商问题（TSP）、车辆路径问题（VRP、MVRP、CVRP、VRPTW等）、无人机三维路径规划、无人机协同、无人机编队、机器人路径规划、栅格地图路径规划、多式联运运输问题、 充电车辆路径规划（EVRP）、 双层车辆路径规划（2E-VRP）、 油电混合车辆路径规划、 船舶航迹规划、 全路径规划规划、 仓储巡逻、公交车时间调度、水库调度优化、多式联运优化

🌟 无人机应用方面

无人机路径规划、无人机控制、无人机编队、无人机协同、无人机任务分配、无人机安全通信轨迹在线优化、车辆协同无人机路径规划、

🌟 通信方面

传感器部署优化、通信协议优化、路由优化、目标定位优化、Dv-Hop定位优化、Leach协议优化、WSN覆盖优化、组播优化、RSSI定位优化、水声通信、通信上传下载分配

🌟 信号处理方面

信号识别、信号加密、信号去噪、信号增强、雷达信号处理、信号水印嵌入提取、肌电信号、脑电信号、信号配时优化、心电信号、DOA估计、编码译码、变分模态分解、管道泄漏、滤波器、数字信号处理+传输+分析+去噪、数字信号调制、误码率、信号估计、DTMF、信号检测

🌟电力系统方面

微电网优化、无功优化、配电网重构、储能配置、有序充电、MPPT优化、家庭用电、电/冷/热负荷预测、电力设备故障诊断、电池管理系统（BMS）SOC/SOH估算（粒子滤波/卡尔曼滤波）、 多目标优化在电力系统调度中的应用、光伏MPPT控制算法改进（扰动观察法/电导增量法）、电动汽车充放电优化、微电网日前日内优化、储能优化、家庭用电优化、供应链优化

🌟 元胞自动机方面

交通流 人群疏散 病毒扩散 晶体生长 金属腐蚀

🌟 雷达方面

卡尔曼滤波跟踪、航迹关联、航迹融合、SOC估计、阵列优化、NLOS识别

🌟 车间调度

零等待流水车间调度问题NWFSP 、 置换流水车间调度问题PFSP、 混合流水车间调度问题HFSP 、零空闲流水车间调度问题NIFSP、分布式置换流水车间调度问题 DPFSP、阻塞流水车间调度问题BFSP

👇

5 往期回顾扫扫下方二维码