基于载噪比估计的自适应卡尔曼滤波在太阳射电爆发干扰下的GPS跟踪算法研究

《Journal of Systems Engineering and Electronics》：A Tracking Algorithm Based on Adaptive Kalman Filter with Carrier-to-Noise Ratio Estimation Under Solar Radio Bursts Interference

本文针对太阳射电爆发(SRB)干扰导致GPS信号载噪比(C/N0)骤降、跟踪性能恶化的问题，提出了一种结合载噪比估计的自适应卡尔曼滤波(AKF)跟踪算法。通过与传统二阶锁相环(PLL)和改进Sage-Husa自适应卡尔曼滤波(SHAKF)算法的对比实验表明，该算法在SRB干扰环境下能实现稳定跟踪，载波相位误差标准差较改进SHAKF算法降低50.51%，显著提升了极端空间天气条件下的导航可靠性。

　　

当太阳表面发生剧烈爆发时，会产生一种名为太阳射电爆发（SRB）的自然现象，其释放的强电磁辐射会像海啸般席卷地球周边空间。这种太空"天气突变"对依赖卫星信号的现代导航系统构成严重威胁——尤其是我们日常生活中无处不在的全球定位系统（GPS）。研究表明，SRB干扰会使GPS信号载噪比（C/N₀）急剧下跌，导致接收机跟踪环路失锁，最终造成导航服务中断。2017年9月6日发生的X9.3级耀斑事件就曾导致欧洲多个监测站L2、L5频段信号载噪比骤降超过30dB，同时电离层总电子含量（TEC）显著攀升，形成"雪上加霜"的干扰效应。

传统GPS接收机常采用固定带宽的锁相环（PLL）进行载波跟踪，但面对SRB引起的信号剧烈波动时，其跟踪性能会急剧恶化。虽然已有研究尝试通过自适应带宽调整或卡尔曼滤波（KF）算法提升鲁棒性，但固定噪声统计特性的KF在SRB干扰下仍会出现滤波发散问题。为此，东南大学朱雪芬团队在《Journal of Systems Engineering and Electronics》发表论文，提出了一种基于载噪比估计的自适应卡尔曼滤波（AKF）新算法。

研究团队通过三项核心技术构建了新算法框架：首先改进Sage-Husa自适应卡尔曼滤波（SHAKF）算法，采用滑动窗口估计器实时计算新息方差，通过加权递归更新过程噪声协方差Q_k；其次利用方差求和法（VSM）实时监测载噪比变化，建立载噪比与观测噪声协方差R_k的数学映射关系；最后将动态更新的Q_k与R_k嵌入卡尔曼滤波预测-校正流程，形成双参数自适应调整的跟踪控制闭环。

SRB影响分析

通过分析2017年SRB事件期间IGS监测站数据，发现L1频段信号载噪比保持稳定，而L2、L5频段出现两次明显下跌，其中L5频段在12:03时载噪比暴跌至最低点。同步监测显示电离层TEC在SRB发生后显著上升，证实SRB会通过直接干扰与电离层扰动双重机制影响信号质量。

算法性能验证

在模拟SRB干扰的三类场景中（低信噪比-22dB、极低信噪比-36dB、信噪比突变-15dB→-38dB），新算法表现出显著优势。在信噪比突变场景下，传统二阶PLL载波相位误差标准差飙升至1.03×10^-1 rad，而AKF载噪比估计算法仅为5.96×10^-4 rad，较改进SHAKF算法提升50.51%。载波相位误差曲线显示新算法响应更平稳，无显著跳变现象。

结论与意义

该研究证实基于载噪比估计的AKF算法能通过双噪声协方差自适应机制，有效应对SRB引起的信号剧烈波动。相比仅更新过程噪声的改进SHAKF算法，新算法通过载噪比动态校正观测噪声，在信噪比突变场景下建立更精确的误差模型。这项技术为极端空间天气条件下的卫星导航可靠性保障提供了创新解决方案，对航空航天、地质勘探等高风险领域的导航安全具有重要实践价值。