Search

Dans cette thèse de doctorat, nous nous intéressons à l'estimation robuste de la phase de la porteuse en utilisant le filtrage bayésien variationnel. La mesure de la phase porteuse est devenue une tâche fondamentale dans de nombreuses applications d'ingénierie telles que le positionnement précis dans le domaine du GNSS. Malheureusement, les mesures de phase obtenues par les techniques traditionnelles de poursuite de phase peuvent être fortement mises à mal par la présence de sauts de phase ambigus, appelés sauts de cycle. Ces derniers peuvent durement impacter les performances des algorithmes de poursuite conduisant, dans le pire des cas, à une perte permanente de verrouillage du signal. Un processus de ré-acquisition est alors nécessaire qui affecte les performances de suivi. Par conséquent, pour résoudre ce problème, nous proposons un filtre non linéaire robuste de poursuite de phase basé sur l'inférence de Bayes variationnelle. Tout d'abord, l'algorithme est développé en supposant une dynamique lente de phase (c'est-à-dire la boucle au premier ordre), puis, son ordre est augmenté en estimant un vecteur d'état formé par la phase et ses dérivées. Les performances de ce nouvel algorithme sont comparées avec celles de techniques conventionnelles (tels que la DPLL (Digital Phase Lock Loop) et la KF (Kalman Filter)-DPLL) en terms de précision d'estimation et d'occurence de sauts de cycle. La comparaison est d'abord effectuée à l'aide de données synthétiques, puis de données GNSS réelles dans un récepteur radio logicielle GNSS. Les résultats montrent que la méthode proposée a de meilleures performances par rapport aux filtres linéaires conventionnels, lorsque le rapport signal sur bruit est faible. In this Ph.D. thesis, we are interested in robust carrier-phase estimation by using Variational Bayesian filtering. Carrier-phase measurement has become a fundamental task in many various engineering applications such as precise point positioning in GNSS (Global Navigation Satellite System). Unfortunately, phase measurements obtained by traditional phase tracking techniques may be strongly affected by the presence of ambiguous phase jumps, known as cycle slips. The latter may strongly impact the performance of the considered phase tracking algorithm leading to, in the worst case, a permanent loss of lock (drop-lock) of the signal. A re-acquistion process is then necessary which afflicts the tracking performance. Therefore, to address this problem, we propose a robust nonlinear filter for carrier-phase tracking based on Restricted Variational Bayes inference. This methodology gives us a closed-form and easy-to-implement expression of the estimator. First, the algorithm is developed only for slow phase dynamics (i.e., first-order loop), then, its order is augmented by estimating a state vector formed by the carrier-phase and its derivatives. The performance of the proposed algorithm is compared with that of conventional techniques such as DPLL (Digital Phase Lock Loop) and KF (Kalman Filter)-based DPLL in terms of precision of estimation (root-mean-square error) and cycle slipping occurrence (mean-time-to-first-slip and cycle slip rate). The comparison is firstly conducted using synthetic data, and then, real GNSS data into a GNSS software-defined-radio receiver. Results show that the proposed method outperforms the conventional linear filters, when the signal-to-noise ratio is low.