Non-line-of-sight (NLOS) global navigation satellite system (GNSS) signals are a major factor that limits the GNSS positioning accuracy in urban areas. An advanced GNSS signal processing technique, the vector tracking loop (VTL), has been applied to NLOS detection and correction, and its feasibility and superior performance have been reported in recent studies. In a VTL-based GNSS receiver, the navigation solutions (i.e., position, velocity and time (PVT)) are used to predict the signal tracking loop parameters. The difference between the predicted signal and the received signal within the code discriminator output can be used to detect NLOS reception. We generate the probability of NLOS detection by modeling the code discriminator outputs using Gaussian fitting. If this probability is larger than a predefined threshold, NLOS reception is deemed to occur. Then, the NLOS-induced pseudorange measurement bias is estimated as a state variable in the state vector, i.e., an augmented state vector is created for the extended Kalman filter. Two GPS L1 C/A signal datasets from a static test and a dynamic test are investigated using the proposed algorithm. The experimental results indicate that when NLOS reception is present, the proposed approach outperforms the other two methods, i.e., the standard VTL method without considering NLOS reception and the VTL-based NLOS detection and correction method with multicorrelators, in terms of the positioning performance. In addition, the proposed approach has a lower computational load than the VTL method with multicorrelators.

非视距（NLOS）全球导航卫星系统（GNSS）信号是限制GNSS在城市地区定位精度的主要因素。一种先进的GNSS信号处理技术，即矢量跟踪环（VTL），已用于NLOS的检测和校正，并且在最近的研究中已经报道了其可行性和优越的性能。在基于VTL的GNSS接收机中，导航解决方案（即位置，速度和时间（PVT））用于预测信号跟踪环路参数。码鉴别器输出内的预测信号和接收信号之间的差异可用于检测NLOS接收。我们通过使用高斯拟合对代码鉴别器输出进行建模来生成NLOS检测的概率。如果此概率大于预定义的阈值，认为发生了NLOS接收。然后，将NLOS引起的伪距测量偏差估计为状态向量中的状态变量，即，为扩展的Kalman滤波器创建了增强的状态向量。使用所提出的算法，研究了来自静态测试和动态测试的两个GPS L1 C / A信号数据集。实验结果表明，在存在NLOS接收的情况下，所提出的方法在定位性能方面优于不考虑NLOS接收的标准VTL方法和具有多相关器的基于VTL的NLOS检测和校正方法。此外，与采用多相关器的VTL方法相比，所提出的方法具有较低的计算负荷。NLOS引起的伪距测量偏差被估计为状态向量中的状态变量，即，为扩展的卡尔曼滤波器创建了增强的状态向量。使用所提出的算法，研究了来自静态测试和动态测试的两个GPS L1 C / A信号数据集。实验结果表明，在存在NLOS接收的情况下，所提出的方法在定位性能方面优于不考虑NLOS接收的标准VTL方法和具有多相关器的基于VTL的NLOS检测和校正方法。此外，与采用多相关器的VTL方法相比，所提出的方法具有较低的计算负荷。NLOS引起的伪距测量偏差被估计为状态向量中的状态变量，即，为扩展的卡尔曼滤波器创建了增强的状态向量。使用所提出的算法，研究了来自静态测试和动态测试的两个GPS L1 C / A信号数据集。实验结果表明，在存在NLOS接收的情况下，所提出的方法在定位性能方面优于不考虑NLOS接收的标准VTL方法和具有多相关器的基于VTL的NLOS检测和校正方法。此外，与采用多相关器的VTL方法相比，所提出的方法具有较低的计算负荷。使用所提出的算法，研究了来自静态测试和动态测试的两个GPS L1 C / A信号数据集。实验结果表明，在存在NLOS接收的情况下，所提出的方法在定位性能方面优于不考虑NLOS接收的标准VTL方法和具有多相关器的基于VTL的NLOS检测和校正方法。此外，与采用多相关器的VTL方法相比，所提出的方法具有较低的计算负荷。使用所提出的算法，研究了来自静态测试和动态测试的两个GPS L1 C / A信号数据集。实验结果表明，在存在NLOS接收的情况下，所提出的方法在定位性能方面优于不考虑NLOS接收的标准VTL方法和具有多相关器的基于VTL的NLOS检测和校正方法。此外，与采用多相关器的VTL方法相比，所提出的方法具有较低的计算负荷。就定位性能而言。此外，与采用多相关器的VTL方法相比，所提出的方法具有较低的计算负荷。就定位性能而言。此外，与采用多相关器的VTL方法相比，所提出的方法具有较低的计算负荷。