一种GNSS接收机自主完好性监测方法技术

本发明专利技术公开了一种GNSS接收机自主完好性监测方法，涉及接收机自主完好性监测技术，属于测量测试的技术领域。该方法采用基于CKF和新息外推法实现GNSS接收机自主完好性的监测，由新息外推过程中产生的新息及其方差‑协方差阵构建每一次外推时刻的检验统计量，能够检验微小缓变伪距偏差，采用机器学习算法对各外推时刻的检验统计量进行判别和分类的同时动态更新用于生成机器学习法则的故障数据库，在线学习未建模故障类型的判断法则，具有计算量较少、精度适宜、适用于非线性系统且能高置信度地监测微小缓变伪距偏差的优点。

An Autonomous Integrity Monitoring Method for GNSS Receiver

The invention discloses an autonomous integrity monitoring method for GNSS receivers, which relates to the autonomous integrity monitoring technology for receivers, and belongs to the technical field of measurement and testing. In this method, the autonomous integrity of GNSS receivers is monitored based on CKF and new information extrapolation. The test statistics of each extrapolation time are constructed from the new information and its variance and covariance matrix generated in the process of new information extrapolation. The test statistics of each extrapolation time can be tested for slight slowly varying pseudo-range deviation. Machine learning algorithm is used to discriminate and classify the test statistics of each extrapolation time and update them dynamically. Generating the fault database of machine learning rule and learning the judgment rule of unmodeled fault type online have the advantages of less calculation, suitable precision, suitable for non-linear system and high confidence in monitoring small slowly varying pseudo-range deviation.

【技术实现步骤摘要】
一种GNSS接收机自主完好性监测方法
本专利技术公开了一种GNSS接收机自主完好性监测方法，涉及接收机自主完好性监测技术，属于测量测试的

技术介绍
对RAIM(ReceiverAutonomousIntegrityMonitoring，接收机自主完好性监测)的研究始于上世纪80年代中期。在1986年的美国导航学会上，Y.C.Lee提出了距离比较法，即，在每次做出完好性决策时只采用当前历元的观测量，根据五颗卫星距离误差的加权和判断是否存在故障，该方法只能用于检测故障却不能确定故障卫星。次年，R.M.Kalafus正式提出了RAIM的概念并论证了故障探测和故障隔离所需的最小卫星数。1988年，BradfordW.Parkinson通过对残差进行处理提出了最小二乘法，该方法通过最小二乘估计处理伪距得到残差后，依据残差的概率分布特性进行决策；同年，MarkA.Sturzar提出了奇偶矢量法，通过巧妙地对观测阵进行QR分解将噪声误差置入奇偶空间进行故障检测，经证明，最小二乘法和奇偶向量法在结果上是等效的。鉴于奇偶向量法在计算上的建议性，该方法成为了GPS应用中完好性服务的推荐RAIM算法。距离比较法、最小二乘法和奇偶矢量法的设计模式均可纳入即时法，也叫“快照法”的范畴，每次进行决策时不会受到历史观测数据的影响。由于对完好性的判断只基于当前时刻的观测值，传统的RAIM算法可检测到突然发生的明显故障，对于平稳随机过程中的故障则不够灵敏。为了提高RAIM算法的灵敏度，学者做出了更多努力。王凌轩等人提出利用先验概率模型对故障建模，通过最小风险代价任意目标函数分析残差统计量，从而优化阈值以提高灵敏度。李超等人则依据最小二乘残差法设计了RAIM算法，并利用北斗卫星导航系统进行了验证。冉建华等建立了基于多元累积和的RAIM算法，该算法对奇偶向量残差进行了处理，不仅可以一步探测较大的突变型故障，也可以探测到中度的累积型故障，但是对于较大的奇偶残差均值漂移则失去了进一步探测的能力。王式太提出了基于M估计的RAIM算法，该算法利用M估计的抗差特性设计了故障探测和故障隔离的方法，并通过仿真验证了算法的性能明显优于最小二乘法。针对城市及峡谷环境下多路径误差较大问题，张力等人设计了自适应RAIM算法，利用排除精度滤波器在故障排除前后对定位精度进行检验，从而增强定位的准确性。随着BDS(BeiDouNavigationSatelliteSystem，中国北斗卫星导航系统)、GLONASS(GlobalNavigationSatelliteSystem，全球导航卫星系统)等卫星定位系统的面世与开放，多星座RAIM算法也引起了一些科研人员的注意。陈婷在论文中经过对单星座和多星座组合下RAIM算法的性能分析，指出多星座组合下的RAIM性能明显强于单星座情况。王海军提出了多历元积累双星故障法，该算法检测灵敏度随历元数的增多而提高，对微差、中差和粗差都能进行检测。卢德谦等人提出了基于完好性指标动态分配的RAIM算法，通过动态分配漏检率降低垂直保护等级，从而提高RAIM的可用性。王尔申等人给出了基于BDS/GPS的定位加权平均解的算法，该算法对最优加权平均解算法的加权因子进行优化从而通过定位解设计检验统计量，最终采用加权最小二乘法排除故障，该算法可以检测到同时发生在不同星座的双星故障。传统的RAIM算法都是在将系统线性化后进行的，随着各式算法的提出与应用，人们也为开发出适宜非线性系统的RAIM算法做出努力。宋建材等人提出了基于扩展卡尔曼滤波的RAIM算法，该算法同时利用即时数据和历史数据进行递推，可以兼顾时域信息，此外，论文中利用正交分解法处理观测量，省去了求逆矩阵的步骤，有效减小了计算量，并通过仿真验证了其故障检测的能力。王尔申等人提出了基于混沌粒子群优化的粒子滤波的RAIM算法，该算法即使在有色噪声系统的条件下也能探测和排除故障，他们还提出了基于遗传粒子滤波的RAIM算法来应对粒子退化与采样枯竭的问题，提高粒子滤波准确性以增强RAIM算法的检测性能。此外，各种增强RAIM算法越发受到关注。史一冰给出了时钟辅助的RAIM算法，该方法利用离散灰色系统模型对接收机时钟偏差进行预测，并将预测的接收机钟差序列等效于一颗卫星，从而提升少星情况下RAIM的性能。孙明菡等人也对RAIM算法可用性的三种判断方法(δHmax、ARP和HPL法)进行分析对比，并证明了δHmax和HPL法的等价性。总体来说，根据上述国内外文献的分析可知，现有RAIM技术具有以下缺点：(1)传统RAIM算法建立在线性化观测方程的基础上，其精度因舍入误差的仍有提高空间；(2)传统RAIM算法仅关注当前时刻信息，不关注时域信息，因此会忽略时域上的误差信息。传统的RAIM算法每次计算都独立于历史数据，因此对平稳随机过程中的故障则反应不够灵敏，即，传统RAIM算法不能及时发现误差随时间逐渐增大的故障，对故障卫星排除过程中未建模的故障类型难以进行检测。
技术实现思路
本专利技术的专利技术目的是针对上述
技术介绍
的不足，提供了一种GNSS接收机自主完好性监测方法，通过结合容积卡尔曼滤波算法和信息外推法在线学习故障类型，以较少的计算量和适宜的精度更好地监测微小缓变伪距偏差，实现了对缓慢未建模故障的检测，解决了完好性监测因难以提取每种卫星故障的特征而不能适应故障检测需求的技术问题。本专利技术为实现上述专利技术目的采用如下技术方案：一种GNSS接收机自主完好性监测方法，采用容积卡尔曼滤算法预测导航系统的状态估计值并更新量测信息，根据容积卡尔曼导航滤波器若干历元之前的新息及其方差-协方差阵进行新息外推构建每一外推时刻的检验统计量，收集多个外推时刻的检验统计量以构建综合数据库，采用机器学习法判别当前外推时刻的检验统计量进而确定故障卫星编号，在机器学习法判别当前外推时刻故障时，更新综合数据库中的故障数据库，从更新后的综合数据库中提取用于下一次机器学习的法则。作为GNSS接收机自主完好性监测方法的进一步优化方案，采用容积卡尔曼滤波算法预测导航系统的状态估计值并更新量测信息包含时间更新和量测更新：时间更新：对k历元状态误差的方差-协方差矩阵Pk进行Cholesky分解得到k历元状态误差的方差-协方差矩阵的下三角矩阵Sk，按照表达式：选取k历元状态估计值的第i个容积点为k历元的状态估计值，ξi为第i个容积点的权重参数，2n为容积点总数，k历元状态估计值的第i个容积点经状态转移函数传递得到的k+1历元状态估计值的第i个容积点为f(·)为导航系统的状态转移函数，wk、Γk为k历元的系统噪声及其驱动矩阵，根据k历元状态预测的k+1历元的状态估计值为k+1历元状态误差的方差-协方差阵Pk+1/k为Qk为k历元的系统噪声方差阵；量测更新：对k+1历元状态误差的方差-协方差矩阵Pk+1/k进行Cholesky分解得到k+1历元状态误差的方差-协方差矩阵的下三角矩阵Sk+1/k，k+1历元状态估计值的第i个容积点为k+1历元状态估计值的第i个容积点经量测函数传递得到的k+1历元量测估计值的第i个容积点为h(·)为导航系统的量测函数，vk为k历元的量测噪声，k+1历元的量测估计值为k+1历元的状态估计值为为k+1历元的量测值和量测估计本文档来自技高网...

【技术保护点】
1.一种GNSS接收机自主完好性监测方法，其特征在于，采用容积卡尔曼滤算法预测导航系统的状态估计值并更新量测信息，根据容积卡尔曼导航滤波器若干历元之前的新息及其方差‑协方差阵进行新息外推构建每一外推时刻的检验统计量，收集多个外推时刻的检验统计量以构建综合数据库，采用机器学习法判别当前外推时刻的检验统计量进而确定故障卫星编号，在机器学习法判别当前外推时刻故障时，更新综合数据库中的故障数据库，从更新后的综合数据库中提取用于下一次机器学习的法则。

【技术特征摘要】
1.一种GNSS接收机自主完好性监测方法，其特征在于，采用容积卡尔曼滤算法预测导航系统的状态估计值并更新量测信息，根据容积卡尔曼导航滤波器若干历元之前的新息及其方差-协方差阵进行新息外推构建每一外推时刻的检验统计量，收集多个外推时刻的检验统计量以构建综合数据库，采用机器学习法判别当前外推时刻的检验统计量进而确定故障卫星编号，在机器学习法判别当前外推时刻故障时，更新综合数据库中的故障数据库，从更新后的综合数据库中提取用于下一次机器学习的法则。2.根据权利要求1所述一种GNSS接收机自主完好性监测方法，其特征在于，采用容积卡尔曼滤波算法预测导航系统的状态估计值并更新量测信息包含时间更新和量测更新：时间更新：对k历元状态误差的方差-协方差矩阵Pk进行Cholesky分解得到k历元状态误差的方差-协方差矩阵的下三角矩阵Sk，按照表达式：选取k历元状态估计值的第i个容积点为k历元的状态估计值，ξi为第i个容积点的权重参数，2n为容积点总数，k历元状态估计值的第i个容积点经状态转移函数传递得到的k+1历元状态估计值的第i个容积点为f(·)为导航系统的状态转移函数，wk、Γk为k历元的系统噪声及其驱动矩阵，根据k历元状态预测的k+1历元的状态估计值为k+1历元状态误差的方差-协方差阵Pk+1/k为Qk为k历元的系统噪声方差阵；量测更新：对k+1历元状态误差的方差-协方差矩阵Pk+1/k进行Cholesky分解得到k+1历元状态误差的方差-协方差矩阵的下三角矩阵Sk+1/k，k+1历元状态估计值的第i个容积点为k+1历元状态估计值的第i个容积点经量测函数传递得到的k+1历元量测估计值的第i个容积点为h(·)为导航系统的量...

【专利技术属性】
技术研发人员：孙蕊，张文宇，何秀凤，
申请(专利权)人：南京航空航天大学，河海大学，
类型：发明
国别省市：江苏,32