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 ...
【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
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。