一种基于双极化天线的城市峡谷内卫星定位方法技术

本发明专利技术公开了一种基于双极化天线的城市峡谷内卫星定位方法，涉及卫星定位导航技术，属于测量测试的技术领域。本发明专利技术通过使用双极化天线，将双极化天线输出的载噪比差值与卫星仰角、伪距残差等变量相结合，使用融合了梯度提升的自适应神经模糊系统学习器训练出可靠性较强的卫星可见性判断法则，能够对城市峡谷内的卫星可见性进行可靠、准确的判断,从而提高城市峡谷的定位精度。此外本发明专利技术不依赖高精度INS等昂贵设备，不受天气等环境因素的影响。

【技术实现步骤摘要】
一种基于双极化天线的城市峡谷内卫星定位方法
本专利技术公开了一种基于双极化天线的城市峡谷内卫星定位方法，涉及卫星定位导航技术，属于测试测量的

技术介绍
随着城市现代化的发展，GNSS在智能交通(ITS,IntelligentTransportation)的应用不断增加。高级辅助驾驶系统，甚至是自动驾驶，目前作为城市智能交通的一个高级应用，是目前各大企业和高校研究的热点。因此，精确、可靠的车道级导航性能需求是实现城市智能交通应用的基础。全球导航卫星系统(GNSS，GlobalNavigationSatelliteSystem)作为车辆导航系统的核心部件，可以实时获取车辆位置和动态信息，然而，在城市峡谷环境中，其信号易受到高楼、立交桥和树木等障碍物的遮挡和反射，因此，其导航系统的精度、可靠性不能满足自动驾驶及车道及定位的要求。未经遮挡的直接从卫星传播到接收机的信号为视距接收(LOS,Line-of-Sight)。然而，由于城市环境建筑物稠密，GNSS受到多路径效应的影响较为严重。多路径效应可以分为多路径干扰和非视距接收(NLOS,Non-Line-of-Sight)。非视距接收指的是接收机仅接收到了反射信号；多径信号(Multipath)指的是接收机同时接收到LOS和NLOS两种信号，两者都会对GNSS定位精度产生影响，它们造成的误差统称为多径误差，该误差不能通过差分定位消除，尤其是NLOS在伪距单点定位中可能产生近百米的定位误差。因此，在GNSS定位中，有效地处理多路径干扰和NLOS对提高定位精度至关重要。国防科技大学的关刚强等人提出了以一种以数字相关器为界线划分的抗干扰与多径抑制两级处理结构的阵列天线，显著减小了多径信号对导航接收机伪码测量的影响。中国科学院的孔德庆等人提出了一种新的基于窄相关器差分的多径误差抑制方法，使用两组独立的窄相关器，将其码鉴相结果进行差分处理，修正其中一个窄相关器的输出作为码相输出结果和鉴相器中码发生器的输入，该法可以显著抑制多径效应引起的误差，优于一般的窄相关技术。哈尔滨工程大学的徐定杰等人建立了INS系统码相位鉴别器来辅助GPS接收机码相位鉴别器，构建高斯码相位鉴别器，有效降低码相位跟踪误差，该方法能有效提高鉴相精度,从而在多径干扰下提高定位精度。Meguro等人使用全向红外相机排除非视距接收的卫星信号，从而提高多径环境下的定位精度。Peyraud等人使用3D城市模型来判断卫星可见性，排除受到多径干扰的信号，有效提高了城市环境下的定位性能。东京大学的Miura等人使用3D城市模型来模拟信号传播路径从而计算出模拟伪距值，再和伪距观测值进行比较，通过两者的相似度来为候选点定权，从而加权平均出定位解，该方法能有效提高城市环境下的静态和动态定位精度。总体来说，目前在GNSS定位中，多路径信号(包括多路径干扰和NLOS)的处理技术主要包括：基于天线技术或天线阵列的NLOS和多路径干扰的排除；基于改进相关器设计的多径信号处理；基于视觉传感器或INS等设备辅助的城市峡谷定位算法；基于3D城市模型的多路径干扰和NLOS卫星排除算法；利用3D城市地图模拟多路径干扰和NLOS信号造成的误差，并结合健康信号进行定位解算，在具体卫星可见性判断过程中都存在卫星可见性状态的判断算法的准确性不足、可靠性低以及多路径信号修正模型计算效率和定位性能有待提高的问题。尽管目前城市多路径环境中GNSS定位方法都取得了一定的成果，但是大都采用了高性能接收机，在一定程度上能够降低多径信号造成的误差，但是对于NLOS信号并不有效且体积庞大、计算复杂度高。而且，与INS结合的定位结果高度依赖INS的性能；同时，和视觉传感器的结合也受到了天气等因素的影响。此外，基于3D城市模型的方法依赖精准的初始定位，并且需要对信号接收类型进行准确的判断才能够得到理想的定位精度。GNSS的直射信号表现为右旋圆极化，经过反射后，表现为左旋圆极化和右旋圆极化的混合形式。近年来，基于双极化天线，对比左旋圆极化和右旋圆极化天线的信号强度的方法可以有效判断信号接收类型，可以减少对INS等昂贵的传感器的依赖，在城市定位中表现出巨大的潜力。但当前关于基于双极化天线的城市定位算法的研究较少，且仅基于左旋圆极化和右旋圆极化天线的载噪比的差值来判断卫星可见性并不可靠，因此，如何充分利用载噪比、伪距残差、卫星仰角等相关信息以挖掘可靠的卫星可见性判断法则是构建提高城市峡谷中的GNSS导航性能急需解决的关键问题。
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，提供了一种基于双极化天线的城市峡谷内卫星定位方法，将双极化天线采集的卫星仰角、伪距残差纳入样本数据，通过梯度提升自适应神经模糊系统实现了卫星可见性判断法则的可靠挖掘，解决了仅根据双极化天线采集信号的载噪比差值挖掘卫星可见性判断法则不可靠的技术问题。本专利技术为实现上述专利技术目的采用如下技术方案：一种基于双极化天线的城市峡谷内卫星定位方法，以双极化天线输出的载噪比差值、伪距残差、卫星仰角为数据样本，对不同场景下采集的数据样本进行分类得到标记过的历史数据样本集，采用机器学习法从标记过的历史数据样本集中挖掘接收信号类型的判断法则，剔除新采集数据中的非视距接收信号，采用接收信号类型的判断法则对剔除非视距信号后的新采集数据定位解算以确定最终定位结果。作为一种基于双极化天线的城市峡谷内卫星定位方法的进一步优化方案，采用机器学习法从标记过的历史数据样本集中挖掘接收信号类型的判断法则的方法为：根据标记过的历史数据样本集初始化ANFIS学习器，在前一轮ANFIS学习器预测结果的基础上叠加一个沿着梯度最陡的方向降低本轮损失的补偿ANFIS学习器以更新当前一轮的ANFIS学习器。作为一种基于双极化天线的城市峡谷内卫星定位方法的再进一步优化方案，在前一轮ANFIS学习器预测结果的基础上叠加一个沿着梯度最陡的方向降低本轮损失的补偿ANFIS学习器时，确定补偿ANFIS学习器参数的方法为：将历史数据样本集中各数据的标记替换为前一轮ANFIS学习器损失函数负梯度在各样本处的取值，以前一轮ANFIS学习器损失函数负梯度与补偿ANFIS学习器对更新标记后数据样本的预测值之差最小为目标确定补偿ANFIS学习器的参数。作为一种基于双极化天线的城市峡谷内卫星定位方法的再进一步优化方案，在前一轮ANFIS学习器预测结果的基础上叠加一个沿着梯度最陡的方向降低本轮损失的补偿ANFIS学习器时，以补偿后的ANFIS学习器预测数据样本集的损失最小为目标确定补偿ANFIS学习器的权值。作为一种基于双极化天线的城市峡谷内卫星定位方法的更进一步优化方案，补偿ANFIS学习器的参数由表达式：确定，其中，at为第t次迭代时补偿ANFIS学习器的参数，为前一轮ANFIS学习器预测第i个数据样本xi的损失函数的负梯度，ht(xi；a)为第t次迭代时参数为a的补偿ANFIS学习器对第i个数据样本xi的预测值，N为数据样本总数。作为一种基于双极化天线的城市峡谷内卫星定位方法的更进一步优化方案，补偿ANFIS学习器的权值由表达式：确定，其中，ρt为第t次迭代时补偿ANFIS学习器的权重，L(yi,ft-1(xi)+ρht(xi；at))为第t次迭代中权重为本文档来自技高网...

【技术保护点】
1.一种基于双极化天线的城市峡谷内卫星定位方法，其特征在于，以双极化天线输出的载噪比差值、伪距残差、卫星仰角为数据样本，对不同场景下采集的数据样本进行分类得到标记过的历史数据样本集，采用机器学习法从标记过的历史数据样本集中挖掘接收信号类型的判断法则，剔除新采集数据中的非视距接收信号，采用接收信号类型的判断法则对剔除非视距信号后的新采集数据定位解算以确定最终定位结果。

【技术特征摘要】
1.一种基于双极化天线的城市峡谷内卫星定位方法，其特征在于，以双极化天线输出的载噪比差值、伪距残差、卫星仰角为数据样本，对不同场景下采集的数据样本进行分类得到标记过的历史数据样本集，采用机器学习法从标记过的历史数据样本集中挖掘接收信号类型的判断法则，剔除新采集数据中的非视距接收信号，采用接收信号类型的判断法则对剔除非视距信号后的新采集数据定位解算以确定最终定位结果。2.根据权利要求1所述一种基于双极化天线的城市峡谷内卫星定位方法，其特征在于，采用机器学习法从标记过的历史数据样本集中挖掘接收信号类型的判断法则的方法为：根据标记过的历史数据样本集初始化ANFIS学习器，在前一轮ANFIS学习器预测结果的基础上叠加一个沿着梯度最陡的方向降低本轮损失的补偿ANFIS学习器以更新当前一轮的ANFIS学习器。3.根据权利要求2所述一种基于双极化天线的城市峡谷内卫星定位方法，其特征在于，在前一轮ANFIS学习器预测结果的基础上叠加一个沿着梯度最陡的方向降低本轮损失的补偿ANFIS学习器时，确定补偿ANFIS学习器参数的方法为：将历史数据样本集中各数据的标记替换为前一轮ANFIS学习器损失函数负梯度在各样本处的取值，以前一轮ANFIS学习器损失函数负梯度与补偿ANFIS学习器对更新...

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