一种基于粒子群算法的导航信号解析方法及计算机存可读介质技术

本发明专利技术公开了一种基于粒子群算法的导航信号解析方法及计算机可读介质，其利用卫星信号所属卫星的位置坐标和修正后的卫星伪距观测值构造接收机对应的原始卫星观测矩阵，依据更新后的卫星观测矩阵与接收机定位向量之间的映射关系，构造关于接收机定位向量的方程并进行迭代以获取当前时刻的定位向量；构建粒子群算法中的粒子速度和位置迭代表达式，将迭代终止时输出的当前群体最优粒子的位置数据作为当前时刻的定位向量，并获取下一时刻系统的位置向量；利用当前时刻系统时钟向量、当前时刻的时钟状态转移矩阵和当前时刻的时钟噪声矩阵获取下一时刻系统的时钟向量，以获取接收机下一时刻的导航数据，以解决传统PVT算法计算复杂度高、定位精度难以满足载体高动态要求的技术问题。

【技术实现步骤摘要】
一种基于粒子群算法的导航信号解析方法及计算机存可读介质
本专利技术属于卫星通信
，更具体地，涉及一种基于粒子群算法的导航信号解析方法及计算机可读介质。
技术介绍
在卫星通信系统中，卫星以数十km/s的相对速度围绕地球运动，与其对应设置有导航接收机以利用卫星信号进行导航，一般来说，导航接收机采用PVT解算进行导航信号解析，需要实时地输出用户经度、纬度、高度、速度等测量信息。为了保证用户实时接收高精度、高可靠性的定位信息，需要设计一种低复杂度、高精度的导航接收机解算装置。传统的导航接收机PVT算法主要包括最小二乘残差算法、Bancroft算法、非线性卡尔曼滤波算法。传统的Bancroft算法相对于最小二乘算法而言，定位结果更加稳定，但计算复杂度高、定位精度难以满足载体高动态要求。传统的非线性卡尔曼滤波定位算法计算复杂度高、定位精度较差，同时在实际应用中，将非线性化模型转化为线性模型一般非常复杂，局限性较大。
技术实现思路
针对现有技术的至少一个缺陷或改进需求，本专利技术提供了一种基于粒子群算法的导航信号解析方法及计算机可读介质，旨在解决传统PVT算法计算复杂度高、定位精度难以满足载体高动态要求的技术问题。为实现上述目的，按照本专利技术的一个方面，提供了一种基于粒子群算法的导航信号解析方法，该方法包括：获取当前时刻接收机所接收的一个或多个卫星信号，利用所述卫星信号所属卫星的位置坐标和修正后的卫星伪距观测值构造接收机对应的原始卫星观测矩阵，所述修正后的卫星伪距观测值值为卫星伪距观测值与时延引起的误差总和之间的差值；获取所述原始卫星观测矩阵的当前极值变量，所述当前极值变量为多个修正后的卫星伪距观测值中的最大值，将原始卫星观测矩阵缩小当前极值变量数值倍以获取更新后的卫星观测矩阵；依据更新后的卫星观测矩阵与接收机定位向量之间的映射关系，构造关于接收机定位向量的方程，求解该方程以获取更新后的定位向量，以获取更新后的定位向量，重复迭代上述所有步骤，将再次迭代后求得的定位向量值作为当前时刻的初始定位向量；构建粒子群算法中的粒子速度和位置迭代表达式，确定定位向量的变化范围和当前时刻的初始定位向量以构建初始粒子种群的初始值；利用粒子速度和位置迭代表达式迭代计算迭代后每个粒子的速度和位置数据，构建每个粒子的适应度函数，求取适应度函数的最小值以获取当前迭代次数下当前群体最优粒子，利用适应度函数的预设阈值或最大迭代次数判断当前迭代是否符合终止条件，是则终止迭代，输出当前群体最优粒子的位置数据，将迭代终止时输出的当前群体最优粒子的位置数据作为当前时刻的定位向量；利用所述当前时刻的定位向量获取接收机当前时刻的系统状态向量，所述系统状态向量包括系统位置向量和系统时钟向量；利用当前时刻的系统位置向量、当前时刻的位置状态转移矩阵和当前时刻的位置噪声矩阵获取下一时刻系统的位置向量；利用当前时刻系统时钟向量、当前时刻的时钟状态转移矩阵和当前时刻的时钟噪声矩阵获取下一时刻系统的时钟向量；利用下一时刻系统的位置向量和时钟向量获取接收机下一时刻的导航数据。作为本专利技术的进一步改进，原始卫星观测矩阵：其中，x1、y1、z1为第一颗GPS卫星信号所对应的卫星x、y、z坐标，xm、ym、zm为第m个GPS卫星信号所对应的卫星x、y、z坐标，a1为第一个GPS卫星信号所属卫星的伪距观测值与时延引起的误差总和之间的差值，am为第m个GPS卫星信号所属卫星的伪距观测值与时延引起的误差总和之间的差值；x'1、y'1、z'1为第一个BDS卫星信号所对应的卫星x、y、z坐标，x'm、y'm、z'm为第n个BDS卫星信号所对应的卫星x、y、z坐标，a'1为第一个BDS卫星信号所属卫星的伪距观测值与时延引起的误差总和之间的差值，a'n为第n个BDS卫星信号所属卫星的伪距观测值与时延引起的误差总和之间的差值。作为本专利技术的进一步改进，卫星观测矩阵B与接收机定位向量X之间的映射关系表示为：X＝M(BTB)-1BT(alpha+Aτ)，其中，M表示常数矩阵diag(1,1,1,-1,-1)，τ表示常数列向量τ＝[1,1,1,1,1]T；<·>表示Lorentz内积；A表示定位向量初值的Lorentz内积，X0为定位向量初值；alpha表示卫星参数内积向量。作为本专利技术的进一步改进，关于接收机定位向量的方程具体为：aX2+bX+c＝0其中，X为定位向量，a、b、c系数分别由所述卫星观测矩阵与接收机定位向量之间的映射关系得到，a、b、c系数分别为a＝<d1,d1>，b＝2×(<d1,d2>-1)，c＝<d2,d2>，d1和d2分别为第一和第二内积参数，d1＝(BTB)-1BTτ，d2＝(BTB)-1BT·alpha，其中，B为卫星观测矩阵，τ表示常数列向量，alpha表示卫星参数内积向量。作为本专利技术的进一步改进，粒子群算法中的当前迭代下第i个粒子的速度Vi(t)表达式为：当前迭代下第i个粒子的位置Xi(t)迭代表达式为：Xi(t)＝Xi(t-1)+Vi(t)；其中，Vi(t-1)为上一次迭代的第i个粒子的速度值，Xi(t-1)为上一次迭代的第i个粒子的位置值，C1和C2分别为第一学习因子和第二学习因子，Vmax为速度最大值，rand()为[0,1]之间的随机数，Pi(t-1)为上一次迭代第i个粒子的最佳位置值，G(t-1)为上一次迭代最优粒子的位置，k为收缩因子。作为本专利技术的进一步改进，粒子适应度H(X)的表达式为：其中，ps为观测值权矩阵主对角线相应值，取：其中vars为卫星伪距的测量协方差，位置向量X＝(Xr,Yr,Zr)为当前粒子对应的位置数据，Xs＝(Xs(t),Ys(t),Zs(t))为卫星位置信息，cδr(t)为卫星钟差引起的误差，l为卫星和接收机之间的真实距离。作为本专利技术的进一步改进，比较上一次迭代第i个粒子的适应度函数经历过的最好位置Pi(t-1)对应的适应度值f(Pi(t))和当前迭代第i个粒子的适应度f(Xi(t))，若依据衡量标准的判断当前迭代第i个粒子的适应度f(Xi(t))为更好的解，则将当前迭代第i个粒子的位置Xi(t)作为当前迭代第i个粒子的最好位置Pi(t)，否则，将Pi(t-1)作为当前迭代第i个粒子的最好位置Pi(t)。作为本专利技术的进一步改进，“利用当前时刻系统位置向量、当前时刻的位置状态转移矩阵和当前时刻的位置噪声矩阵获取下一时刻系统的位置向量”具体为：接收机的采样周期为T，其下一时刻系统的位置向量XS(k+1)可以表示为XS(k+1)＝ΦS(k)XS(k)+WS(k)，XS(k)表示当前时刻的位置向量，ΦS(k)为当前时刻的位置状态转移矩阵，ΦS(k)＝diag(Φsx,Φsy,Φsz)，Φsx,Φsy,Φsz分别表示x方向的转移矩阵、y方向的转移矩阵，z方向的转移矩阵，WS(k)表示当前时刻的位置噪声矩阵，其中Φ本文档来自技高网...

【技术保护点】
1.一种基于粒子群算法的导航信号解析方法，其特征在于，所述方法包括：/n获取当前时刻接收机所接收的一个或多个卫星信号，利用所述卫星信号所属卫星的位置坐标和修正后的卫星伪距观测值构造接收机对应的原始卫星观测矩阵，所述修正后的卫星伪距观测值值为卫星伪距观测值与时延引起的误差总和之间的差值；/n获取所述原始卫星观测矩阵的当前极值变量，所述当前极值变量为多个修正后的卫星伪距观测值中的最大值，将原始卫星观测矩阵缩小当前极值变量数值倍以获取更新后的卫星观测矩阵；依据更新后的卫星观测矩阵与接收机定位向量之间的映射关系，构造关于接收机定位向量的方程，求解该方程以获取更新后的定位向量，以获取更新后的定位向量，重复迭代上述所有步骤，将再次迭代后求得的定位向量值作为当前时刻的初始定位向量；/n构建粒子群算法中的粒子速度和位置迭代表达式，确定定位向量的变化范围和当前时刻的初始定位向量以构建初始粒子种群的初始值；利用粒子速度和位置迭代表达式迭代计算迭代后每个粒子的速度和位置数据，构建每个粒子的适应度函数，求取适应度函数的最小值以获取当前迭代次数下当前群体的最优粒子，利用适应度函数的预设阈值或最大迭代次数判断当前迭代是否符合终止条件，是则终止迭代，输出当前群体最优粒子的位置数据，将迭代终止时输出的当前群体最优粒子的位置数据作为当前时刻的定位向量；/n利用所述当前时刻的定位向量获取接收机当前时刻的系统状态向量，所述系统状态向量包括系统位置向量和系统时钟向量；利用当前时刻的系统位置向量、当前时刻的位置状态转移矩阵和当前时刻的位置噪声矩阵获取下一时刻系统的位置向量；利用当前时刻系统时钟向量、当前时刻的时钟状态转移矩阵和当前时刻的时钟噪声矩阵获取下一时刻系统的时钟向量；利用下一时刻系统的位置向量和时钟向量获取接收机下一时刻的导航数据。/n...

【技术特征摘要】
1.一种基于粒子群算法的导航信号解析方法，其特征在于，所述方法包括：
获取当前时刻接收机所接收的一个或多个卫星信号，利用所述卫星信号所属卫星的位置坐标和修正后的卫星伪距观测值构造接收机对应的原始卫星观测矩阵，所述修正后的卫星伪距观测值值为卫星伪距观测值与时延引起的误差总和之间的差值；
获取所述原始卫星观测矩阵的当前极值变量，所述当前极值变量为多个修正后的卫星伪距观测值中的最大值，将原始卫星观测矩阵缩小当前极值变量数值倍以获取更新后的卫星观测矩阵；依据更新后的卫星观测矩阵与接收机定位向量之间的映射关系，构造关于接收机定位向量的方程，求解该方程以获取更新后的定位向量，以获取更新后的定位向量，重复迭代上述所有步骤，将再次迭代后求得的定位向量值作为当前时刻的初始定位向量；
构建粒子群算法中的粒子速度和位置迭代表达式，确定定位向量的变化范围和当前时刻的初始定位向量以构建初始粒子种群的初始值；利用粒子速度和位置迭代表达式迭代计算迭代后每个粒子的速度和位置数据，构建每个粒子的适应度函数，求取适应度函数的最小值以获取当前迭代次数下当前群体的最优粒子，利用适应度函数的预设阈值或最大迭代次数判断当前迭代是否符合终止条件，是则终止迭代，输出当前群体最优粒子的位置数据，将迭代终止时输出的当前群体最优粒子的位置数据作为当前时刻的定位向量；
利用所述当前时刻的定位向量获取接收机当前时刻的系统状态向量，所述系统状态向量包括系统位置向量和系统时钟向量；利用当前时刻的系统位置向量、当前时刻的位置状态转移矩阵和当前时刻的位置噪声矩阵获取下一时刻系统的位置向量；利用当前时刻系统时钟向量、当前时刻的时钟状态转移矩阵和当前时刻的时钟噪声矩阵获取下一时刻系统的时钟向量；利用下一时刻系统的位置向量和时钟向量获取接收机下一时刻的导航数据。


2.如权利要求1所述的一种基于粒子群算法的导航信号解析方法，其中，所述原始卫星观测矩阵：



其中，x1、y1、z1为第一颗GPS卫星信号所对应的卫星x、y、z坐标，xm、ym、zm为第m个GPS卫星信号所对应的卫星x、y、z坐标，a1为第一个GPS卫星信号所属卫星的伪距观测值与时延引起的误差总和之间的差值，am为第m个GPS卫星信号所属卫星的伪距观测值与时延引起的误差总和之间的差值；x'1、y'1、z'1为第一个BDS卫星信号所对应的卫星x、y、z坐标，x'm、y'm、z'm为第n个BDS卫星信号所对应的卫星x、y、z坐标，a'1为第一个BDS卫星信号所属卫星的伪距观测值与时延引起的误差总和之间的差值，a'n为第n个BDS卫星信号所属卫星的伪距观测值与时延引起的误差总和之间的差值。


3.如权利要求1所述的一种基于粒子群算法的导航信号解析方法，其中，所述卫星观测矩阵B与接收机定位向量X之间的映射关系表示为：
X＝M(BTB)-1BT(alpha+Aτ)，
其中，M表示常数矩阵diag(1,1,1,-1,-1)，τ表示常数列向量τ＝[1,1,1,1,1]T；<·>表示Lorentz内积；A表示定位向量初值的Lorentz内积，X0为定位向量初值；alpha表示卫星参数内积向量。


4.如权利要求1所述的一种基于粒子群算法的导航信号解析方法，其中，所述关于接收机定位向量的方程具体为：
aX2+bX+c＝0
其中，X为定位向量，a、b、c系数分别由所述卫星观测矩阵与接收机定位向量之间的映射关系得到，a、b、c系数分别为a＝<d1,d1>，b＝2×(<d1,d2>-1)，c＝<d2,d2>，
d1和...

【专利技术属性】
技术研发人员：姜涛，周昭辉，刘辉，
申请(专利权)人：湖北三江航天险峰电子信息有限公司，
类型：发明
国别省市：湖北;42