基于非高斯分布的自适应实时多径消除及抗差定位方法技术

本发明专利技术公开了一种基于非高斯分布的自适应实时多径消除及抗差定位方法，不对发生故障或偏差的卫星个数做出假定，而是修改了传统定位模型中误差的高斯分布假定，将其变为高斯混合分布，即一种非高斯分布，通过基于实时观测数据的极大似然方法求解参数，自适应的计算每一个卫星故障偏差范围大小的概率分布情况，可用于多个故障下的识别及抗差定位，也可用于多径环境下的抗差定位及多径消除，本发明专利技术解决了现有的RAIM和抗差定位方法的缺点，目前现有的故障检测及识别方法运算量较大，依赖于故障个数的先验假设，并且误判率较高，而本发明专利技术所提供的方法具有较高的故障检测成功率，同时运算量小速度快，且具有高精度和稳健性。且具有高精度和稳健性。且具有高精度和稳健性。

【技术实现步骤摘要】
基于非高斯分布的自适应实时多径消除及抗差定位方法


[0001]本专利技术属于卫星导航定位
，涉及一种基于非高斯分布的自适应实时多径消除及抗差定位方法。

技术介绍

[0002]在使用卫星导航系统对接收机进行定位的时候，接收机观测到的伪距或载波等测量值可能会含有一些传播误差，比如电子故障、卫星播发的星历与时钟错误、异常的大气延时、多路径效应及接收机自身的故障等等，这些故障会进一步导致用户接收机输出的定位结果出现较大误差，进而可能对用户自身的安全等产生不利影响。随着全球卫星导航系统的快速发展和广泛使用，实时快速的完好性故障监测与抗差定位方法就发挥着越来越重要的作用。
[0003]RAIM(Receiver Autonomous Integrity Monitoring,接收机自主完好性故障监测)是接收机自身对各个卫星的观测值进行实时检测，利用接收机收到的多个卫星观测量形成的冗余对故障进行检测并识别。它的优点在于不需要外部设备的辅助，成本低，易实现，但缺点在于识别出故障星后只能进行剔除，增加了运算时间，且由于卫星数目减少会导致定位精度降低。
[0004]目前，广泛使用的RAIM方法主要有残差分析法和最大解分离法两大类。残差分析法基于最小二乘残差，在最小二乘定位后，计算残差平方和或学生化残差，并与门限值比较，但是最小二乘法对故障星非常敏感，当故障星存在较大误差，定位结果会出现很大偏移进而导致估算出的故障星的残差绝对值变小，同时非故障星的残差绝对值变大，最后导致误判，即不能准确的识别出真正的故障星。最大解分离法则将全部观测值根据某种方法分为若干组子集组合，对每一组观测子集分别进行定位，并基于一些统计量如定位后残差平方和等进行比较和判断，如最优组合即为无故障星组合等等，但该方法需要人为对故障卫星的个数做出假设，且每一个组合都需要求解一次，计算量大，且错误的故障卫星数假设也会导致误判。
[0005]与RAIM方法相比，抗差定位方法不进行故障卫星的剔除，是一种稳健定位方法，克服了最小二乘法中残差平方和对大的误差非常敏感的缺点，通过构造稳健的损失函数，使接收机在利用全部卫星观测量进行定位的同时，降低故障观测量对定位结果的影响。但其缺点在于，抗差定位方法对误差分布的假定与正态分布相比，更为厚尾，因此当实际不存在故障星时，其得到的定位结果会比最小二乘法的误差更大，且往往不是无偏估计。
[0006]当接收机收到的卫星信号受到遮挡或存在反射时，会导致观测值含有较大误差，这类多径误差可以看做是一类特殊的故障误差，即在同一个观测时刻内，故障误差在多个卫星观测值同时出现，与其他故障模式相比，故障数目更多。目前的RAIM故障检测方法大多针对故障数目不超过三、四个，但在多模多频点定位过程中，可用星数目多，多径故障数目远远超过三、四个。对多径误差进行识别并消除，是影响接收机定位误差大小的关键，需要针对更多故障数目的故障消除定位方法。

技术实现思路

[0007]本专利技术的目的在于克服上述缺陷，提供一种基于非高斯分布的自适应实时多径消除及抗差定位方法，不对发生故障或偏差的卫星个数做出假定，而是修改了传统定位模型中误差的高斯分布假定，将其变为高斯混合分布，即一种非高斯分布，通过基于实时观测数据的极大似然方法求解参数，自适应的计算每一个卫星故障偏差范围大小的概率分布情况，可用于多个故障下的识别及抗差定位，也可用于多径环境下的抗差定位及多径消除，本专利技术解决了现有的RAIM和抗差定位方法的缺点，目前现有的故障检测及识别方法运算量较大，依赖于故障个数的先验假设，并且误判率较高，而本专利技术所提供的方法具有较高的故障检测成功率，同时运算量小速度快，且具有高精度和稳健性。
[0008]为实现上述专利技术目的，本专利技术提供如下技术方案：
[0009]一种基于非高斯分布的自适应实时多径消除及抗差定位方法，包含以下步骤：
[0010](1)建立定位周期内接收机的定位解算模型，并将其线性转换得到标准化定位解算模型Y＝Hβ+ε,ε～N(0,σ2I)，其中Y＝(y1,...,y
n
)
T
为已知的各卫星观测量矩阵的标准化变换，H＝(h1,...,h
n
)
T
为n
×
p维已知观测定位几何矩阵的标准化变换，n为总的卫星个数，β为p
×
1维未知参数向量，ε为n
×
1维观测噪声矩阵的标准化变换，服从正态分布N(0,σ2I),σ2为方差系数，I为单位对角阵；
[0011](2)使用高斯混合分布对各卫星观测量建模，定义n维未知向量Z为隐变量，其中每一个元素Z
i
∈{1,2,3},i＝1,2,...,n，得到各卫星观测量的高斯混合分布模型其中γ
k
为Z
i
的先验概率，
[0012]令表示各卫星观测量的高斯混合分布模型中全部待求解的未知参数构成的待求解参数向量，其中
[0013]μ＝(μ1,...,μ
K
)
T
,μ1＝0,σ2＝(σ
21
,...,σ
2K
)
T
,γ＝(γ1,...,γ
K
)
T
,K＝3,γ3＝1
‑
γ1‑
γ2。
[0014](3)基于EM算法迭代求解待求解参数向量θ，得到待求解参数向量最优值，；
[0015][0016](4)根据待求解参数向量最优值计算定位实时保护性水平，并与给定的告警门限比较，判断定位结果是否可靠；
[0017](5)将待求解参数向量最优值中的代入步骤(1)中所得标准化定位解算模型中，得到检验统计量，根据检验统计量与假设检验的拒绝域比较，判断每颗卫星是否存在影响定位的故障。
[0018]进一步的，所述步骤(2)中，各卫星观测量的高斯混合分布模型通过以下方法建立：
[0019]定义n维未知向量Z为隐变量，其中每一个元素Z
i
∈{1,2,3},i＝1,2,...,n，Z
i
＝1表示观测噪声ε
i
不含导致接收机定位发生不可接受误差的偏差，Z
i
＝2或Z
i
＝3则分别表示观测噪声ε
i
含有不同程度的导致接收机定位发生不可接受误差的偏差；
[0020]假定在不同Z
i
取值下，各卫星观测量y
i
服从不同的高斯分布，即
[0021][0022][0023]其中y
i
为已知的各卫星观测量矩阵Y的第i个元素，h
i
为已知观测定位几何矩阵H的第i行的转置，h
iT
表示h
i
的转置；f
k
(y
i
)为给定Z
i
时y
i
的条件高斯分布，亦为Z
i
未知时y本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于非高斯分布的自适应实时多径消除及抗差定位方法，其特征在于，包含以下步骤：(1)建立定位周期内接收机的定位解算模型，并将其线性转换得到标准化定位解算模型Y＝Hβ+ε,ε～N(0,σ2I)，其中Y＝(y1,...,y
n
)
T
为已知的各卫星观测量矩阵的标准化变换，H＝(h1,...,h
n
)
T
为n
×
p维已知观测定位几何矩阵的标准化变换，n为总的卫星个数，β为p
×
1维未知参数向量，ε为n
×
1维观测噪声矩阵的标准化变换，服从正态分布N(0,σ2I),σ2为方差系数，I为单位对角阵；(2)使用高斯混合分布对各卫星观测量建模，定义n维未知向量Z为隐变量，其中每一个元素Z
i
∈{1,2,3},i＝1,2,...,n，得到各卫星观测量的高斯混合分布模型其中γ
k
为Z
i
的先验概率，令表示各卫星观测量的高斯混合分布模型中全部待求解的未知参数构成的待求解参数向量，其中μ＝(μ1,...,μ
K
)
T
,μ1＝0,σ2＝(σ
21
,...,σ
2K
)
T
,γ＝(γ1,...,γ
K
)
T
,K＝3,γ3＝1
‑
γ1‑
γ2；(3)基于EM算法迭代求解待求解参数向量θ，得到待求解参数向量最优值(3)基于EM算法迭代求解待求解参数向量θ，得到待求解参数向量最优值(4)根据待求解参数向量最优值计算定位实时保护性水平，并与给定的告警门限比较，判断定位结果是否可靠；(5)将待求解参数向量最优值中的代入步骤(1)中所得标准化定位解算模型中，得到检验统计量，根据检验统计量与假设检验的拒绝域比较，判断每颗卫星是否存在影响定位的故障。2.根据权利要求1所述的一种基于非高斯分布的自适应实时多径消除及抗差定位方法，其特征在于，所述步骤(2)中，各卫星观测量的高斯混合分布模型通过以下方法建立：定义n维未知向量Z为隐变量，其中每一个元素Z
i
∈{1,2,3},i＝1,2,...,n，Z
i
＝1表示观测噪声ε
i
不含导致接收机定位发生不可接受误差的偏差，Z
i
＝2或Z
i
＝3则分别表示观测噪声ε
i
含有不同程度的导致接收机定位发生不可接受误差的偏差；假定在不同Z
i
取值下，各卫星观测量y
i
服从不同的高斯分布，即
其中y
i
为已知的各卫星观测量矩阵Y的第i个元素，h
i
为已知观测定位几何矩阵H的第i行的转置，h
iT
表示h
i
的转置；f
k
(y
i
)为给定Z
i
时y
i
的条件高斯分布，亦为Z
i
未知时y
i
的混合高斯密度函数f
m
(y
i
)中的第k个高斯成分；当Z
i
未知时，各卫星观测量y
i
为高斯混合分布，得到高斯混合分布模型如下：其中，γ
k
为Z
i
的先验概率，P(Z
i
＝k)＝γ
k
。3.根据权利要求1所述的一种基于非高斯分布的自适应实时多径消除及抗差定位方法，其特征在于，所述步骤(3)中，基于EM算法迭代求解待求解参数向量θ，得到待求解参数向量最优值的方法包括如下步骤：(31)计算得到已知的各卫星观测量矩阵Y的期望对数似然函数：其中t为待求解参数向量θ的迭代次数；(32)设置待求解参数向量θ的迭代初值θ
(0)
,此时取t＝0；(33)根据θ
(t)
代入，利用贝叶斯法，计算(34)将t更新为t+1,将步骤(33)中计算的代入期望对数似然函数Q(θ|θ
(t
‑
1)
,Y)，求解使Q(θ|θ
(t
‑
1)
,Y)极大化，得到(35)将作为γ
k
的值，代入期望对数似然函数Q(θ|θ
(t
‑
1)
,Y)，求解使Q(θ|
θ
(t
...

【专利技术属性】
技术研发人员：由立华，毕波，陈启亮，高参，吴雨航，
申请(专利权)人：北京微电子技术研究所，
类型：发明
国别省市：