【技术实现步骤摘要】
本专利技术属于卫星导航系统接收机自主完好性监测，适用于卫星接收机在各种环境下自主通过多余观测值对定位结果进行一致性校验，实现故障检测，并保障导航定位精度，主要涉及了一种面向卫星导航接收机的自主完好性监测方法。
技术介绍
1、随着无人驾驶对安全性能要求的日益提高，无人车辆上的导航系统也呈现多信息化、智能化、集成化的发展趋势。精确性与安全可靠性成为无人驾驶导航系统的重要特点。而精确定位定姿、故障检测隔离，已成为无人驾驶领域的重要学科技术，越来越受到人们的重视，近几年来得到了迅猛的发展。
2、全球卫星导航系统(gnss)可以向全球各地全天候地提供三维位置、三维速度等信息。一般车辆基本都装备了全球卫星定位系统，由于无人驾驶对安全性要求极高，无论将gnss作为辅助导航系统还是作为主用导航系统，除了导航精度外，还必须满足完好性要求。
3、系统的完好性指除了提供定位、导航、授时功能外，还须具有在系统不能使用时向用户发出告警的能力。接收机自主完好性监测(raim)是根据用户接收机的多余观测值对定位结果进行一致性校验，实现故障检测，并保障导航定位精度。
4、raim需要解决两个问题:卫星是否存在故障和故障存在于哪颗卫星。目前，接收机的自主完善性监测主要有三种方法：距离比较法，校验法，最小二乘残差法。可以证明，这三种方法在数学上是完全等效的。由于接收机内存容量和计算速度的限制，对raim算法的复杂性、运算量和可靠性提出了较高的要求。
技术实现思路
1、本专利技术正是
2、本方法采用卷积神经网络与优化的斜率加权最小二乘raim结合算法，优化的特征斜率加权最小二乘raim算法可以在卫星数至少5颗时进行故障卫星的监测、剔除，卷积神经网络可以在卫星数少于5颗时更准确故障监测，可实现卫星接收机在多种环境下自主完好性监测。本专利技术方法误警率、漏警率更加低，计算效率更高。
3、为了实现上述目的，本专利技术采取的技术方案是：采用卷积神经网络与优化的斜率加权最小二乘raim结合算法。所述结合算法包括：先通过计算卫星的特征斜率选星，剔除特征斜率最大的卫星后，当卫星数大于等于5颗时，采用优化的斜率加权最小二乘raim算法，在基于最小二乘残差的raim算法基础上，构建相应的加权矩阵；当卫星数目少于5颗时，利用卷积神经网络进行数据回归学习预测，判断是否存在故障卫星。
4、作为本专利技术的一种改进，一种面向卫星导航接收机的自主完好性监测方法，具体包括如下步骤：
5、s1、建立伪距观测模型：卫星伪距观测模型可以表示如下：
6、y＝gx+ε
7、其中，y是观测伪距与近似计算伪距差值的n维矢量，n为可观测卫星数；g是n×4维的系数矩阵；x是4维待定参数矢量，包括3个用户位置改正参数和1个接收机时钟偏差改正参数；ε是n维观测伪距噪声矢量，若存在偏差，则以ε+b表示。
8、s2、由卫星特征斜率选星：考虑到卫星特征斜率的影响，特征斜率越大的卫星对定位精度的贡献越高，当存在相同故障偏差时，检验统计量反而越小，这样的卫星有更高的漏警风险。坚决避免漏警现象，可一定程度上容忍误警的现象。通过计算当前各个卫星的特征斜率，筛选最大值并剔除此卫星，实现初步选星。
9、s3、当剩余卫星数大于等于5颗时，由特征斜率加权raim算法监测故障：构建权值矩阵，利用卫星特征斜率的特性进行加权处理，将斜率较大的卫星分配尽量小的权值来减小它的定位误差，降低漏警概率，提高算法可靠性。将观测信息赋予加权因子，求得新的伪距残差矢量。确定的检测限值σr，由于σr仅与给定的误警概率有关，故σr可事先给定，导航解算时，将实时计算的与σr比较，若则表示检测到故障，向用户发出警报，并由巴尔达数据探测法剔除故障卫星。
10、s4、当剩余卫星数少于5颗时，由卷积神经网络监测故障：由每组4个卫星数据和对应接收机数据建立数据集，并划分训练集与测试集，数据归一化之后进行数据平铺，并构造网络结构，同时设置训练次数、批大小、学习率等参数。进行模型训练与模型预测，调整参数使成功率达100％时保存网络供后续监测使用。
11、作为本专利技术的一种改进，所述步骤s2中卫星特征斜率计算公式：
12、
13、式中slopei为第i颗卫星特征斜率，k＝(gtg)-1gt，f＝i-g(gtg)-1gt
14、作为本专利技术的另一种改进，所述步骤s3中构建权值对角矩阵：
15、
16、依据最小二乘原理，可算得用户状态的最小二乘解：
17、
18、伪距残差向量为：
19、
20、令称为映射矩阵。
21、向量γ中包含了卫星测距误差信息，可以用作判断有无故障星的依据。综合伪距残差向量的验后单位权中误差为：
22、
23、式中n为当前卫星数。
24、作为本专利技术的又一种改进，所述步骤s4中，当卫星数目少于5颗，传统基于最小二乘残差的raim算法无法使用时，采用卷积神经网络进行卫星完好性监测，准确率较高且使用简便。
25、与现有技术相比，本专利技术具有的有益效果：
26、(1)采用卫星特征斜率选星，选星的规则为剔除对精度贡献较小的卫星，即特征斜率较大的卫星。剔除特征斜率最大的卫星，卫星特征斜率影响着卫星的定位精度，当可见卫星充足时，可以通过特征斜率来对卫星进行筛选，改善卫星的空间分布。且此方法可避免大量运算，提高运算效率。
27、(2)采用卫星特征斜率构建权重矩阵，卫星特征斜率越大，此卫星引起的定位误差也越大，漏警概率也越大，因此，利用卫星特征斜率的特性进行加权处理，将斜率较大的卫星分配尽量小的权值来减小它的定位误差，降低漏警概率，提高算法可靠性，保障无人车辆在运行中的安全。
28、(3)采用卷积神经网络进行学习预测故障卫星，当卫星数目等于4颗时，传统最小二乘raim算法无法进行故障卫星的监测，本方法将半物理实验的数据代人卷积神经网络中进行训练，通过该神经网络不仅能够在数据量有限的前提下检测出故障，且更加智能化，故障检测准确率提高，漏警误警率显著降低。
本文档来自技高网...【技术保护点】
1.一种面向卫星导航接收机的自主完好性监测方法，其特征在于，具体包括如下步骤：
2.如权利要求1所述一种面向卫星导航接收机的自主完好性监测方法，其特征在于：所述步骤S1卫星伪距观测模型表示如下：
3.如权利要求2所述一种面向卫星导航接收机的自主完好性监测方法，其特征在于：所述步骤S2中卫星特征斜率计算公式：
4.如权利要求2所述一种面向卫星导航接收机的自主完好性监测方法，其特征在于：所述步骤S3中构建权值对角矩阵：
5.如权利要求4所述一种面向卫星导航接收机的自主完好性监测方法，其特征在于：所述步骤S3中特征斜率加权RAIM算法：依据最小二乘原理，可算得用户状态的最小二乘解：
6.如权利要求2所述一种面向卫星导航接收机的自主完好性监测方法，其特征在于：所述步骤S3中巴尔达数据探测法剔除故障卫星：由残差和观测误差的关系式，可令统计量为：
7.如权利要求2所述一种面向卫星导航接收机的自主完好性监测方法，其特征在于：所述步骤S4中建立卷积神经网络，当卫星数目少于5颗，传统基于最小二乘残差的RAIM算法无法使用时，采
...【技术特征摘要】
1.一种面向卫星导航接收机的自主完好性监测方法，其特征在于，具体包括如下步骤：
2.如权利要求1所述一种面向卫星导航接收机的自主完好性监测方法，其特征在于：所述步骤s1卫星伪距观测模型表示如下：
3.如权利要求2所述一种面向卫星导航接收机的自主完好性监测方法，其特征在于：所述步骤s2中卫星特征斜率计算公式：
4.如权利要求2所述一种面向卫星导航接收机的自主完好性监测方法，其特征在于：所述步骤s3中构建权值对角矩阵：
5.如权利要求4所述一种面向卫星导航接收机的自...
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。