CN101281248A - 一种应用于组合卫星导航系统的多故障识别方法 - Google Patents

Abstract

本发明公开了一种应用于组合卫星导航系统的多故障识别方法，属于卫星导航领域，该方法根据用户对卫星导航系统完好性的实际需求，判断故障识别算法需处理最多故障星数N；并对卫导系统进行故障检测，判断卫星导航系统的故障情况；对故障卫星导航系统进行故障识别，以确定故障卫星；最后对已排除故障星的系统进行故障检测，确定故障识别计算结果的正确性。应用本发明提供的多故障识别方法对故障星进行检测，通过不断缩小故障星可能范围或实现故障分离，以实现多故障的识别，可以减少故障识别计算量。

Description

一种应用于组合卫星导航系统的多故障识别方法

技术领域

本发明属于卫星导航领域，具体地说，是指一种应用于组合卫星导航系统的多故障识别技术。

背景技术

全球卫星导航系统(GNSS，以下简称为卫导系统)可以在全世界范围内提供连续的三维位置、速度与时间信息。相比于惯性导航器件、地基无线电导航系统等传统导航手段，卫导系统长时间定位精度高，覆盖范围广，因此在现代导航、测绘、控制以及搜救等行业扮演着愈加重要的角色。

截至2008年，已有美国GPS、俄罗斯GLONASS、中国北斗以及欧盟Galileo四套卫导系统正在提供导航服务或处于空间实验阶段。可以预料的是，未来二十年内，多模态卫星导航系统将成为卫星导航的主流发展方向。

然而由于卫导系统在完好性方面的问题，制约了卫导系统在民航等涉及人身安全的服务业务中的推广。卫导系统本身不保证用户段信号的完好性，即无法准确播报各伪距测量量包含的误差。更严重的是，即使当卫星出现故障，导致伪距测量信息出现明显偏差时，控制段也不能实时向用户提供警告信息。另一方面，当更多的导航系统投入使用，将使得多颗卫星同时出现故障的风险增加。这就要求用户段能够独立监测卫星故障，保障定位信息完好性。

为解决这一问题，多种接收机自主完好性监测(RAIM)算法被设计出来。RAIM利用接收机得到的冗余观测信息进行故障的检测与识别，即通过比对伪距观测量的一致性判断测量信息偏差情况，并找出故障卫星。

RAIM的前期发展主要集中于对单故障检测与识别方法的讨论，提出了极大似然估计法、奇偶校验空间算法、子集比较法等一系列适用于单GPS单故障假设的方法。然而这些方法不适用于组合卫导条件下的多故障情况。

随着Galileo、北斗等卫星导航系统的设计，多故障RAIM技术在近几年内得到了迅速发展，一批能够提供多故障检测识别能力的RAIM算法，如n-2算法、OWAS等方法被公开出来。但现有算法为实现多故障检测，通常采用的方法是对所有故障可能形式进行遍历，以找出多故障源。这种方法没有考虑不同用户对卫星导航系统完好性的实际需求，计算流程复杂，计算量大。以GPS、GLONASS、北斗和Galileo四系统组合卫导系统而言，采用n-2算法对30颗可见星中的2颗故障星进行识别，将进行220次等效定位运算，OWAS算法计算量甚至高于n-2算法数倍。这种计算量对接收机而言是严重的负担。

发明内容

本发明为解决原有多故障RAIM算法用于多卫星导航系统组合导航时，计算量较大的问题，提出了一种应用于组合卫星导航系统的多故障识别方法。本方法通过逐渐缩小故障卫星范围来减少故障星识别的流程和计算量，以实现多故障识别。

本发明提供的方法包括步骤：

步骤一：根据用户对卫星导航系统完好性的实际需求，判断故障识别算法需处理最多故障星数N；如果当故障星数目m与最多故障星数N之间满足m≤N的时候，系统的完好性风险P_{INT_m}大于用户要求的最低标准完好性风险P_{INT_require}，则可以确定故障识别算法需处理的最多故障星数N的值。

步骤二：对卫导系统进行故障检测，判断卫导系统的故障情况；若卫导系统的故障星统计检测量T_x与门限值T_D之间满足T_x≥T_D，认为存在故障星；否则认为无故障星；

步骤三：对存在故障的卫导系统进行故障识别，以确定故障星；

步骤四：对已排除故障星的系统进行故障检测，确定故障识别结果的正确性；若检测到系统不存在故障，则故障识别正确；否则需要从步骤一开始重新进行故障识别。

本发明提供的方法为组合导航系统提供准确的多故障识别能力，适应多种故障情况，满足用户对完好性的不同需求，同时相对原有其他多故障识别方法，实现了减少计算量的目的，加速了对卫导系统的故障识别进程。

附图说明

图1是本发明提供的多故障识别方法的流程图；

图2是对故障星进行识别的方法流程图；

图3是对四系统组合导航仿真检测得到的故障正确识别率曲线。

具体实施方式

下面将结合附图和实施例对本发明作进一步的详细说明。

本发明是一种应用于组合卫星导航系统的多故障识别方法，通过确定故障识别算法需处理的最多故障星数目，对所有可见星进行分组检测，逐步的将多故障分解为单故障，缩小故障可能存在范围，提取完好导航信息，最终实现多故障识别。如图1所示，具体包括如下步骤：

步骤一：根据用户对卫导航系统完好性的实际需求，判断故障识别算法需处理最多故障星数N；

对涉及人身安全的服务行业，如民用航空、铁路运输等，通常对接收机的完好性指标有着较为严格的要求，以防止因错误导航信息而引起的危险。以民航飞行为例，为降低风险，卫导系统在每种飞行状态下的工作性能(包括最大允许告警率即虚警率P_FA、漏检率P_MD、完好性风险P_INT)均被规定了最低标准。本方法以这些最低标准为依据，以用户实际需求为准则，进而确定故障识别算法需处理最多故障星数N。

由于用户的完好性风险可以表示为经过故障识别后，卫导系统仍存在错误导航信息(即存在故障星)的概率，当采用RAIM进行故障星识别后，用户的完好性风险P_INT用公式表示为：

$P_{\mathrm{INT}}=\underset{m=1}{\overset{n}{\mathrm{\Σ}}}{C}_n^m\×P_{\mathrm{STA}}^m\×{(1-P_{\mathrm{STA}})}^{(n-m)}\×P_{\mathrm{MD}}---\left(1\right)$

其中，P_INT为用户完好性风险，P_STA表示单颗卫星故障概率，P_MD表示系统漏检率，n为当前时刻系统内可见星数，m为故障星数，且0≤m≤n。

从式(1)中可以得出，用户的完好性风险P_INT即为各种故障星数风险之和。在实际应用过程中为了降低由于错误卫导信息造成的风险，使得卫导系统在每种飞行状态下的工作性能均达到要求，用户完好性风险P_INT应小于最低标准完好性风险P_{INT_require}。

当不采用RAIM时，卫导系统不能发现故障星，即系统漏检率P_MD＝1，根据公式(1)，在指定m颗故障星的情况下系统完好性风险P_{INT_m}为：

$P_{\mathrm{INT}\_m}=C_n^m\×P_{\mathrm{STA}}^m\×{(1-P_{\mathrm{STA}})}^{n-m}---\left(2\right)$

其中单颗卫星故障概率P_STA可以由卫导系统公布的信息得到，根据单颗卫星故障概率P_STA即可根据公式(2)计算指定故障星数目m情况下的系统完好性风险P_{INT_m}。

实际使用中，单颗卫星故障概率P_STA是远小于1的，即P_STA＜＜1，因此由公式(2)得到：

$P_{\mathrm{INT}\_m}\≈C_n^m\×P_{\mathrm{STA}}^m---\left(3\right)$

从(3)式中可以看出，故障星数目m越大，系统的完好性风险P_{INT_m}越小。

依据故障星数目m由小到大的顺序比较P_{INT_m}和P_{INT_require}的大小关系，从而确定本发明中的故障识别算法中需处理的最多故障星数N。所述的P_{INT_require}为用户要求的最低标准完好性风险，为一个固定值。由于故障星数目m越大，系统的完好性风险P_{INT_m}越小。假设故障识别算法中需处理的最多故障星数为N，当故障星数m增大到m＞N时，有P_{INT_m}和P_{INT_require}的大小关系：P_{INT_m}＜P_{INT_require}，即系统完好性风险P_{INT_m}满足用户的要求，理论上不需要进行故障星的识别；实际处理过程中认为这种故障情况发生的几率极低，因此卫导系统不需要采用RAIM，可以直接进入定位解算；对存在N颗或N颗以下故障星(即m≤N)的情况，若不采用RAIM进行故障星识别计算，系统完好性风险P_{INT_m}＞P_{INT_require}，即用户完好性将达不到为保证导航安全而设置的最低工作标准P_{INT_require}，需要进行故障星的识别判断。利用上述方法，根据用户对系统完好性风险P_{INT_m}的具体要求，在P_{INT_m}＞P_{INT_require}和P_{INT_m}＜P_{INT_require}两种情况之间找到一个临界的故障星数N，即确定故障识别算法需处理的最多故障星数N的值。

步骤二：对卫导系统进行故障检测，判断卫导系统的故障情况；

由于本发明提供的多故障识别方法对故障检测算法并没有要求，任意一种故障检测算法均可应用于本方法。但为简化算法整体难度，推荐使用伪距残差平方和(SSE)算法作为本方法中的故障检测算法。

卫导系统的观测方程可以表示为y＝Hx+ε，其中，H为观测矩阵，ε为测距误差，y为伪距向量实测值，x为用户状态。根据最小二乘算法，用户状态x的最小二乘解为 ${\hat{x}}_{\mathrm{ls}}={\left(H^{T}H\right)}^{-1}{H}^{T}y.$ 用R来表示残差向量，

表示伪距向量估计值，则有

$R=y-\hat{y}$

$=[I-H{\left(H^{T}H\right)}^{-1}{H}^T]\·[\mathrm{Hx}+\mathrm{\ϵ}]---\left(4\right)$

$=[I-H{\left(H^{T}H\right)}^{-1}{H}^T]\·\mathrm{\ϵ}$

$=S\·\mathrm{\ϵ}$

式(4)中S＝I-H(H^TH)^-1H^T，从上式可知，向量R中包含了卫星测距误差ε，可以用作判断有无故障星的依据。定义

          R＝(u₁，u₂，...u_k)^T                 (5)

$\mathrm{SSE}=R^{T}R=u_1^2+u_2^2+...+u_k^2---\left(6\right)$

式(6)中得到的SSE表示各个卫星伪距残差平方和。当系统中不存在故障星时，观测方程y＝Hx+ε中不存在较大偏差，SSE符合自由度为n-l的中心χ²分布(n为当前组合系统中可见星数，l为组合系统自由度，l＝组合系统数+3)。若观测方程y＝Hx+ε中存在一个或多个因故障星导致的偏差时，SSE符合自由度为n-l的非中心χ²分布。在实际使用中，通常采用

$T_x=\sqrt{\mathrm{SSE}/(n-l)}---\left(7\right)$

作为卫导系统的统计检测量。在每次定位时将统计检测量T_x与门限值T_D比较，若T_x≥T_D，认为当前组合卫导系统存在故障星，需要继续进行故障识别，确定具体的故障星；否则认为无故障星，不需要进行任何完好性操作，卫导系统可以直接进入定位解算。

为了使设计的判决门限值T_D导致的虚警率P_FA不大于用户要求值，T_D应满足如下公式：

$T_D=\sqrt{T/(n-l)}---\left(8\right)$

其中的T由概率等式

$P(\mathrm{SSE}/{\mathrm{\&sigma;}}^2<T/{\mathrm{\&sigma;}}^2)=\underset{0}{\overset{T/{\mathrm{\&sigma;}}^2}{\&Integral;}}{f}_{{\mathrm{\&chi;}}^2(k-6)}\left(x\right)\mathrm{dx}=1-P_{\mathrm{FA}}---\left(9\right)$

求解得到，n为当前组合系统的可见星数目，l为组合系统自由度，σ为测距误差均方根，P_FA为用户指定虚警率。如航空无线电技术委员会(简称RTCA)规定的非精密进近阶段的虚警率为0.002/h。

步骤三：对存在故障星的卫导系统进行故障识别，确定故障星；

如果步骤二中判断出T_x≥T_D，则认为卫导系统存在故障星，需要进行故障识别以确定具体的故障星。如图2所示，具体的故障识别步骤为：

(a)划分卫星集合。

首先对卫导系统所包含的全天所有可见星按相对用户位置划分为M个集合，要求集合数目M大于故障识别算法需处理的最多故障星数目N，即M≥N；任意集合中的可见星数目不少于该集合包含的卫导系统数目+3；且任意集合内的卫星空间分布均匀，满足故障检测算法的要求。特别的，对于N≤4的情况，由于各套卫导系统(包括GPS、GLONASS、北斗和Galileo)本身即满足上述集合划分的要求，因此可以将全部可见星按系统进行划分。

(b)对(a)中划分的所有M个集合进行故障检测，判断各集合故障情况；

按照步骤二所述的SSE算法对所有集合分别进行故障检测，并统计检测到故障星的集合数，检测得到的结果有如下两种情况：

情况一：检测出存在故障星的集合数目小于N，那么接收机将无法分辨各包含故障星的集合内包含故障星的实际数量。此时按以下步骤进行操作，

(i)首先将未检测到故障的集合中包含的全部卫星组合为完好卫星集。

(ii)将所有包含故障星的集合内的全部可见星重新划分为包含卫星数近似相等的N个子集Subset-1、Subset-2、……、Subset-N。此时故障星仅可能分布在这N个子集中，从而缩小了故障星可能存在的范围。

(iii)分别将子集Subset-1、Subset-2、……、Subset-N与(i)中的完好卫星集测量信息组合后，进行故障检测，并统计故障集合的个数。以进一步缩小故障卫星可能出现的范围。

(iv)若检测到N个子集Subset-1、Subset-2、……、Subset-N均存在故障，则该情况下N个集合故障状况类似于下述的情况二，采用极大似然估计法即可实现故障识别。

若检测到故障子集数少于N，并且故障子集包含的全部卫星数量大于2N，则重复(i)～(iii)的操作，直至检测到未确定故障情况的卫星数少于2N，此时将所有尚未确定故障情况的剩余卫星均视为故障星并加以排除。

情况二：检测到存在故障星的集合数目等于N

当检测到存在故障星的集合数等于N，将未检测到故障的集合中包含的全部卫星组合为完好卫星集。可以判断出此时组合系统中存在的N颗故障星分别位于N套卫星集合中，即这N套集合中各自包含一颗故障星。此时故障星被分离于N套集合中，可采用极大似然估计法估计包含故障星的卫导系统各测量伪距上的误差。

根据公式(4)有：

               S＝I-H(H^TH)^-1H^T

则各伪距上的误差极大似然估计值为：

${\hat{b}}_i=S_{i}y/S_{\mathrm{ii}}$

其中S矩阵为n×n的方阵，S_i为S矩阵的第i行，S_ii为S矩阵中位于第i行，第i列上的元素，i不大于集合中卫星数量n。y仍为伪距向量。显然，系统中

最大值所对应的卫星应为故障星。

步骤四：对已排除故障星的卫导系统进行故障检测，验证故障识别结果的正确性。

在对故障星进行识别操作后，首先排除已被识别的故障星或最小故障子集，则此时剩余观测信息应无故障。

为保证卫导系统的安全，在对故障星进行排除后，需要再对剩余卫星进行故障检测，以验证故障识别方法结果的正确性。具体方法是重复步骤二。若系统不能检测到故障，则故障识别正确；否则需要从步骤一开始重新进行故障识别。

对四系统组合，平均24颗可见星条件下，为实现双故障的检测，采用n-2算法，单次故障检测运算平均需要278次等效定位计算。而采用本发明提供的方法进行同样故障检测运算则平均需要10次左右的计算；极端情况下最多需要12次等效定位计算。可见本发明提供的方法在实现相同计算目的的条件下大幅度压缩了运算量。所述的极端情况是指在每次划分的子集中都有一个子集包括了多颗故障星。

利用本发明提供的方法，以四系统组合导航为例来详细说明本发明的多故障识别方法，有以下具体实施例：

实施例1：组合卫导系统包含双故障，且分布在同一系统中。假定采用GPS、Galileo、GLONASS和北斗四系统组合导航，当前可见星数为27颗。其中GPS的第一、二颗可见星出现故障，在正常伪距测量信息基础上加入100米偏差以模拟故障，其余卫星正常工作。故障识别方法的步骤为：

步骤一：根据用户对卫星导航系统完好性的实际需求，判断故障识别算法需处理最多故障星数N；

由ICAO(International Civil Aviation Organization，国际民间航空组织)对卫导系统在航路飞行阶段的性能要求可以得到：P_{INT_require}＝10^-7/h，由GPS系统承诺的卫星故障概率为P_STA≈1.25×10^-5。考虑到四系统最大可见星数在50颗左右，计算得到故障星数m为一颗、两颗和三颗的完好性风险P_{INT_m}分别为：6.25×10^-4/h、1.91×10^-7/h、3.83×10^-11/h。通过比较P_{INT_m}和P_{INT_require}的大小关系可以确定，故障识别算法需处理最多故障星数N＝2，即故障识别算法不需要处理三颗以上故障星的情况。

步骤二：确定观测卫星导航系统，利用SSE算法进行故障检测，判断卫星导航系统的故障情况。

将带有100米偏差的导航信息代入公式(6)，计算伪距残差的平方和SSE＝16040.44。考虑到此时四系统可见星共27颗，统计检测量 $T_x=\sqrt{\mathrm{SSE}/(27-7)}=28.32.$ 同时根据χ²分布规律，得到故障检测门限值T_D为18.12。显然T_x＞T_D，能够判断出系统存在故障。

步骤三：对故障卫星导航系统进行故障识别，以确定故障卫星。

将所有可见星按系统分为四个集合，分别对四个集合进行故障检测，根据公式(7)和(8)得到如下表1所示统计检测量T_x和故障检测门限T_D数据：

           表1集合故障检测数据

卫导系统	统计检测量Tx	故障检测门限TD
			GPS	23.93	20.98
Galileo	5.56	16.46
			GLONASS	6.55	40.69
北斗	10.15	10.71

由表1中数据可以发现，仅有GPS的监测统计量T_x超过其检测门限T_D。因此确定故障仅存在于GPS单系统中，其它三套导航系统不存在故障，归为完好卫星集。

该时刻GPS共包含七颗可见星，为便于下文表示，将其依次记为GPS-1至GPS-7。将GPS-1至GPS-4共四颗卫星归为子集Subset-1，其余GPS-5至GPS-7三颗卫星归为子集Subset-2。两卫星子集分别与完好卫星集组合，进行第三轮故障检测计算，其结果如下表2：

表2  子集合故障检测数据

卫星子集	统计检测量Tx	故障检测门限TD
			Subset-1	34.57	20.55
Subset-2	10.49	20.97

可以确定，Subset-2中不包含故障星，归入完好卫星集。而Subset-1中包括4颗可见星，需要进行下一轮操作，即将GPS-1与GPS-2两颗卫星组合为Subset-11，GPS-3与GPS-4两颗卫星组合为Subset-12，重复上步操作，得到表3：

表3  子集合故障检测数据

卫星子集	统计检测量Tx	故障检测门限TD
			Subset-11	35.75	21.45
Subset-12	10.63	21.45

该步操作确定Subset-11为存在故障的子集，Subset-12为完好卫星集，因此GPS-3与GPS-4两颗卫星无故障，而可能故障星数为两颗，所以显然GPS-1与GPS-2为故障星，可以结束运算，将GPS-1与GPS-2排除。

步骤四：对已排除故障星的系统进行故障检测，确定故障识别计算结果的正确性。

为确定故障判断的正确性，将已排除GPS-1与GPS-2观测信息的组合系统进行故障检测，得到统计检测量T_x＝9.33，故障检测门限T_D＝18.52。T_x＜T_D，故障被正确排除。

实施例2：假定GPS、Galileo、GLONASS和北斗四组合导航系统包含双故障，且分布在不同系统中。假定其中GPS的第四颗可见星出现故障，Galileo的第五颗可见星出现故障。在正常伪距测量信息基础上加入100米偏差模拟故障，其余卫星正常工作。

步骤一：根据用户对卫星导航系统完好性的实际需求，判断故障识别算法需处理最多故障星数N，同实施例1。

步骤二：确定观测卫星导航系统，进行SSE故障检测，判断卫星导航系统的故障情况。

类似于实施例1，进行故障检测计算，得到统计检测量T_x＝25.55，故障检测门限T_D＝18.12，T_x＞T_D，由此确定系统存在故障。

步骤三：对故障卫星导航系统进行二叉故障识别，以确定故障卫星。

根据系统数目划分为四个卫星集合，分别对四套系统(也叫四个卫星集合)进行故障检测，得到如下表4所示数据：

表4  系统故障检测数据

卫导系统	统计检测量Tx	故障检测门限TD
			GPS	44.45	20.98
Galileo	36.25	16.46
			GLONASS	10.86	40.69
北斗	5.74	9.48

由上表4中可以发现，GPS与Galileo均含有故障，而GLONASS与北斗不含故障，其导航观测信息归入完好卫星集。

分别对GPS与Galileo在无故障导航信息辅助下进行误差的极大似然估计。得到：

b_GPS＝10³×[0.02 0.00 0.08 7.11 0.55 0.30 0.44]^T

b_Galileo＝10³×[0.13 0.31 0.20 0.23 7.35 0.08 0.01 0.03]^T

从中对GPS与Galileo分别选出MAX(b_i)，得到GPS第四颗可见星GPS-4与Galileo第五颗可见星Galileo-5为故障星并加以排除。

步骤四：对已排除故障星的系统进行故障检测，确定故障识别计算结果的正确性。

为确定故障判断的正确性，将已排除GPS-4与Galileo-5观测信息的组合系统进行故障检测，得到统计检测量T_x＝6.40，故障检测门限T_D＝18.52。T_x＜T_D，故障被正确排除。

实施例3：组合系统仅包含单故障。假定采用GPS、Galileo、GLONASS三系统组合导航。其中Galileo的第二颗可见星出现故障。在正常伪距测量信息基础上加入100米偏差模拟故障，其余卫星正常工作。

步骤一：根据用户对卫星导航系统完好性的实际需求，判断故障识别算法需处理最多故障星数，同实施例1。

步骤二：确定观测卫星导航系统，进行SSE故障检测，判断卫星导航系统的故障情况。

类似于实施例1，进行故障检测计算，得到统计检测量T_x＝21.87，故障检测门限T_D＝18.98，T_x＞T_D由此确定系统存在故障。

步骤三：对故障卫星导航系统进行二叉故障识别，以识别故障卫星。

分别对三套系统进行故障检测，得到如下表5所示数据：

表5  三系统故障检测结果

卫导系统	统计检测量Tx	故障检测门限TD
			GPS	3.72	20.98
Galileo	39.63	16.46
			GLONASS	2.06	40.69

由上表5中可以发现，Galileo系统含有故障，而GPS与GLONASS不含故障，其导航观测信息归入归为完好卫星集。

该时刻Galileo共包含八颗可见星，将其依次记为Galileo-1至Galileo-8。将Galileo-1至Galileo-4共四颗卫星归为子集Subset-1，其余Galileo-5至Galileo-8四颗卫星归为子集Subset-2。两卫星子集分别与完好卫星集组合，进行第三轮故障检测计算，其结果如下表6：

表6  子集合故障检测数据

可以确定，Subset-2中不包含故障星，归入完好卫星集。而Subset-1中包括4颗可见星，需要进行下一轮操作，即将Galileo-1与Galileo-2两颗卫星组合为Subset-11，Galileo-3与Galileo-4两颗卫星组合为Subset-12，重复上步操作，得到表7：

表7  子集合故障检测数据

该步操作确定Galileo-3与Galileo-4两颗卫星无故障，而可能故障星数为两颗，可以结束运算，将Galileo-1与Galileo-2排除。尽管仿真时仅假设Galileo-2存在故障，但为减少运算量，在对结果没有明显影响的条件下，可以将Galileo-1与Galileo-2均进行排除。

步骤四：对已排除故障星的系统进行故障检测，确定故障识别计算结果的正确性。

为确定故障判断的正确性，将已排除Galileo-1与Galileo-2观测信息的组合系统进行故障检测，得到统计检测量T_x＝3.69，故障检测门限T_D＝19.52。T_x＜T_D，故障被正确排除。

实施例4：组合系统无故障，假定采用GPS、Galileo、GLONASS和北斗四系统组合导航。

步骤一：根据用户对卫星导航系统完好性的实际需求，判断故障识别算法需处理最多故障星数N，同实施例1。

步骤二：确定观测卫星导航系统，进行SSE故障检测，判断卫星导航系统的故障情况。

类似于实施例1，进行故障检测计算，得到统计检测量T_x＝9.37，故障检测门限T_D＝18.98，T_x＜T_D由此确定系统无故障。

上述的四个实施例表明本发明的多故障识别方法可以准确、快速的识别出系统的故障情况以及具体的故障星，尤其适用于存在多故障的卫导系统。

应用本发明提供的卫导系统多故障识别方法，假定采用GPS、Galileo、GLONASS和北斗四系统组合导航，进行全天86400s仿真，用户位置设为北京附近(东经116°，北纬40°)，随机设置故障卫星(包含单故障、两故障位于同一系统和两故障位于不同系统三种情况，各种情况概率比值与实际情况相同)，故障偏差由0m以10m为步长增长到400m，得到以下故障识别率曲线，如图3所示。

由图3可以得到，本方法在保持系统虚警率P_FA的条件下(即故障偏差为0的情况下有较低的故障检测率)，可以在故障偏差为200m左右时，达到近似为100％的故障识别率。

Claims (3)

1、一种应用于组合卫星导航系统的多故障识别方法，其特征在于，包括如下步骤：

步骤一：根据用户对卫星导航系统完好性的实际需求，判断故障识别算法需处理最多故障星数N；

如果当故障星数目m与最多故障星数N之间满足m≤N的时候，系统的完好性风险P_{INT_m}大于用户要求的最低标准完好性风险P_{INT_require}，则可以确定故障识别算法需处理的最多故障星数N的值；

步骤二：对卫导系统进行故障检测，判断卫导系统的故障情况；若卫导系统的统计检测量T_x与门限值T_D之间满足T_x≥T_D，认为存在故障星；否则认为无故障星；

步骤三：对存在故障星的卫导系统进行故障识别，确定故障星；

步骤四：对已排除故障星的系统进行故障检测，验证故障识别结果的正确性；若检测到系统不存在故障，则故障识别正确；否则需要从步骤一开始重新进行故障识别。

2、根据权利要求1所述的一种应用于组合卫星导航系统的多故障识别方法，其特征在于，所述步骤二中的统计检测量T_x通过公式 $T_x=\sqrt{\mathrm{SSE}/(n-l)}$ 来确定；门限值T_D由公式 $T_D=\sqrt{T/(n-l)}$ 来确定，其中的T由概率等式

$P(\mathrm{SSE}/{\mathrm{\&sigma;}}^2<T/{\mathrm{\&sigma;}}^2)=\underset{0}{\overset{T/{\mathrm{\&sigma;}}^2}{\&Integral;}}{f}_{{\mathrm{\&chi;}}^2(k-6)}\left(x\right)\mathrm{dx}=1-P_{\mathrm{FA}}$

求解得到，n为当前可见星数目，l为组合系统自由度，σ为测距误差均方根，P_FA为指定虚警率。

3、根据权利要求1所述的一种应用于组合卫星导航系统的多故障识别方法，其特征在于，所述步骤三具体为：

步骤a：划分卫星集合，将卫导系统所包含的全天所有可见星划分为M个集合，集合数M大于故障识别算法需处理的最多故障星数目N；

步骤b：对所有集合进行故障检测，判断各集合故障情况：

当检测到存在故障的集合数少于N时，(i)首先将未检测到故障的集合中包含的全部卫星组合为完好卫星集；(ii)将所有包含故障星的集合内的全部可见星重新划分为N个子集；(iii)分别将N个子集与完好卫星集测量信息组合后，分别进行故障检测，并统计故障集合的数目；(iv)若检测到N个子集均存在故障，则采用极大似然估计法实现故障识别；若检测到故障子集数少于N，并且故障子集包含的全部卫星数量大于2N，则重复(i)～(iii)的操作，直至未确定故障情况的卫星数少于2N，此时将所有尚未确定故障情况的剩余卫星均视为故障星并加以排除；

当检测到存在故障的集合数等于N，将未检测到故障的集合中包含的全部卫星组合为完好卫星集，采用极大似然估计法实现故障识别。

Images