CN104504247B - 一种gps双卫星故障的raim方法 - Google Patents
一种gps双卫星故障的raim方法 Download PDFInfo
- Publication number
- CN104504247B CN104504247B CN201410748809.2A CN201410748809A CN104504247B CN 104504247 B CN104504247 B CN 104504247B CN 201410748809 A CN201410748809 A CN 201410748809A CN 104504247 B CN104504247 B CN 104504247B
- Authority
- CN
- China
- Prior art keywords
- mrow
- satellite
- msub
- msup
- measured value
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Landscapes
- Position Fixing By Use Of Radio Waves (AREA)
Abstract
一种GPS双卫星故障的RAIM方法，包括如下步骤：第一步，建立粒子滤波用于接收机自主完好性监测的故障检测与隔离的系统模型；第二步，计算各状态累加对数似然比；第三步，使用基于层次滤波和粒子滤波算法的接收机自主完好性监测方法实现对双故障卫星的检测和隔离。本发明的优点在于：1、本方法能有效地实现双卫星故障情况下的接收机自主完好性监测，检测方法不存在延时，实时性好；2、本方法对于系统噪声和干扰为非高斯分布的问题能得到最优解；3、本方法满足卫星导航系统精度的要求，适用于完好性要求苛刻的领域。
Description
技术领域：本发明涉及一种快速检测隔离GPS双卫星故障的方法，是一种在用户端进行的自主完好性监测优化方法，具体地说，是指一种将粒子滤波与层次滤波相结合用于检测与隔离GPS双卫星故障的方法。
背景技术:近几年来，随着全球导航卫星系统(GNSS)的发展以及用户对于GNSS服务性能要求的不断升级，完好性作为导航系统的一项非常重要的性能指标，而日益受到重视。当GPS定位数据不可用时，完好性监测系统可以向用户告警，从而避免错误的定位数据给用户带来定位错误。接收机自主完好性监测算法(RAIM)可以在接收机通过卫星导航电文解算出的定位误差大于设定阈值时，向用户告警。根据RAIM对故障卫星进行监测和识别，从而提高接收机的定位精度。因此，用户端的接收机自主完好性监测算法的研究必要而迫切。
目前已有的RAIM方法主要基于单颗卫星发生故障的假设，但随着我国“北斗”二代计划的实施，空中可用于定位的卫星数目的不断增加，多颗卫星发生故障的概率不可忽视。同时，单颗卫星定位不能满足一些对完好性要求苛刻的领域时，采用多星座联合导航定位时，两颗卫星同时发生错误的概率不能再被忽略，在进行RAIM算法研究中应予以考虑。
接收机自主完好性监测是一种识别多星故障的完好性问题，用传统的算法(包括基于卡尔曼滤波的算法、假设检验算法、重构奇偶矢量算法)解决将面临严峻挑战，主要表现在：(1)运算过程中包含了大量的矩阵三角分解和广义特征值分解，在接收机中很难实现实时解算；(2)可能存在故障残差抵消，从而导致无法找出故障卫星或者做出错误判断；(3)算法针对只有一颗卫星出现故障，对于多颗卫星发生故障的情况不能有效解决；(4)对于系统噪声和干扰为非高斯分布的问题仅能提供次优解并且不能有效地实现多星座情况下的接收机自主完好性检测。
发明内容：针对上述现有技术的不足，本发明提供了一种GPS双卫星故障的RAIM方法。
为实现上述目的，本发明采用的技术方案是：一种GPS双卫星故障的RAIM方法，包括如下步骤：
第一步，建立粒子滤波用于接收机自主完好性监测的故障检测与隔离的系统模型；
第二步，计算各状态累加对数似然比；
第三步，使用基于层次滤波和粒子滤波算法的接收机自主完好性监测方法实现对双故障卫星的检测和隔离。
本发明的优点在于：
1、本方法能有效地实现双卫星故障情况下的接收机自主完好性监测，检测方法不存在延时，实时性好；
2、本方法对于系统噪声和干扰为非高斯分布的问题能得到最优解；
3、本方法满足卫星导航系统精度的要求，适用于完好性要求苛刻的领域。
附图说明
图1是基于PF的LLR测试方法用于FDI的实现框图。
图2是基于层次滤波算法用于双故障检测的实现框图。
图3是双故障卫星的情况进行故障检测与隔离实现流程图。
具体实施方式：
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清晰、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
首先介绍如下的概念与定义：
1、完好性：是指当定位数据不可用时，系统可以向用户告警，从而避免错误的定位数据给用户带来定位错误。
2、故障的检测(FD)：是指对被监测系统故障的存在作出判断；故障的隔离(FI)：是指对系统故障的类型作出判断。
3、粒子滤波方法：是一种基于序贯蒙特卡罗方法和序贯重要性采样(SIS)的滤波方法，其对于非线性、非高斯系统的状态估计问题有着很好的滤波效果，该方法对系统噪声没有任何限制，通过从系统概率密度函数进行采样得到采样集，并通过系统的状态方程和量测方程来对采样集进行预测和更新来近似非线性系统的随机贝叶斯估计。
本发明提供的基于层次滤波和粒子滤波算法的接收机自主完好性监测方法，具体步骤如下：
第一步，建立粒子滤波用于接收机自主完好性监测的故障检测与隔离的系统模型；
系统状态方程：
Xk＝Fk-1Xk-1+wk-1
式中,Δδ为接收机相对于卫星时间的误差；F为转移矩阵，在静止状态下为特征矩阵；w为过程噪声。
量测方程：
ρi(k)＝Ri(k)+cΔδi+Ti(k)+Ei(k)+εi(k)
式中，ρi为接收机(rx,ry,rz)与卫星i(sx i,sy i,sz i)之间的伪距(m)；c为光速；Δδ为时间误差；Ei为星历影响；ε为码观测噪声；为接收机与卫星i之间的真实距离(m)。
量测量选取为：卫星位置坐标(sx i,sy i,sz i)、伪距ρi和时间误差Δδ，都可从量测数据中提取。
假设当前用于PVT解算的卫星数目s＝6，并假设其中有一颗卫星出现故障。为了检测和隔离出故障卫星，需要Q＝s+1个PF，一个作为主PF，剩下的s个PF作为辅助PF。主PF的作用是处理所有s颗卫星的测量值以计算系统的状态估计；s个辅助PF的作用是计算依次去除s颗卫星中的一颗卫星的测量值后对应的状态估计，计算结果将用于LLR测试以进行一致性检测。
基于PF的LLR方法用于卫星故障检测和隔离的实现框图如图1所示。
如图1所示，设从GPS接收机输出的量测量数目为6，即y＝[y1,y2,y3,y4,y5,y6]T，故需要7个PF。图1中的MAIN PF用于处理所有的6个量测量以对系统的状态做出较准确的估计和其概率密度函数pM(y)，同时其它的6个PF作为辅助PF主要用于分别处理6个量测量中的5个，以计算状态估计和它们的概率密度函数pq(y)，计算结果将用于构建检验统计量。
各个PF的量测矢量如下所示
观察各PF上述输入的量测值可以知道，当一颗定位卫星发生故障或错误时，6个辅助PF中的一个会不含故障卫星发来的量测值，也就是说6个一致性检测结果中，至少会有一个超出告警的阈值。
第二步，建立检验统计量、LLR测试实现FD和FI；
统计量的建立：
将LLR测试定义为各辅助PF和主PF的概率密度函数之比，表达式如下式所示：
量测量yj到yk的累加LLR可以表示为：
由于系统状态估计的似然函数可用PF中粒子的归一化权值近似表示，故上式中的pq(yi|Yi-1)和pA(yi|Yi-1)可表示为：
所以，计算出主PF和各辅助PF中各时刻的粒子归一化权值(这在PF算法中是很容易做到的)，即可得到用于一致性检测的累加LLR，从而对系统是否出现故障进行检测。
LLR测试实现FD和FI的原理：
通过计算得到各时刻的累加LLR函数后，根据累加LLR函数具有的特性，即正常情况下，随着时间k的增长，函数曲线是平稳的；当数据发生变化时，会在变化之前产生一个负向的漂移，在变化之后产生一个正向的漂移，体现在函数曲线上就是一个不同于其他时刻的波动。利用这一特性就可以对系统是否发生故障作出判断。
用于FD的判决函数如下：
式中的U为窗函数，包含当前时刻以前的各观测时刻，一般根据经验选择窗口大小，τ为判决阈值，一般也是根据经验选择。
当βk>τ，也就是系统检测到故障时，应当设置告警并将当前时刻表示为ta，之后利用下式确定发生故障的卫星编号：
式中g表示故障卫星编号，确定了故障卫星的卫星编号，就可以对该卫星的量测值进行隔离。
第三步，层次滤波用于接收机自主完好性监测。
当两颗卫星同时故障时，检测出的FDD超出检测门限时，如何确定是单故障还是双故障，是需要解决的问题。使用基于PF的LLR层次滤波测试方法用于FDI的实现。
(1)用全部的测量值(s)计算系统的状态估计后，用剩下的测量值计算除去s颗卫星中的一颗卫星的测量值(s-1)后对应的状态估计，然后进行LLR一致性检测，如果超过设定门限则表示有故障，否则无故障；
(2)如果有故障卫星，则利用相同的方式，在去掉故障卫星的测量值之后，利用剩下的测量值(s-1个测量值)和剩下的部分测量值计算(s-2个测量值)状态估计，然后再进行LLR一致性检测，确定剩余卫星中是否有故障卫星，如图2所示。
利用上述方法，经过两次计算，即可实现两颗卫星的故障检测，此方法同时可检测双故障卫星的情况。
详细的算法流程如图3所示：
根据空间交会原理求解接收机初始位置，再根据接收机所在坐标(rx,ry,rz)(实验中是静止不动的)产生N个主PF的初始粒子和辅助PF的初始粒子
一、进行第一层次滤波，每个时间常数k重复以下步骤：
1.状态预测。将
和分别带入系统状态方程即式(1)，得到粒子预测值和
2.计算粒子权重。将粒子预测值和第i颗卫星的位置坐标(sx i,sy i,sz i)以及时间误差Δδ等带入系统量测方程，得到预测的第i颗卫星的伪距值将和伪距的量测值ρi带入权值计算公式并归一化，得到归一化后的粒子权值和
3.计算LLR。通过计算对数似然比。
4.根据计算判定函数。
5.错误判决。(τ为判决阈值)
如果βk＞τ，错误告警设置为ta＝t时刻并跳至步骤6；
如果βk＜τ，则表示没有错误，跳至步骤7。
6.错误隔离。在k＞ta下，取出Q颗卫星中累积LLR最大的那个卫星q即为出错的卫星，则g＝q。
7.状态更新。粒子滤波重采样得到更新粒子。
二、进行第二层次滤波，在去掉累计LLR最大的那颗卫星之后，用剩下的测量值和剩下的部分测量值再一次进行基于LLR的PF算法进行第二层次卫星的故障检测与隔离，排除剩余故障卫星。
Claims (2)
1.一种GPS双卫星故障的RAIM方法，包括如下步骤：
第一步，建立粒子滤波用于接收机自主完好性监测的故障检测与隔离的系统模型；
第二步，计算各状态累加对数似然比；
第三步，使用基于层次滤波和粒子滤波算法的接收机自主完好性监测方法实现对双故障卫星的检测和隔离；
其中第一步建立粒子滤波用于接收机自主完好性监测的故障检测与隔离的系统模型的中的系统状态方程：
Xk＝Fk-1Xk-1+wk-1
式中,Δδ为接收机相对于卫星时间的误差；F为转移矩阵，在静止状态下为特征矩阵；w为过程噪声；
量测方程：
ρi(k)＝Ri(k)+cΔδi+Ti(k)+Ei(k)+εi(k)
式中，ρi为接收机(rx,ry,rz)与卫星i(sx i,sy i,sz i)之间的伪距；c为光速；Δδ为时间误差；Ei为星历影响；ε为码观测噪声；为接收机与卫星i之间的真实距离；
量测量选取为：卫星位置坐标(sx i,sy i,sz i)、伪距ρi和时间误差Δδ，都可从量测数据中提取；
假设当前用于PVT解算的卫星数目s＝6，并假设其中有一颗卫星出现故障，为了检测和隔离出故障卫星，需要Q＝s+1个PF，一个作为主PF，剩下的s个PF作为辅助PF，主PF的作用是处理所有s颗卫星的测量值以计算系统的状态估计；s个辅助PF的作用是计算依次去除s颗卫星中的一颗卫星的测量值后对应的状态估计，计算结果将用于LLR测试以进行一致性检测；
其中第二步计算各状态累加对数似然比具体过程为：统计量的建立：
将LLR测试定义为各辅助PF和主PF的概率密度函数之比，表达式如下式所示：
<mrow>
<msup>
<mi>s</mi>
<mi>q</mi>
</msup>
<mrow>
<mo>(</mo>
<mi>y</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mi>l</mi>
<mi>n</mi>
<mfrac>
<mrow>
<msup>
<mi>p</mi>
<mi>q</mi>
</msup>
<mrow>
<mo>(</mo>
<mi>y</mi>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<msup>
<mi>p</mi>
<mi>A</mi>
</msup>
<mrow>
<mo>(</mo>
<mi>y</mi>
<mo>)</mo>
</mrow>
</mrow>
</mfrac>
</mrow>
量测量yj到yk的累加LLR可以表示为：
<mrow>
<msubsup>
<mi>S</mi>
<mi>i</mi>
<mi>k</mi>
</msubsup>
<mrow>
<mo>(</mo>
<mi>q</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mi>j</mi>
</mrow>
<mi>k</mi>
</munderover>
<mi>l</mi>
<mi>n</mi>
<mfrac>
<mrow>
<msup>
<mi>p</mi>
<mi>q</mi>
</msup>
<mrow>
<mo>(</mo>
<msub>
<mi>y</mi>
<mi>i</mi>
</msub>
<mo>|</mo>
<msub>
<mi>Y</mi>
<mrow>
<mi>i</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msub>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<msup>
<mi>p</mi>
<mi>A</mi>
</msup>
<mrow>
<mo>(</mo>
<msub>
<mi>y</mi>
<mi>i</mi>
</msub>
<mo>|</mo>
<msub>
<mi>Y</mi>
<mrow>
<mi>i</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msub>
<mo>)</mo>
</mrow>
</mrow>
</mfrac>
</mrow>
由于系统状态估计的似然函数可用PF中粒子的归一化权值近似表示，故上式中的pq(yi|Yi-1)和pA(yi|Yi-1)可表示为：
<mrow>
<msup>
<mi>p</mi>
<mi>q</mi>
</msup>
<mrow>
<mo>(</mo>
<msub>
<mi>y</mi>
<mi>i</mi>
</msub>
<mo>|</mo>
<msub>
<mi>Y</mi>
<mrow>
<mi>i</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msub>
<mo>)</mo>
</mrow>
<mo>&ap;</mo>
<mfrac>
<mn>1</mn>
<mi>N</mi>
</mfrac>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>m</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>N</mi>
</munderover>
<msubsup>
<mover>
<mi>w</mi>
<mo>~</mo>
</mover>
<mi>i</mi>
<mi>q</mi>
</msubsup>
<mrow>
<mo>(</mo>
<mi>m</mi>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<msup>
<mi>p</mi>
<mi>A</mi>
</msup>
<mrow>
<mo>(</mo>
<msub>
<mi>y</mi>
<mi>i</mi>
</msub>
<mo>|</mo>
<msub>
<mi>Y</mi>
<mrow>
<mi>i</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msub>
<mo>)</mo>
</mrow>
<mo>&ap;</mo>
<mfrac>
<mn>1</mn>
<mi>N</mi>
</mfrac>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>m</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>N</mi>
</munderover>
<msubsup>
<mover>
<mi>w</mi>
<mo>~</mo>
</mover>
<mi>i</mi>
<mi>A</mi>
</msubsup>
<mrow>
<mo>(</mo>
<mi>m</mi>
<mo>)</mo>
</mrow>
</mrow>
所以，计算出主PF和各辅助PF中各时刻的粒子归一化权值，即可得到用于一致性检测的累加LLR，从而对系统是否出现故障进行检测；
通过计算得到各时刻的累加LLR函数后，根据累加LLR函数具有的特性，即正常情况下，随着时间k的增长，函数曲线是平稳的；当数据发生变化时，会在变化之前产生一个负向的漂移，在变化之后产生一个正向的漂移，体现在函数曲线上就是一个不同于其他时刻的波动，利用这一特性就可以对系统是否发生故障做出判断；
用于FD的判决函数如下：
<mrow>
<msub>
<mi>&beta;</mi>
<mi>k</mi>
</msub>
<mo>=</mo>
<munder>
<mrow>
<mi>m</mi>
<mi>a</mi>
<mi>x</mi>
</mrow>
<mrow>
<mi>k</mi>
<mo>-</mo>
<mi>U</mi>
<mo>+</mo>
<mn>1</mn>
<mo>&le;</mo>
<mi>j</mi>
<mo>&le;</mo>
<mi>k</mi>
</mrow>
</munder>
<munder>
<mrow>
<mi>m</mi>
<mi>a</mi>
<mi>x</mi>
</mrow>
<mrow>
<mn>1</mn>
<mo>&le;</mo>
<mi>d</mi>
<mo>&le;</mo>
<mi>D</mi>
</mrow>
</munder>
<msubsup>
<mi>S</mi>
<mi>j</mi>
<mi>k</mi>
</msubsup>
<mrow>
<mo>(</mo>
<mi>d</mi>
<mo>)</mo>
</mrow>
<mo>></mo>
<mi>&tau;</mi>
</mrow>
式中的U为窗函数，包含当前时刻以前的各观测时刻，一般根据经验选择窗口大小，τ为判决阈值，一般也是根据经验选择，
当βk>τ，也就是系统检测到故障时，应当设置告警并将当前时刻表示为ta，之后利用下式确定发生故障的卫星编号：
<mrow>
<mi>g</mi>
<mo>=</mo>
<mi>arg</mi>
<munder>
<mrow>
<mi>m</mi>
<mi>a</mi>
<mi>x</mi>
</mrow>
<mrow>
<mn>1</mn>
<mo>&le;</mo>
<mi>d</mi>
<mo>&le;</mo>
<mi>D</mi>
</mrow>
</munder>
<msubsup>
<mi>S</mi>
<msub>
<mi>t</mi>
<mi>a</mi>
</msub>
<mi>k</mi>
</msubsup>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>></mo>
<msub>
<mi>t</mi>
<mi>a</mi>
</msub>
<mo>)</mo>
</mrow>
</mrow>
式中g表示故障卫星编号，确定了故障卫星的卫星编号，就可以对该卫星的量测值进行隔离；
其中第三步使用基于层次滤波和粒子滤波算法的接收机自主完好性监测方法实现对双故障卫星的检测和隔离具体过程为：
(1)用全部的测量值s计算系统的状态估计后，用剩下的测量值计算除去s颗卫星中的一颗卫星的测量值即s-1后对应的状态估计，然后进行LLR一致性检测，如果超过设定门限则表示有故障，否则无故障；
(2)如果有故障卫星，则利用相同的方式，在去掉故障卫星的测量值之后，利用剩下的测量值即s-1个测量值和剩下的部分测量值计算即s-2个测量值状态估计，然后再进行LLR一致性检测，确定剩余卫星中是否有故障卫星，利用上述方法，经过两次计算，即可实现两颗卫星的故障检测。
2.如权利要求1所述的一种GPS双卫星故障的RAIM方法，其特征在于，根据空间交会原理求解接收机初始位置，再根据接收机所在坐标(rx,ry,rz)产生N个主PF的初始粒子和辅助PF的初始粒子
一、进行第一层次滤波，每个时间常数k重复以下步骤：
1.状态预测：将
和分别带入系统状态方程，得到粒子预测值和
2.计算粒子权重：将粒子预测值和第i颗卫星的位置坐标(sx i,sy i,sz i)以及时间误差Δδ带入系统量测方程，得到预测的第i颗卫星的伪距值将和伪距的量测值ρi带入权值计算公式并归一化，得到归一化后的粒子权值和
3.计算LLR：通过计算对数似然比；
4.根据计算判定函数；
5.错误判决：τ为判决阈值；
如果βk＞τ，错误告警设置为ta＝t时刻并跳至步骤6；
如果βk＜τ，则表示没有错误，跳至步骤7；
6.错误隔离：在k＞ta下，取出Q颗卫星中累积LLR最大的那个卫星q即为出错的卫星，则g＝q；
7.状态更新：粒子滤波重采样得到更新粒子；
二、进行第二层次滤波，在去掉累计LLR最大的那颗卫星之后，用剩下的测量值和剩下的部分测量值再一次进行基于LLR的PF算法进行第二层次卫星的故障检测与隔离，排除剩余故障卫星。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201410748809.2A CN104504247B (zh) | 2014-12-09 | 2014-12-09 | 一种gps双卫星故障的raim方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201410748809.2A CN104504247B (zh) | 2014-12-09 | 2014-12-09 | 一种gps双卫星故障的raim方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN104504247A CN104504247A (zh) | 2015-04-08 |
| CN104504247B true CN104504247B (zh) | 2017-12-05 |
Family
ID=52945644
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201410748809.2A Active CN104504247B (zh) | 2014-12-09 | 2014-12-09 | 一种gps双卫星故障的raim方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN104504247B (zh) |
Families Citing this family (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108594274B (zh) * | 2018-02-01 | 2021-09-03 | 沈阳航空航天大学 | 一种自适应混沌粒子群优化的组合导航选星方法 |
| CN108931789B (zh) * | 2018-03-02 | 2021-02-05 | 和芯星通（上海）科技有限公司 | 攻击检测方法、攻击检测器、计算机可读存储介质和终端 |
| CN109143274B (zh) * | 2018-07-30 | 2022-12-09 | 沈阳航空航天大学 | 一种基于原始卫星导航信号的接收机定位完好性监测方法 |
| CN110068840B (zh) * | 2019-05-15 | 2020-12-29 | 北京航空航天大学 | 一种基于伪距测量特征值提取的araim故障检测方法 |
| CN113777630B (zh) * | 2021-02-10 | 2022-05-27 | 北京航空航天大学 | 一种地基增强系统单接收机故障监测方法及系统 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1996041A (zh) * | 2006-12-20 | 2007-07-11 | 北京航空航天大学 | 基于多星故障识别的gnss接收机自主完整性监测方法 |
| CN101089651A (zh) * | 2007-07-12 | 2007-12-19 | 北京航空航天大学 | 接收机自主完好性监测的可用性预测方法 |
| CN101806903A (zh) * | 2010-04-01 | 2010-08-18 | 北京航空航天大学 | 一种用于卫星导航系统的接收机自主完好性监测方法 |
-
2014
- 2014-12-09 CN CN201410748809.2A patent/CN104504247B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1996041A (zh) * | 2006-12-20 | 2007-07-11 | 北京航空航天大学 | 基于多星故障识别的gnss接收机自主完整性监测方法 |
| CN101089651A (zh) * | 2007-07-12 | 2007-12-19 | 北京航空航天大学 | 接收机自主完好性监测的可用性预测方法 |
| CN101806903A (zh) * | 2010-04-01 | 2010-08-18 | 北京航空航天大学 | 一种用于卫星导航系统的接收机自主完好性监测方法 |
Non-Patent Citations (4)
| Title |
|---|
| Fault Detection and Isolation for GPS RAIM Based on Genetic Resampling Particle Filter Approach;Ershen Wang etal;《TELKOMNIKA Indonesian Journal of Electrical Engineering》;20140531;第12卷(第5期);第3.1，3.2节 * |
| 卫星导航接收机自主完好性监测算法研究;王尔申等;《沈阳航空航天大学学报》;20140228;第31卷(第1期);77-81页 * |
| 基于层次滤波器结构的卫星故障检测隔离;黄国荣等;《电光与控制》;20120430;第19卷(第4期);64-67,75页 * |
| 用于识别两颗故障卫星的 RAIM算法;张强等;《北京航空航天大学学报》;20080731;第34卷(第7期);773-777页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN104504247A (zh) | 2015-04-08 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN104504247B (zh) | 一种gps双卫星故障的raim方法 | |
| CN109521443B (zh) | 一种探测星历异常的方法 | |
| CN108919321B (zh) | 一种基于尝试法的gnss定位粗差探测方法 | |
| CN105487088B (zh) | 一种卫星导航系统中基于卡尔曼滤波的raim算法 | |
| CN110007317B (zh) | 一种选星优化的高级接收机自主完好性监测方法 | |
| CN110161543B (zh) | 一种基于卡方检验的部分粗差抗差自适应滤波方法 | |
| CN107064961A (zh) | 对卫星导航系统完好性监测性能进行测试的方法及装置 | |
| CN107783154A (zh) | 一种接收机自主完好性故障检测及排除方法 | |
| CN103760571A (zh) | 用于gps的基于影响因素特征的脆弱性监测系统及方法 | |
| CN104280741B (zh) | 电离层异常检测方法 | |
| CN108761498A (zh) | 一种针对高级接收机自主完好性监测的位置估计优化方法 | |
| CN106199659B (zh) | 基于模糊数学的gnss单站双频观测数据周跳探测及处理方法 | |
| CN107505642A (zh) | 一种ins辅助的实时bds单频周跳探测方法 | |
| CN105512011B (zh) | 一种电子装备测试性建模评估方法 | |
| CN104166718A (zh) | 一种适用于大电网的不良数据检测与辨识方法 | |
| WO2021052511A1 (zh) | 北斗机载设备raim性能符合性测试方法及系统 | |
| KR101433908B1 (ko) | Gnss 데이터 품질 평가 방법 및 시스템 | |
| CN104318089A (zh) | 一种用于局域增强系统完好性监测的门限值确定方法 | |
| CN104020482B (zh) | 一种高动态卫星导航接收机精确测速方法 | |
| Gao et al. | Double-channel sequential probability ratio test for failure detection in multisensor integrated systems | |
| CN105204047B (zh) | 一种卫星导航系统中观测量单个粗差的探测与修复方法 | |
| CN104331602A (zh) | 基于马尔科夫链的gnss完好性检测率估计方法 | |
| CN105511481B (zh) | 一种星载定轨优化方法 | |
| CN104536015B (zh) | 一种粒子滤波raim方法的fpga实现方法 | |
| Shi et al. | Optimal robust fault-detection filter for micro-electro-mechanical system-based inertial navigation system/global positioning system |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| TR01 | Transfer of patent right | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20190709 Address after: 063000 East Side of the Second Floor of the Software Park of the Venture Center of Tangshan Hi-tech Industrial Park, Hebei Province Patentee after: Hebei micro probe technology Co., Ltd. Address before: 110136 No. 37 Daoyi South Street, Shenbei New District, Shenyang City, Liaoning Province Patentee before: Shenyang Aerospace University |