CN106842242B - 一种基于支持向量机的矢量跟踪通道故障检测方法 - Google Patents

Abstract

本发明公开了一种基于支持向量机的矢量跟踪通道故障检测方法。该方法步骤如下：一、利用接收机的位置、速度、钟差、钟漂和卫星星历计算载波和码NCO参数；二、鉴频器和码环鉴别器输出作为导航滤波器量测信息，用以估计接收机的位置、速度、钟差和钟漂误差，用估计的信息修正接收机位置和速度，然后用修正过的接收机位置和速度结合卫星星历计算载波和码NCO，以保持对输入信号的跟踪；三、将每个通道对应的新息序列作为支持向量机的输入，用来判断通道是否正常。本发明方法能够准确地检测出存在故障的通道，同时没有明显增加计算量，不影响环路的实时性，应用前景广阔。

Description

一种基于支持向量机的矢量跟踪通道故障检测方法

技术领域

本发明涉及卫星导航和卫星导航软件接收机领域，特别是一种基于支持向量机的矢量跟踪通道故障检测方法。

背景技术

GPS是由美国国防部开发的天基导航系统，具有、全天候、高精度的特点。全世界的用户使用接收机接收不少于4颗导航卫星的信号就可以实时的获得自身的位置、速度和时间信息。目前GPS广泛应用于武器制导、车辆导航、大地测量、地震预测、天气预报方面。

新一代基于矢量跟踪算法的接收机技术可以跟踪弱信号，矢量跟踪算法的导航滤波器采用卡尔曼滤波算法，这样实现了所有通道卫星信号的联合跟踪，同时具有更好的鲁棒性，具有瞬时桥接信号的能力，但是任一通道的故障或者信号质量较差会影响其它通道。

发明内容

本发明的目的在于提供一种能够提高矢量跟踪环路的容错能力和鲁棒性的基于支持向量机的矢量跟踪通道故障检测方法。

实现本发明目的的技术解决方案为：一种基于支持向量机的矢量跟踪通道故障检测方法，包括下列步骤：

步骤1，利用接收机的位置、速度、钟差、钟漂和卫星星历计算载波和码NCO参数；

步骤2，鉴频器和码环鉴别器的输出作为导航滤波器量测信息，用以估计接收机的位置、速度、钟差和钟漂误差信息，用估计的信息修正接收机位置和速度，然后用修正过的接收机位置和速度结合卫星星历计算载波和码NCO，以保持对输入信号的跟踪；

步骤3，利用校对好的支持向量机检测通道是否存在故障，支持向量机的输入为导航滤波器对应通道的新息序列，输出为对应通道是否正常。

本发明与现有技术相比，其显著优点是：(1)采用支持向量机判断通道是否故障，能够准确的检测出存在故障的通道；(2)提高了矢量跟踪环路的容错能力和鲁棒性；(3)没有增加计算量，不影响环路的实时性，应用前景广阔。

附图说明

图1是本发明中容错矢量跟踪结构示意图。

图2是本发明中支持向量机的示意图图。

具体实施方式

本发明基于支持向量机的矢量跟踪通道故障检测方法，具体实现如下：

在不考虑噪声的情况下，GPS接收机射频前端输出的中频信号模型为：

式中，A为信号强度，D(t)为导航电文，C(t)为C/A码，τ为传输过程中的时间延迟，ω_IF为信号中频，φ(t)为初始载波相位，S_IF(t)为t时刻信号强度值。

本地振荡器发生的两路信号分别为：

式中，(ω_IF+Δω)为本地振荡器产生的载波频率，Δω为本地载波频率和输入的中频信号频率的差，φ₀为本地信号产生初始载波相位。I(t)和Q(t)分别为t时刻本地信号和接收信号的即时I支路值和Q支路值。

输入的中频信号与本地振荡器发生的同相、正交信号相乘，滤除高频成分后，两支路的输出为：

其中，S_IF(t)为t时刻信号强度值；两个支路的输出信号分别与本地伪码发生器生成的即时码(P)、超前码(E)和滞后码(L)相关，并在预检测积分时间内累加求和。假设积分间隔内，载波频率差和相位差都近似不变，则取均值后的相关器输出为：

式中，δ为本地C/A码超前滞后的间隔，T为预检测积分时间，δτ为伪码相位误差，δf和分别为积分间隔起始时刻本地参考信号与输入信号之间的载波频率差和载波相位差，R(τ)为C/A码的相关函数，I_P,Q_P为信号即时I支路值和Q支路值，I_E,Q_E为信号超前I支路值和Q支路值，I_L,Q_L为信号滞后I支路值和Q支路值。

结合图1，本发明基于支持向量机的矢量跟踪通道故障检测方法，具体包括下列步骤：

步骤1，利用接收机的位置、速度、钟差、钟漂和卫星星历计算载波和码NCO参数；

式中，V_k-1分别为k-1时刻解算得到的GPS接收机的速度，x⁽ⁿ⁾、y⁽ⁿ⁾、z⁽ⁿ⁾为卫星号为n的GPS卫星的位置，为接收机在地心地固坐标系下的位置。为卫星n与接收机之间的视线矢量，表示k卫星n和用户之间的距离；为k-1时刻通过星历解算出来的卫星n的速度；为k时刻的卫星位置；是指k时刻的卫星位置和k-1时刻卫星n的位置的差值；分别为k时刻的码相位、码频率和载波频率预测值；为k-1时刻的码相位解算值；c为真空中光速；t_d,k-1为k-1时刻的钟漂；f_code为C/A码的基准频率，为1.023MHz；f_carrier为载波L1的频率，为1575.42MHz，t_k,k-1是k-1时刻预测的k时刻的钟差，V_k-1分别为k-1时刻解算得到的GPS接收机的速度。

步骤2，鉴频器和码环鉴别器的输出作为导航滤波器量测信息，用以估计接收机的位置、速度、钟差和钟漂误差信息，用估计的信息修正接收机位置和速度，然后用修正过的接收机位置和速度结合卫星星历计算载波和码NCO，以保持对输入信号的跟踪。

a)鉴频器计算公式：

式中，z_carrier为载波频率测量值， 和分别为I通道和Q通道即时支路t₁时刻的采样值，和分别为I通道和Q通道即时支路紧接着t₁时刻之后的t₂时刻的采样值，t₁为k-1时刻的时间，t₂为k时刻的时间，sign(x)为符号函数，取值如下：

b)码环鉴别器：

码鉴别器选取归一化的非相干超前减滞后模型，得到码相位测量值z_code：

式中，I_E和Q_E分别为I通道和Q通道超前支路采样值，I_L和Q_L分别为I通道和Q通道滞后支路采样值。

c)导航滤波器模型的状态方程：

式中，Φ_k,k+1为状态转移矩阵，c为真空下光的速度，t_b,k和t_b,k-1分别为k时刻和k-1时刻的接收机钟差，t_d,k和t_d,k-1分别为k时刻和k-1时刻的接收机钟漂，δx_k、δy_k、δz_k为地心地固坐标系下k时刻三轴位置误差，δv_x,k、δv_y,k、δv_z,k为k时刻地心地固坐标系三轴速度误差，w_k是系统噪声，δx_k-1、δy_k-1、δz_k-1为地心地固坐标系下k-1时刻三轴位置误差，δv_x,k-1、δv_y,k-1、δv_z,k-1为k-1时刻地心地固坐标系下三轴速度误差。

d)导航滤波器模型的观测方程为：

观测量选取各通道的码相位测量值和载波频率测量值，观测量与状态量之间的关系如下：

z_code＝h_xδx+h_yδy+h_zδz+c·t_b+w_code (21)

z_carrier＝h_xδv_x+h_yδv_y+h_zδv_z+c·t_d+w_carrier (22)

式中，w_code和w_carrier分别为码相位跟踪误差噪声和载波频率跟踪误差噪声，h_x,h_y,h_z分别为卫星和用户之间的视线矢量在x轴、y轴、z轴的投影分量；t_b为接收机钟差，t_d为接收机钟漂，δx、δy、δz为地心地固坐标系下三轴位置误差，δv_x、δv_y、δv_z为地心地固坐标系三轴速度误差。

e)导航滤波器计算如下：

P_k＝(I-K_kH_k)P_k,k-1(27)

其中，为k时刻状态值，为状态预测，K_k为滤波增益矩阵，P_k为k时刻协方差矩阵，Q为系统噪声方差阵，R为量测噪声方差阵，Φ_k,k+1为系统状态转移矩阵，I为单位矩阵，P_k,k-1为协方差预测矩阵。

f)所述用估计的信息修正接收机位置和速度，具体如下：

位置和速度直接根据导航滤波器的估计误差进行修正：

其中，X_k为用户k时刻的位置，为预测的用户k时刻的位置，δX_k为k时刻的用户位置的修正值；

码相位、码频率和载波频率根据修正后的位置速度以及导航滤波器估计的钟差、钟漂进行修正：

其中，分别为k时刻的码相位、码频率和载波频率。

步骤3，利用校对好的支持向量机检测通道是否存在故障，支持向量机的输入为导航滤波器对应通道的新息序列，输出为对应通道是否正常。

新息序列计算如下：

其中，δ_k为k时刻的导航滤波器的新息序列，z_k为k时刻的量测矩阵，H_k为k时刻的量测矩阵，为系统误差预测矩阵

结合图2，所述的支持向量机，具体如下：

假设已知训练样本集：T＝{(x₁,y₁),(x₂,y₂),...,(x_n,y_n)}

分类超平面表示函数：

其中，n为样本数量，x_i为输入，y_i是输出；w为权值矢量，b为偏差，为非线性映射函数；

优化目标函数：

约束条件：

其中i＝1,2,…,n，||w||²为结构风险，ξ_i为松弛变量，C为惩罚系数；综合优化目标函数和约束条件可以求得分类超平面；

支持向量机的输入采用过去m个新息序列的值，输出+1为正常，-1为故障。

综上，本发明方法能够准确地检测出存在故障的通道，同时没有明显增加计算量，不影响环路的实时性，应用前景广阔。

Claims (7)

1.一种基于支持向量机的矢量跟踪通道故障检测方法，其特征在于，包括下列步骤：

步骤1，利用接收机的位置、速度、钟差、钟漂和卫星星历计算载波和码NCO参数；

步骤2，鉴频器和码环鉴别器的输出作为导航滤波器量测信息，用以估计接收机的位置、速度、钟差和钟漂误差信息，用估计的信息修正接收机位置和速度，然后用修正过的接收机位置和速度结合卫星星历计算载波和码NCO，以保持对输入信号的跟踪；

步骤3，利用校对好的支持向量机检测通道是否存在故障，支持向量机的输入为导航滤波器对应通道的新息序列，输出为对应通道是否正常。

2.根据权利要求1所述的基于支持向量机的矢量跟踪通道故障检测方法，其特征在于，步骤1所述的载波和码NCO参数计算公式，具体如下：

式中，V_k-1分别为k-1时刻解算得到的GPS接收机的速度，x⁽ⁿ⁾、y⁽ⁿ⁾、z⁽ⁿ⁾为卫星号为n的GPS卫星的位置，为接收机在地心地固坐标系下的位置；为卫星n与接收机之间的视线矢量，表示卫星n和用户之间的距离；为k-1时刻通过星历解算出来的卫星n的速度；为k时刻的卫星位置；是指k时刻的卫星位置和k-1时刻卫星n的位置的差值；分别为k时刻的码相位、码频率和载波频率预测值；为k-1时刻的码相位解算值；c为真空中光速；t_d,k-1为k-1时刻的钟漂；f_code为C/A码的基准频率，为1.023MHz；f_carrier为载波L1的频率，为1575.42MHz，t_k,k-1是k-1时刻预测的k时刻的钟差。

3.根据权利要求1所述的基于支持向量机的矢量跟踪通道故障检测方法，其特征在于，步骤2所述的鉴频器和码环鉴别器公式，具体如下：

a)鉴频器计算公式：

式中，z_carrier为载波频率测量值， 和分别为I通道和Q通道即时支路t₁时刻的采样值，和分别为I通道和Q通道即时支路紧接着t₁时刻之后的t₂时刻的采样值，t₁为k-1时刻的时间，t₂为k时刻的时间，sign(x)为符号函数，取值如下：

b)码环鉴别器：

码鉴别器选取归一化的非相干超前减滞后模型，得到码相位测量值z_code：

式中，I_E和Q_E分别为I通道和Q通道超前支路采样值，I_L和Q_L分别为I通道和Q通道滞后支路采样值。

4.根据权利要求1所述的基于支持向量机的矢量跟踪通道故障检测方法，其特征在于，步骤2所述的导航滤波器，具体如下：

(a)导航滤波器模型的状态方程：

式中，Φ_k,k-1为状态转移矩阵，c为真空下光的速度，t_b,k和t_b,k-1分别为k时刻和k-1时刻的接收机钟差，t_d,k和t_d,k-1分别为k时刻和k-1时刻的接收机钟漂，δx_k、δy_k、δz_k为地心地固坐标系下k时刻三轴位置误差，δv_x,k、δv_y,k、δv_z,k为k时刻地心地固坐标系三轴速度误差，w_k是系统噪声，δx_k-1、δy_k-1、δz_k-1为地心地固坐标系下k-1时刻三轴位置误差，δv_x,k-1、δv_y,k-1、δv_z,k-1为k-1时刻地心地固坐标系下三轴速度误差；

(b)导航滤波器模型的观测方程为：

观测量选取各通道的码相位测量值和载波频率测量值，观测量与状态量之间的关系如下：

z_code＝h_xδx+h_yδy+h_zδz+c·t_b+w_code (10)

z_carrier＝h_xδv_x+h_yδv_y+h_zδv_z+c·t_d+w_carrier (11)

式中，w_code和w_carrier分别为码相位跟踪误差噪声和载波频率跟踪误差噪声，h_x,h_y,h_z分别为卫星和用户之间的视线矢量在x轴、y轴、z轴的投影分量；t_b为接收机钟差，t_d为接收机钟漂，δx、δy、δz为地心地固坐标系下三轴位置误差，δv_x、δv_y、δv_z为地心地固坐标系三轴速度误差；

(c)导航滤波器计算如下：

P_k＝(I-K_kH_k)P_k,k-1 (16)

其中，为k时刻状态值，为状态预测，K_k为滤波增益矩阵，P_k为k时刻协方差矩阵，Q为系统噪声方差阵，R为量测噪声方差阵，Φ_k,k-1为系统状态转移矩阵，I为单位矩阵，P_k,k-1为协方差预测矩阵。

5.根据权利要求1所述的基于支持向量机的矢量跟踪通道故障检测方法，其特征在于，步骤2所述用估计的信息修正接收机位置和速度，具体如下：

位置和速度直接根据导航滤波器的估计误差进行修正：

其中，X_k为用户k时刻的位置，为预测的用户k时刻的位置，δX_k为k时刻的用户位置的修正值；

码相位、码频率和载波频率根据修正后的位置速度以及导航滤波器估计的钟差、钟漂进行修正：

其中，分别为k时刻的码相位、码频率和载波频率；t_b,k为k时刻的接收机钟差；t_d,k为k时刻的接收机钟漂；f_code为C/A码的基准频率，为1.023MHz；T为预检测积分时间；h_k为卫星n与接收机之间的视线矢量。

6.根据权利要求1所述的基于支持向量机的矢量跟踪通道故障检测方法，其特征在于，步骤3所述的新息序列，具体如下：

其中，δ_k为k时刻的导航滤波器的新息序列，z_k为k时刻的量测矩阵，H_k为k时刻的量测矩阵，为系统误差预测矩阵。

7.根据权利要求1所述的基于支持向量机的矢量跟踪通道故障检测方法，其特征在于，步骤3所述的支持向量机，具体如下：

假设已知训练样本集：T＝{(x₁,y₁),(x₂,y₂),...,(x_n,y_n)}

分类超平面表示函数：

其中，n为样本数量，x_i为输入，y_i是输出；w为权值矢量，b为偏差，为非线性映射函数；

优化目标函数：

约束条件：

其中i＝1,2,…,n，||w||²为结构风险，ξ_i为松弛变量，C为惩罚系数；综合优化目标函数和约束条件可以求得分类超平面；

支持向量机的输入采用过去m个新息序列的值，输出+1为正常，-1为故障。