CN110133689A - 自适应用户自主完好性监测方法 - Google Patents

Abstract

本发明提供了一种自适应用户自主完好性监测方法，将不同导航系统的系统时间转换为与主系统时一致；将不同导航系统的参考坐标转换为与主坐标一致；分别估计卫星钟差、对流层延迟、电离层延迟和多路径延迟；通过观测数据和卫星星历数据获得定位精度因子PDOP值；当PDOP<3时，采用基于定位域的位置解算方法；当3<PDOP<6时，采用基于测量域的位置解算方法；当6<PDOP时，判断系统不可用；然后采用奇偶向量法进行故障检测；采用极大似然估计进行故障识别。本发明能够最大限度地挖掘和利用观测量信息，减小粗差对定位结果的影响，从而提升接收机自主完好性监测的性能。

Description

自适应用户自主完好性监测方法

技术领域

本发明涉及一种卫星导航完好性监测方法。

背景技术

完好性是GNSS(Global Navigation Satellite System)四大指标之一，它是对导航系统所提供信息正确性置信度的测量，包括系统在无法用于导航时向用户发出告警的能力。卫星的不健康、不能及时发布警报以及有意/无意干扰都会严重影响卫星导航服务和完好性服务。可靠的完好性服务是通过完好性监测来实现的。完好性监测的主要功能是对系统存在的影响定位精度的故障进行有效检测和排除。

目前卫星导航完好性技术的发展主要从卫星导航精密进近技术出发，达到航空飞行器在各个航行阶段的信号性能要求。虽然基于航空领域的卫星导航完好性技术已经日趋完善，但是，由于GNSS卫星导航系统的特点，通常需要用户观测环境足够开阔，得以接收卫星信号和增强信号，进而获得定位导航和完好性服务。然而对于复杂环境，如在城市和山谷等处，有较多遮挡或开阔和遮挡交替的环境，这样情况下用户接收到的观测量受到限制，使得GNSS可能无法提供预期的定位导航和完好性服务。目前对于基于复杂环境的卫星导航完好性监测方法的相关研究涉及较少。

比较民航领域，更广泛的民用领域也需要卫星完好性增强。事实上，随着GNSS系统的完善和各项技术的发展，用户对于GNSS服务需求日渐增大，民用领域，如电力通信、交通运输、农业畜牧、生命救援等人们日常生活的各个方面都可以见到GNSS服务的身影。用户对卫星导航完好性的需求也日益迫切。民用领域对完好性的需求主要集中在低成本、短响应时间、高机动性、对环境的普适性。相对于航空领域的需求，民用领域对精度(特别是垂直指引)的要求较低。因此，发展适应复杂环境的完好性监测方法是现今亟待研究的一项课题。

理论上，经典的卫星导航完好性监测是复杂环境下的完好性增强的特例，因此其技术背景对于发展复杂环境下完好性增强具有一定的借鉴意义。总体来说，经典的卫星导航完好性监测分为三种形式，即导航系统自身监测、外部系统级监测和用户级监测。

1)导航系统自身监测

各大导航系统以不同的形式播发完好性信息，如GPS和BeiDou系统卫星发出的导航电文中包含向用户提供的完好性信息。但是对某些系统故障，主控站要经过半小时甚至几个小时才能发现。这样可能会导致许多用户接收和使用错误信息长达数小时之久，其定位偏离当前应在的位置可能达数十公里。

2)外部系统级监测

为了保证GNSS系统服务的安全与可靠，各国学者研究了增强GNSS系统精度与完好性的技术。目前完好性监测技术主要采用系统级完好性监测和用户级完好性监测。系统级完好性监测主要用户导航完好性增强，包括地基增强系统(GBAS：Ground BasedAugmentation System)作为和星基增强系统(SBAS：Satellite Based AugmentationSystem)。通过外部监测手段来实现完好性增强，提供较高水平的完好性服务。因而在一段时间内得到更多的关注。

GBAS已经广泛用于航空安全领域，由于其在一定作用范围可以提供高精度的位置增强服务，该技术现已逐步成为民用航空精密进近阶段的主要导航和完好性保障技术之一。但是，地基增强系统存在一些局限：(1)造价高昂。由于需要同步卫星及大量的地面监测站，系统构成复杂，运维消耗巨大。而对于普通用户来说，系统成本无法负担。(2)服务区域受限。地基增强系统受距离局限显著，研究显示距离超过10公里，地基增强性能减弱，这不利于机动性强的用户需求。(3)环境要求高。GBAS对环境的开阔程度具有要求，由于接收机需要接受地基增强信号，用户所处的环境需要足够开阔，得以接收来自任何方向的信号，通常卫星遮蔽角需要大于5°。对于身处具有高楼的城市、树林和高山峡谷的野外等多遮挡环境的用户，这样的观测环境是无法达到接收地基增强信号的要求。另外，对于多遮挡环境，用户接收机可以接收到的信号资源稀有限，更无法保证可以得到连续的导航信号。(4)告警时效性差。地基增强完好性信号可以监测空间段的信号完好性，但无法对用户接收端的完好性监测，因此不具备对整个用户接收系统的完好性监测能力。

SBAS可以提供连续覆盖的差分服务，同时利用GEO卫星来进一步增强卫星几何和提升用户的可用性。但是，SBAS除了高昂的造价和用户接收环境要求以外，相对于GBAS，其能够提供的改正数精度上限较低，难以满足高要求的用户需求，更不适用于远洋和终端进近的要求。

3)用户级监测

用户级完好性监测可以分为两类：一类是用户端系统外监测，一类是用户端系统内监测。用户端系统外监测利用其它仪器或者系统的观测量信息，包括机载气压高度计对高程增强、惯性导航系统辅助和位置的增强等。系统外增强可以为用户提供其额外冗余信息，为完好性提供另外一种维度上的参考信息。但是，采用系统外信息，不但需要考虑这些信息和GNSS相关信息之间兼容性，同时也需要考虑系统外信息的准确性和稳定性。

系统内增强主要利用用户端接收机内部的冗余信息，对多个导航解进行一致性检验，来实现观测量的故障检测、故障识别和排除故障，经典的方法称为接收机自主完好性监测(RAIM：Receiver Autonomous Integrity Monitoring)。RAIM无需额外外部设施，具有加装成本低、实时性高、反馈迅速的优点。

传统的RAIM基于单系统和开阔环境，垂直方向定位精度仅有十几米，还未能符合所有飞行精密进近阶段所需要的精度和完好性要求。尤其在飞机进离场阶段，GNSS仅能作为主用或者辅用的航空导航系统。近年来，学者们纷纷提出对于传统RAIM的改进方法。为解决多个粗差对最小二乘法和统计检验值的干扰而造成的误判，仝海波等人在《改进M估计的抗多个粗差定位解算方法》等论文中提出了稳健估计中的M估计方法构建了RAIM相关算法。针对信号受到的欺骗式干扰的问题，王尔申、庞涛等人在论文《基于粒子滤波和似然比的接收机自主完好性监测算法》中将粒子滤波应用于RAIM算法。针对提高两颗故障卫星的故障识别能力，为提高垂直航向保护限值精度，蒋虎等人在论文《精密进近阶段的多系统GNSS组合RAIM可用性算法及分析》中提出采用多系统兼容互操作的ARAIM技术，并有学者研究GPS+GLONASS和GPS+BeiDou论证了ARAIM的可行性。通过时间差分消除了载波相位的整周模糊度误，基于载波相位和伪距测量值相结合的RRAIM技术，研究显示ARAIM和RRAIM性能符合民用航空精密进近PLV-200阶段的要求。

以上的完好性增强方法都是对当前导航信息进行处理分析，基于位置域或测量域进行改进。这些研究大多聚焦于方法的改善上，对于观测环境缺少全面的考虑。

民用复杂环境的重要特点是遮挡环境的不确定性，通常包括多遮挡环境，也可能出现多遮挡环境和开阔环境交替出现。由于卫星的运动，静止的用户可能会看到全部星座，也可能接收部分星座信号；机动的用户可能时而处于遮挡环境，接收部分星座信息，时而处于开阔环境。在这样的环境下，用户短时间内接收的观测量存在较大的浮动。

因此，对于复杂环境，用户端可能遇到的问题是：一方面民用接收机的观测环境多变。如果观测环境开阔，接收机接收到足够的导航信号，从而保证其定位精度和完好性监测的性能。如果观测环境多遮挡，如高山峡谷、城市高楼等，短时间内不稳定的观测量变化，用户可能无法获得足够的当前观测信息进行接收机端自主完好性监测，更无法保证获得连续且稳定的系统级完好性增强信息(地基增强信息和星基增强信息)，这会影响甚至损害GNSS系统为用户提供服务的精度、完好性和连续性。因此，在复杂环境下，用户接收的增强信号首要特点是连续性，保证在任何情况下用户端可以接收至少6颗卫星信号用于定位和完好性监测，不会受环境影响而时断时续。另一方面，民用用户通常具有机动性强的特点。其所持设备要求尽可能低造价和少冗余。用户端系统外部增强技术虽然可以根据情况提供不同维度的冗余信息。但是由于外部设备不属于系统本身，配置和使用都具有一定的延迟性，同时兼容性也是需要特别考虑的问题。因此不适合机动用户的需求。

综上所述，对于复杂环境的卫星导航完好性监测，采用接收机自主完好性监测(RAIM)方法原理较适合。一方面它不依赖外部系统，使得用户具备不受环境制约的灵活移动的能力；另一方面该方法的成本较低，适合民用推广。但是，根据传统的RAIM方法原理，需要至少4个观测量进行用户定位，5个观测量进行故障检测，6个观测量进行故障识别。因此，对于需要进行定位和完好性服务的用户来说，通常需要6个或6个以上的观测量来保证定位活动和自主完好性监测。对于复杂情况，用户接收机端的观测量有时无法保证在6个以上，这样就限制了传统RAIM的性能。

实际上，接收机端除了获得位置域信息外，还可以获得时域信息，如钟差(单系统下)和系统时差(多系统下)解算值。这些时域信息通常视为解算的附带值，仅有定位需求的用户通常较少关注。然而，对于连续运行的接收机，这些信息可以累积成为时间序列。这些时间序列可以便捷地存储在用户端，不需要额外的设备。

事实上，用户端可以接收丰富的信息。一方面是接收卫星导航观测信息和各种增强信息。现代的接收机功能已经拓展到多模多频。即接收机可以接收多个导航系统信号，也可以接收多个频点的信号，同时每个信号包括码和载波。这些信号不仅包含多样的导航信息，还可以用于信息增强。如利用双频信号改善电离层延迟误差，利用载波平滑伪距来提高伪距测量值精度。

另一方面是用户端积累的丰富的时域信息，这些信息与用户位置信息通过定位解算算法一同得到，具有一定的相关性，都可以反应系统的状态。例如，当钟差解算值出现严重的跳变，其定位结果也存在较大不确定性。目前，采用时域信息辅助用户自主端完好性技术的研究较少。但由于其不依赖外部系统或者设备，任何遮挡环境下都可以进行信息存储，从而使其成为为用户提供定位和完好性的有效信息资源。

虽然这些时域信息是历史解算信息，但是可通过不同方式获得其当前状态的估计。方法一是通过预测模型获得(王永超，黄智刚，时钟改进模型辅助RAIM算法研究[J]，电子学报，2007(6)，1084-1088)，基于历史数据对当前进行预测，预测模型的精度会直接影响当前估计值的可信度；方法二是通过外部监测平台获得，如卫星导航系统时间偏差(简称“时差”)(张慧君，李孝辉，许龙霞，GNSS系统时间偏差监测与预报，第一届中国卫星导航学术年会，北京，2010，587-592)。已有的研究显示，通过分析不同系统偏差的处理方法，基于系统偏差预测的TOO ARAIM和基于系统偏差同步的TOS ARAIM方法用于处理多故障情况下的完好性监测。通过预测接收机钟差，采用预测的钟差辅助接收机端自主完好性监测。可见，引入这些时差和钟差信息，丰富了用户端的观测量，减小用户端对系统当前导航观测信息的依赖，使得在观测量冗余度较小的时候，用户仍然获得自主的完好性监测能力。

然而，基于钟差预测值参与定位解算，会引入新的误差源，即钟差预测误差，在用户可见卫星充足时，该误差不仅不会改善定位结果，可能会加剧定位结果的不确定性，从而影响故障检测和故障识别的性能。

发明内容

为了克服现有技术的不足，本发明提供一种自适应的接收机自主完好性监测算法来适应复杂环境，通过整合星地多源信息，分析信息的误差传递变化规律，最大限度地挖掘和利用观测量信息，同时通过建立稳健性估计等方法，减小粗差对定位结果的影响，从而提升接收机自主完好性监测的性能。(1)建立星地数据融合方法，充分利用用户端的历史信息，使得在遮挡情况下，接收机自主完好性监测对可见卫星数量需求由6颗减小到4颗。(2)针对多遮挡情况下多路径延迟现象，通过建立稳健性估计和多路径估计模型，减小粗差对定位的影响，改善定位精度。(3)建立自适应的完好性监测算法。根据自适应因子判断环境的遮挡程度。当环境开阔时，观测量充足，采用传统的完好性监测算法；当环境遮挡时，采用改进的完好性监测方法。通过以上方法，提高GNSS系统在复杂环境下的连续性和完好性。

本发明可以投入到民用领域，在城市高楼区、野外山谷和树林区，项目平台可以提供有效的定位导航和完好性服务，实现用户对低成本、高机动性、高环境适应性和快速相应的需求，深化和拓展了GNSS在民用领域的应用，为我国的卫星导航事业民用化普及提供理论指导和技术支持。

本发明解决其技术问题所采用的技术方案包括以下步骤：任意选取一个卫星导航系统的系统时间和系统坐标作为主系统时和主坐标；将不同导航系统的系统时间通过加入时间偏差转换为与主系统时一致；将不同导航系统的参考坐标通过坐标转换转换为与主坐标一致；分别估计卫星钟差、对流层延迟、电离层延迟和多路径延迟；用户通过观测数据和卫星星历数据，获得定位精度因子PDOP值；当PDOP＜3时，判断环境开阔，采用基于定位域的位置解算方法，输出位置结算值；当3＜PDOP＜6时，判断环境遮挡，采用基于测量域的位置解算方法，输出位置结算值；当6＜PDOP时，判断系统不可用，向用户发出可用性告警；然后采用奇偶向量法进行故障检测；采用极大似然估计进行故障识别。

所述的卫星钟差估计dT^k＝A₀+A₁(t-t_oc)+A₂(t-t_oc)²+Δt_r，式中A₀表示时钟偏移；A₁表示时钟漂移；A₂表示频率漂移，t_oc表示时钟数据基准时间，t表示当前时间历元，Δt_r表示由相对论效应引起的校正值。

所述的对流层延迟d_trop＝m(E)(d_≠+d_湿)，式中为映射函数，为干分量，为湿分量，p为压力，T为温度，e为水蒸气压力，β为温度下降速率，γ为水蒸气下降速率，k₁＝77.604K/mbar，k₂＝382000K²/mbar，R_d＝287.054J/kg/K，g_m＝9.784m/s²，g＝9.80665m/s²。

所述的多路径延迟其中为频点j1的载波相位观测值，为频点j2的载波相位观测值，λ₁为频点j1的波长，λ₂为频点j2的波长，为频点j1的载波频率，为频点j2的载波频率。

所述的其中，H是Δx和Δy转移矩阵，Δy＝HΔx+ε是用户端接收多系统导航信息的线性化观测方程，Δy是n×1矢量，其元素为各个卫星观测伪距与线性化点预测的伪距之差，n是可见卫星数；Δx是n×1矢量，其元素是相对于线性化点的偏差；ε是n×1的测量误差矢量，其元素为相互独立的高斯随机过程。

所述的基于定位域的位置解算方法中，状态向量X＝[u_x，u_y，u_z，t_rec，t_col]，u_x，u_y，u_z是用户位置的地心地固坐标系下的估计值，t_rec是接收机钟差估计值，t_col是系统时差，估计值测量转移矩阵a_-1＝-cosE_icosA_i，a_-2＝-cos E_isinA_i，a_-3＝-sinE_i，E_i是用户和卫星间的高度角，A_i是用户和卫星之间的方位角。

所述的基于测量域的位置解算方法中，状态向量X＝[u_x，u_y，u_z，t_rec]，u_x，u_y，u_z是用户位置的地心地固坐标系下的估计值，t_rec是接收机钟差估计值，测量转移矩阵a_-1＝-cosE_icosA_i，a_-2＝-cosE_isinA_i，a_-3＝-sinE_i，E_i是用户和卫星间的高度角，A_i是用户和卫星之间的方位角。

本发明的有益效果是：

对于自适应用户自主完好性监测，方法的核心是通过PDOP值判断系统所处环境，进而选用不同的方法进行定位和PL解算。因此，有必要对PDOP值的可用性进行评估，同时对开阔和遮挡环境下采用的不同PL算法进行可行性讨论。

基于GPS和CLONASS卫星，设计了四个卫星组合方式：GPS单系统，GLONASS但系统，GPS和GLONASS联合在开阔环境，GPS和GLONASS联合在遮挡环境下，

(1)PDOP值的可用性进行评估

四种卫星组合下计算出的GDOP值和PDOP值如下表1所示。由此可得①同一种导航模式下，随着仰角截止角的增大，GDOP，PDOP显著增大；②在相同的仰角截止角下，GPS/GLONASS组合定位大大改善了可见卫星的几何分布，使得PDOP值较GPS或者GLONASS任意一个单模导航都有所降低，针对GPS而言，PDOP降低约20％；③随着遮挡程度的加剧，在组合定位中采用定位域解算方法得到的系统DOP值与采用测量域得到的系统DOP值相比明显变大，恶化速度较快，这是由于用定位域解算方法下矩阵H的维数增大，从而引起了DOP值的增大。从以上三点可以得出如下结论：采用PDOP值作为自适应因子，可以有效地区分环境地遮挡程度。同时，在不同遮挡环境下，采用不同的定位方法，可以有效地提高DOP值，从而改善定位精度。

表1四种定位方式以及不同截止角的DOP值比较

(2)不同环境下采用的PL算法的可行性讨论

表2是考察GPS+GLONASS在三种遮挡情况下的RMS。RMS(Horizontal PositionError)是用户自主完好性检测的重要参数之一，他是用户的定位误差，也是之后系统故障检测和故障识别的重要输入参数之一。GPS/GLONASS时差预测值引入GPS/GLONASS组合定位中，卫星仰角截止角分别选取10°、200、300，分别计算出四种情况下(GPS单系统、GLONASS单系统、GPS/GLONASS开阔情况、GPS/GLONASS遮挡情况)：求出用户三维位置与接收机精确坐标之间偏差的RMS值，其结果参见下表2：

表2四种定位方式以及不同截止角计算出的定位结果的RMS值(米)

可以得出以下结论：

a)在相同模式下，仰角截止角越大即遮挡程度越严重，定位误差的RMS值就越大；

b)在相同截止角下，双系统组合定位结果的准确性明显优于单系统定位结果的准确性；

c)随着截止角的增大，单系统定位结果的RMS值增加的非常快，定位结果的有效性明显恶化；而组合定位的优势逐渐凸显出来，定位结果的有效性虽然有一定程度的恶化，但恶化程度较小，RMS值增加的较缓慢。

e)在截止角为10°时，组合定位PD和MD定位结果的RMS值大小相差无几，然而随着截止角的增大，在截止角为30°时，MD的RMS比PD小3m左右。可见，在截止角很大的情况下，采用MD，能有效的改善定位结果的有效性。

由以上分析可知，对于组合定位而言，在开阔环境下，PM方法与DM二者定位精度相当，但是在多遮挡环境下，随着遮挡的加剧，用户级处理方法性能下降，而DM的优势就会随着遮挡的加剧而逐渐凸显出来。

综上所上述，对于自适应的用户自主完好性检测，选取PDOP作为自适应因子，在开阔环境选取PM算法，在遮挡环境选取MD算法，然后进行故障检测和故障识别。该方法有效地利用了历史解算值，在多遮挡情况下，提供了更多的观测信息，有效地提高了系统可用性，改善系统在多遮挡环境下的连续性，最终提高完好性性能。

附图说明

图1是本发明的方法流程图。

具体实施方式

下面结合附图和实施例对本发明进一步说明，本发明包括但不仅限于下述实施例。

本发明提供了这样一个判别机制，即采用PDOP值作为用户观测环境的判别因子，称为自适应因子。当系统用户观测量充足时，进行正常定位解算，当用户观测量不足时，采用其他观测量进行补充，同时系统提供可用性告警。

本发明针对复杂环境下观测量受限的问题，提出采用时域数据辅助GNSS用户端完好性自主监测方法。该方法利用了通常被忽略的时域信息，这些信息既不依靠外部系统或者设备提供，也不受制于环境遮挡，他们独立于系统，但又可以反映系统状态。通过整合星地的数据资源，用户根据不同环境选择完好性监测的自适应方法，提高信息的利用率，为用户端自主完好性监测研究提供了一条新的研究思路和方向。对于该方法地研究，具有几方面意义：首先，减小用户端负荷，提高用户机动性。基于该项目方法的用户端只需要接收导航信息，不需要外部系统和设备提供信息，这极大简化了用户端的配置，满足强机动性用户的需求。其次，保证和改善了系统的连续性和可用性。通过建立自适应参数解算算法，引入时域信息参与故障检测等方法的提出，使得用户端可以有效地利用信息，从而在不同环境下的都可以接受连续覆盖的完好性监测服务。最后，深化并扩展了GNSS的应用领域。对于用户，本发明虽然针对的是复杂情况，但其方法在开阔环境下同样适用，符合民用领域对导航系统完好性监测的低成本、高精度、快速响应、适应复杂环境的要求，在保持信息的连续性和可用性前提下，能够改善、提高在不同环境下接收机端自主完好性监测性能。

我国北斗三期系统已经进入全球组网阶段，预计在2020年可以为全球用户提供定位、导航和授时服务。未来北斗系统结合复杂环境的用户自主完好性增强，使得民用用户在接受卫星导航服务的同时，拥有提高自主完好性的能力。从而为北斗系统乃至GNSS系统技术的应用推广奠定基础。

本发明包括以下步骤：第一步，数据统一。选取一个主要的系统时间(简称为“主系统时”)和主系统坐标(简称为“主坐标”)。将不同的导航系统的系统时间通过加入时间偏差，转换与主系统时一致。不同的导航系统的参考坐标，通过坐标转换，转换与主坐标一致。第二步，信息的误差估计。分别估计卫星钟差，对流层延迟，电离层延迟，多路径延迟。第三步，用户通过观测数据和卫星星历数据，获得PDOP值。通过PDOP值判断环境状态。PDOP<3时，判断环境开阔，采用基于定位域的位置解算(PD)方法，输出位置结算值；3<PDOP<6时，判断环境遮挡，采用基于测量域的位置解算(MD)方法，输出位置结算值；6<PDOP时，判断系统不可用，向用户发出可用性告警。第四步，故障检测。采用奇偶向量法进行故障检测。第五步，故障识别。采用极大似然估计进行故障识别。

如图1所示，本发明包括自适应保护水平算法、故障检测和故障识别三个部分。系统的输入参数为导航信息和观测信息，系统的输出参数为可用性告警信息，位置信息和故障观测量信息。

第一部分，计算自适应保护水平。根据环境遮挡的不同，选取不同的保护水平算法策略，从而达到有效地利用信息，进行完好性增强的目的。

第1步，用户端接收GNSS导航信息和和观测信息，对信息进行同一化处理。包括两个方面：(1)时间统一。由于导航信息和观测信息来自不同的卫星导航系统，如BeiDou、GPS等，不同导航系统存在差别，需进行坐标转换，同时确定一个主系统时间，将其余系统时间统一到该主系统时间上。(2)坐标统一.导航系统采用不同的坐标体系，如GPS系统采用WGS84，北斗系统采用CGC2000。导航信息在不同坐标系下有差异，如果不处理，会降低用户定位精度。选取主系统，通过坐标旋转的方式，将其余系统数据转换到主系统坐标系下。

第2步，建立误差模型。根据用户端接收信号的传输特点，误差模型包含了所有卫星导航中的延迟误差，包括卫星钟差、对流层延迟、电离层延迟、接收机钟差、多路径效应、接收机钟差、系统时差、频间偏差等。对于第i个观测值，其观测方程为：

式中为第k颗卫星在用户端的第i个观测量在第j个频点的伪距，表示接收机与卫星k之间的几何距离，dt表示接收机钟差，dT^k表示卫星钟差，d_TEC为斜路径上的总电子含量，d_trop为对流层延迟，τ_i表示接收机第j个频点的通道时延，表示卫星k第j个频点的通道时延；f_j为第j个频点的载波频率，d_MP是多路径效应延迟，ε_i表示包含多路径在内的测量误差，c代表光速。

建立误差模型

式中，表示卫星钟改正中误差；表示对流层改正中误差；表示电离层改正中误差；表示多路径改正中误差；∈_i是随机误差。每个误差项通过建立相应的误差模型，对每个误差进行估计，从而修正观测量。误差模型如下：

(1)卫星钟差估计

卫星钟差估计通过获得导航电文中的卫星钟差参数，通过二次多项式获得卫星钟差估计值。

dT^k＝A₀+A₁(t-t_oc)+A₂(t-t_oc)²+Δt_r (3)

式中A₀表示时钟偏移；A₁表示时钟漂移；A₂表示频率漂移(老化)，t_oc表示时钟数据基准时间，t表示当前时间历元，Δt_r表示由相对论效应引起的校正值。

(2)对流层估计

对流层延迟随对流层折射率而变，折射率往往同时分为干分量和湿分量两个分量来建模，如下式：

d_trop＝m(E)(d_≠+d湿) (4)

式中m(E)为映射函数，

d_≠为干分量，d_湿为湿分量

式中，5个气象参数分别为：p为压力(mbar)，T为温度(K)，e为水蒸气压力(mbar)，β为温度下降速率(K/m)，γ为水蒸气下降速率。k₁＝77.604K/mbar，k₂＝382000K²/mbar，R_d＝287.054J/kg/K，g_m＝9.784m/s²，g＝9.80665m/s²。每个气象参数都可以通过以下表的值进行内插而得到。内插公式，以压力值为例，对于与纬度φ最接近的两个纬度值φ_i和φ_i+1，

对于一年中的天数D(从1月1日作为第一天)，压力p为：

表3对流层延迟平均气象参数

表4对流层延迟的季节性气象参数

(3)多路径效应估计

多路径效应是在复杂环境下影响用户定位精度的主要误差源之一。对于多路径效应的研究从两个方面入手，一方面是对伪距观测量的影响。由于信号受到遮挡物的反射等外界因素的影响，使得信号噪声变大。通过滤波或平滑等方法，去除观测量中的噪声，减少多径观测量的影响。另一方面是多径效应延迟误差估计。采用多路径误差估计模型，如(10)式所示，进行多路径误差的估计。

为频点j1的载波相位观测值，为频点j2的载波相位观测值，λ₁为频点j1的波长，λ₂为频点j2的波长，为频点j1的载波频率，为频点j2的载波频率。

第3步，建立观测方程，计算PDOP值。

用户端接收多系统的导航信息。如果用户接收双系统信息，状态向量为X＝[u_x，u_y，u_z，t_rec，t_col]，u_x，u_y，u_z，是用户位置的地心地固坐标系下的估计值，t_rec是(接收机)钟差估计值，t_col是(系统)时差估计值，线性化的观测方程为式(11)：

Δy＝HΔx+ε (11)

式中，Δy是n×1矢量，其元素为各个卫星观测伪距与线性化点预测的伪距之差，n是可见卫星数；Δx是n×1矢量，其元素是相对于线性化点的偏差；H是Δx和Δy转移矩阵，H_i＝[-cos E_icosA_i-cos E_isinA_i-sinE_i 1 1]，E_i是用户-卫星间的高度角，A_i是用户-卫星之间的方位角；ε是n×1的测量误差矢量，其元素一般假设为相互独立的高斯随机过程。

最小二乘估计如式(12)

伪距残差矢量为如式(13)：

向量Δr包含了卫星测距的误差信息，可以用作判断卫星是否存在故障的依据。

值得注意的是，对于状态向量X中的t_col有两种处理方式，一种是当做未知数参与定位解算，称为定位域解算方法PD(Position Domain)；一种是当做已知数在伪距测量值扣除，称为测量域解算方法MD(Measurement Domain)。如对于GPS/GLONASS系统联合导航，DOP(Dilution of Precision)通过定位解算中的方向向量矩阵H获得，如下式(14)所示：

双模导航情况下DOP可分为几何精度因子(Geographic Dilution ofPrecision)，定位精度因子(Position Dilution of Precision)等，分别用以下公式计算：

第4步，判断用户观测环境。采用PDOP值作为判断不同遮挡环境的标准。

当PDOP＜3时，通常用户所处环境正常，可见卫星充足，因此判断为开阔环境，之后采用第5步a)步进行定位和可用性分析；

当3＜PDOP＜6时，用户端可接收的信号有限，PDOP值很可能偏大，判断为遮挡环境，之后采用第5步b)步进行定位和可用性分析；

当6＜PDOP时，用户端的观测环境较恶劣，观测到的卫星无法进行位置估计，系统发出可用性报警，程序终止。

第5步，建立基于稳健估计的自适应保护水平算法。由于传统RAIM算法设计之初是为了处理GPS应用中可能出现的单个较大的粗差，所以在处理多个粗差以及单个较小的粗差时暴露出诸多不足。在复杂环境下，由于多路径的影响，观测量可能出现较大粗差，同时出现多个较小粗差的可能性会增大。通过自适应因子判断用户处于的环境，采用以M估计为代表的抗差(稳健)估计来应对同时出现多个差的情况，系统根据不同环境选取不同的保护水平算法策略，从而抑制粗差对观测量的影响，改善算法性能。

由于测量中的粗差会直接影响定位结果，从而使得观测矩阵偏离真值，导致粗差想伪距残差投影时产生偏差。因此采用传统最小二乘准则获得的伪距残差大小不能正确反映粗差大小。

本发明采用稳健中的M估计代替最小二乘估计，建立目标函数：

式中，函数P(·)为一阶可导的偶函数，由M估计根据具体情况不同的加权函数。是Δy方差的估计值，通常由下式获得：

式中，med(·)表示取向量元素的中值。

M估计主要通过选择合适的ρ(·)函数，为粗差观测值分配小的加权值，从而达到一致粗差的目的。常用的ρ(·)函数如双边加权函数：

式中，K是为常数2.5，M估计结果迭代如下式：

式中W^k+1称为等价权矩阵，其满足：

式中，k表示迭代次数。

水平保护水平(HPL：Horizontal Protection level)其计算公式为：

HPL＝SLOPE_max×pbias (22)

式中，

A＝(H^TWH)^-1H^TW

S＝I_n-H(H^TWH)^-1H^TW

σ_UERE为卫星伪距测量误差的标准差，是非中心密度函数的非中心参量。

接着，根据第4步PDOP值判断的两种环境：采用的选取状态向量X和转移矩阵H不同，带入(17)-(22)式中。当系统判断处于开阔环境，选取“环境一”算法；当系统判断处于遮挡环境，选取“环境二”算法。

环境一：开阔环境下保护水平算法。由于用户可以接收充足的冗余信息，研究的重点首先关注信息的统一性，由于信号来自于不同导航系统和不同频点，因此首先应该考虑各系统时标的差异、参考坐标系的差异、系统间偏差、频间偏差、频内偏差等一系列偏差。然后基于稳健估计，采用将时差作为未知数的“定位域”算法(PD：Position Domain)。值得注意的是，由于将时差作为未知数，解算出来的数据可以存储下来，形成时差的时间序列。这就是在故障检测环节可以利用的时标信息。

通过自适应因子判断，在开阔环境下，冗余卫星充足，采用PD算法，此时的状态向量X＝[u_x，u_y，u_z，t_rec，t_col]和测量转移矩阵H为：

式中，a_-1＝-cosE_icosA_i，a_-2＝-cos E_isinA_i，a_-3＝-sinE_i。

当判断为开阔环境，选取以下b)算法。

环境二：遮挡环境的保护水平算法。由于用户端接收的观测量不足(通常小于6个)，系统无法进行有效的定位、故障检测和故障识别，研究的重点关注增加用户端观测量，将时标信息当作已知量参与算法。由于用户端可以积累历史解算信息，如钟差和时差这些时标信息，通过外推可得到当前的时标估计值，如和将和作为观测量参与保护水平解算。

与开阔情况不同，算法首先关注时标信息的外推方法，历史时标信息通过外推模型获得当前时标估计值。当前时标估计值需要尽可能地接近解算值和因此，外推模型的选取是重要的工作之一。接着，需要研究多路径效应对伪距观测量的影响。虽然可以通过硬件抑制多径的影响，如采用抑径天线或多径估计锁相环等方式。但对于用户，更适合采用软件的方法，具有易操作，实现快捷，成本低等优点。通常的方法是基于高度角或者载噪比的方式，排除多径影响较大的观测量，抑制多径误差的影响；或者采用基于滤波器的方式，对多径成分的干扰特征进行分析和研究，滤除其影响，进而改善定位精度。最后，研究时标信息加入情况下的保护水平算法模型。称为“测量域”算法MD(Measurement Domain)。重点研究观测方程加入时标估计量后，状态向量和转移矩阵的变化。

在多遮挡环境，观测量稀疏，采用MD算法，此时的状态向量X＝[u_x，u_y，u_z，t_rec]和测量转移矩阵H为：

第二部分，故障检测。从保护水平算法可以获得位置信息和系统定位误差信息。根据定位误差信息，采用奇偶向量法。

第1步：建立观测空间(矩阵)A。

状态向量X，对于一个给定的秩为n×m的矩阵H，可以找到一个(n-m)×n的矩阵P满足rank[P]＝n-m，PP^T＝I_n-m及PH＝0。矩阵P张成H的零空间(奇偶空间)，P的各行是奇偶空间的单位正交基向量。

n×n的矩阵

的秩为n。A表示的线性变换把n维的观测空间分成两个子空间：一个m维的状态空间，一个(n-m)维的奇偶空间。

因PH＝0，因此由下式给定的(n-m)×1的奇偶向量p

p＝Py＝P(e+b) (27)

与x是相互独立的。p的元素服从联合正态分布，期望和方差分别为：

E[p]＝Pb COV[p]＝σ²I_n-m

因此p的元素之间是不相关的，且具有与观测噪声相同的方差。没有故障时，b＝0，E[p]＝0。

n×n的矩阵

A^-1＝[H|P^T]

的秩为n，代表A的逆变换，它表示从状态空间和奇偶空间到观测空间的变换。

因此从奇偶空间到观测空间的变换为：

其中S＝P^TP是一个n×n的矩阵，矩阵S的秩为n-m，并且是等幂的(S²＝S)。n×1的故障向量f满足：

E[f]＝Sb COV[f]＝σ²S

矩阵S可以直接由方向矩阵H计算得出：

S＝I_n-HH^* (29)

第2步：构造统计变量M。

故障检测变量是奇偶向量幅值的平方，等于二次型M＝p^Tp，也等于故障向量幅值的平方，M＝f^Tf。

第3步：构造门限值M_T。对于给定的警率P_FA和漏检率P_MD，若b＝0时，则有E[p]＝0，M/σ²服从自由度为n-m的χ²分布。因此

P_FA＝Q(M_T/σ²|n-m) (30)

其中Q(χ²|n-m)＝1-P(χ²|n-m)，P(χ²|n-m)为卡方分布的概率密度函数，

式中P_FA取决于n-m，即冗余观测量的个数，与H无关。给定P_FA、σ²后，令n-m及检测门限可由下式确定：

T(P_FA，n-m，σ²)＝σ²Q^-1(P_FA|n-m) (32)

其中Q^-1(P|r)是Q(χ²|r)的逆函数。检测门限与噪声方差的比值T/σ²。

第4步：建立假设检验。

零假设：M＜M_T (33)

备选假设：M＞M_T (34)

其中零假设是无故障的假设(b＝0)，备选假设是有故障的假设(b＝bi)。因此如果M＞M_T，表明未检测到故障；否则说明检测到故障。

第5步骤，输出结果。根据第四步：

如果结果符合零假设，则无故障，则系统输出用户位置。

如果结果符合备选假设，则存在故障，则系统进入第三部分(故障识别)

第三部分，故障识别。当判断系统出现故障，从所有观测量中识别出故障观测量。

第1步：采用极大似然估计识别出q个故障观测量x₁，…，x_q

第2步：处理故障观测量。

当用户端的可见卫星充足时(N＞6)，用户可以考虑剔除掉故障观测量，返回到第一部分PL计算，获得位置信息，并且进行故障检测，如果故障检测系统正常，则可以输出位置信息；如果故障检测系统异常，重新进入故障识别程序，直到系统正常为止。当用户端的可见卫星不足时(N＜6)，即使故障的观测信息对用户也是有用的，此时，对故障观测信息进行滤波数据处理，将信息中噪声过滤，从而返回第一部分进行PL计算。如此循环，直到系统判断不出现故障为止。

Claims (7)

1.一种自适应用户自主完好性监测方法，其特征在于包括以下步骤：任意选取一个卫星导航系统的系统时间和系统坐标作为主系统时和主坐标；将不同导航系统的系统时间通过加入时间偏差转换为与主系统时一致；将不同导航系统的参考坐标通过坐标转换转换为与主坐标一致；分别估计卫星钟差、对流层延迟、电离层延迟和多路径延迟；用户通过观测数据和卫星星历数据，获得定位精度因子PDOP值；当PDOP＜3时，判断环境开阔，采用基于定位域的位置解算方法，输出位置结算值；当3＜PDOP＜6时，判断环境遮挡，采用基于测量域的位置解算方法，输出位置结算值；当6＜PDOP时，判断系统不可用，向用户发出可用性告警；然后采用奇偶向量法进行故障检测；采用极大似然估计进行故障识别。

2.根据权利要求1所述的自适应用户自主完好性监测方法，其特征在于：所述的卫星钟差估计dT^k＝A₀+A₁(t-t_oc)+A₂(t-t_oc)²+Δ_tr，式中A₀表示时钟偏移；A₁表示时钟漂移；A₂表示频率漂移，t_oc表示时钟数据基准时间，t表示当前时间历元，Δt_r表示由相对论效应引起的校正值。

3.根据权利要求1所述的自适应用户自主完好性监测方法，其特征在于：所述的对流层延迟d_trop＝m(E)(d_干+d_湿)，式中为映射函数，为干分量，为湿分量，p为压力，T为温度，e为水蒸气压力，β为温度下降速率，γ为水蒸气下降速率，k₁＝77.604K/mbar，k₂＝382000K²/mbar，R_d＝287.054J/kg/K，g_m＝9.784m/s²，g＝9.80665m/s²。

4.根据权利要求1所述的自适应用户自主完好性监测方法，其特征在于：所述的多路径延迟其中为频点j1的载波相位观测值，为频点j2的载波相位观测值，λ₁为频点j1的波长，λ₂为频点j2的波长，为频点j1的载波频率，为频点j2的载波频率。

5.根据权利要求1所述的自适应用户自主完好性监测方法，其特征在于：所述的其中，H是Δx和Δy转移矩阵，Δy＝HΔx+ε是用户端接收多系统导航信息的线性化观测方程，Δy是n×1矢量，其元素为各个卫星观测伪距与线性化点预测的伪距之差，n是可见卫星数；Δx是n×1矢量，其元素是相对于线性化点的偏差；ε是n×1的测量误差矢量，其元素为相互独立的高斯随机过程。

6.根据权利要求1所述的自适应用户自主完好性监测方法，其特征在于：所述的基于定位域的位置解算方法中，状态向量X＝[u_x，u_y，u_z，t_rec，t_col]，u_x，u_y，u_z是用户位置的地心地固坐标系下的估计值，t_rec是接收机钟差估计值，t_col是系统时差，估计值测量转移矩阵a_·1＝-cosE_icosA_i，a_·2＝-cosE_isinA_i，a_·3＝-sinE_i，E_i是用户和卫星间的高度角，A_i是用户和卫星之间的方位角。

7.根据权利要求1所述的自适应用户自主完好性监测方法，其特征在于：所述的基于测量域的位置解算方法中，状态向量X＝[u_x，u_y，u_z，t_rec]，u_x，u_y，u_z是用户位置的地心地固坐标系下的估计值，t_rec是接收机钟差估计值，测量转移矩阵a_·1＝-cosE_icosA_i，a_·2＝-cosE_isinA_i，a_·3＝-sinE_i，E_i是用户和卫星间的高度角，A_i是用户和卫星之间的方位角。