CN111323793A - 一种gnss伪距单点定位状态域完好性监测方法 - Google Patents

一种gnss伪距单点定位状态域完好性监测方法 Download PDF

Info

Publication number
CN111323793A
CN111323793A CN202010237173.0A CN202010237173A CN111323793A CN 111323793 A CN111323793 A CN 111323793A CN 202010237173 A CN202010237173 A CN 202010237173A CN 111323793 A CN111323793 A CN 111323793A
Authority
CN
China
Prior art keywords
state
monitoring
covariance matrix
integrity
integrity monitoring
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.)
Granted
Application number
CN202010237173.0A
Other languages
English (en)
Other versions
CN111323793B (zh
Inventor
张秋昭
余章俊
张书毕
郑南山
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
China University of Mining and Technology CUMT
Original Assignee
China University of Mining and Technology CUMT
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by China University of Mining and Technology CUMT filed Critical China University of Mining and Technology CUMT
Priority to CN202010237173.0A priority Critical patent/CN111323793B/zh
Publication of CN111323793A publication Critical patent/CN111323793A/zh
Application granted granted Critical
Publication of CN111323793B publication Critical patent/CN111323793B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
    • G01S19/01—Satellite radio beacon positioning systems transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
    • G01S19/13—Receivers
    • G01S19/20—Integrity monitoring, fault detection or fault isolation of space segment
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
    • G01S19/01—Satellite radio beacon positioning systems transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
    • G01S19/03—Cooperating elements; Interaction or communication between different cooperating elements or between cooperating elements and receivers
    • G01S19/08—Cooperating elements; Interaction or communication between different cooperating elements or between cooperating elements and receivers providing integrity information, e.g. health of satellites or quality of ephemeris data

Abstract

本发明公开一种GNSS伪距单点定位状态域完好性监测方法，通过卫星伪距单点定位扩展卡尔曼滤波得到先验状态估计与后验状态估计二者之差及其协方差矩阵，并判断该协方差矩阵是否半正定，构建状态域完好性监测统计量；根据不同导航定位应用领域的实际误警率需求，确定监测阈值；将监测统计量与监测阈值进行比较，完成状态域的完好性监测，若监测统计量大于监测阈值，则向用户发出报警。否则，继续下一历元的完好性监测。本发明能够直接从GNSS的状态域展开，通过描述系统的状态值进行完好性监测，且能够在线实时进行完好性监测，更加有效、准确、及时的监测出复杂环境下GNSS可能出现的各种故障。

Description

一种GNSS伪距单点定位状态域完好性监测方法
技术领域
本发明涉及一种监测方法，具体是一种GNSS伪距单点定位状态域完好性监测方法，属于卫星监测技术领域。
背景技术
完好性监测主要功能是对卫星定位系统存在的影响定位精度的故障进行有效监测和排除，并在定位精度超过限差时及时提供预警，从而保证系统能提高定位服务的品质以降低完好性风险。
随着GNSS导航系统的不断建设与完善，研究GNSS导航定位系统的完好性对于提升我国BDS导航系统的竞争力和应用水平至关重要。而当前，面向无人车导航定位、精细农业、无人机应用等诸多新兴应用领域，从安全角度出发的GNSS导航系统完好性监测也逐渐成为了用户重点考虑的因素。
GNSS的完好性监测可分为外部增强法，接收机自主完好性监测法(RAIM)，系统基本完好性监测、卫星自主完好性监测三大类，其中，接收机自主完好性监测法(RAIM)对于卫星故障及空中异常反应迅速且完全自主，无需外部干预，因此是卫星导航系统应用的重要研究内容之一。Hewitson等指出尽管目前有系统完好性监测、广域増强系统完好性监测等各种监测手段，但是对于用户的多路径误差、信号被遮挡等情况所造成的定位偏差，RAIM是唯一的监测手段，并指出设计RAIM算法时应遵循的原则是：算法简单、易于实现，以保证在规定时间内告警。当前国内外对GNSS定位自主完好性监测(RAIM)的研究大多都是从量测域展开，从严格的理论角度来讲，通过量测值进行完好性监测都是间接地对系统性能进行评价，存在着非线性系统的近似误差，因为直接描述系统的是状态值，量测角度的完好性并不一定意味着系统(状态角度)的完好性，并且要求有冗余观测值。
因此，为了更加有效、准确、及时的监测各个历元GNSS导航定位的自主完好性信息，充分考虑量测域完好性监测算法所忽略的非线性系统的近似误差，亟需一种直接从状态域展开、通过描述系统的状态值进行完好性监测的方法。
发明内容
针对上述现有技术存在的问题，本发明提供一种GNSS伪距单点定位状态域完好性监测方法，能够直接从GNSS的状态域展开，通过描述系统的状态值进行完好性监测，且能够在线实时进行完好性监测，更加有效、准确、及时的监测出复杂环境下GNSS可能出现的各种故障。
为实现上述目的，本发明一种GNSS伪距单点定位状态域完好性监测方法，包括以下步骤：
S1：通过GNSS伪距单点定位扩展卡尔曼滤波，得到k历元的后验状态估计值
Figure BDA0002431384210000021
及其协方差矩阵
Figure BDA0002431384210000022
S2计算先验状态估计与后验状态估计二者之差dk及其协方差矩阵
Figure BDA0002431384210000023
S3：判断协方差矩阵
Figure BDA0002431384210000024
是否半正定；
S3.1若是，执行步骤S4；若不是，则向用户发出警报；
S3.2若高维情况下协方差矩阵
Figure BDA0002431384210000025
是奇异矩阵，引入奇异值分解方法对
Figure BDA0002431384210000026
进行分解，返回步骤S3.1；
S4：构建状态域完好性监测统计量sk；
S5：根据导航定位具体应用领域的实际误警率PFA需求，计算相应误警率PFA下的监测阈值
Figure BDA0002431384210000027
S6：将监测统计量sk与监测阈值
Figure BDA0002431384210000028
进行比较，若
Figure BDA0002431384210000029
则继续下一历元的完好性监测，若
Figure BDA00024313842100000210
则向用户发出警报。
进一步，步骤S2中的先验状态估计值与后验状态估计值二者之差dk及其协方差矩阵
Figure BDA00024313842100000211
通过以下公式得到：
Figure BDA00024313842100000212
Figure BDA00024313842100000213
其中，
Figure BDA0002431384210000031
Figure BDA0002431384210000032
Figure BDA0002431384210000033
Mxx′，k＝(Mx′x，k)T (18)
式中，
Figure BDA0002431384210000034
为后验状态估计，
Figure BDA0002431384210000035
为先验状态估计，
Figure BDA0002431384210000036
为后验状态协方差矩阵，
Figure BDA0002431384210000037
为先验状态协方差矩阵，Mxx′，k＝(Mx′x，k)T为先验状态估计差与后验状态估计差的协方差矩阵，Mx′x，k的值通过使用基于随机点的积分规则求得；
Figure BDA0002431384210000038
为卡尔曼滤波增益，x′k为通过先验状态估计
Figure BDA0002431384210000039
和状态噪声模拟的真实状态值，hk为测量关系函数。
进一步，步骤S4中的监测统计量sk通过以下公式得到：
Figure BDA00024313842100000310
式中，sk是一个自由度为nx的卡方分布变量，sk～p(sk)表示sk服从相应自由度的卡方分布，p(sk)为概率密度函数。
进一步，步骤S5中的监测阈值
Figure BDA00024313842100000311
通过以下公式得到：
Figure BDA00024313842100000312
式中，PFA为导航定位具体应用领域的误警率，sk服从相应自由度的卡方分布，F(sk)为分布函数。
与传统的基于量测域即测量误差的间接的完好性监测方法相比，本发明直接从状态域进行GNSS系统的完好性监测，利用先验状态估计与后验状态估计二者之差及其协方差矩阵进行完好性监测，计算效率高，反应迅速，避免了非线性系统的近似误差，误差小，准确率高，实现了在线实时进行完好性监测。本发明不仅可以用于BDS、GPS、GLONASS和GALILEO等单一系统，也可以用于不同卫星系统的组合定位，适用于任何基于卡尔曼滤波的GNSS系统。
附图说明
图1为本发明流程图；
图2为本发明具体实施例流程图；
图3为本发明监测阈值与误警率和状态域维数关系图。
具体实施方法
下面结合附图对本发明作进一步说明。
如图1所示，本发明GNSS伪距单点定位状态域完好性监测方法，具体方法如下：
S1：通过GNSS伪距单点定位扩展卡尔曼滤波，得到k历元的后验状态估计值
Figure BDA0002431384210000041
及其协方差矩阵
Figure BDA0002431384210000042
S2计算先验状态估计与后验状态估计二者之差dk及其协方差矩阵
Figure BDA0002431384210000043
S3：判断协方差矩阵
Figure BDA0002431384210000044
是否半正定；
S3.1若是，执行步骤S4；若不是，则向用户发出警报；
S3.2若高维情况下协方差矩阵
Figure BDA0002431384210000045
是奇异矩阵，引入奇异值分解方法对
Figure BDA0002431384210000046
进行分解，返回步骤S3.1；
S4：构建状态域完好性监测统计量sk；
S5：根据导航定位具体应用领域的实际误警率PFA需求，计算相应误警率PFA下的监测阈值
Figure BDA0002431384210000047
S6：将监测统计量sk与监测阈值
Figure BDA0002431384210000048
进行比较，若
Figure BDA0002431384210000049
则继续下一历元的完好性监测，若
Figure BDA00024313842100000410
则向用户发出警报。
如图2所示，本发明GNSS伪距单点定位状态域完好性监测方法应用在BDS导航系统中，具体包括以下步骤：
S1：通过BDS伪距单点定位扩展卡尔曼滤波，得到k历元的后验状态估计值
Figure BDA00024313842100000411
及其协方差矩阵
Figure BDA00024313842100000412
S1.1初始化：定义接收机初始状态值与误警率
定义接收机k历元的先验状态估计值为
Figure BDA0002431384210000051
及其协方差矩阵为
Figure BDA0002431384210000052
Figure BDA0002431384210000053
并确定误警率为PFA；
其中，
Figure BDA0002431384210000054
表示k历元的真实状态值xk服从均值为
Figure BDA0002431384210000055
方差为
Figure BDA0002431384210000056
的正态分布；
令k＝0；
S1.2通过BDS系统的伪距观测方程以及多普勒观测方程，获取BDS伪距观测值P和多普勒观测值D：
P＝l·dX+m·dY+n·dZ+ρ0+c·dtr-c·dts+I+T (1)
λD＝l(vx-vX)+m(vy-vY)+n(vz-vZ)+c·dtf-c·dtf (2)
式中，l，m，n为接收机到卫星的方向余弦；dX，dT，dZ为测站坐标的改正数；ρ0为卫星与接收机之间的真正距离；c为光速；dtr和dts分别为接收机钟差和卫星钟差；I为电离层延迟改正；T为对流层延迟改正；λ为载波相位的波长；D为卫星多普勒观测值；vx，vy，vz表示接收机的运动速度；vX，vY，vZ表示卫星的运动速度；dtf和dtf分别表示接收机钟差和卫星钟差的变化率。
S1.3 BDS扩展卡尔曼滤波、量测更新得到k历元的后验状态估计值
Figure BDA0002431384210000057
及其协方差矩阵
Figure BDA0002431384210000058
S1.3.1定义BDS系统的状态方程以及量测方程：
xk+1＝fk(xk)+wk (3)
zk＝hk(xk)+vk (4)
式中，k＝0，1，2，...，向量
Figure BDA0002431384210000059
和
Figure BDA00024313842100000510
分别表示k历元的真实状态值(包括接收机的三维坐标、三维速度、钟差和频漂)和量测值(包括伪距观测值P和多普勒观测值D)，状态转移函数
Figure BDA00024313842100000511
和测量关系函数
Figure BDA0002431384210000061
均已知；状态噪声
Figure BDA0002431384210000062
的概率密度函数
Figure BDA0002431384210000063
Figure BDA0002431384210000064
和测量噪声
Figure BDA0002431384210000065
的概率密度函数
Figure BDA0002431384210000066
均是已知且相互独立的。
S1.3.2寻找后验状态估计值
Figure BDA0002431384210000067
的概率密度函数p(xk|zk)，后验状态估计值
Figure BDA0002431384210000068
的通解由贝叶斯递推关系给出，公式如下：
p(xk|zk-1)＝∫p(xk|xk-1)p(xk-1|zk-1)dxk-1 (5)
Figure BDA0002431384210000069
式中，zk＝[z0，z1，z2，...，zk]，表示一组从0-k历元的所有量测值；p(xk|zk-1)是由科尔莫格洛夫(Chapman-Kolmogorov)方程计算出来的预测概率密度函数；p(xk|zk)是由贝叶斯规则计算出来的滤波概率密度函数；p(xk|xk-1)和p(zk|xk)分别是由BDS系统状态转移函数fk和测量关系函数hk计算所得的概率密度函数。
S1.3.3对BDS进行扩展卡尔曼滤波得k历元的后验状态估计值
Figure BDA00024313842100000610
及其协方差矩阵
Figure BDA00024313842100000611
表示xk是通过zk求得，且服从均值为
Figure BDA00024313842100000612
方差为
Figure BDA00024313842100000613
的正态分布：
Figure BDA00024313842100000614
Figure BDA00024313842100000615
其中：
Figure BDA00024313842100000616
Figure BDA00024313842100000617
Figure BDA00024313842100000618
Figure BDA00024313842100000619
式中，
Figure BDA00024313842100000620
为k历元的先验状态估计值，
Figure BDA00024313842100000621
为滤波的增益，zk为k历元的量测值，
Figure BDA00024313842100000622
为k历元的先验量测值，
Figure BDA00024313842100000623
为先验状态协方差矩阵，
Figure BDA00024313842100000624
为先验状态量测协方差矩阵；
S2：通过以下公式计算先验状态估计值与后验状态估计值二者之差dk及其协方差矩阵
Figure BDA0002431384210000071
Figure BDA0002431384210000072
Figure BDA0002431384210000073
其中，
Figure BDA0002431384210000074
Figure BDA0002431384210000075
Figure BDA0002431384210000076
Mxx′，k＝(Mx′x，k)T (18)
式中，
Figure BDA0002431384210000077
为后验状态估计值，
Figure BDA0002431384210000078
为先验状态估计值，
Figure BDA0002431384210000079
为后验状态协方差矩阵，
Figure BDA00024313842100000710
为先验状态协方差矩阵，Mxx′，k＝(Mx′x，k)T为先验状态估计差与后验状态估计差的协方差矩阵，Mx′x，k的值通过使用基于随机点的积分规则求得；
Figure BDA00024313842100000711
为卡尔曼滤波增益，x′k为通过先验状态估计
Figure BDA00024313842100000712
和状态噪声wk模拟的状态真实值，hk为测量关系函数，具体是量测方程中的非线性函数；
S3：判断协方差矩阵
Figure BDA00024313842100000713
是否半正定
S3.1若是，执行步骤S4；若不是，则向用户发出警报，算法需要重新初始化，返回步骤S1.1；
S3.2若高维情况下
Figure BDA00024313842100000714
是奇异矩阵，引入奇异值分解方法对
Figure BDA00024313842100000715
进行分解，返回步骤S2.1；
S4：构建完好性监测统计量sk：
Figure BDA00024313842100000716
式中，sk是一个自由度为nx的卡方分布变量，sk～p(sk)表示sk服从相应自由度的卡方分布，p(sk)为概率密度函数；
S5：根据导航定位具体应用领域的实际误警率PFA需求，计算相应误警率PFA下的监测阈值：
Figure BDA0002431384210000081
式中，PFA为导航定位具体应用领域的误警率，sk服从相应自由度的卡方分布，F(sk)为分布函数。
监测阈值与误警率和状态域维数关系图如图2所示；
S6：将监测统计量sk与监测阈值
Figure BDA0002431384210000082
进行比较，若
Figure BDA0002431384210000083
则执行步骤S7，继续下一历元的完好性监测；若
Figure BDA0002431384210000084
则向用户发出警报，算法需要重新初始化，返回步骤S1.1；
S7：继续下一历元完好性监测：预测下一历元的先验状态估计值
Figure BDA0002431384210000085
及其协方差阵
Figure BDA0002431384210000086
Figure BDA0002431384210000087
Figure BDA0002431384210000088
公式(21)和公式(22)形成了新的预测概率密度函数：
Figure BDA0002431384210000089
然后令k＝k+1，k＝0，1，2，...，返回步骤S1.2。
以上所述仅是本发明的优选实施方式，应当指出：对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (4)

1.一种GNSS伪距单点定位状态域完好性监测方法，其特征在于，包括以下步骤：
S1：通过GNSS伪距单点定位扩展卡尔曼滤波，得到k历元的后验状态估计值
Figure FDA0002431384200000011
及其协方差矩阵
Figure FDA0002431384200000012
S2计算先验状态估计值与后验状态估计值二者之差dk及其协方差矩阵
Figure FDA0002431384200000013
S3：判断协方差矩阵
Figure FDA0002431384200000014
是否半正定；
S3.1若是，执行步骤S4；若不是，则向用户发出警报；
S3.2若高维情况下协方差矩阵
Figure FDA0002431384200000015
是奇异矩阵，引入奇异值分解方法对
Figure FDA0002431384200000016
进行分解，返回步骤S3.1；
S4：构建状态域完好性监测统计量sk；
S5：根据导航定位具体应用领域的实际误警率PFA需求，计算相应误警率PFA下的监测阈值
Figure FDA0002431384200000017
S6：将监测统计量sk与监测阈值
Figure FDA0002431384200000018
进行比较，若
Figure FDA0002431384200000019
则继续下一历元的完好性监测，若
Figure FDA00024313842000000110
则向用户发出警报。
2.根据权利要求1所述的一种GNSS伪距单点定位状态域完好性监测方法，其特征在于，步骤S2中的先验状态估计值与后验状态估计值二者之差dk及其协方差矩阵
Figure FDA00024313842000000111
通过以下公式得到：
Figure FDA00024313842000000112
Figure FDA00024313842000000113
其中，
Figure FDA00024313842000000114
Figure FDA00024313842000000115
Figure FDA00024313842000000116
Mxx′，k＝(Mx′x，k)T (18)
式中，
Figure FDA0002431384200000021
为后验状态估计，
Figure FDA0002431384200000022
为先验状态估计，
Figure FDA0002431384200000023
为后验状态协方差矩阵，
Figure FDA0002431384200000024
为先验状态协方差矩阵，Mxx′，k＝(Mx′x，k)T为先验状态估计差与后验状态估计差的协方差矩阵，Mx′x，k的值通过使用基于随机点的积分规则求得；
Figure FDA00024313842000000210
为卡尔曼滤波增益，x′k为通过先验状态估计
Figure FDA0002431384200000026
和状态噪声模拟的真实状态值，hk为测量关系函数。
3.根据权利要求1或2所述的一种GNSS伪距单点定位状态域完好性监测方法，其特征在于，步骤S4中的监测统计量sk通过以下公式得到：
Figure FDA0002431384200000027
式中，sk是一个自由度为nx的卡方分布变量，sk～p(sk)表示sk服从相应自由度的卡方分布，p(sk)为概率密度函数。
4.根据权利要求1所述的一种GNSS伪距单点定位状态域完好性监测方法，其特征在于，步骤S5中的监测阈值
Figure FDA0002431384200000028
通过以下公式得到：
Figure FDA0002431384200000029
式中，PFA为导航定位具体应用领域的误警率，sk服从相应自由度的卡方分布，F(sk)为分布函数。
CN202010237173.0A 2020-03-30 2020-03-30 一种gnss伪距单点定位状态域完好性监测方法 Active CN111323793B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010237173.0A CN111323793B (zh) 2020-03-30 2020-03-30 一种gnss伪距单点定位状态域完好性监测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010237173.0A CN111323793B (zh) 2020-03-30 2020-03-30 一种gnss伪距单点定位状态域完好性监测方法

Publications (2)

Publication Number Publication Date
CN111323793A true CN111323793A (zh) 2020-06-23
CN111323793B CN111323793B (zh) 2021-02-05

Family

ID=71171704

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010237173.0A Active CN111323793B (zh) 2020-03-30 2020-03-30 一种gnss伪距单点定位状态域完好性监测方法

Country Status (1)

Country Link
CN (1) CN111323793B (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112230247A (zh) * 2020-09-25 2021-01-15 南京航空航天大学 一种用于城市复杂环境下gnss完好性监测方法
CN112558112A (zh) * 2020-11-17 2021-03-26 中国矿业大学 一种gnss状态域慢变斜坡故障完好性监测方法
CN114636431A (zh) * 2021-11-12 2022-06-17 北京航空航天大学 一种复杂环境下的智能运行系统导航完好性监测方法
CN115291253A (zh) * 2022-08-02 2022-11-04 东北大学 一种基于残差检测的车辆定位完好性监测方法及系统
CN116009041A (zh) * 2023-03-27 2023-04-25 太原理工大学 一种基于卡方检验的鲁棒自适应gnss高精度定位方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108051779A (zh) * 2017-10-13 2018-05-18 西安电子科技大学 一种面向tdoa的定位节点优选方法
CN109490916A (zh) * 2019-01-21 2019-03-19 南京航空航天大学 一种gnss接收机自主完好性监测方法
CN110109162A (zh) * 2019-03-26 2019-08-09 西安开阳微电子有限公司 一种gnss接收机自适应的卡尔曼滤波定位解算方法
CN110231636A (zh) * 2019-04-29 2019-09-13 深圳市联和安业科技有限公司 Gps与bds双模卫星导航系统的自适应无迹卡尔曼滤波方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108051779A (zh) * 2017-10-13 2018-05-18 西安电子科技大学 一种面向tdoa的定位节点优选方法
CN109490916A (zh) * 2019-01-21 2019-03-19 南京航空航天大学 一种gnss接收机自主完好性监测方法
CN110109162A (zh) * 2019-03-26 2019-08-09 西安开阳微电子有限公司 一种gnss接收机自适应的卡尔曼滤波定位解算方法
CN110231636A (zh) * 2019-04-29 2019-09-13 深圳市联和安业科技有限公司 Gps与bds双模卫星导航系统的自适应无迹卡尔曼滤波方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
ZHANG Q Z 等: "Singular value decomposition-based robust cubature Kalman filtering for an integrated GPS/INS navigation system", 《THE JOURNAL OF NAVIGATION》 *
宋迎春: "GPS动态导航定位的当前统计模型与自适应滤波", 《湖南人文科技学院学报》 *

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112230247A (zh) * 2020-09-25 2021-01-15 南京航空航天大学 一种用于城市复杂环境下gnss完好性监测方法
CN112230247B (zh) * 2020-09-25 2021-07-27 南京航空航天大学 一种用于城市复杂环境下gnss完好性监测方法
CN112558112A (zh) * 2020-11-17 2021-03-26 中国矿业大学 一种gnss状态域慢变斜坡故障完好性监测方法
CN112558112B (zh) * 2020-11-17 2022-09-16 中国矿业大学 一种gnss状态域慢变斜坡故障完好性监测方法
CN114636431A (zh) * 2021-11-12 2022-06-17 北京航空航天大学 一种复杂环境下的智能运行系统导航完好性监测方法
CN114636431B (zh) * 2021-11-12 2024-04-30 北京航空航天大学 一种复杂环境下的智能运行系统导航完好性监测方法
CN115291253A (zh) * 2022-08-02 2022-11-04 东北大学 一种基于残差检测的车辆定位完好性监测方法及系统
CN115291253B (zh) * 2022-08-02 2023-12-05 东北大学 一种基于残差检测的车辆定位完好性监测方法及系统
CN116009041A (zh) * 2023-03-27 2023-04-25 太原理工大学 一种基于卡方检验的鲁棒自适应gnss高精度定位方法

Also Published As

Publication number Publication date
CN111323793B (zh) 2021-02-05

Similar Documents

Publication Publication Date Title
CN111323793B (zh) 一种gnss伪距单点定位状态域完好性监测方法
CN110140065B (zh) Gnss接收机保护等级
RU2501039C2 (ru) Устройство и способ контроля целостности в реальном времени спутниковой навигационной системы
US9146322B2 (en) Hybrid system and device for calculating a position and for monitoring its integrity
CN113281793A (zh) 单历元位置界限的方法和设备
JP2010528320A (ja) リアルタイムキネマティック（ｒｔｋ）測位における距離依存性誤差の軽減
US20220187475A1 (en) System and method for reconverging gnss position estimates
Zhang et al. A novel GNSS based V2V cooperative localization to exclude multipath effect using consistency checks
Pesonen A framework for Bayesian receiver autonomous integrity monitoring in urban navigation
CN105116423A (zh) Araim地面监测站完好性监测方法和装置
EP1865334A1 (en) System and method for enhancing the performance of satellite navigation receivers
Yuan et al. GPS multipath and NLOS mitigation for relative positioning in urban environments
CN114265090A (zh) 基于贝叶斯检验的接收机自主完好性监测方法
CN104596544B (zh) 一种电离层闪烁下航空导航性能预测的方法
Obst et al. Probabilistic non-line-of-sight detection in reliable urban GNSS vehicle localization based on an empirical sensor model
US20230341563A1 (en) System and method for computing positioning protection levels
Elsayed et al. Bounding of correlated double-differenced GNSS observation errors using NRTK for precise positioning of autonomous vehicles
CN112558112B (zh) 一种gnss状态域慢变斜坡故障完好性监测方法
Obst et al. Probabilistic multipath mitigation for GNSS-based vehicle localization in urban areas
Bauer et al. Non-line-of-sight mitigation for reliable urban gnss vehicle localization using a particle filter
Gaglione et al. Robust Kalman Filter applied to GNSS positioning in harsh environment
CN111538041A (zh) 一种基于动对动平台电离层梯度完好性监测方法
CN104330807A (zh) 一种基于码载波分离的电离层风暴监测算法
Innac et al. A proposed fault detection and exclusion method applied to multi-GNSS single-frequency PPP
Smith et al. Integrity Capability of Standalone GPS

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant