CN112130177A - 一种基于稳定分布的地基增强系统完好性监测方法 - Google Patents

Abstract

本发明公开了一种基于稳定分布的地基增强系统完好性监测方法，通过稳定分布结合最大似然参数估计和分位数计算的方法，在GBAS系统的地面站模块，基于H2风险假设，对于涉及到的例如码/载波分歧值、载噪比等监测量进行了阈值建模，建模过程中还在地面站模块的监测流程中通过依据仰角划分模型区间和置信参数选择的方式提高了阈值建模的精确度。本发明解决了传统阈值模型过于依赖经验公式、模型不够精确、适用性较低的问题，通过更加精确的阈值建模提高了GBAS完好性监测系统的可信度与可用性。

Description

一种基于稳定分布的地基增强系统完好性监测方法

技术领域

本发明涉及一种基于稳定分布的地基增强系统完好性监测方法，属于卫星导航技术领域。

背景技术

全球导航卫星系统的地基增强系统(GBAS)可提供差分校正，并确保飞机飞行精密进近的导航解决方案的完好性。GBAS的数据处理系统分为两个模块：地面算法模块以及用户算法模块，其中地面模块主要负责生成伪距修正信息和完好性增强信息，并对各种完好性风险故障进行监视；用户模块则主要执行伪距修正、位置解算以及保护级计算的任务。

为了保障运行所需的完好性性能，GBAS地面站需要对导航卫星的空间信号或地面设备可能出现的故障情况进行监视，使用包括信号质量监测(SQM)、数据质量检测(DQM)、测量质量监测(MQM)等在内的算法以保证能够及时发现系统故障并告知用户。地面站完好性算法中的监测执行逻辑共分为两个过程，目的是在完好性算法设置相应的报警标志后，检测到故障时，需要使用监测逻辑得出可用的导航卫星和参考接收机并判断失效原因，在系统恢复正常后将其纳入监测体系。

GBAS的完好性风险在H0、H1、H2三类假设下分配，而H0和H1故障可以通过计算定位误差的置信包络来判断定位误差是否满足要求，H2风险主要通过地面站模块完好性监视算法来保障，对于H2假设下的完好性评估重点在于验证完好性监视算法的阈值设置是否合适。

在地面站执行的H2假设下存在统计量如B值，CCD值等阈值模型过于复杂而且经验模型不够准确的问题影响了系统的可用性与连续性。

发明内容

为了解决现有系统存在的问题，本发明提供一种基于稳定分布的地基增强系统完好性监测方法，通过地面站模块采集数据并进行GBAS完好性性能监测，使用采集得到的数据，通过稳定分布阈值建模的方法，对于H2风险假设下的完好性事件进行评估。

本发明为解决上述技术问题采用以下技术方案：

一种基于稳定分布的地基增强系统完好性监测的阈值模型建立方法，在地基增强系统GBAS完好性监测系统的地面站模块执行H2风险假设下，在不同的卫星情况以及不同的仰角区间，使用稳定分布进行阈值建模，具体步骤如下：

a)根据地面站模块的观测数据将卫星仰角分组，将差分校正信息、载噪比、平滑前后的伪距、载波相位及其所对应时间信息分配到对应的卫星仰角区间中；

b)对于每个仰角区间分别计算对应于各个卫星的监测量；

c)对于b)中的监测量在仰角区间内进行稳定分布拟合，并使用最大似然估计进行稳定分布参数估计；

d)给出各个监测量下的稳定分布置信参数，并用此计算对应于各个仰角区间以及卫星号的样本分位点，即为所需阈值。

进一步，b)中的监测量包括：载噪比CNR、载波平滑变更检验统计量INNO、码/载波分歧值统计量CCD。

进一步，a)中将卫星仰角分组时以3度为一区间。

进一步，c)中使用最大似然估计进行稳定分布参数估计的步骤如下：

对于独立同分布的监测量x＝(x₁，x₂，...，x_n)，稳定分布参数P＝(α，β，γ，δ)的最大似然估计就是使如下的对数似然函数最大化(以GBAS参数阈值建模中常用的对称稳定分布为例)：

其中，

z_i＝|x_i-δ|/γ；

在对称稳定分布的情况下，β＝0，将对数似然函数对于α，γ，δ分别求偏导，求解方程

即得到稳定分布参数结果。

进一步，载噪比CNR的稳定分布置信参数为0.9974，即选择置信度为99.74％时的分位点作为载噪比的阈值，即：

TC_NR(θ)＝Qs(0.9974；α_cnr，β_cnr，γ_cnr，δ_cnr)

其中，α_CNR，β_CNR，γ_CNR，δ_CNR为CNR在仰角区间内进行稳定分布拟合的稳定分布参数，Qs(·)为稳定分布的分位数函数。

进一步，载噪比CNR的稳定分布置信参数为0.999937，即选择置信度为99.9937％时的分位点作为载噪比的阈值，即：

T_CCD(θ，sv)＝Qs(99.9937％；α_ccd，β_ccd，γ_ccd，δ_ccd)

其中，α_CCD，β_CCD，γ_CCD，δ_CCD为CCD在仰角区间内进行稳定分布拟合的稳定分布参数，Qs(·)为稳定分布的分位数函数。

进一步，载噪比CNR的稳定分布置信参数为0.999937，即选择置信度为99.9937％时的分位点作为载噪比的阈值，即：

T_Inno(θ，sv)＝Qs(99.9937％；α_Inno，β_Inno，γ_Inno，δ_Inno)

其中，α_Inno,β_Inno,γ_Inno,δ_Inno为CNR在仰角区间内进行稳定分布拟合的稳定分布参数，Qs(·)为稳定分布的分位数函数。

一种基于稳定分布的地基增强系统完好性监测方法，在GBAS完好性监测系统的地面站模块执行信号质量监测SQM、测量质量监测MQM的过程中，采用上述的阈值模型建立方法对监测过程中的各个监测量进行阈值建模，以完成完好性事件的评估。

由上述技术方案可知，本发明使用的使用稳定分布，在H2假设下对于参数阈值建模的方法解决了现有的使用经验公式建模的方法的局限性，提升了H2假设下参数阈值建模的精确性与可信度，提升了系统的完好性与连续性。

附图说明

图1为信号功率监视流程图；

图2为码/载波分歧监测和载波相位码更新配合工作的系统流程图；

图3为机载模块和地面站模块配合进行GBAS完好性监测的流程图。

具体实施方式

下面结合附图对本发明的技术方案做进一步的详细说明：

本发明所设计的多假设下的地基增强系统完好性监测方法，通过引入稳定分布对GBAS完好性监测中的各个阈值进行建模，在GBAS的H2完好性风险假设下提升了阈值建模的精度，进而提升了GBAS系统的可用性与安全性，如图3所示，具体包括以下步骤：

地面站对采集到的数据首先进行差分处理，即对GNSS卫星信号解码，载波平滑伪距，产生伪距校正信息，并将这些伪距校正信息以广播报文的方式发送给机载用户端。

完好性监测，即一系列完好性监控算法通过对卫星发送的信息进行监控，具体步骤如下：

信号质量监测(Signal Quality Monitoring,SQM)：目的是监测GPS测距信号中的异常情况，共包括三个功能；

相关峰监视(Correlation Peak Monitoring)：使用具有多个相关器的北斗卫星信号接收机，通过对相关器设置不同的相关间隔，输出相关峰值图，判断信号是否出现畸变，相关峰监测的统计监测量为：

其中I_prompt为相关时间间隔为0时相关器的输出，对于正常的C/A码，该时间对应的为峰值，I_offset为相关器时间间隔非0时的相关器输出，负号代表滞后，正号代表超前。当信号发生异常时，统计量会超出阈值。

对于信号功率监视，地面站接收机对接收信号质量参数载噪比CNR取平均值，对于每个信道(m，n)，k表示当前时刻，(k-1)表示前一时刻，记录对应时刻下对应卫星或同一星座下的卫星编号及其对应仰角，此时取载噪比平均值为：

其中CNR_avg,(m_,n)为最终的载噪比监测量，CNR_(m,n)(k)和CNR_(m,n)(k-1)分别代表k时刻和k-1时刻的载噪比。

将仰角以3度为一区间分组，将平均后的载噪比分配到对应的卫星仰角区间，对每组卫星仰角区间的载噪比样本基于稳定分布进行最大似然估计，得到针对于每组仰角的四个稳定分布参数(α_CNR,β_CNR,γ_CNR,δ_CNR)，通过拟合数据结果结合经验公式，本例可将稳定分布置信参数选择为0.9974，即选择置信度为99.74％时的分位点作为载噪比的阈值，即：

T_CNR(θ)＝Qs(0.9974；α_cnr，β_cnr，γ_cnr，δ_cnr)

其中，T_CNR(θ)为对应于某个仰角区间的载噪比阈值，Qs(·)即为稳定分布的分位数函数。

如图1所示，对监测量CNR_avg,(m,n)的阈值利用稳定分布结合最大似然估计进行建模，再对载噪比均值进行判定，如果CNR_avg,(m,n)大于阈值，那么说明通过了接收信号功率测试；如果CNR_avg,(m,n)小于阈值，接收机将在该通道上面产生一个标记值，表明并没有通过信号功率监测的判断。

码/载波分歧监控(Code Carrier Divergence,CCD):码/载波发散性监控通常用来监测电离层风暴，确保监测到的任意一颗卫星的码和载波的分歧量够小，使用几何平均移动的方法来估计码/载波分歧值CCD_m,n，可表示为：

其中，CCD_(m,n)(k)为码载波分歧值的监测量，τ_d为平均持续时间，是一个值为200秒的常量，T_s是地基增强系统的测量值的更新频率，一般为0.5秒，Z_(m,n)(k)为k时刻的码减载波观测量ρ_m,n(k)表示k时刻的原始伪距观测量(K时刻的原始伪距观测量(未经平滑))，

代表对应于k时刻的载波观测量。

将CCD统计量按仰角分组，每3度一组，按组分别进行一次最大似然参数估计，得到对应某刻卫星和某个仰角区间的四个参数(α_CCD,β_CCD,γ_CCD,δ_CCD)，根据经验公式可选择分位点计算中的置信参数为99.9937％，则CCD阈值为：

T_CCD(θ，sv)＝Qs(99.9937％；α_ccd，β_ccd，γ_ccd，δ_ccd)

其中，T_CCD(θ,sv)为对应于某个仰角区间θ以及某颗卫星的的码载波分歧监测量的阈值，sv代表卫星号，θ代表仰角区间。

实验证明同一星座下不同卫星信号的CCD统计量之间差异较小，为简化阈值模型可将同一星座下卫星的CCD统计量使用相同的阈值。

如图2所示，对CCD阈值利用稳定分布进行建模，再对码/载波分歧值进行判定，若小于阈值，则置为通过监测标志，若大于阈值，则置为未通过监测标志。

信号质量监测算法是GBAS完好性评估系统中的一个重要算法，主要用于监测卫星发送的C/A码，判断卫星传送的测距码是否发生变形以及判断信号功率是否处于正常范围，测距码是否发生畸变，判断是否出现变形失效波形的情况或信号/功率是否在正常范围内。

数据质量监测(Data Quality Monitoring,DQM)：星历数据可在给定时间提供太空中卫星位置的信息，因此星历数据的正确性监测很重要，通过比较新旧导航电文计算出的同时刻卫星位置的差异(导航电文更新时执行DQM)，可以体现出星历数据是否正确；另一种故障则是在卫星第一次进入地面参考接收机的视野范围内时进行星历检测比对。

另外一些地面站无法直接观测到的故障类型，可以通过计算出的伪距和载波相位校正值以及其短时间间隔内的变化来检测出故障。

测量质量监测(Measurement Quality Monitoring，MQM)：测量质量监控用于判断伪距和载波相位测量的值是否一致，以及对于GNSS接收机时钟异常、地面站参考接收机故障导致的阶跃等快变误差、空间信号等数据等内容是否发生异常进行判断。

测量质量监测主要包括三个功能：接收机锁定时间监测、载波加速-斜坡-阶跃监测以及载波平滑码更新监测。

接收机锁定时间监测：当GNSS卫星的仰角偏小时，可能会出现接收机失锁的情况，通过对接收机给出的卫星锁定时间数据微分，可以判断是否对卫星连续相位锁定，这种情况下锁定时间应该不变，即接收机正常锁定。

若微分数值和连续时间段内的微分数值不相等或出现异常数字，如无限大，则可以判定接收机处于失锁状态。

通常在遇到这种情况是将接收机重启并对载波过滤器初始化，但并不会生成失败标志，当出现连续失锁状态时并超过可容许最大次数，才可判定该接收机失效。

载波加速-斜坡-阶跃监测：定义一个监测量，利用邻近的十个连续时刻的载波相位平均校正值进行最小二乘法拟合，目的是假定载波相位测量过程中存在加速、斜坡、阶跃类型的误差，分别通过拟合后的二次、一次和常数项定义为加速度、斜坡以及阶跃监测量，据此来判断三种类型的误差是否存在，算法如下：

在每个通道(m,n)上，通过下式分别计算单个历元内，最近的连续十个时刻(例如k-9到k)的载波相位：

其中φ_m,n(i)和φ_c,m,n(i)分别代表载波相位在某时刻的校正值和观测值，S_m是第m台接收机追踪的卫星组成的集合，N_m代表集合中的卫星数目，通过上式处理可以去掉任何相位周跳。

使用计算得到的连续10个时刻的参数，利用最小二乘拟合后的载波相位观测量模型方程为：

Step＝φ_avg(k，t)-φ_pre(k，t)

其中φ_0,m,n(k,t)代表选定的十个时刻中初始时刻的载波相位校正值，Acc、Ramp、Step分别代表加速度、斜坡、阶跃项的系数即三种情况下的监测量，其中φ_avg(k,t)为已知载波相位均值，φ_pre(k,t)为通过拟合式计算得到的值。

通过阈值设定，通过对被标志的信道寻找三种状态载波相位的最大值，若存在超过阈值的情况，置为未通过标志位，若出现未通过标志，则隔离该信道，排除故障信道后，重复进行载波相位加速-斜坡-阶跃计算过程，继续进行监测。

载波平滑码变更测试：INNO测试主要用于监测原始伪距测量值中是否存在脉冲、阶跃误差，监测量INNO为：

其中Inno_m,n(k)代表k时刻载波平滑码更新值，ρ_m,n(k)表示k时刻原始伪距观测量，ρ_s,m,n(k-1)表示k-1时刻平滑后的伪距观测量，

代表k时刻的载波观测量。

将INNO统计量按仰角分组并进行最大似然参数估计，选择与CCD监测中一样的置信参数，则INNO阈值为：

T_Inno(θ，sv)＝Qs(99.9937％；α_Inno，β_Inno，γ_Inno，δ_Inno)

其中，T_Inno(θ,sv)为对应于某个仰角区间θ以及某颗卫星的的载波平滑码更新监测量的阈值。

如图2所示，对INNO阈值利用稳定分布进行建模并使用与CCD建模时相同的置信参数，再对INNO测量值进行判定，若连续三个INNO值均大于阈值，置为未通过监测标志，若小于阈值，则置为通过监测标志。

执行逻辑(EXM)：上述过程由GBAS地面站第一阶段执行监控(EXM-1)来处理完好性告警信息以判断是否有信道需要隔离等情况。

在EXM-1中通过建立接收机跟踪的卫星组成的T(跟踪)矩阵和告警标志的逻辑组成的D(判决)矩阵，处理以下几种情况：

若单卫星在单个接收机上产生标记，则排除该信道上的测量值；

若单卫星在多个参考接收机上产生标记/多卫星在多个参考接收机上产生标记，则排除发生问题的卫星或接收机；

接下来根据以下原则选择可见卫星集：

如果三个接收机能够同时跟踪四颗以上的卫星，则卫星集包含所有的被跟踪的卫星；否则卫星集是被任何两个接收机跟踪的最大卫星集合；如果跟踪的卫星不超过四颗，也没有产生星座告警，则需要排除所有的测量方式，重新启动GBAS系统。

通过上述测试后，进入多接收机一致性监测(MRCC)，生成B值、MRCC标志矩阵等信息。

EXM-2：一旦校正值，B值、MRCC标志矩阵等生成，则开始执行第二阶段执行监测逻辑，通过处理上述信息来最后确认电文数据的正确性，将最多进行四次递归处理来隔离MRCC监测失败标志的信道直到检测通过或者系统重启。

EXM-2结束后，重启被隔离信道的平滑滤波算法。

通过采集的数据，地面站通过基于稳定分布计算监测量阈值的GBAS完好性监测系统提升了系统的连续性与可用性。

本发明提出了一种多假设下的地基增强系统完好性监测方法，在地面站模块处理过程中，基于不同的可见星以及不同的仰角区间，使用稳定分布分别计算阈值，具体步骤如下：

a)根据地面站的观测数据将卫星仰角分组，以3度为一个区间，然后将差分校正信息、载噪比、平滑前后的伪距、载波相位及其所对应时间等信息分配到对应的卫星仰角区间中；

b)对于每个仰角区间分别统计各个卫星的监测数据，包括：载噪比、载波平滑变更检验统计量INNO值、码/载波分歧值CCD等；

c)对于上述数据在仰角区间内进行稳定分布拟合，并使用最大似然估计进行参数估计；

d)通过所需要的误警率或经验公式给出各个监测数据下的置信参数，并用此计算对应于各个仰角区间以及卫星号的样本分位点，即为所需阈值。

其中使用最大似然估计方法，对于阈值建模过程中使用到的稳定分布参数进行估计，最大似然估计稳定分布参数步骤如下：

对于独立同分布的监测量x＝(x₁,x₂,…,x_n)，稳定分布参数P＝(α,β,γ,δ)的最大似然估计就是使如下的对数似然函数最大化(以GBAS参数阈值建模中常用的对称稳定分布为例)：

其中α>1，x>0，z_i＝|x_i-δ|/γ，并且有：

在对称稳定分布的情况下，此时β＝0，将对数似然函数对于其他三个参数分别求偏导，解如下方程可得到稳定分布参数结果：

本发明提出一种基于稳定分布的地基增强系统完好性监测方法，使用稳定分布，通过最大似然参数估计、分位点计算结合置信参数选择，对于GBAS完好性监测过程中出现的阈值进行建模，提升了阈值建模的精确性以及适用性，提高了完好性监测系统的可信度，最终通过此系统进而提升了GBAS系统的可用性。

最后应说明的是以上实例仅用以说明本发明的技术方案,而非对其限制,尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解其依然可以对前述各实例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换，而这些修改或者替换,并不使相应技术方案的本质脱离本发明权利要求的范围。

Claims (8)

1.一种基于稳定分布的地基增强系统完好性监测的阈值模型建立方法，其特征在于，在地基增强系统GBAS完好性监测系统的地面站模块执行H2风险假设下，在不同的卫星情况以及不同的仰角区间，使用稳定分布进行阈值建模，具体步骤如下：

a)根据地面站模块的观测数据将卫星仰角分组，将差分校正信息、载噪比、平滑前后的伪距、载波相位及其所对应时间信息分配到对应的卫星仰角区间中；

b)对于每个仰角区间分别计算对应于各个卫星的监测量；

c)对于b)中的监测量在仰角区间内进行稳定分布拟合，并使用最大似然估计进行稳定分布参数估计；

d)给出各个监测量下的稳定分布置信参数，并用此计算对应于各个仰角区间以及卫星号的样本分位点，即为所需阈值。

2.如权利要求1所述的一种基于稳定分布的地基增强系统完好性监测的阈值模型建立方法，其特征在于，b)中的监测量包括：载噪比CNR、载波平滑变更检验统计量INNO、码/载波分歧值统计量CCD。

3.如权利要求1所述的一种基于稳定分布的地基增强系统完好性监测的阈值模型建立方法，其特征在于，a)中将卫星仰角分组时以3度为一区间。

4.如权利要求1所述的一种基于稳定分布的地基增强系统完好性监测的阈值模型建立方法，其特征在于，c)中使用最大似然估计进行稳定分布参数估计的步骤如下：

对于独立同分布的监测量x＝(x₁,x₂,…,x_n)，稳定分布参数P＝(α,β,γ,δ)的最大似然估计就是使如下的对数似然函数最大化(以GBAS参数阈值建模中常用的对称稳定分布为例)：

其中，z_i＝|x_i-δ|/γ，

在对称稳定分布的情况下，β＝0，将对数似然函数对于α,γ,δ分别求偏导，求解方程

即得到稳定分布参数结果。

5.如权利要求2所述的一种基于稳定分布的地基增强系统完好性监测的阈值模型建立方法，其特征在于，载噪比CNR的稳定分布置信参数为0.9974，即选择置信度为99.74％时的分位点作为载噪比的阈值，即：

T_CNR(θ)＝Qs(0.9974；α_cnr，β_cnr，γ_cnr，δ_cnr)

其中，α_CNR,β_CNR,γ_CNR,δ_CNR为CNR在仰角区间内进行稳定分布拟合的稳定分布参数，Qs(·)为稳定分布的分位数函数。

6.如权利要求2所述的一种基于稳定分布的地基增强系统完好性监测的阈值模型建立方法，其特征在于，载噪比CNR的稳定分布置信参数为0.999937，即选择置信度为99.9937％时的分位点作为载噪比的阈值，即：

T_CCD(θ，sv)＝Qs(99.9937％；α_ccd，β_ccd，γ_ccd，δ_ccd)

其中，α_CCD,β_CCD,γ_CCD,δ_CCD为CCD在仰角区间内进行稳定分布拟合的稳定分布参数，Qs(·)为稳定分布的分位数函数。

7.如权利要求2所述的一种基于稳定分布的地基增强系统完好性监测的阈值模型建立方法，其特征在于，载噪比CNR的稳定分布置信参数为0.999937，即选择置信度为99.9937％时的分位点作为载噪比的阈值，即：

T_Inno(θ，sv)＝Qs(99.9937％；α_Inno，β_Inno，γ_Inno，δ_Inno)

其中，α_Inno,β_Inno,γ_Inno,δ_Inno为CNR在仰角区间内进行稳定分布拟合的稳定分布参数，Qs(·)为稳定分布的分位数函数。

8.一种基于稳定分布的地基增强系统完好性监测方法，其特征在于：在GBAS完好性监测系统的地面站模块执行信号质量监测SQM、测量质量监测MQM的过程中，采用如权利要求1至7中任一所述的阈值模型建立方法对监测过程中的各个监测量进行阈值建模，以完成完好性事件的评估。

Images