CN112269193B - 一种监测站伪距观测序列辅助的导航卫星故障检测方法 - Google Patents

Abstract

本发明提供了一种监测站伪距观测序列辅助的导航卫星故障检测方法，用以解决现有技术中导航卫星故障检测存在滞后的问题。所述检测方法首先通过监测站采集M个历元时刻的伪距观测量，并进行预处理，再计算当前历元时刻和上一历元时刻的伪距观测量变化量，并对M‑1个变化量进行正态分布一致性检验，判断各历元时刻的伪距观测量是否异常；最后根据对判定为异常的所有伪距观测量进行数据关联性分析，如果各异常伪距观测量的相关性超出相关性阈值，则判定为卫星存在故障。本发明通过对伪距观测量变化量的正态分布一致性检验和异常观测数据的关联性分析实现卫星故障的检测，可有效的检测出导航卫星存在的故障，从而增强全球卫星导航系统的服务性能。

Description

一种监测站伪距观测序列辅助的导航卫星故障检测方法

技术领域

本发明属于全球卫星导航系统性能监测领域，特别涉及一种监测站伪距观测序列辅助的导航卫星故障检测方法。

背景技术

全球卫星导航系统通过在轨卫星和地面站的配合，为全球定位、导航、通信等提供越来越多的服务。导航卫星的正常运行和工作是导航安全、准确的保障，因此，要对导航卫星的性能、状态进行实时监测，当预测到或发现导航卫星处于故障状态时，要及时进行复位修复或冗余替换，保证导航系统的正常运行。

现有技术中，全球卫星导航系统中地面监测站通过对卫星播发信号的监测来评估导航卫星导航任务处理单元是否处于正常工作状态。但是，直接通过卫星播发信号评估导航卫星的性能，存在一定的滞后性，检测效果较差。

发明内容

鉴于上述问题，本发明实施例提供了一种监测站伪距观测序列辅助的导航卫星故障检测方法，利用监测站伪距观测数据的时间序列，通过对伪距观测量变化量的正态分布一致性检验和异常观测数据的关联性分析实现卫星故障的检测，可有效的检测出导航卫星存在的故障，从而增强全球卫星导航系统的服务性能。

为了实现上述目的，本发明实施例采用的技术方案如下：

本发明实施例提供了一种监测站伪距观测序列辅助的导航卫星故障检测方法，所述检测方法包括：

步骤S1，监测站采集M个历元时刻的伪距观测量，并进行预处理；

步骤S2，计算当前历元时刻和上一历元时刻的伪距观测量变化量，并对M-1个变化量进行正态分布一致性检验，判断各历元时刻的伪距观测量是否异常；

步骤S3，对判定为异常的所有伪距观测量进行数据关联性分析，如果各异常伪距观测量的相关性超出相关性阈值，则判定为卫星存在故障。

上述方案中，所述步骤S1中，对伪距观测量进行预处理，包括如下步骤：

步骤S11，获取各伪距观测量的时间序列，并计算各伪距观测量的历元间变化量；

步骤S12，计算固定时间窗内各历元间伪距观测量变化量的均值和方差；

步骤S13，根据所计算的均值和方差，基于正态分布假设，剔除异常伪距观测量；

步骤S14，采用滤波算法对剩余观测量进行平滑滤波，得到预处理后的伪距观测量。

上述方案中，步骤S11中，通过式(1)计算各伪距观测量的历元间变化量：

式(1)中，s为卫星编号；k为历元时刻，取值为1至M；i为伪距观测量的编号；ρ和△ρ分别为伪距观测量和伪距观测量变化量。

上述方案中，步骤S12中，通过式(2)计算固定时间窗内各历元间伪距观测量变化量的均值和方差：

式(2)中，l为固定时间窗口的长度；u为均值；σ为标准差，t代表当前历元时刻。

上述方案中，步骤S13中，剔除异常伪距观测量，首先构造如下假设检验：

H₀：r₁<T₁，H₁：r₁≥T₁ (3)

式(3)中，H₀为原假设，表示无异常；H₁为备选假设，表示有异常；r为检验统计量；T₁为检验阈值；

检验统计量r₁由伪距变化量构造，如式(4)：

式(4)中，N(0,1)表示标准正态分布；

检验阈值T₁由检验显著性水平a确定，如式(5)：

T₁＝N_1-a/2(0,1) (5)

式(5)中，a为检验显著性水平，检验阈值取值为T₁＝3σ；

当检验统计量r₁大于检测阈值T₁时，剔除对应的观测数据。

上述方案中，所述步骤S14中：

所述滤波算法采用Savitzky-Golay滤波算法；

所述对观测数据进行平滑处理，包括如下步骤：

步骤S141，对长度为l的固定时间窗内的观测数据

进行多项式拟合，如式(6)：

式(6)中，p(i)为拟合的多项式函数；a_k为多项式系数；k为多项式阶次；n为多项式阶数；

步骤S142，计算拟合多项式的最小二乘拟合残差，计算拟合多项式系数，完成对观测数据的平滑滤波。

所述拟合多项式如下：

上述方案中，在步骤S2中，对各伪距观测量变化量进行正态分布一致性检验，过程如下：

构造如下假设检验

H₀：r₂<T₂，H₁：r₂≥T₂ (8)

式(8)中，H₀为原假设，表示无异常；H₁为备选假设，表示有异常；r₂为检验统计量；T₂为检验阈值；

检验统计量r₂的构造如下：

式(9)中，u_k-1和σ_k-1为k-1时刻固定时间窗内伪距变化量的均值和标准差；

检验阈值T₂由检验显著性水平a确定，如式(9)：

T₂＝N_1-a/2(0,1) (10)

式(10)中，a为检验显著性水平，检验阈值取值为T₂＝2σ；

当检验统计量r₂大于检测阈值T₂时，表明当前历元时刻的观测量与上一个历元时刻的数据不满足正态分布的一致性，对应的当前观测量判定为异常。

上述方案中，在步骤S3中，对判定为异常的所有伪距观测量进行关联性分析，首先构造如下假设检验：

H₀：r_X,Y<C，H₁：r_X,Y≥C (11)

式(11)中，H₀为原假设，表示X与Y相关或不相关；H₁为备选假设，表示X与Y具有强相关性；r_X,Y为X与Y的相关系数；C为检验阈值，由检验限制性水平β和自由度l-2确定；

当检验统计量r_X,Y大于检测阈值C时，表明观测序列X与Y具有强相关性。如果各观测量均具有强相关性则判定卫星发生故障。

上述方案中，各异常观测量相关系数的计算公式为：

式(12)中，X表示第i个异常观测量的时间序列；Y表示第j个异常观测量的时间序列。

本发明具有如下有益效果：

本发明通过对伪距观测量变化量的正态分布一致性检验和异常观测数据的关联性分析实现卫星故障的检测，有效的检测出导航卫星存在的故障；同时，对于各GNSS接收机输出的多个频点共计12路伪距测量值，本发明通过数据处理得到频内差、频间差等参数，研判参数间的相互关系并以此反推单路伪距测量值的准确性，确保了原始测量值的准确性和有效性；另外，伪距观测信息异常作为导航卫星下行信号播发异常现象之一，通过对频内差、频间差等参数的深入分析(包括多参数关联程度、数据分布等)，实现了对导航卫星特定故障的快速检测与预测，从而增强全球卫星导航系统的服务性能。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施方式提供的一种监测站伪距观测序列辅助的导航卫星故障检测方法流程图；

图2为本发明实施例中伪距观测量预处理方法流程图。

具体实施方式

下面通过参考示范性实施例，并结合附图，对本发明技术问题、技术方案和优点进行详细阐明。以下所述示范性实施例仅用于解释本发明，而不能解释为对本发明的限制。本技术领域技术人员可以理解，除非另外定义，这里使用的所有术语(包括技术术语和科学术语)具有与本发明所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是，诸如通用字典中定义的那些术语应该被理解为具有与现有技术的上下文中的意义一致的意义，并且除非在这里进行定义，否则不会用理想化或过于正式的含义来解释。

在全球卫星导航系统中，地面监测站的伪距观测量是否准确直接决定了监测接收机的定位精度，因此通过对监测接收机采集到的伪距观测数据进行分析，探索伪距观测数据的变化规律及分布特征，通过对伪距观测数据精度的分析一定程度上可反映导航卫星的工作状态。本发明基于伪距变化量服从正态分布且卫星发生故障时会导致各异常观测具有较强相关性的特性，提出了一种监测站伪距观测序列辅助的导航卫星故障监测方法。

图1给出了本发明实施方式提供的监测站伪距观测序列辅助的导航卫星故障检测方法流程。如图1所示，所述检测方法包括：

步骤S1，监测站采集M个历元时刻的伪距观测量，并进行预处理；

步骤S2，计算当前历元时刻和上一历元时刻的伪距观测量变化量，并对M-1个变化量进行正态分布一致性检验，判断各历元时刻的伪距观测量是否异常；

步骤S3，对判定为异常的所有伪距观测量进行数据关联性分析，如果各异常伪距观测量的相关性达到相关性阈值，则判定为卫星存在故障。

如上所述，在步骤S1中，对伪距观测量进行预处理，包括：去除测量噪声和异常观测采集的伪距观测量。

如图2所示，所述对伪距观测量的预处理，包括如下步骤：

步骤S11，获取各伪距观测量的时间序列，并计算各伪距观测量的历元间变化量，如式(1)：

式(1)中，s为卫星编号；k为历元时刻，取值为1至M；i为伪距观测量的编号；ρ和△ρ分别为伪距观测量和伪距观测量变化量。

步骤S12，计算固定时间窗内各历元间伪距观测量变化量的均值和方差，如式(2)：

式(2)中，l为固定时间窗口的长度；u为均值；σ为标准差，t代表当前历元时刻。

步骤S13，根据所计算的均值和方差，基于正态分布假设，剔除异常伪距观测量。

本步骤中，剔除异常伪距观测量过程如下：

构造如下假设检验

H₀：r₁<T₁，H₁：r₁≥T₁ (3)

式(3)中，H₀为原假设，表示无异常；H₁为备选假设，表示有异常；r为检验统计量；T₁为检验阈值。当检验统计量r₁大于检测阈值T₁时，剔除对应的观测数据。

检验统计量r1由伪距变化量构造，即

式(4)中，N(0,1)表示标准正态分布。

检验阈值T₁由检验显著性水平a确定，即

T₁＝N_1-a/2(0,1) (5)

式(5)中，a为检验显著性水平，检验阈值取值为T₁＝3σ。

步骤S14，采用滤波算法对观测量进行平滑滤波，得到预处理后的伪距观测量。

优选地，本步骤中所述滤波算法采用Savitzky-Golay(S-G)滤波算法对观测数据进行平滑处理，包括如下步骤：

步骤S141，对长度为l的固定时间窗内的观测数据

进行多项式拟合，如式(6)：

式(6)中，p(i)为拟合的多项式函数；a_k为多项式系数；k为多项式阶次；n为多项式阶数。

步骤S142，计算拟合多项式的最小二乘拟合残差，计算拟合多项式系数，完成对观测数据的平滑滤波。

所述拟合多项式如下：

如上所述，在步骤S2中，对各伪距观测量变化量进行正态分布一致性检验，过程如下：

构造如下假设检验

H₀：r₂<T₂，H₁：r₂≥T₂ (8)

式中，H₀为原假设，表示无异常；H₁为备选假设，表示有异常；r₂为检验统计量；T₂为检验阈值。当检验统计量r₂大于检测阈值T₂时，表明当前历元时刻的观测量与上一个历元时刻的数据不满足正态分布的一致性，对应的当前观测量判定为异常。

其中，检验统计量r2的构造如下

式(9)中，u_k-1和σ_k-1为k-1时刻固定时间窗内伪距变化量的均值和标准差。

检验阈值T₂由检验显著性水平a确定，即

T₂＝N_1-a/2(0,1) (10)

式(10)中，a为检验显著性水平，检验阈值取值为T₂＝2σ。

在步骤S3中，对判定为异常的所有伪距观测量进行关联性分析，从而确定观测异常是否由卫星故障引起，并据此确定导航卫星是否存在故障。

对各异常观测量进行相关性检验时，构造如下假设检验：

H₀：r_X,Y<C，H₁：r_X,Y≥C (11)

式(11)中，H₀为原假设，表示X与Y相关或不相关；H₁为备选假设，表示X与Y具有强相关性；r_X,Y为X与Y的相关系数；C为检验阈值。当检验统计量r_X,Y大于检测阈值C时，表明观测序列X与Y具有强相关性。如果各观测量均具有强相关性则判定卫星发生故障。

其中，各异常观测量相关系数的计算公式为

式(12)中，X表示第i个异常观测量的时间序列；Y表示第j个异常观测量的时间序列。

检验阈值C由检验限制性水平β和自由度l-2确定，可通过查相关系数表获得。

以上所述是本发明的优选实施方式，应当指出，本发明并不受限于以上所公开的示范性实施例，说明书的实质仅仅是帮助相关领域技术人员综合理解本发明的具体细节。对于本技术领域的普通技术人员来说，在不脱离本发明所述原理的前提下，在本发明揭露的技术范围做出的若干改进和润饰、可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。

Claims (2)

1.一种监测站伪距观测序列辅助的导航卫星故障检测方法，其特征在于，所述检测方法包括：

步骤S1：监测站采集M个历元时刻的伪距观测量，并进行预处理；

步骤S2：计算当前历元时刻和上一历元时刻的伪距观测量变化量，并对M-1个变化量进行正态分布一致性检验，判断各历元时刻的伪距观测量是否异常；

步骤S3：对判定为异常的所有伪距观测量进行数据关联性分析，如果各异常伪距观测量的相关性达到相关性阈值，则判定为卫星存在故障；

所述步骤S1中，对伪距观测量进行预处理，包括如下步骤：

步骤S11：获取各伪距观测量的时间序列，并计算各伪距观测量的历元间变化量，并通过式(1)计算各伪距观测量的历元间变化量：

式(1)中，s为卫星编号；k为历元时刻，取值为1至M；i为伪距观测量的编号；ρ和Δρ分别为伪距观测量和伪距观测量变化量；

步骤S12：计算固定时间窗内各历元间伪距观测量变化量的均值和方差，并通过式(2)计算固定时间窗内各历元间伪距观测量变化量的均值和方差：

式(2)中，l为固定时间窗口的长度；u为均值；σ为标准差，t代表当前历元时刻；

步骤S13：根据所计算的均值和方差，基于正态分布假设，剔除异常伪距观测量；剔除异常伪距观测量时，首先构造如下假设检验：

H₀：r₁<T₁，H₁：r₁≥T₁ (3)

式(3)中，H₀为原假设，表示无异常；H₁为备选假设，表示有异常；r₁为检验统计量；T₁为检验阈值；

检验统计量r₁由伪距变化量构造，如式(4)：

式(4)中，N(0,1)表示标准正态分布；

检验阈值T₁由检验显著性水平a确定，如式(5)：

T₁＝N_1-a/2(0,1) (5)

式(5)中，a为检验显著性水平，检验阈值取值为T₁＝3σ；

当检验统计量r₁大于检测阈值T₁时，剔除对应的观测数据；

步骤S14：采用滤波算法对剩余观测量进行平滑滤波，得到预处理后的伪距观测量；

在步骤S2中，对各伪距观测量变化量进行正态分布一致性检验，过程如下：

构造如下假设检验

H₀：r₂<T₂，H₁：r₂≥T₂ (8)

式中，H₀为原假设，表示无异常；H₁为备选假设，表示有异常；r₂为检验统计量；T₂为检验阈值；

检验统计量r₂的构造如下：

式(9)中，u_k-1和σ_k-1为k-1时刻固定时间窗内伪距变化量的均值和标准差；

检验阈值T₂由检验显著性水平a确定，如式(9)：

T₂＝N_1-a/2(0,1) (10)

式(10)中，a为检验显著性水平，检验阈值取值为T₂＝2σ；

当检验统计量r₂大于检测阈值T₂时，表明当前历元时刻的观测量与上一个历元时刻的数据不满足正态分布的一致性，对应的当前观测量判定为异常；

在步骤S3中，对判定为异常的所有伪距观测量进行关联性分析，首先构造如下假设检验：

H₀：r_X,Y<C，H₁：r_X,Y≥C (11)

式(11)中，H₀为原假设，表示X与Y若相关或不相关；H₁为备选假设，表示X与Y具有强相关性；r_X,Y为X与Y的相关系数；C为检验阈值，由检验限制性水平β和自由度l-2确定；各异常观测量相关系数的计算公式为：

式(12)中，X表示第i个异常观测量的时间序列；Y表示第j个异常观测量的时间序列；

表示第i个异常观测量的时间序列的伪距观测量变化量均值；

表示第j个异常观测量的时间序列的伪距观测量变化量均值；

当检验统计量r_X,Y大于检测阈值C时，表明观测序列X与Y具有强相关性；如果各观测量均具有强相关性则判定卫星发生故障。

2.根据权利要求1所述的监测站伪距观测序列辅助的导航卫星故障检测方法，其特征在于，所述步骤S14中：

所述滤波算法采用Savitzky-Golay滤波算法；

所述对剩余观测量进行平滑滤波，包括如下步骤：

步骤S141：对长度为l的固定时间窗内的观测数据

进行多项式拟合，如式(6)：

式(6)中，p(i)为拟合的多项式函数；a_m为多项式系数；m为多项式阶次；n为多项式阶数；

步骤S142：计算拟合多项式的最小二乘拟合残差，计算拟合多项式系数：

步骤S143：根据拟合多项式p(i)对观测数据进行平滑滤波。

Images