CN113093228B - 一种全场景反馈式卫星导航信号质量监测优化方法及系统 - Google Patents

一种全场景反馈式卫星导航信号质量监测优化方法及系统 Download PDF

Info

Publication number
CN113093228B
CN113093228B CN202110263932.5A CN202110263932A CN113093228B CN 113093228 B CN113093228 B CN 113093228B CN 202110263932 A CN202110263932 A CN 202110263932A CN 113093228 B CN113093228 B CN 113093228B
Authority
CN
China
Prior art keywords
signal quality
abnormal
monitoring
template
signal
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.)
Active
Application number
CN202110263932.5A
Other languages
English (en)
Other versions
CN113093228A (zh
Inventor
蔚保国
邓志鑫
易卿武
杨建雷
刘亮
许璎钗
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.)
CETC 54 Research Institute
Original Assignee
CETC 54 Research Institute
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 CETC 54 Research Institute filed Critical CETC 54 Research Institute
Priority to CN202110263932.5A priority Critical patent/CN113093228B/zh
Publication of CN113093228A publication Critical patent/CN113093228A/zh
Application granted granted Critical
Publication of CN113093228B publication Critical patent/CN113093228B/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
    • G01S19/23—Testing, monitoring, correcting or calibrating of receiver elements
    • 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
    • G01S19/21—Interference related issues ; Issues related to cross-correlation, spoofing or other methods of denial of service
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D30/00—Reducing energy consumption in communication networks
    • Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Monitoring And Testing Of Transmission In General (AREA)

Abstract

本发明公开了一种全场景反馈式卫星导航信号质量监测优化方法及系统，该方法通过构建卫星导航信号质量监测模拟训练系统，实现信号与环境异常模拟遍历，建立并不断更新信号质量异常特征匹配库，通过匹配索引实现信号质量监测。本发明主要包含如下三个方面：一、构建全场景反馈式信号质量监测训练系统，给定信号质量监测模板；二、依据信号质量监测模板建立信号质量异常模板匹配库；三、开展信号环境异常模拟遍历，在信号质量异常模板匹配库中通过异常图案特征匹配索引法和异常量化特征空间最短距离索引法实现信号质量异常监测，并进行监测算法训练优化。本发明能够快速完成全场景条件下信号质量监测方法的学习训练，并具有故障溯源准确的特点。

Description

一种全场景反馈式卫星导航信号质量监测优化方法及系统
技术领域
本发明涉及卫星导航信号质量监测领域，尤其涉及在全场景信号环境异常模拟条件下，利用信号质量异常模板匹配库进行反馈式闭环比对的卫星导航信号质量监测优化方法。
背景技术
卫星导航系统是用户通过接收导航卫星发送的导航信号，并以导航卫星作为动态已知点，利用伪距、多普勒等观测信息实时地测定运动载体的在航位置和速度，进而完成导航定位。卫星导航克服了传统无线电导航系统的不足，实现了全天候、全球范围的高精度连续导航功能，可以满足大多数导航用户的需求。随着各国全球卫星导航系统的建成和投入使用，多模导航应用已在国家安全、经济建设和人民日常生活中日益广泛拓展，“高可用导航”已成为我国信息产业发展的重要主题。成就“高可用导航”最重要的因素就是卫星导航信号质量。导航卫星一旦发生故障将导致用户对该卫星的观测信息发生异常，从而使得定位授时结果出现偏差。因此，导航卫星发生故障时需要及时感知并排除故障，从而提升系统应用的完好性，获得连续而正确的定位结果，因此卫星导航信号质量监测是卫星导航应用的重要保障。
斯坦福大学建立了基于高增益天线射频输出的信号质量监测系统，该系统包括1个高增益天线、1个高分辨率矢量信号分析仪以及1个软件无线电接收机，天线直径达47m，可获得50dBi的增益，可对所有GPS所有在轨卫星L波段信号进行健康状态观测，并能够对GPS信号功率、码延时、频率及卫星星座特性进行实时分析与性能评估；除此之外，还能监测电离层和对流层的摄动误差。
欧洲空间技术研究中心(ESTEC)主要承担欧洲Galileo卫星导航空间信号测试任务，并在多个地方组建了地面观测站。为了准备和全力支持空间信号(SIS)试验活动，ESTEC导航实验室已建成一套专用的信号检测环境即荷兰Noordwijk信号监测系统，用于对Galileo卫星进行在轨测试，测试内容包括码片形状、码与码之间的一致性、码与数据之间的一致性、导频与数据相位正交性、相关函数的形状、多普勒效应、载噪比特征、码跟踪误差特征、载波跟踪误差特征、自相关函数形状分析、失锁阈值特征、多径误差特征、系统间干扰特征等。
为了配合Galileo测试卫星GIOVE A/B的在轨测试，英国Chilboiton天文台利用25m天线系统建立了卫星导航信号监测系统，能够实现卫星导航信号功率测量与验证、信号调制特性、信号带外杂散监测，利用实验测试接收机完成信号跟踪和导航信息评估；Chilboiton监测系统还可以全面分析Galileo/GPS卫星信号的质量并对信号的各项性能进行评估。德国宇航研究院(DLR)利用30m天线完成信号采集和数据离线分析。
国内卫星导航定位总站、中国科学院国家授时中心、中国电子科技集团公司第五十四研究所、国防科技大学、华中科技大学等科研机构也正在进行信号质量监测评估工作。不过截至目前，国内外尚无体系性研究成果和专业性研究平台，尚未形成导航信号实时异常自动识别与评估机制。现有GNSS空间信号质量监测与性能评估研究仅停留在被动地实时信号监测方面，仅通过对数据的离线采集与分析，来判断卫星导航信号是否存在畸变。若出现信号畸变，则再进一步分析导致该畸变的可能原因，然后进行相应修正。这种做法实时性差，当信号异常出现时，用户无任何相关先验知识或备用方案来应对，并且异常分析和修正时间较长，严重影响了卫星导航系统的定位、导航和测速授时性能。
综上所述，传统的卫星导航空间信号质量监测方法主要采用大口径天线采集多域观测量，并通过人为经验对异常现象进行分析，难以实现快速检测和发现定位深层故障，存在测试卫星不全导致故障“漏检”和缺失数据引起质量“误判”等缺陷，同时由于空间导航卫星并不经常发生故障，缺少有效的异常原因分析案例与经验，导致异常监测排查与故障确认时间长、反应慢，一旦发生信号质量问题，波及用户范围广、影响深。
发明内容
根据上述背景技术，为了解决卫星导航空间信号质量异常监测易发生漏检、误判，以及故障确认时间较长的问题，本发明给出一种可实现快速自动化信号质量异常监测的全场景反馈式卫星导航空间信号质量监测优化方法及系统。
本发明采用的技术方案为：
全场景反馈式卫星导航信号质量监测训练方法，该方法通过构建卫星导航信号质量监测模拟训练系统，实现信号与环境异常模拟遍历，建立并不断更新信号质量异常特征匹配库，通过异常图案特征匹配索引法和异常量化特征空间最短距离索引法实现信号质量监测，并完成监测训练优化，包括以下步骤：
步骤1：构建室内有线全场景反馈式信号质量监测模拟训练系统；
步骤2：设定卫星导航信号质量异常模拟种类、异常项目与异常值，形成信号质量监测训练参考集；同时，分别选定大口径天线监测、小口径天线监测和全向天线监测的信号质量监测模板；
步骤3：利用室内有线全场景反馈式信号质量监测模拟训练系统进行信号及环境异常模拟遍历，针对每个卫星导航信号质量异常模拟种类、异常项目与异常值，依据信号质量监测模板形成相应的信号质量异常模板，所有信号质量异常模板汇总形成信号质量异常模板匹配库；
步骤4：设定异常种类、异常项目、异常卫星、异常值区间与异常值间隔，开展信号环境异常模拟遍历，在信号质量异常模板匹配库中通过信号质量监测算法进行信号质量异常监测，并分别与设定值进行比对，得到信号质量异常监测结果集，并依据信号质量异常监测结果集，进行信号质量监测算法的训练优化。
其中，步骤2所述的设定卫星导航信号质量异常模拟种类、异常项目与异常值，包括如下步骤：
步骤201：选定卫星导航信号质量异常模拟种类，可选定的种类范围主要包括频域异常、时域异常、调制域异常、相关域异常、测量域异常、信息域异常、定位域异常、大气效应异常、干扰异常、欺骗异常和多径异常；
步骤202：针对每个卫星导航信号质量异常模拟种类，设定具体的异常模拟项目；其中频域异常的可选项目包括功率谱偏差均值、功率谱偏差方差、载波泄露频率、载波泄露幅值、带外抑制、带内杂散和相位噪声；时域异常的可选项目包括TMA上升沿延迟、TMA下降沿延迟、TMB阻尼震荡频率、TMB阻尼震荡系数和信号波形失真；调制域异常的可选项目包括信号分量有效功率比偏差、信号分量间相位偏差、恒包括调制异常和星座图异常；相关域异常的可选项目包括相关损失、S曲线过零点偏差、鉴相曲线斜率偏差、相关值归一化幅度、相关峰平滑性和相关峰对称性；测量域异常的可选项目包括载噪比跳变、频点间伪码相位一致性、频点内伪码相位一致性、GEO伪距一次差、GEO伪距二次差、IGSO/MEO伪距一次差、IGSO/MEO伪距二次差、GEO载波相位一次差、GEO载波相位二次差、IGSO/MEO载波相位一次差、IGSO/MEO载波相位二次差和载波与伪码相干性；信息域异常的可选项目包括电文符号比特异常、星钟异常、星历异常、历书异常、卫星健康状态异常、不同系统间的时间差异常、精度增强信息异常和完好性信息异常；定位域异常的可选项目包括定位精度异常、授时精度异常、测速精度异常、精度可用性异常、DOP值可用性异常、精度连续性异常和DOP值连续性异常；大气效应异常的可选项目包括电离层TEC振幅、电离层幅度闪烁指数和电离层相位闪烁指数；干扰异常的可选项目主要包括对各种干扰参数的设定结果，具体干扰参数包括干扰频率、干扰带宽、干扰功率和干扰样式；欺骗异常的可选项目包括对各种欺骗参数的设定结果，具体欺骗参数包括水平欺骗、高程欺骗、授时欺骗、定点欺骗和轨迹欺骗；多径异常的可选项目包括地面反射模型、障碍物反射模型和二次反射模型；
步骤203：选定每个异常项目的具体典型异常值，异常值的个数大于等于3，且在整个异常值区间内采取均匀分布或指数分布的分布方式。
其中，步骤2所述的分别选定大口径天线监测、小口径天线监测和全向天线监测的信号质量监测模板包括如下步骤：
步骤301：将大口径天线监测、小口径天线监测和全向天线监测分别对应定义为I类信号质量监测、II类信号质量监测和III类信号质量监测，分别设定I类信号质量监测、II类信号质量监测和III类信号质量监测过程中的具体监测指标，其中I类信号质量监测的具体监测指标包括信号EIRP、信号EIRP稳定度、相位噪声、带内杂散、带外多余辐射功率谱密度、合成功率谱偏差、相关损失、S曲线过零点偏差、鉴相曲线斜率偏差、恒包络复用效率、基带信号波形失真、眼图宽度、眼图幅度、上升/下降沿时间、信号分量有效功率比偏差、信号分量间相位偏差、相同频点伪码相位一致性、不同频点伪码相位一致性和码与载波相干性；II类信号质量监测的具体监测指标包括不同相关间隔测距一致性、GEO伪距一次差、GEO伪距二次差、IGSO/MEO伪距一次差、IGSO/MEO伪距二次差、GEO载波相位一次差、GEO载波相位二次差、GSO/MEO载波相位一次差、GSO/MEO载波相位二次差、相关值归一化幅度、相关峰平滑性、相关峰对称性、载噪比跳变和电文符号异常比例；III类信号质量监测的具体监测指标包括不同相关间隔测距一致性、GEO伪距一次差、GEO伪距二次差、IGSO/MEO伪距一次差、IGSO/MEO伪距二次差、GEO载波相位一次差、GEO载波相位二次差、GSO/MEO载波相位一次差、GSO/MEO载波相位二次差、相关值归一化幅度、相关峰平滑性、相关峰对称性、载噪比跳变、电文符号异常比特数、定位精度、定位精度可用性、测速精度、测速精度可用性、授时精度、授时精度可用性、DOP值和DOP值可用性；
步骤302：为各类信号质量监测模板所选择的具体监测指标设定监测门限阈值[TMIN,TMAX]，其中TMIN为阈值下限，TMAX为阈值上限；
步骤303：为各类信号质量监测建立信号质量监测模板，每个信号质量监测模板由具体监测指标及相应的监测门限阈值组成，表达为一个Mi行2列的矩阵，即
Figure BDA0002971260970000051
i＝I,II,III，Mi代表第i类信号质量监测模板中监测指标的数量，其中
Figure BDA0002971260970000052
和
Figure BDA0002971260970000053
分别代表第i类信号质量监测模板中第k个监测指标的监测门限阈值下限和上限，1≤k≤Mi。
其中，步骤3具体包括如下步骤：
步骤401：在信号质量监测模拟训练系统中，选取一个具体的异常模拟种类、异常项目与异常值，配置好异常卫星，同时播发全向天线导航模拟信号、小口径天线导航模拟信号和大口径天线导航模拟信号，然后同时转向步骤402、步骤403和步骤404；
步骤402：接收全向天线导航模拟信号，并依据III类信号质量监测模板采集存储监测结果数据，形成针对选取的异常模拟种类、异常项目与异常值的III类信号质量异常图案模板
Figure BDA0002971260970000061
其中第k个元素
Figure BDA0002971260970000062
Figure BDA0002971260970000063
为III类信号质量监测模板中第k个监测指标测量结果，1≤k≤MIII，MIII为III类信号质量监测模板中的监测指标数量，
Figure BDA0002971260970000064
和
Figure BDA0002971260970000065
分别为III类信号质量监测模板中第k个监测指标的监测门限阈值下限和上限，然后转向步骤405；
步骤403：接收小口径天线导航模拟信号，并依据II类信号质量监测模板采集存储监测结果数据，形成针对选取的异常模拟种类、异常项目与异常值的II类信号质量异常图案模板
Figure BDA0002971260970000066
其中第k个元素
Figure BDA0002971260970000067
Figure BDA0002971260970000068
为II类信号质量监测模板中第k个监测指标测量结果，1≤k≤MII，MII为II类信号质量监测模板中的监测指标数量，
Figure BDA0002971260970000069
和
Figure BDA00029712609700000610
分别为II类信号质量监测模板中第k个监测指标的监测门限阈值下限和上限，然后转向步骤406；
步骤404：接收大口径天线导航模拟信号，并依据I类信号质量监测模板采集存储监测结果数据，形成针对选取的异常模拟种类、异常项目与异常值的I类信号质量异常图案模板
Figure BDA00029712609700000611
其中第k个元素
Figure BDA00029712609700000612
Figure BDA00029712609700000613
为I类信号质量监测模板中第k个监测指标测量结果，1≤k≤MI，MI为I类信号质量监测模板中的监测指标数量，
Figure BDA00029712609700000614
和
Figure BDA00029712609700000615
分别为II类信号质量监测模板中第k个监测指标的监测门限阈值下限和上限，然后转向步骤407；
步骤405：依据步骤402所得到的针对选取的异常模拟种类、异常项目与异常值的III类信号质量异常图案模板和信号质量监测结果数据，计算得到相应的信号质量异常量化模板，一个信号质量异常图案模板依据不同的异常参数对应多个信号质量异常量化模板，一个信号质量异常量化模板只有唯一相对应的信号质量异常图案模板；信号质量异常量化模板表示为
Figure BDA0002971260970000071
其维度NIII等于信号质量异常图案模板
Figure BDA0002971260970000072
中取1的个数，并构成异常量化特征空间，1≤p≤P，P为该信号质量异常图案模板所对应的异常量化模板的个数，不同的异常量化模板对应不同的异常值，每个信号质量异常量化模板构成异常量化特征空间中的特征点，其中信号质量异常量化模板中的元素
Figure BDA0002971260970000073
其中1≤j≤NIII，k为该项超过监测门限阈值的指标在相应的信号质量模板中的排序，
Figure BDA0002971260970000074
为信号质量异常量化权值，初始权值为1，
Figure BDA0002971260970000075
为III类信号质量监测第p个异常量化模板中第k个监测指标测量结果，然后转向步骤408；
步骤406：依据步骤403所得到的针对选取的异常模拟种类、异常项目与异常值的II类信号质量异常图案模板和信号质量监测结果数据，计算得到相应的信号质量异常量化模板，一个信号质量异常图案模板依据不同的异常参数对应多个信号质量异常量化模板，一个信号质量异常量化模板只有唯一相对应的信号质量异常图案模板，信号质量异常量化模板表示为
Figure BDA0002971260970000076
其维度NII等于信号质量异常图案模板
Figure BDA0002971260970000077
中取1的个数，并构成异常量化特征空间，1≤p≤P，P为该信号质量异常图案模板所对应的异常量化模板的个数，不同的异常量化模板对应不同的异常值，每个信号质量异常量化模板构成异常量化特征空间中的特征点，其中信号质量异常量化模板中的元素
Figure BDA0002971260970000078
其中1≤j≤NII，k为该项超过监测门限阈值的指标在相应的信号质量模板中的排序，
Figure BDA0002971260970000081
为信号质量异常量化权值，初始权值为1，
Figure BDA0002971260970000082
为II类信号质量监测第p个异常量化模板中第k个监测指标测量结果，然后转向步骤408；
步骤407：依据步骤404所得到的针对选取的异常模拟种类、异常项目与异常值的I类信号质量异常图案模板和信号质量监测结果数据，计算得到相应的信号质量异常量化模板，一个信号质量异常图案模板依据不同的异常参数对应多个信号质量异常量化模板，一个信号质量异常量化模板只有唯一相对应的信号质量异常图案模板，信号质量异常量化模板表示为
Figure BDA0002971260970000083
其维度NI等于信号质量异常图案模板
Figure BDA0002971260970000084
中取1的个数，并构成异常量化特征空间，1≤p≤P，P为该信号质量异常图案模板所对应的异常量化模板的个数，不同的异常量化模板对应不同的异常值，每个信号质量异常量化模板构成异常量化特征空间中的特征点，其中信号质量异常量化模板中的元素
Figure BDA0002971260970000085
其中1≤j≤NI，k为该项超过监测门限阈值的指标在相应的信号质量模板中的排序，
Figure BDA0002971260970000086
为信号质量异常量化权值，初始权值为1，
Figure BDA0002971260970000087
为I类信号质量监测第p个异常量化模板中第k个监测指标测量结果，然后转向步骤408；
步骤408：判定是否穷尽所有的异常模拟种类、异常项目与异常值，若未穷尽所有的异常模拟种类、异常项目与异常值，则继续返回步骤401，若已穷尽所有的异常模拟种类、异常项目与异常值，则汇总所有的信号质量异常图案模板和相应的信号质量异常量化模板，并形成与异常模拟种类、异常项目与异常值的一一对应检索关系，从而完成信号质量异常模板匹配库的建立。
其中，步骤4具体包括如下步骤：
步骤501：在信号质量监测模拟训练系统中，设定异常种类、异常项目、异常卫星、异常值区间与异常值间隔，形成信号质量监测训练场景集；
步骤502：选定信号质量监测训练场景集中的一个场景；
步骤503：在III类信号质量监测过程中，依据III类信号质量监测模板采集存储全星座监测结果数据，提取出超过监测门限阈值的指标，形成针对所选取训练场景的III类信号质量异常图案样本
Figure BDA0002971260970000091
其中
Figure BDA0002971260970000092
Figure BDA0002971260970000093
为III类信号质量监测模板中第k个监测指标测量结果，1≤k≤MIII，MIII为III类信号质量监测模板中的监测指标数量，并在III类信号质量异常图案特征匹配库中进行检索，如果信号质量异常图案样本与某个信号质量异常图案模板相匹配，即
Figure BDA0002971260970000094
即将该信号质量异常图案所对应的异常种类、异常项目与异常卫星放入监测结果集中，并转入步骤504，如果未发现任何异常或信号质量异常图案样本与III类信号质量异常图案特征匹配库中的所有模板无法匹配，则将相关结果放入监测结果集中，并转入步骤505；
步骤504：计算步骤503中匹配成功的信号质量异常图案样本所对应的信号质量异常量化样本
Figure BDA0002971260970000095
信号质量异常量化样本的维度NIII等于信号质量异常图案样本
Figure BDA0002971260970000096
中取1的个数，其中信号质量异常量化样本中的元素
Figure BDA0002971260970000097
其中1≤j≤NIII，k为该项超过监测门限阈值的指标在相应的信号质量模板中的排序，
Figure BDA0002971260970000098
为相应的监测指标测量结果，
Figure BDA0002971260970000099
和
Figure BDA00029712609700000910
分别为相应的监测门限阈值下限和上限，并计算该信号质量异常量化样本在相应的信号质量异常特征空间中距离所有特征点的最小值，即
Figure BDA00029712609700000911
Figure BDA00029712609700000912
和
Figure BDA00029712609700000913
分别为信号质量异常量化样本中的元素和信号质量异常量化模板中的元素，P为信号质量异常量化模板的总个数，并把该最小值所对应的信号质量异常量化模板的异常检索参数，包括异常种类、异常项目、异常卫星与异常值放入监测结果集中，利用步骤503和步骤504检索出的异常卫星信息引导II类信号质量监测，并转入步骤505；
步骤505：在II类信号质量监测过程中，依据II类信号质量监测模板采集存储相应异常模拟卫星的监测结果数据，提取出超过监测门限阈值的指标，形成针对该训练场景的II类信号质量异常图案样本
Figure BDA0002971260970000101
其中
Figure BDA0002971260970000102
Figure BDA0002971260970000103
为II类信号质量监测模板中第k个监测指标测量结果，1≤k≤MII，MII为II类信号质量监测模板中的监测指标数量，并在II类信号质量异常图案特征匹配库中进行检索，如果信号质量异常图案样本与某个信号质量异常图案模板相匹配，即
Figure BDA0002971260970000104
即将该信号质量异常图案所对应的异常种类与异常项目放入监测结果集中，并转入步骤506，如果未发现任何异常或信号质量异常图案样本与II类信号质量异常图案特征匹配库中的所有模板无法匹配，则将相关结果放入监测结果集中，并转入步骤507；
步骤506：计算步骤505中匹配成功的信号质量异常图案样本所对应的信号质量异常量化样本
Figure BDA0002971260970000105
信号质量异常量化样本的维度NII等于信号质量异常图案样本
Figure BDA0002971260970000106
中取1的个数，其中信号质量异常量化样本中的元素
Figure BDA0002971260970000107
其中1≤j≤NII，k为该项超过监测门限阈值的指标在相应的信号质量模板中的排序，
Figure BDA0002971260970000108
为相应的监测指标测量结果，
Figure BDA0002971260970000109
和
Figure BDA00029712609700001010
分别为相应的监测门限阈值下限和上限，并计算该信号质量异常量化样本在相应的信号质量异常特征空间中距离所有特征点的最小值，即
Figure BDA00029712609700001011
Figure BDA00029712609700001012
和
Figure BDA00029712609700001013
分别为信号质量异常量化样本中的元素和信号质量异常量化模板中的元素，P为信号质量异常量化模板的总个数，并把该最小值所对应的信号质量异常量化模板的异常检索参数，包括异常种类、异常项目与异常值放入监测结果集中，并转入步骤507；
步骤507：在I类信号质量监测过程中，依据I类信号质量监测模板采集存储相应异常模拟卫星的监测结果数据，提取出超过监测门限阈值的指标，形成针对该训练场景的I类信号质量异常图案样本
Figure BDA0002971260970000111
其中
Figure BDA0002971260970000112
Figure BDA0002971260970000113
为I类信号质量监测模板中第k个监测指标测量结果，1≤k≤MI，MI为I类信号质量监测模板中的监测指标数量，并在I类信号质量异常图案特征匹配库中进行检索，如果信号质量异常图案样本与某个信号质量异常图案模板相匹配，即
Figure BDA0002971260970000114
即将该信号质量异常图案所对应的异常种类与异常项目放入监测结果集中，并转入步骤508，如果未发现任何异常或信号质量异常图案样本与II类信号质量异常图案特征匹配库中的所有模板无法匹配，则将相关结果放入监测结果集中，并转入步骤509；
步骤508：计算步骤507中匹配成功的信号质量异常图案样本所对应的信号质量异常量化样本
Figure BDA0002971260970000115
信号质量异常量化样本的维度NI等于信号质量异常图案样本
Figure BDA0002971260970000116
中取1的个数，其中信号质量异常量化样本中的元素
Figure BDA0002971260970000117
其中1≤j≤NI，k为该项超过监测门限阈值的指标在相应的信号质量模板中的排序，
Figure BDA0002971260970000118
为相应的监测指标测量结果，
Figure BDA0002971260970000119
和
Figure BDA00029712609700001110
分别为相应的监测门限阈值下限和上限，并计算该信号质量异常量化样本在相应的信号质量异常特征空间中距离所有特征点的最小值，即
Figure BDA00029712609700001111
Figure BDA00029712609700001112
和
Figure BDA00029712609700001113
分别为信号质量异常量化样本中的元素和信号质量异常量化模板中的元素，P为信号质量异常量化模板的总个数，并把该最小值所对应的信号质量异常量化模板的异常检索参数，包括异常种类、异常项目与异常值放入监测结果集中，并转入步骤509；
步骤509：分别汇总I类、II类和III类信号质量监测结果集，统计异常图案特征匹配结果，如果信号质量异常图案样本能够成功匹配信号质量异常图案模板，并且检索得到的异常种类和异常项目与设置情况相符，则认为匹配成功，计算得到异常图案特征匹配的成功率，对无法实现异常图案特征匹配的信号质量异常图案样本进行分类处理，第一类是匹配结果存在模糊，即信号质量异常监测训练场景集中的多个异常种类、异常项目对应同一组信号质量异常图案模板，导致与该模板相匹配的信号质量异常图案样本无法区分具体异常场景，此时转入步骤510；第二类是信号质量异常图案样本与任何信号质量异常图案模板无法匹配，或者信号质量异常图案样本所匹配的信号质量异常图案检索结果与模拟的异常场景不符，此时转入步骤511；
步骤510：判定信号质量异常图案匹配结果存在模糊的信号质量异常图案样本，能否通过信号质量异常量化样本得以区分，如果能够从信号质量异常量化特征空间中加以区分，则可解决索引模糊的问题；否则需要重新调整信号质量监测模板，增加能够在不同的异常场景中表达出区分度的监测指标项，然后转入步骤512；
步骤511：统计无法匹配成功的信号质量异常图案样本所对应的具体指标项，此时分成两种情况，第一种是在信号质量异常图案模板中的指标项超过监测门限阈值，而实际样本中未超过监测门限阈值，导致检测概率变低，此时收紧信号质量监测模板中的监测门限阈值，或减小信号质量监测模板中的异常值范围，第二种是在信号质量异常图案模板中的指标项未超过监测门限阈值，而实际样本中超过监测门限阈值，导致虚警概率升高，此时加宽信号质量监测模板中的监测门限阈值，或增大异常值范围，完成后转入步骤512；
步骤512：分别汇总I类、II类和III类信号质量监测结果集，统计异常量化特征匹配结果，如果信号质量异常量化样本能够成功匹配信号质量异常量化模板，并且检索得到的异常值与真实值最为接近，则认为匹配成功，计算异常量化特征匹配的成功率，对未成功匹配的信号质量异常量化样本进行分类处理，第一类是统计索引得到的异常值与真实值相差超过异常值间隔，此时应检核信号质量异常量化特征空间中特征点分布的合理性，并调整信号质量异常量化权值，对于监测门限阈值超限百分比浮动范围超过设定门限的监测指标，信号质量异常量化权值调整为小于1，对于监测门限阈值超限百分比浮动范围小于设定门限的监测指标，信号质量异常量化权值调整为大于1，第二类是信号质量异常量化样本索引到其他异常种类与异常项目所对应的异常特征空间中，出现索引错误的情况，此时调整信号质量监测模板，增加异常特征空间维度，或者调整信号质量异常量化权值，使之增加与其他异常量化特征空间的区分度。
一种全场景反馈式卫星导航信号质量监测优化系统，包括信号质量监测训练主控软件、信号环境异常数仿软件、干扰样式仿真软件、信号质量监测训练模拟器、信号质量监测训练接收机、干扰信号模拟器、射频合路器和信号质量异常模板匹配库；
信号质量监测训练主控软件用于设定卫星导航场景信息与异常模拟信息，并将卫星导航场景信息和异常模拟信息发送给信号环境异常数仿软件；其中，卫星导航场景信息包括卫星导航星座、监测时段与监测站地点信息，异常模拟信息包括观测量、导航电文异常信息和信号质量异常信息，其中将观测量和导航电文异常信息发送给信号环境异常模拟软件，将信号质量异常信息发送给信号质量监测训练模拟器；信号质量监测训练主控软件还用于生成信号质量监测模板，并发送给信号质量监测训练接收机，然后接收信号质量监测接收机发送过来的信号质量监测模板指标，并生成信号质量异常图案模板和信号质量异常量化模板，纳入信号质量异常模板匹配库；信号质量监测训练主控软件还用于比对实际的异常模拟信息设定结果与信号质量监测接收机发送过来的监测结果，并实现信号质量监测算法的训练优化；
信号环境异常数仿软件用于依据卫星导航场景信息和异常模拟信息生成支持异常信号与环境生成的观测量信息，包括正常信号、质量异常信号、欺骗信号、多径信号观测量及导航电文信息，并发送给信号质量监测训练模拟器；
信号质量监测训练模拟器用于通过接收观测量信息及信号质量异常信息，实时模拟生成信号质量监测站所接收的导航信号，包括全向天线导航模拟信号、小口径天线导航模拟信号和大口径天线导航模拟信号，将大口径天线导航模拟信号和小口径天线导航模拟信号发送给信号质量监测训练接收机，将全向天线导航模拟信号发送给射频合路器；
干扰样式仿真软件与干扰信号模拟器用于依据设定的干扰参数生成各种环境干扰信号，并发送给射频合路器；
射频合路器用于将环境干扰信号与全向天线导航信号进行合路，并发送给信号质量监测训练接收机；
信号质量监测训练接收机用于模拟信号质量监测站的监测接收设备，同时接收小口径天线导航模拟信号、大口径天线导航模拟信号以及合路后的全向天线导航模拟信号，采用实时接收处理或射频采集存储回放分析处理方式，依据信号质量监测模板，将实时监测结果中信号质量监测模板具体指标发送给信号质量监测训练主控软件；同时信号质量监测训练接收机依据异常卫星监测结果控制信号质量监测训练模拟器小口径天线和大口径天线输出端口的选星与调度策略；信号质量监测训练接收机还用于调用信号质量异常模板匹配库中的数据，完成信号质量异常图案匹配和异常量化特征空间最短距离索引，并利用信号质量监测算法实现信号质量监测，将监测结果输出给信号质量监测训练主控软件。
其中，信号质量监测训练模拟器具有全向天线信号发射端口、小口径天线信号发射端口和大口径天线信号发射端口，分别用于模拟信号质量监测站全向天线、小口径天线和大口径天线的接收信号；其中全向天线信号发射端口用于发射低电平的全星座导航信号，包括正常卫星信号和模拟的异常卫星信号，实现大气效应和欺骗干扰异常环境的模拟，小口径天线发射端口依据调度策略发射一颗正常或异常的可见星导航信号，信号电平相对于正常信号提升20-35dB，大口径天线发射端口依据调度策略发射一颗正常或异常的可见星导航信号，信号电平相对于正常信号提升35-50dB。
本发明的有益效果为：
本发明通过全场景的信号与环境异常模拟，解决传统信号质量监测无法辨识新故障的缺陷，利用完整的信号质量监测模板，可最大程度上实现差异化的信号质量异常特征分辨，利用信号质量监测算法可对全部故障种类和故障参数进行匹配式检索，避免了人为经验不足、观测维度不够以及不同故障类型的异常现象交错重叠导致的异常故障分析检测概率低、虚警概率高，且容易造成漏警等问题。本发明能够在各种异常现象的逼真模拟环境下，不断调优监测训练方法的参数与权重，使信号质量监测算法在实际运行时能够实现快速有效的异常监测与故障诊断。
附图说明
图1为本发明卫星导航信号质量监测训练总体工作流程图。
图2为本发明全场景反馈式卫星导航信号质量监测训练系统组成图。
图3为本发明卫星导航信号质量异常模板匹配库建立流程图。
图4为本发明卫星导航信号质量异常模板示意图。
图5为本发明卫星导航信号质量异常模板匹配库架构示意图。
图6为本发明卫星导航I类、II类、III类信号质量监测训练具体流程。
具体实施方式
下面结合具体实施例和附图对本发明做进一步的描述：
全场景反馈式卫星导航信号质量监测训练方法，该方法首先构建卫星导航信号质量监测模拟训练系统，实现信号与环境异常模拟遍历，建立并不断更新信号质量异常特征匹配库，通过异常图案特征匹配索引法和异常量化特征空间最短距离索引法实现信号质量监测，并完成监测训练优化，总体工作流程如图1所示，主要包括以下步骤：
步骤1：构建室内有线全场景反馈式信号质量监测模拟训练系统；
步骤2：设定卫星导航信号质量异常模拟种类、异常项目与异常值，形成信号质量监测训练参考集；同时，分别选定大口径天线监测、小口径天线监测和全向天线监测的信号质量监测模板；
步骤3：利用室内有线全场景反馈式信号质量监测模拟训练系统进行信号及环境异常模拟遍历，针对每个卫星导航信号质量异常模拟种类、异常项目与异常值，依据信号质量监测模板形成相应的信号质量异常模板，所有信号质量异常模板汇总形成信号质量异常模板匹配库；
步骤4：设定异常种类、异常项目、异常卫星、异常值区间与异常值间隔，开展信号环境异常模拟遍历，在信号质量异常模板匹配库中通过信号质量监测算法进行信号质量异常监测，并分别与设定值进行比对，得到信号质量异常监测结果集，并依据信号质量异常监测结果集，进行信号质量监测算法的训练优化。
步骤1所述的室内有线全场景反馈式信号质量监测模拟训练系统的具体结构如图2所示，包括信号质量监测训练主控软件、信号环境异常数仿软件、干扰样式仿真软件、信号质量监测训练模拟器、信号质量监测训练接收机、干扰信号模拟器、射频合路器和信号质量异常模板匹配库；
信号质量监测训练主控软件用于设定卫星导航场景信息与异常模拟信息，并将卫星导航场景信息和异常模拟信息发送给信号环境异常数仿软件；其中，卫星导航场景信息包括卫星导航星座、监测时段与监测站地点信息，异常模拟信息包括观测量、导航电文异常信息和信号质量异常信息，其中将观测量和导航电文异常信息发送给信号环境异常模拟软件，将信号质量异常信息发送给信号质量监测训练模拟器；信号质量监测训练主控软件还用于生成信号质量监测模板，并发送给信号质量监测训练接收机，然后接收信号质量监测接收机发送过来的信号质量监测模板指标，并生成信号质量异常图案模板和信号质量异常量化模板，纳入信号质量异常模板匹配库；信号质量监测训练主控软件还用于比对实际的异常模拟信息设定结果与信号质量监测接收机发送过来的监测结果，并实现信号质量监测算法的训练优化；
信号环境异常数仿软件用于依据卫星导航场景信息和异常模拟信息生成支持异常信号与环境生成的观测量信息，包括正常信号、质量异常信号、欺骗信号、多径信号观测量及导航电文信息，并发送给信号质量监测训练模拟器；
信号质量监测训练模拟器用于通过接收观测量信息及信号质量异常信息，实时模拟生成信号质量监测站所接收的导航信号，包括全向天线导航模拟信号、小口径天线导航模拟信号和大口径天线导航模拟信号，将大口径天线导航模拟信号和小口径天线导航模拟信号发送给信号质量监测训练接收机，将全向天线导航模拟信号发送给射频合路器；
干扰样式仿真软件与干扰信号模拟器用于依据设定的干扰参数生成各种环境干扰信号，并发送给射频合路器；
射频合路器用于将环境干扰信号与全向天线导航信号进行合路，并发送给信号质量监测训练接收机；
信号质量监测训练接收机用于模拟信号质量监测站的监测接收设备，同时接收小口径天线导航模拟信号、大口径天线导航模拟信号以及合路后的全向天线导航模拟信号，采用实时接收处理或射频采集存储回放分析处理方式，依据信号质量监测模板，将实时监测结果中信号质量监测模板具体指标发送给信号质量监测训练主控软件；同时信号质量监测训练接收机依据异常卫星监测结果控制信号质量监测训练模拟器小口径天线和大口径天线输出端口的选星与调度策略；信号质量监测训练接收机还用于调用信号质量异常模板匹配库中的数据，完成信号质量异常图案匹配和异常量化特征空间最短距离索引，并利用信号质量监测算法实现信号质量监测，将监测结果输出给信号质量监测训练主控软件。
步骤2所述的设定卫星导航信号质量异常模拟种类、异常项目与异常值，包括如下步骤：
步骤201：选定卫星导航信号质量异常模拟种类，可选定的种类范围主要包括频域异常、时域异常、调制域异常、相关域异常、测量域异常、信息域异常、定位域异常、大气效应异常、干扰异常、欺骗异常和多径异常；
步骤202：针对每个卫星导航信号质量异常模拟种类，设定具体的异常模拟项目；其中频域异常的可选项目包括功率谱偏差均值、功率谱偏差方差、载波泄露频率、载波泄露幅值、带外抑制、带内杂散和相位噪声；时域异常的可选项目包括TMA上升沿延迟、TMA下降沿延迟、TMB阻尼震荡频率、TMB阻尼震荡系数和信号波形失真；调制域异常的可选项目包括信号分量有效功率比偏差、信号分量间相位偏差、恒包括调制异常和星座图异常；相关域异常的可选项目包括相关损失、S曲线过零点偏差、鉴相曲线斜率偏差、相关值归一化幅度、相关峰平滑性和相关峰对称性；测量域异常的可选项目包括载噪比跳变、频点间伪码相位一致性、频点内伪码相位一致性、GEO伪距一次差、GEO伪距二次差、IGSO/MEO伪距一次差、IGSO/MEO伪距二次差、GEO载波相位一次差、GEO载波相位二次差、IGSO/MEO载波相位一次差、IGSO/MEO载波相位二次差和载波与伪码相干性；信息域异常的可选项目包括电文符号比特异常、星钟异常、星历异常、历书异常、卫星健康状态异常、不同系统间的时间差异常、精度增强信息异常和完好性信息异常；定位域异常的可选项目包括定位精度异常、授时精度异常、测速精度异常、精度可用性异常、DOP值可用性异常、精度连续性异常和DOP值连续性异常；大气效应异常的可选项目包括电离层TEC振幅、电离层幅度闪烁指数和电离层相位闪烁指数；干扰异常的可选项目主要包括对各种干扰参数的设定结果，具体干扰参数包括干扰频率、干扰带宽、干扰功率和干扰样式；欺骗异常的可选项目包括对各种欺骗参数的设定结果，具体欺骗参数包括水平欺骗、高程欺骗、授时欺骗、定点欺骗和轨迹欺骗；多径异常的可选项目包括地面反射模型、障碍物反射模型和二次反射模型；
步骤203：选定每个异常项目的具体典型异常值，异常值的个数大于等于3，且在整个异常值区间内采取均匀分布或指数分布的分布方式。
步骤2所述的分别选定大口径天线监测、小口径天线监测和全向天线监测的信号质量监测模板包括如下步骤：
步骤301：将大口径天线监测、小口径天线监测和全向天线监测分别对应定义为I类信号质量监测、II类信号质量监测和III类信号质量监测，分别设定I类信号质量监测、II类信号质量监测和III类信号质量监测过程中的具体监测指标，其中I类信号质量监测的具体监测指标包括信号EIRP、信号EIRP稳定度、相位噪声、带内杂散、带外多余辐射功率谱密度、合成功率谱偏差、相关损失、S曲线过零点偏差、鉴相曲线斜率偏差、恒包络复用效率、基带信号波形失真、眼图宽度、眼图幅度、上升/下降沿时间、信号分量有效功率比偏差、信号分量间相位偏差、相同频点伪码相位一致性、不同频点伪码相位一致性和码与载波相干性；II类信号质量监测的具体监测指标包括不同相关间隔测距一致性、GEO伪距一次差、GEO伪距二次差、IGSO/MEO伪距一次差、IGSO/MEO伪距二次差、GEO载波相位一次差、GEO载波相位二次差、GSO/MEO载波相位一次差、GSO/MEO载波相位二次差、相关值归一化幅度、相关峰平滑性、相关峰对称性、载噪比跳变和电文符号异常比例；III类信号质量监测的具体监测指标包括不同相关间隔测距一致性、GEO伪距一次差、GEO伪距二次差、IGSO/MEO伪距一次差、IGSO/MEO伪距二次差、GEO载波相位一次差、GEO载波相位二次差、GSO/MEO载波相位一次差、GSO/MEO载波相位二次差、相关值归一化幅度、相关峰平滑性、相关峰对称性、载噪比跳变、电文符号异常比特数、定位精度、定位精度可用性、测速精度、测速精度可用性、授时精度、授时精度可用性、DOP值和DOP值可用性；
步骤302：为各类信号质量监测模板所选择的具体监测指标设定监测门限阈值[TMIN,TMAX]，其中TMIN为阈值下限，TMAX为阈值上限；
步骤303：为各类信号质量监测建立信号质量监测模板，每个信号质量监测模板由具体监测指标及相应的监测门限阈值组成，表达为一个Mi行2列的矩阵，即
Figure BDA0002971260970000191
i＝I,II,III，Mi代表第i类信号质量监测模板中监测指标的数量，其中
Figure BDA0002971260970000192
和
Figure BDA0002971260970000193
分别代表第i类信号质量监测模板中第k个监测指标的监测门限阈值下限和上限，1≤k≤Mi。
如图3所示，步骤3具体包括如下步骤：
步骤401：在信号质量监测模拟训练系统中，选取一个具体的异常模拟种类、异常项目与异常值，配置好异常卫星，同时播发全向天线导航模拟信号、小口径天线导航模拟信号和大口径天线导航模拟信号，然后同时转向步骤402、步骤403和步骤404；
步骤402：接收全向天线导航模拟信号，并依据III类信号质量监测模板采集存储监测结果数据，形成针对选取的异常模拟种类、异常项目与异常值的III类信号质量异常图案模板
Figure BDA0002971260970000194
其中第k个元素
Figure BDA0002971260970000201
Figure BDA0002971260970000202
为III类信号质量监测模板中第k个监测指标测量结果，1≤k≤MIII，MIII为III类信号质量监测模板中的监测指标数量，
Figure BDA0002971260970000203
和
Figure BDA0002971260970000204
分别为III类信号质量监测模板中第k个监测指标的监测门限阈值下限和上限，然后转向步骤405；
步骤403：接收小口径天线导航模拟信号，并依据II类信号质量监测模板采集存储监测结果数据，形成针对选取的异常模拟种类、异常项目与异常值的II类信号质量异常图案模板
Figure BDA0002971260970000205
其中第k个元素
Figure BDA0002971260970000206
Figure BDA0002971260970000207
为II类信号质量监测模板中第k个监测指标测量结果，1≤k≤MII，MII为II类信号质量监测模板中的监测指标数量，
Figure BDA0002971260970000208
和
Figure BDA0002971260970000209
分别为II类信号质量监测模板中第k个监测指标的监测门限阈值下限和上限，然后转向步骤406；
步骤404：接收大口径天线导航模拟信号，并依据I类信号质量监测模板采集存储监测结果数据，形成针对选取的异常模拟种类、异常项目与异常值的I类信号质量异常图案模板
Figure BDA00029712609700002010
其中第k个元素
Figure BDA00029712609700002011
Figure BDA00029712609700002012
为I类信号质量监测模板中第k个监测指标测量结果，1≤k≤MI，MI为I类信号质量监测模板中的监测指标数量，
Figure BDA00029712609700002013
和
Figure BDA00029712609700002014
分别为II类信号质量监测模板中第k个监测指标的监测门限阈值下限和上限，然后转向步骤407；
步骤405：依据步骤402所得到的针对选取的异常模拟种类、异常项目与异常值的III类信号质量异常图案模板和信号质量监测结果数据，计算得到相应的信号质量异常量化模板，一个信号质量异常图案模板依据不同的异常参数对应多个信号质量异常量化模板，一个信号质量异常量化模板只有唯一相对应的信号质量异常图案模板，如图4所示，信号质量异常量化模板表示为
Figure BDA0002971260970000211
其维度NIII等于信号质量异常图案模板
Figure BDA0002971260970000212
中取1的个数，并构成异常量化特征空间，1≤p≤P，P为该信号质量异常图案模板所对应的异常量化模板的个数，不同的异常量化模板对应不同的异常值，每个信号质量异常量化模板构成异常量化特征空间中的特征点，其中信号质量异常量化模板中的元素
Figure BDA0002971260970000213
其中1≤j≤NIII，k为该项超过监测门限阈值的指标在相应的信号质量模板中的排序，
Figure BDA0002971260970000214
为信号质量异常量化权值，初始权值为1，
Figure BDA0002971260970000215
为III类信号质量监测第p个异常量化模板中第k个监测指标测量结果，然后转向步骤408；
步骤406：依据步骤403所得到的针对选取的异常模拟种类、异常项目与异常值的II类信号质量异常图案模板和信号质量监测结果数据，计算得到相应的信号质量异常量化模板，一个信号质量异常图案模板依据不同的异常参数对应多个信号质量异常量化模板，一个信号质量异常量化模板只有唯一相对应的信号质量异常图案模板，如图4所示，信号质量异常量化模板表示为
Figure BDA0002971260970000216
其维度NII等于信号质量异常图案模板
Figure BDA0002971260970000217
中取1的个数，并构成异常量化特征空间，1≤p≤P，P为该信号质量异常图案模板所对应的异常量化模板的个数，不同的异常量化模板对应不同的异常值，每个信号质量异常量化模板构成异常量化特征空间中的特征点，其中信号质量异常量化模板中的元素
Figure BDA0002971260970000218
其中1≤j≤NII，k为该项超过监测门限阈值的指标在相应的信号质量模板中的排序，
Figure BDA0002971260970000219
为信号质量异常量化权值，初始权值为1，
Figure BDA00029712609700002110
为II类信号质量监测第p个异常量化模板中第k个监测指标测量结果，然后转向步骤408；
步骤407：依据步骤404所得到的针对选取的异常模拟种类、异常项目与异常值的I类信号质量异常图案模板和信号质量监测结果数据，计算得到相应的信号质量异常量化模板，一个信号质量异常图案模板依据不同的异常参数对应多个信号质量异常量化模板，一个信号质量异常量化模板只有唯一相对应的信号质量异常图案模板，如图4所示，信号质量异常量化模板表示为
Figure BDA0002971260970000221
其维度NI等于信号质量异常图案模板
Figure BDA0002971260970000222
中取1的个数，并构成异常量化特征空间，1≤p≤P，P为该信号质量异常图案模板所对应的异常量化模板的个数，不同的异常量化模板对应不同的异常值，每个信号质量异常量化模板构成异常量化特征空间中的特征点，其中信号质量异常量化模板中的元素
Figure BDA0002971260970000223
其中1≤j≤NI，k为该项超过监测门限阈值的指标在相应的信号质量模板中的排序，
Figure BDA0002971260970000224
为信号质量异常量化权值，初始权值为1，
Figure BDA0002971260970000225
为I类信号质量监测第p个异常量化模板中第k个监测指标测量结果，然后转向步骤408；
步骤408：判定是否穷尽所有的异常模拟种类、异常项目与异常值，若未穷尽所有的异常模拟种类、异常项目与异常值，则继续返回步骤401，若已穷尽所有的异常模拟种类、异常项目与异常值，则汇总所有的信号质量异常图案模板和相应的信号质量异常量化模板，并形成与异常模拟种类、异常项目与异常值的一一对应检索关系，从而完成信号质量异常模板匹配库的建立，如图5所示。
如图6所示，步骤4具体包括如下步骤：
步骤501：在信号质量监测模拟训练系统中，设定异常种类、异常项目、异常卫星、异常值区间与异常值间隔，形成信号质量监测训练场景集；
步骤502：选定信号质量监测训练场景集中的一个场景；
步骤503：在III类信号质量监测过程中，依据III类信号质量监测模板采集存储全星座监测结果数据，提取出超过监测门限阈值的指标，形成针对所选取训练场景的III类信号质量异常图案样本
Figure BDA0002971260970000226
其中
Figure BDA0002971260970000227
Figure BDA0002971260970000228
为III类信号质量监测模板中第k个监测指标测量结果，1≤k≤MIII，MIII为III类信号质量监测模板中的监测指标数量，并在III类信号质量异常图案特征匹配库中进行检索，如果信号质量异常图案样本与某个信号质量异常图案模板相匹配，即
Figure BDA0002971260970000231
即将该信号质量异常图案所对应的异常种类、异常项目与异常卫星放入监测结果集中，并转入步骤504，如果未发现任何异常或信号质量异常图案样本与III类信号质量异常图案特征匹配库中的所有模板无法匹配，则将相关结果放入监测结果集中，并转入步骤505；
步骤504：计算步骤503中匹配成功的信号质量异常图案样本所对应的信号质量异常量化样本
Figure BDA0002971260970000232
信号质量异常量化样本的维度NIII等于信号质量异常图案样本
Figure BDA0002971260970000233
中取1的个数，其中信号质量异常量化样本中的元素
Figure BDA0002971260970000234
其中1≤j≤NIII，k为该项超过监测门限阈值的指标在相应的信号质量模板中的排序，
Figure BDA0002971260970000235
为相应的监测指标测量结果，
Figure BDA0002971260970000236
和
Figure BDA0002971260970000237
分别为相应的监测门限阈值下限和上限，并计算该信号质量异常量化样本在相应的信号质量异常特征空间中距离所有特征点的最小值，即
Figure BDA0002971260970000238
Figure BDA0002971260970000239
和
Figure BDA00029712609700002310
分别为信号质量异常量化样本中的元素和信号质量异常量化模板中的元素，P为信号质量异常量化模板的总个数，并把该最小值所对应的信号质量异常量化模板的异常检索参数，包括异常种类、异常项目、异常卫星与异常值放入监测结果集中，利用步骤503和步骤504检索出的异常卫星信息引导II类信号质量监测，并转入步骤505；
步骤505：在II类信号质量监测过程中，依据II类信号质量监测模板采集存储相应异常模拟卫星的监测结果数据，提取出超过监测门限阈值的指标，形成针对该训练场景的II类信号质量异常图案样本
Figure BDA00029712609700002311
其中
Figure BDA0002971260970000241
Figure BDA0002971260970000242
为II类信号质量监测模板中第k个监测指标测量结果，1≤k≤MII，MII为II类信号质量监测模板中的监测指标数量，并在II类信号质量异常图案特征匹配库中进行检索，如果信号质量异常图案样本与某个信号质量异常图案模板相匹配，即
Figure BDA0002971260970000243
即将该信号质量异常图案所对应的异常种类与异常项目放入监测结果集中，并转入步骤506，如果未发现任何异常或信号质量异常图案样本与II类信号质量异常图案特征匹配库中的所有模板无法匹配，则将相关结果放入监测结果集中，并转入步骤507；
步骤506：计算步骤505中匹配成功的信号质量异常图案样本所对应的信号质量异常量化样本
Figure BDA0002971260970000244
信号质量异常量化样本的维度NII等于信号质量异常图案样本
Figure BDA0002971260970000245
中取1的个数，其中信号质量异常量化样本中的元素
Figure BDA0002971260970000246
其中1≤j≤NII，k为该项超过监测门限阈值的指标在相应的信号质量模板中的排序，
Figure BDA0002971260970000247
为相应的监测指标测量结果，
Figure BDA0002971260970000248
和
Figure BDA0002971260970000249
分别为相应的监测门限阈值下限和上限，并计算该信号质量异常量化样本在相应的信号质量异常特征空间中距离所有特征点的最小值，即
Figure BDA00029712609700002410
Figure BDA00029712609700002411
和
Figure BDA00029712609700002412
分别为信号质量异常量化样本中的元素和信号质量异常量化模板中的元素，P为信号质量异常量化模板的总个数，并把该最小值所对应的信号质量异常量化模板的异常检索参数，包括异常种类、异常项目与异常值放入监测结果集中，并转入步骤507；
步骤507：在I类信号质量监测过程中，依据I类信号质量监测模板采集存储相应异常模拟卫星的监测结果数据，提取出超过监测门限阈值的指标，形成针对该训练场景的I类信号质量异常图案样本
Figure BDA00029712609700002413
其中
Figure BDA0002971260970000251
Figure BDA0002971260970000252
为I类信号质量监测模板中第k个监测指标测量结果，1≤k≤MI，MI为I类信号质量监测模板中的监测指标数量，并在I类信号质量异常图案特征匹配库中进行检索，如果信号质量异常图案样本与某个信号质量异常图案模板相匹配，即
Figure BDA0002971260970000253
即将该信号质量异常图案所对应的异常种类与异常项目放入监测结果集中，并转入步骤508，如果未发现任何异常或信号质量异常图案样本与II类信号质量异常图案特征匹配库中的所有模板无法匹配，则将相关结果放入监测结果集中，并转入步骤509；
步骤508：计算步骤507中匹配成功的信号质量异常图案样本所对应的信号质量异常量化样本
Figure BDA0002971260970000254
信号质量异常量化样本的维度NI等于信号质量异常图案样本
Figure BDA0002971260970000255
中取1的个数，其中信号质量异常量化样本中的元素
Figure BDA0002971260970000256
其中1≤j≤NI，k为该项超过监测门限阈值的指标在相应的信号质量模板中的排序，
Figure BDA0002971260970000257
为相应的监测指标测量结果，
Figure BDA0002971260970000258
和
Figure BDA0002971260970000259
分别为相应的监测门限阈值下限和上限，并计算该信号质量异常量化样本在相应的信号质量异常特征空间中距离所有特征点的最小值，即
Figure BDA00029712609700002510
Figure BDA00029712609700002511
和
Figure BDA00029712609700002512
分别为信号质量异常量化样本中的元素和信号质量异常量化模板中的元素，P为信号质量异常量化模板的总个数，并把该最小值所对应的信号质量异常量化模板的异常检索参数，包括异常种类、异常项目与异常值放入监测结果集中，并转入步骤509；
步骤509：分别汇总I类、II类和III类信号质量监测结果集，统计异常图案特征匹配结果，如果信号质量异常图案样本能够成功匹配信号质量异常图案模板，并且检索得到的异常种类和异常项目与设置情况相符，则认为匹配成功，计算得到异常图案特征匹配的成功率，对无法实现异常图案特征匹配的信号质量异常图案样本进行分类处理，第一类是匹配结果存在模糊，即信号质量异常监测训练场景集中的多个异常种类、异常项目对应同一组信号质量异常图案模板，导致与该模板相匹配的信号质量异常图案样本无法区分具体异常场景，此时转入步骤510；第二类是信号质量异常图案样本与任何信号质量异常图案模板无法匹配，或者信号质量异常图案样本所匹配的信号质量异常图案检索结果与模拟的异常场景不符，此时转入步骤511；
步骤510：判定信号质量异常图案匹配结果存在模糊的信号质量异常图案样本，能否通过信号质量异常量化样本得以区分，如果能够从信号质量异常量化特征空间中加以区分，则可解决索引模糊的问题；否则需要重新调整信号质量监测模板，增加能够在不同的异常场景中表达出区分度的监测指标项，然后转入步骤512；
步骤511：统计无法匹配成功的信号质量异常图案样本所对应的具体指标项，此时分成两种情况，第一种是在信号质量异常图案模板中的指标项超过监测门限阈值，而实际样本中未超过监测门限阈值，导致检测概率变低，此时收紧信号质量监测模板中的监测门限阈值，或减小信号质量监测模板中的异常值范围，第二种是在信号质量异常图案模板中的指标项未超过监测门限阈值，而实际样本中超过监测门限阈值，导致虚警概率升高，此时加宽信号质量监测模板中的监测门限阈值，或增大异常值范围，完成后转入步骤512；
步骤512：分别汇总I类、II类和III类信号质量监测结果集，统计异常量化特征匹配结果，如果信号质量异常量化样本能够成功匹配信号质量异常量化模板，并且检索得到的异常值与真实值最为接近，则认为匹配成功，计算异常量化特征匹配的成功率，对未成功匹配的信号质量异常量化样本进行分类处理，第一类是统计索引得到的异常值与真实值相差超过异常值间隔，此时应检核信号质量异常量化特征空间中特征点分布的合理性，并调整信号质量异常量化权值，对于监测门限阈值超限百分比浮动范围超过设定门限的监测指标，信号质量异常量化权值调整为小于1，对于监测门限阈值超限百分比浮动范围小于设定门限的监测指标，信号质量异常量化权值调整为大于1，第二类是信号质量异常量化样本索引到其他异常种类与异常项目所对应的异常特征空间中，出现索引错误的情况，此时调整信号质量监测模板，增加异常特征空间维度，或者调整信号质量异常量化权值，使之增加与其他异常量化特征空间的区分度。

Claims (6)

1.一种全场景反馈式卫星导航信号质量监测优化方法，其特征在于，包括以下步骤：
步骤1：构建室内有线全场景反馈式信号质量监测模拟训练系统；
步骤2：设定卫星导航信号质量异常模拟种类、异常项目与异常值，形成信号质量监测训练参考集；同时，分别选定大口径天线监测、小口径天线监测和全向天线监测的信号质量监测模板；
步骤3：利用室内有线全场景反馈式信号质量监测模拟训练系统进行信号及环境异常模拟遍历，针对每个卫星导航信号质量异常模拟种类、异常项目与异常值，依据信号质量监测模板形成相应的信号质量异常模板，所有信号质量异常模板汇总形成信号质量异常模板匹配库；
步骤4：设定异常种类、异常项目、异常卫星、异常值区间与异常值间隔，开展信号环境异常模拟遍历，在信号质量异常模板匹配库中通过信号质量监测算法进行信号质量异常监测，并分别与设定值进行比对，得到信号质量异常监测结果集，并依据信号质量异常监测结果集，进行信号质量监测算法的训练优化；
其中，步骤2所述的分别选定大口径天线监测、小口径天线监测和全向天线监测的信号质量监测模板包括如下步骤：
步骤301：将大口径天线监测、小口径天线监测和全向天线监测分别对应定义为I类信号质量监测、II类信号质量监测和III类信号质量监测，分别设定I类信号质量监测、II类信号质量监测和III类信号质量监测过程中的具体监测指标，其中I类信号质量监测的具体监测指标包括信号EIRP、信号EIRP稳定度、相位噪声、带内杂散、带外多余辐射功率谱密度、合成功率谱偏差、相关损失、S曲线过零点偏差、鉴相曲线斜率偏差、恒包络复用效率、基带信号波形失真、眼图宽度、眼图幅度、上升/下降沿时间、信号分量有效功率比偏差、信号分量间相位偏差、相同频点伪码相位一致性、不同频点伪码相位一致性和码与载波相干性；II类信号质量监测的具体监测指标包括不同相关间隔测距一致性、GEO伪距一次差、GEO伪距二次差、IGSO/MEO伪距一次差、IGSO/MEO伪距二次差、GEO载波相位一次差、GEO载波相位二次差、GSO/MEO载波相位一次差、GSO/MEO载波相位二次差、相关值归一化幅度、相关峰平滑性、相关峰对称性、载噪比跳变和电文符号异常比例；III类信号质量监测的具体监测指标包括不同相关间隔测距一致性、GEO伪距一次差、GEO伪距二次差、IGSO/MEO伪距一次差、IGSO/MEO伪距二次差、GEO载波相位一次差、GEO载波相位二次差、GSO/MEO载波相位一次差、GSO/MEO载波相位二次差、相关值归一化幅度、相关峰平滑性、相关峰对称性、载噪比跳变、电文符号异常比特数、定位精度、定位精度可用性、测速精度、测速精度可用性、授时精度、授时精度可用性、DOP值和DOP值可用性；
步骤302：为各类信号质量监测模板所选择的具体监测指标设定监测门限阈值[TMIN,TMAX]，其中TMIN为阈值下限，TMAX为阈值上限；
步骤303：为各类信号质量监测建立信号质量监测模板，每个信号质量监测模板由具体监测指标及相应的监测门限阈值组成，表达为一个Mi行2列的矩阵，即
Figure FDA0003748394820000021
Mi代表第i类信号质量监测模板中监测指标的数量，其中
Figure FDA0003748394820000022
和
Figure FDA0003748394820000023
分别代表第i类信号质量监测模板中第k个监测指标的监测门限阈值下限和上限，1≤k≤Mi。
2.根据权利要求1所述的全场景反馈式卫星导航信号质量监测优化方法，其特征在于，步骤2所述的设定卫星导航信号质量异常模拟种类、异常项目与异常值，包括如下步骤：
步骤201：选定卫星导航信号质量异常模拟种类，可选定的种类范围主要包括频域异常、时域异常、调制域异常、相关域异常、测量域异常、信息域异常、定位域异常、大气效应异常、干扰异常、欺骗异常和多径异常；
步骤202：针对每个卫星导航信号质量异常模拟种类，设定具体的异常模拟项目；其中频域异常的可选项目包括功率谱偏差均值、功率谱偏差方差、载波泄露频率、载波泄露幅值、带外抑制、带内杂散和相位噪声；时域异常的可选项目包括TMA上升沿延迟、TMA下降沿延迟、TMB阻尼震荡频率、TMB阻尼震荡系数和信号波形失真；调制域异常的可选项目包括信号分量有效功率比偏差、信号分量间相位偏差、恒包括调制异常和星座图异常；相关域异常的可选项目包括相关损失、S曲线过零点偏差、鉴相曲线斜率偏差、相关值归一化幅度、相关峰平滑性和相关峰对称性；测量域异常的可选项目包括载噪比跳变、频点间伪码相位一致性、频点内伪码相位一致性、GEO伪距一次差、GEO伪距二次差、IGSO/MEO伪距一次差、IGSO/MEO伪距二次差、GEO载波相位一次差、GEO载波相位二次差、IGSO/MEO载波相位一次差、IGSO/MEO载波相位二次差和载波与伪码相干性；信息域异常的可选项目包括电文符号比特异常、星钟异常、星历异常、历书异常、卫星健康状态异常、不同系统间的时间差异常、精度增强信息异常和完好性信息异常；定位域异常的可选项目包括定位精度异常、授时精度异常、测速精度异常、精度可用性异常、DOP值可用性异常、精度连续性异常和DOP值连续性异常；大气效应异常的可选项目包括电离层TEC振幅、电离层幅度闪烁指数和电离层相位闪烁指数；干扰异常的可选项目主要包括对各种干扰参数的设定结果，具体干扰参数包括干扰频率、干扰带宽、干扰功率和干扰样式；欺骗异常的可选项目包括对各种欺骗参数的设定结果，具体欺骗参数包括水平欺骗、高程欺骗、授时欺骗、定点欺骗和轨迹欺骗；多径异常的可选项目包括地面反射模型、障碍物反射模型和二次反射模型；
步骤203：选定每个异常项目的具体典型异常值，异常值的个数大于等于3，且在整个异常值区间内采取均匀分布或指数分布的分布方式。
3.根据权利要求1所述的全场景反馈式卫星导航信号质量监测优化方法，其特征在于，步骤3具体包括如下步骤：
步骤401：在信号质量监测模拟训练系统中，选取一个具体的异常模拟种类、异常项目与异常值，配置好异常卫星，同时播发全向天线导航模拟信号、小口径天线导航模拟信号和大口径天线导航模拟信号，然后同时转向步骤402、步骤403和步骤404；
步骤402：接收全向天线导航模拟信号，并依据III类信号质量监测模板采集存储监测结果数据，形成针对选取的异常模拟种类、异常项目与异常值的III类信号质量异常图案模板
Figure FDA0003748394820000041
其中第k个元素
Figure FDA0003748394820000042
Figure FDA0003748394820000043
为III类信号质量监测模板中第k个监测指标测量结果，1≤k≤MIII，MIII为III类信号质量监测模板中的监测指标数量，
Figure FDA0003748394820000044
和
Figure FDA0003748394820000045
分别为III类信号质量监测模板中第k个监测指标的监测门限阈值下限和上限，然后转向步骤405；
步骤403：接收小口径天线导航模拟信号，并依据II类信号质量监测模板采集存储监测结果数据，形成针对选取的异常模拟种类、异常项目与异常值的II类信号质量异常图案模板
Figure FDA0003748394820000046
其中第k个元素
Figure FDA0003748394820000047
Figure FDA0003748394820000048
为II类信号质量监测模板中第k个监测指标测量结果，1≤k≤MII，MII为II类信号质量监测模板中的监测指标数量，
Figure FDA0003748394820000049
和
Figure FDA00037483948200000410
分别为II类信号质量监测模板中第k个监测指标的监测门限阈值下限和上限，然后转向步骤406；
步骤404：接收大口径天线导航模拟信号，并依据I类信号质量监测模板采集存储监测结果数据，形成针对选取的异常模拟种类、异常项目与异常值的I类信号质量异常图案模板
Figure FDA00037483948200000411
其中第k个元素
Figure FDA00037483948200000412
Figure FDA00037483948200000413
为I类信号质量监测模板中第k个监测指标测量结果，1≤k≤MI，MI为I类信号质量监测模板中的监测指标数量，
Figure FDA00037483948200000414
和
Figure FDA00037483948200000415
分别为II类信号质量监测模板中第k个监测指标的监测门限阈值下限和上限，然后转向步骤407；
步骤405：依据步骤402所得到的针对选取的异常模拟种类、异常项目与异常值的III类信号质量异常图案模板和信号质量监测结果数据，计算得到相应的信号质量异常量化模板，一个信号质量异常图案模板依据不同的异常参数对应多个信号质量异常量化模板，一个信号质量异常量化模板只有唯一相对应的信号质量异常图案模板；信号质量异常量化模板表示为
Figure FDA0003748394820000051
其维度NIII等于信号质量异常图案模板
Figure FDA0003748394820000052
中取1的个数，并构成异常量化特征空间，1≤p≤P，P为该信号质量异常图案模板所对应的异常量化模板的个数，不同的异常量化模板对应不同的异常值，每个信号质量异常量化模板构成异常量化特征空间中的特征点，其中信号质量异常量化模板中的元素
Figure FDA0003748394820000053
其中1≤j≤NIII，k为该项超过监测门限阈值的指标在相应的信号质量模板中的排序，
Figure FDA0003748394820000054
为信号质量异常量化权值，初始权值为1，
Figure FDA0003748394820000055
为III类信号质量监测第p个异常量化模板中第k个监测指标测量结果，然后转向步骤408；
步骤406：依据步骤403所得到的针对选取的异常模拟种类、异常项目与异常值的II类信号质量异常图案模板和信号质量监测结果数据，计算得到相应的信号质量异常量化模板，一个信号质量异常图案模板依据不同的异常参数对应多个信号质量异常量化模板，一个信号质量异常量化模板只有唯一相对应的信号质量异常图案模板，信号质量异常量化模板表示为
Figure FDA0003748394820000056
其维度NII等于信号质量异常图案模板
Figure FDA0003748394820000057
中取1的个数，并构成异常量化特征空间，1≤p≤P，P为该信号质量异常图案模板所对应的异常量化模板的个数，不同的异常量化模板对应不同的异常值，每个信号质量异常量化模板构成异常量化特征空间中的特征点，其中信号质量异常量化模板中的元素
Figure FDA0003748394820000058
其中1≤j≤NII，k为该项超过监测门限阈值的指标在相应的信号质量模板中的排序，
Figure FDA0003748394820000059
为信号质量异常量化权值，初始权值为1，
Figure FDA00037483948200000510
为II类信号质量监测第p个异常量化模板中第k个监测指标测量结果，然后转向步骤408；
步骤407：依据步骤404所得到的针对选取的异常模拟种类、异常项目与异常值的I类信号质量异常图案模板和信号质量监测结果数据，计算得到相应的信号质量异常量化模板，一个信号质量异常图案模板依据不同的异常参数对应多个信号质量异常量化模板，一个信号质量异常量化模板只有唯一相对应的信号质量异常图案模板，信号质量异常量化模板表示为
Figure FDA0003748394820000061
其维度NI等于信号质量异常图案模板
Figure FDA0003748394820000062
中取1的个数，并构成异常量化特征空间，1≤p≤P，P为该信号质量异常图案模板所对应的异常量化模板的个数，不同的异常量化模板对应不同的异常值，每个信号质量异常量化模板构成异常量化特征空间中的特征点，其中信号质量异常量化模板中的元素
Figure FDA0003748394820000063
其中1≤j≤NI，k为该项超过监测门限阈值的指标在相应的信号质量模板中的排序，
Figure FDA0003748394820000064
为信号质量异常量化权值，初始权值为1，
Figure FDA0003748394820000065
为I类信号质量监测第p个异常量化模板中第k个监测指标测量结果，然后转向步骤408；
步骤408：判定是否穷尽所有的异常模拟种类、异常项目与异常值，若未穷尽所有的异常模拟种类、异常项目与异常值，则继续返回步骤401，若已穷尽所有的异常模拟种类、异常项目与异常值，则汇总所有的信号质量异常图案模板和相应的信号质量异常量化模板，并形成与异常模拟种类、异常项目与异常值的一一对应检索关系，从而完成信号质量异常模板匹配库的建立。
4.根据权利要求1所述的全场景反馈式卫星导航信号质量监测优化方法，其特征在于，步骤4具体包括如下步骤：
步骤501：在信号质量监测模拟训练系统中，设定异常种类、异常项目、异常卫星、异常值区间与异常值间隔，形成信号质量监测训练场景集；
步骤502：选定信号质量监测训练场景集中的一个场景；
步骤503：在III类信号质量监测过程中，依据III类信号质量监测模板采集存储全星座监测结果数据，提取出超过监测门限阈值的指标，形成针对所选取训练场景的III类信号质量异常图案样本
Figure FDA0003748394820000066
其中
Figure FDA0003748394820000071
Figure FDA0003748394820000072
为III类信号质量监测模板中第k个监测指标测量结果，1≤k≤MIII，MIII为III类信号质量监测模板中的监测指标数量，并在III类信号质量异常图案特征匹配库中进行检索，如果信号质量异常图案样本与某个信号质量异常图案模板相匹配，即
Figure FDA0003748394820000073
即将该信号质量异常图案所对应的异常种类、异常项目与异常卫星放入监测结果集中，并转入步骤504，如果未发现任何异常或信号质量异常图案样本与III类信号质量异常图案特征匹配库中的所有模板无法匹配，则将相关结果放入监测结果集中，并转入步骤505；
步骤504：计算步骤503中匹配成功的信号质量异常图案样本所对应的信号质量异常量化样本
Figure FDA0003748394820000074
信号质量异常量化样本的维度NIII等于信号质量异常图案样本
Figure FDA0003748394820000075
中取1的个数，其中信号质量异常量化样本中的元素
Figure FDA0003748394820000076
其中1≤j≤NIII，k为该项超过监测门限阈值的指标在相应的信号质量模板中的排序，
Figure FDA0003748394820000077
为相应的监测指标测量结果，
Figure FDA0003748394820000078
和
Figure FDA0003748394820000079
分别为相应的监测门限阈值下限和上限，并计算该信号质量异常量化样本在相应的信号质量异常特征空间中距离所有特征点的最小值，即
Figure FDA00037483948200000710
Figure FDA00037483948200000711
和
Figure FDA00037483948200000712
分别为信号质量异常量化样本中的元素和信号质量异常量化模板中的元素，P为信号质量异常量化模板的总个数，并把该最小值所对应的信号质量异常量化模板的异常检索参数，包括异常种类、异常项目、异常卫星与异常值放入监测结果集中，利用步骤503和步骤504检索出的异常卫星信息引导II类信号质量监测，并转入步骤505；
步骤505：在II类信号质量监测过程中，依据II类信号质量监测模板采集存储相应异常模拟卫星的监测结果数据，提取出超过监测门限阈值的指标，形成针对该训练场景的II类信号质量异常图案样本
Figure FDA0003748394820000081
其中
Figure FDA0003748394820000082
Figure FDA0003748394820000083
为II类信号质量监测模板中第k个监测指标测量结果，1≤k≤MII，MII为II类信号质量监测模板中的监测指标数量，并在II类信号质量异常图案特征匹配库中进行检索，如果信号质量异常图案样本与某个信号质量异常图案模板相匹配，即
Figure FDA0003748394820000084
即将该信号质量异常图案所对应的异常种类与异常项目放入监测结果集中，并转入步骤506，如果未发现任何异常或信号质量异常图案样本与II类信号质量异常图案特征匹配库中的所有模板无法匹配，则将相关结果放入监测结果集中，并转入步骤507；
步骤506：计算步骤505中匹配成功的信号质量异常图案样本所对应的信号质量异常量化样本
Figure FDA0003748394820000085
信号质量异常量化样本的维度NII等于信号质量异常图案样本
Figure FDA0003748394820000086
中取1的个数，其中信号质量异常量化样本中的元素
Figure FDA0003748394820000087
其中1≤j≤NII，k为该项超过监测门限阈值的指标在相应的信号质量模板中的排序，
Figure FDA0003748394820000088
为相应的监测指标测量结果，
Figure FDA0003748394820000089
和
Figure FDA00037483948200000810
分别为相应的监测门限阈值下限和上限，并计算该信号质量异常量化样本在相应的信号质量异常特征空间中距离所有特征点的最小值，即
Figure FDA00037483948200000811
Figure FDA00037483948200000812
和
Figure FDA00037483948200000813
分别为信号质量异常量化样本中的元素和信号质量异常量化模板中的元素，P为信号质量异常量化模板的总个数，并把该最小值所对应的信号质量异常量化模板的异常检索参数，包括异常种类、异常项目与异常值放入监测结果集中，并转入步骤507；
步骤507：在I类信号质量监测过程中，依据I类信号质量监测模板采集存储相应异常模拟卫星的监测结果数据，提取出超过监测门限阈值的指标，形成针对该训练场景的I类信号质量异常图案样本
Figure FDA00037483948200000814
其中
Figure FDA0003748394820000091
Figure FDA0003748394820000092
为I类信号质量监测模板中第k个监测指标测量结果，1≤k≤MI，MI为I类信号质量监测模板中的监测指标数量，并在I类信号质量异常图案特征匹配库中进行检索，如果信号质量异常图案样本与某个信号质量异常图案模板相匹配，即
Figure FDA0003748394820000093
即将该信号质量异常图案所对应的异常种类与异常项目放入监测结果集中，并转入步骤508，如果未发现任何异常或信号质量异常图案样本与II类信号质量异常图案特征匹配库中的所有模板无法匹配，则将相关结果放入监测结果集中，并转入步骤509；
步骤508：计算步骤507中匹配成功的信号质量异常图案样本所对应的信号质量异常量化样本
Figure FDA0003748394820000094
信号质量异常量化样本的维度NI等于信号质量异常图案样本
Figure FDA0003748394820000095
中取1的个数，其中信号质量异常量化样本中的元素
Figure FDA0003748394820000096
其中1≤j≤NI，k为该项超过监测门限阈值的指标在相应的信号质量模板中的排序，
Figure FDA0003748394820000097
为相应的监测指标测量结果，
Figure FDA0003748394820000098
和
Figure FDA0003748394820000099
分别为相应的监测门限阈值下限和上限，并计算该信号质量异常量化样本在相应的信号质量异常特征空间中距离所有特征点的最小值，即
Figure FDA00037483948200000910
Figure FDA00037483948200000911
和
Figure FDA00037483948200000912
分别为信号质量异常量化样本中的元素和信号质量异常量化模板中的元素，P为信号质量异常量化模板的总个数，并把该最小值所对应的信号质量异常量化模板的异常检索参数，包括异常种类、异常项目与异常值放入监测结果集中，并转入步骤509；
步骤509：分别汇总I类、II类和III类信号质量监测结果集，统计异常图案特征匹配结果，如果信号质量异常图案样本能够成功匹配信号质量异常图案模板，并且检索得到的异常种类和异常项目与设置情况相符，则认为匹配成功，计算得到异常图案特征匹配的成功率，对无法实现异常图案特征匹配的信号质量异常图案样本进行分类处理，第一类是匹配结果存在模糊，即信号质量异常监测训练场景集中的多个异常种类、异常项目对应同一组信号质量异常图案模板，导致与该模板相匹配的信号质量异常图案样本无法区分具体异常场景，此时转入步骤510；第二类是信号质量异常图案样本与任何信号质量异常图案模板无法匹配，或者信号质量异常图案样本所匹配的信号质量异常图案检索结果与模拟的异常场景不符，此时转入步骤511；
步骤510：判定信号质量异常图案匹配结果存在模糊的信号质量异常图案样本，能否通过信号质量异常量化样本得以区分，如果能够从信号质量异常量化特征空间中加以区分，则可解决索引模糊的问题；否则需要重新调整信号质量监测模板，增加能够在不同的异常场景中表达出区分度的监测指标项，然后转入步骤512；
步骤511：统计无法匹配成功的信号质量异常图案样本所对应的具体指标项，此时分成两种情况，第一种是在信号质量异常图案模板中的指标项超过监测门限阈值，而实际样本中未超过监测门限阈值，导致检测概率变低，此时收紧信号质量监测模板中的监测门限阈值，或减小信号质量监测模板中的异常值范围，第二种是在信号质量异常图案模板中的指标项未超过监测门限阈值，而实际样本中超过监测门限阈值，导致虚警概率升高，此时加宽信号质量监测模板中的监测门限阈值，或增大异常值范围，完成后转入步骤512；
步骤512：分别汇总I类、II类和III类信号质量监测结果集，统计异常量化特征匹配结果，如果信号质量异常量化样本能够成功匹配信号质量异常量化模板，并且检索得到的异常值与真实值最为接近，则认为匹配成功，计算异常量化特征匹配的成功率，对未成功匹配的信号质量异常量化样本进行分类处理，第一类是统计索引得到的异常值与真实值相差超过异常值间隔，此时应检核信号质量异常量化特征空间中特征点分布的合理性，并调整信号质量异常量化权值，对于监测门限阈值超限百分比浮动范围超过设定门限的监测指标，信号质量异常量化权值调整为小于1，对于监测门限阈值超限百分比浮动范围小于设定门限的监测指标，信号质量异常量化权值调整为大于1，第二类是信号质量异常量化样本索引到其他异常种类与异常项目所对应的异常特征空间中，出现索引错误的情况，此时调整信号质量监测模板，增加异常特征空间维度，或者调整信号质量异常量化权值，使之增加与其他异常量化特征空间的区分度。
5.一种全场景反馈式卫星导航信号质量监测优化系统，其特征在于，包括信号质量监测训练主控软件、信号环境异常数仿软件、干扰样式仿真软件、信号质量监测训练模拟器、信号质量监测训练接收机、干扰信号模拟器、射频合路器和信号质量异常模板匹配库；
信号质量监测训练主控软件用于设定卫星导航场景信息与异常模拟信息，并将卫星导航场景信息和异常模拟信息发送给信号环境异常数仿软件；其中，卫星导航场景信息包括卫星导航星座、监测时段与监测站地点信息，异常模拟信息包括观测量、导航电文异常信息和信号质量异常信息，其中将观测量和导航电文异常信息发送给信号环境异常模拟软件，将信号质量异常信息发送给信号质量监测训练模拟器；信号质量监测训练主控软件还用于生成信号质量监测模板，并发送给信号质量监测训练接收机，然后接收信号质量监测接收机发送过来的信号质量监测模板指标，并生成信号质量异常图案模板和信号质量异常量化模板，纳入信号质量异常模板匹配库；信号质量监测训练主控软件还用于比对实际的异常模拟信息设定结果与信号质量监测接收机发送过来的监测结果，并实现信号质量监测算法的训练优化；
信号环境异常数仿软件用于依据卫星导航场景信息和异常模拟信息生成支持异常信号与环境生成的观测量信息，包括正常信号、质量异常信号、欺骗信号、多径信号观测量及导航电文信息，并发送给信号质量监测训练模拟器；
信号质量监测训练模拟器用于通过接收观测量信息及信号质量异常信息，实时模拟生成信号质量监测站所接收的导航信号，包括全向天线导航模拟信号、小口径天线导航模拟信号和大口径天线导航模拟信号，将大口径天线导航模拟信号和小口径天线导航模拟信号发送给信号质量监测训练接收机，将全向天线导航模拟信号发送给射频合路器；
干扰样式仿真软件与干扰信号模拟器用于依据设定的干扰参数生成各种环境干扰信号，并发送给射频合路器；
射频合路器用于将环境干扰信号与全向天线导航信号进行合路，并发送给信号质量监测训练接收机；
信号质量监测训练接收机用于模拟信号质量监测站的监测接收设备，同时接收小口径天线导航模拟信号、大口径天线导航模拟信号以及合路后的全向天线导航模拟信号，采用实时接收处理或射频采集存储回放分析处理方式，依据信号质量监测模板，将实时监测结果中信号质量监测模板具体指标发送给信号质量监测训练主控软件；同时信号质量监测训练接收机依据异常卫星监测结果控制信号质量监测训练模拟器小口径天线和大口径天线输出端口的选星与调度策略；信号质量监测训练接收机还用于调用信号质量异常模板匹配库中的数据，完成信号质量异常图案匹配和异常量化特征空间最短距离索引，并利用信号质量监测算法实现信号质量监测，将监测结果输出给信号质量监测训练主控软件。
6.根据权利要求5所述的全场景反馈式卫星导航信号质量监测优化系统，其特征在于，信号质量监测训练模拟器具有全向天线信号发射端口、小口径天线信号发射端口和大口径天线信号发射端口，分别用于模拟信号质量监测站全向天线、小口径天线和大口径天线的接收信号；其中全向天线信号发射端口用于发射低电平的全星座导航信号，包括正常卫星信号和模拟的异常卫星信号，实现大气效应和欺骗干扰异常环境的模拟，小口径天线发射端口依据调度策略发射一颗正常或异常的可见星导航信号，信号电平相对于正常信号提升20-35dB，大口径天线发射端口依据调度策略发射一颗正常或异常的可见星导航信号，信号电平相对于正常信号提升35-50dB。
CN202110263932.5A 2021-03-11 2021-03-11 一种全场景反馈式卫星导航信号质量监测优化方法及系统 Active CN113093228B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110263932.5A CN113093228B (zh) 2021-03-11 2021-03-11 一种全场景反馈式卫星导航信号质量监测优化方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110263932.5A CN113093228B (zh) 2021-03-11 2021-03-11 一种全场景反馈式卫星导航信号质量监测优化方法及系统

Publications (2)

Publication Number Publication Date
CN113093228A CN113093228A (zh) 2021-07-09
CN113093228B true CN113093228B (zh) 2022-08-30

Family

ID=76667010

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110263932.5A Active CN113093228B (zh) 2021-03-11 2021-03-11 一种全场景反馈式卫星导航信号质量监测优化方法及系统

Country Status (1)

Country Link
CN (1) CN113093228B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116125499B (zh) * 2021-11-12 2024-04-09 北京六分科技有限公司 检测中频数据的方法、装置及系统
CN114280632B (zh) * 2021-12-15 2024-06-18 北京华龙通科技有限公司 Gnss系统故障星检测剔除方法、装置、平台和可读存储介质
CN116683982B (zh) * 2023-07-28 2023-10-10 齐鲁空天信息研究院 面向精准定位的多模多频信号功率异常监测及增强方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20200010902A (ko) * 2018-07-23 2020-01-31 국방과학연구소 위성항법 감시 방법 및 시스템
CN112213742A (zh) * 2020-06-30 2021-01-12 中国科学院国家授时中心 一种卫星导航系统信号质量监测方法

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1454487A1 (en) * 2001-11-14 2004-09-08 Rosum Corporation Using digital television broadcast signals to provide gps aiding information
ES2427975T3 (es) * 2005-06-02 2013-11-05 Gmv Aerospace And Defence S.A. Método y sistema para proporcionar una solución de posición de navegación de GNSS con una integridad garantizada en entornos no controlados
CN101119482B (zh) * 2007-09-28 2011-07-20 北京智安邦科技有限公司 一种全景监控方法及设备
JP5305395B2 (ja) * 2009-06-04 2013-10-02 独立行政法人電子航法研究所 Ｇｐｓ衛星信号の品質監視機能を有するｇｐｓ衛星信号品質監視方法及びｇｐｓ衛星信号の品質監視機能を有するｇｐｓ衛星信号品質監視装置
CN103033824B (zh) * 2012-12-18 2014-07-09 中国科学院国家授时中心 高性能导航卫星空间信号质量评估方法
CN104316940A (zh) * 2014-11-07 2015-01-28 哈尔滨工程大学 一种基于fpga的卫星导航信号伪码异常模拟的方法
CN105005055A (zh) * 2015-08-10 2015-10-28 中国电子科技集团公司第五十四研究所 一种实时导航卫星信号质量监测方法
CN107064961B (zh) * 2017-03-24 2018-05-22 北京航空航天大学 对卫星导航系统完好性监测性能进行测试的方法及装置
CN107356944B (zh) * 2017-06-01 2020-07-17 西南电子技术研究所（中国电子科技集团公司第十研究所） 提高卫星导航阵列天线抗干扰性能的方法
CN109613569A (zh) * 2018-11-27 2019-04-12 北京航空航天大学 一种基于cpu+fpga的卫星导航异常信号模拟器及异常信号模拟方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20200010902A (ko) * 2018-07-23 2020-01-31 국방과학연구소 위성항법 감시 방법 및 시스템
CN112213742A (zh) * 2020-06-30 2021-01-12 中国科学院国家授时中心 一种卫星导航系统信号质量监测方法

Also Published As

Publication number Publication date
CN113093228A (zh) 2021-07-09

Similar Documents

Publication Publication Date Title
CN113093228B (zh) 一种全场景反馈式卫星导航信号质量监测优化方法及系统
CN108513251B (zh) 一种基于mr数据的定位方法及系统
Ringdal et al. A multi-channel processing approach to real time network detection, phase association, and threshold monitoring
CN111965671B (zh) 一种gnss信号质量监测与干扰监测定位系统及方法
CN105334495B (zh) 一种无线网络中基于信号到达时间的非视距稳健定位方法
CN110045341A (zh) 雷达高度表低截获性能测试方法
CN106021864A (zh) 星载散射计后向散射系数的检验方法和装置
CN104181561A (zh) 一种接收机和卫星定位及测速方法
CN103278828A (zh) 卫星导航新型信号体制仿真及其性能评估系统和方法
Loeb et al. Probing Early Clustering with Lyman-Alpha Absorption Lines Beyond the Quasar Redshift
CN113095437B (zh) 一种Himawari-8遥感数据的火点检测方法
CN105930456A (zh) 模拟濒危松科植物潜在分布的方法
CN112213742A (zh) 一种卫星导航系统信号质量监测方法
CN109253660A (zh) 一种弹丸落点坐标声震波探测系统及探测方法
US20210364645A1 (en) Method for gps spoofing detection with gps receivers leveraging inaccuracies of gps spoofing devices and apparatus therefore
Skone et al. Investigation of scintillation characteristics for high latitude phenomena
Dulac et al. Assessing the representation of tropical cyclones in ERA5 with the CNRM tracker
Di et al. Research on secondary analysis method of synchronous satellite monitoring data of power grid wildfire
Kvaerna et al. Generalized beamforming, phase association and threshold monitoring using a global seismic network
Murthy On-satellite testing of mobile communication antennas for compliance to VMES, ESV, and other pointing accuracy requirements
Jacques Comparison of the United States Precision Lightning Network™(USPLN™) and the Cloud-to-Ground Lightning Surveillance System (CGLSS)
Krzykowska et al. Influence of selected external factors on satellite navigation signal quality
Wüster et al. GSETT-3: Evaluation of the detection and location capabilities of an experimental global seismic monitoring system
Sinay et al. Rainfall and number of rainy days prediction in Ambon island using vector autoregression model
Michael The evaluation of VLF guided waves as possible earthquake precursors

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