CN113419255A - 一种gps接收机自主完好性监测方法 - Google Patents
一种gps接收机自主完好性监测方法 Download PDFInfo
- Publication number
- CN113419255A CN113419255A CN202110747918.2A CN202110747918A CN113419255A CN 113419255 A CN113419255 A CN 113419255A CN 202110747918 A CN202110747918 A CN 202110747918A CN 113419255 A CN113419255 A CN 113419255A
- Authority
- CN
- China
- Prior art keywords
- particles
- particle
- particle filter
- weight
- gps receiver
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 34
- 238000012544 monitoring process Methods 0.000 title claims abstract description 20
- 239000002245 particle Substances 0.000 claims abstract description 196
- 241000272201 Columbiformes Species 0.000 claims abstract description 29
- 239000013598 vector Substances 0.000 claims abstract description 23
- 238000010606 normalization Methods 0.000 claims abstract description 15
- 238000001514 detection method Methods 0.000 claims abstract description 12
- 238000002955 isolation Methods 0.000 claims abstract description 12
- 238000003657 Likelihood-ratio test Methods 0.000 claims abstract description 8
- 238000012545 processing Methods 0.000 claims abstract description 6
- 238000005259 measurement Methods 0.000 claims description 15
- 238000005457 optimization Methods 0.000 claims description 14
- 238000009826 distribution Methods 0.000 claims description 10
- 244000144992 flock Species 0.000 claims description 8
- 238000005070 sampling Methods 0.000 claims description 6
- 238000012360 testing method Methods 0.000 claims description 6
- 238000012952 Resampling Methods 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 3
- 239000011159 matrix material Substances 0.000 claims description 3
- 230000007704 transition Effects 0.000 claims description 3
- 230000000694 effects Effects 0.000 description 5
- 238000011160 research Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000033772 system development Effects 0.000 description 1
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
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Position Fixing By Use Of Radio Waves (AREA)
Abstract
本发明属于卫星导航接收机技术领域,提供了一种GPS接收机自主完好性监测方法,该方法包括:S1:获取GPS接收机坐标;S2:选定主粒子滤波器和辅助粒子滤波器,并确定各粒子滤波器的观测向量;S3:通过鸽群算法对各粒子滤波器的粒子权值进行更新改进并作归一化处理;S4:根据各粒子滤波器的粒子权值获取对数似然比检验统计量;S5:根据对数似然比检验统计量获取判定函数,进行故障检测与隔离。该方法通过鸽群算法对PF的粒子进行优化和调整,以增加有效粒子的数目,改善粒子多样性,改善粒子贫化问题。
Description
技术领域
本发明涉及卫星导航接收机技术领域,具体涉及一种GPS接收机自主完好性监测方法。
背景技术
GPS是当今世界上应用最为广泛的全球卫星导航系统,现已成功应用于航空、航海和陆路车辆等各类交通工具的导航设备和轨迹记录设备中。对于以GPS为代表的全球卫星定位和导航系统,尤其在机载电子导航设备等一类具有非常高可靠性要求的导航系统中,完好性的检测是相关系统研制中必不可少的一个环节。而基于冗余测距信息一致性检验的接收机自主完好性监测(Receiverautonomousintegritymonitoring,RAIM)方法的研究以其反应迅速,实现简单和无须外界辅助与干预等优势成为当下GPS故障诊断和报警以及完好性监测技术的研究热点。
关于GPSRAIM方法的研究主要集中于基于冗余信息的故障检测与隔离(faultdetectionandisolation,FDI)技术,相关算法包括伪距比较法,最小二乘残差法,奇偶矢量法等,但这些传统算法均难以对微小故障进行有效地检测。另外传统的Kalman滤波器仅能很好地处理高斯系统,否则故障估计性能会下降,而GPS接收机系统中的信号、噪声和干扰并非标准的高斯分布,仅用传统Kalman滤波会影响RAIM的准确性。针对这一问题,虽然基于粒子滤波器(Particlefilter,PF)和对数似然比一致性检验的RAIM算法被提出,利用PF对非高斯和非线性系统的次优估计能力,但PF自身存在一些缺陷,如粒子退化和粒子贫化问题,严重影响PF的估计准确性。尽管有许多RAIM相关工作对PF进行改进,如利用粒子群算法(ParticleSwarmOptimization,PSO),混沌粒子群算法改进PF粒子,但PSO算法也存在收敛速度慢和容易陷入局部最优等问题。
发明内容
有鉴于此,本发明实施例提供了一种GPS接收机自主完好性监测方法,至少部分的解决现有技术中存在的问题。
本发明实施例提供了一种GPS接收机自主完好性监测方法,包括:
S1:获取GPS接收机坐标,
S2:选定主粒子滤波器和辅助粒子滤波器,并确定各粒子滤波器的观测向量;
S3:通过鸽群算法对各粒子滤波器的粒子权值进行更新改进并做归一化处理;
S4:根据各粒子滤波器的粒子权值获取对数似然比检验统计量;
S5:根据对数似然比检验统计量获取判定函数,进行故障检测与隔离。
上述实施例有益效果在于:通过鸽群算法对PF的粒子进行优化和归一化处理,以增加有效粒子的数目,改善粒子多样性,改善粒子贫化问题。
根据本发明实施例的一种具体实现方式,所述步骤S3,包括以下步骤:
对粒子滤波器进行状态预测、状态更新及权重归一化处理;
从有效粒子中提取小权重粒子并对其进行交叉操作;
通过鸽群算法迭代更新改进各粒子滤波器的粒子状态及权重;
输出各粒子滤波器归一化的粒子权值。
利用交叉算子改进鸽群算法的初始粒子;通过改进的鸽群算法改进PF的粒子和权重样本,加有效粒子的数目,改善粒子多样性,改善粒子贫化问题。
根据本发明实施例的一种具体实现方式,所述通过鸽群算法迭代更新各粒子滤波器的粒子状态及权重,包括以下步骤:
计算适应度函数;
对粒子进行地图和指南针算子操作;
根据适应度函数对粒子进行地标算子操作;
反复对粒子进行地图和指南针算子操作及地标算子操作直至达到最大迭代次数或适应度函数小于阈值。
采用的改进的鸽群算法,相比于传统的粒子群算法具有更快的收敛速度,和全局寻优效果。
根据本发明实施例的一种具体实现方式,所述步骤S1,具体为:
选定n颗卫星,接收n颗卫星信号,GPS的线性动态方程如下:
zk=Fk-1zk-1+wk-1, (1)
其中,向量zk=[rx,ry,rz,Δδ]T中的元素表示由接收机三维位置和接收机相对于GPS卫星时间的误差偏移构成的系统状态;Fk-1为转移矩阵;wk-1为过程噪声,以及GPS接收机测量伪距方程如下:
ρn(k)=Rn(k)+cΔδn+Tn(k)+In(k)+En(k)+∈n(k), (2)
其中n指第n颗卫星;ρ为接收机与卫星位置之间的伪距(m);c表示光速(m/s);T为对流层延时(m);I为电离层延时(m);E表示星历误差的影响(m);∈表示码观测噪声;而R则表示接收机与卫星之间的实际距离(m),
通过式(1)-(2),解算获取GPS接收机坐标zk。
根据本发明实施例的一种具体实现方式,所述步骤S2,具体为:
对于n颗定位解算卫星,需Q=n+1个粒子滤波器用于故障检测与隔离,其中1个为主粒子滤波器,其余n个为辅助粒子滤波器,选定各个滤波器的观测向量为:
其中,ymain(k)为主滤波器量测矢量,ysub为各辅助滤波器的量测矢量,而yi表示GPS接收机第i组输出量测数据,同时将获取的GPS接收机坐标zk设置为量测矢量。
根据本发明实施例的一种具体实现方式,所述步骤S3,具体为:
S3.1:获取后验概率分布,并令zk=xk,由式(1)可得,系统xk的后验概率分布为:
其中,x0:k=[x0,…,xk]和y1:k=[y1,…,yk]分别表示粒子滤波器的状态和测量输出序列;
S3.3:状态预测、更新及权重归一化,对粒子滤波器,当k=1,2,…执行下述步骤:
S3.4:通过鸽群算法进行粒子优化,具体步骤为:
S3.4.1:计算有效粒子数,按照式(6)计算有效粒子数,
其中Neff表示有效粒子数,[·]表示取整符号;
S3.4.3:计算阈值,将第Neff个粒子的权重设置为阈值WT:
S3.4.5:交叉操作,对小权重粒子进行交叉操作:
其中lS=1,…,NS,lH=1,…,NH,参数因子选取为α∈[0,1];
S3.4.6:利用鸽群算法优化例子状态及权重,具体如下:
S3.4.6.1:初始化,设置最大迭代次数kpmax,初始化计数器kp;
S3.4.6.2:设置适应度函数:
fitness=exp(-(ynew-ypre)2/Rm), (10)
其中,ynew为最新的测量值,ypre为预测的测量值,Rm为方差测量噪声;
S3.4.6.3:对粒子进行地图和指南针算子操作:
其中向量ηj=[ηj1,…,ηjD],νj=[νj1,…,νjD],R为地图和指南针因数取值范围为0~1;rand是0~1的随机数;ηgbest是Nc-1次迭代循环结束后通过比较所有粒子的位置得到的集群全局最优位置;
S3.4.6.4:对粒子进行地标算子操作:
S3.4.6.5:判断是否达到最大迭代次数或适应度函数小于阈值,若是,则停止优化,并输出鸽群算法优化后的粒子状态及归一化权重;若否,则迭代次数kp=kp+1,且返回S3.4.6.2;
S3.5:通过式(6)计算有效粒子数,并将有效粒子数与预先设定的阈值Nthres进行比较,若满足(6)<Nthres,则进行重采样操作;否则直接执行步骤S3.6;
S3.6:粒子滤波器状态估计,按式(16)估计GPS接收机系统状态,
S3.7:令k=k+1,并跳转至步骤S3.3,直至最大迭代数。
根据本发明实施例的一种具体实现方式,所述步骤S4具体为:
计算对数似然比(LLR)检验统计量,在根据式(2)获取GPS系统测量值yk后,根据步骤S3中获取的主粒子滤波器和辅助粒子滤波器归一化的粒子权值,
根据式(17)对GPS接收机建立LLR检验统计量。
根据本发明实施例的一种具体实现方式,所述步骤S5具体为:
S5.1:计算判定函数,通过式(18)计算判定函数:
S5.2故障检测:设置故障判定阈值τ,若βk>τ,则故障报警并跳转至步骤5.3;若βk<τ,则表示无故障,进行下一轮监测;
本发明的实施例至少具有如下技术效果:
(1)本发明通过改进的鸽群算法对PF的粒子进行优化和调整,以增加有效粒子的数目,改善粒子多样性,改善粒子贫化问题。
(2)本发明采用贝叶斯次优估计滤波器,可满足满足非高斯噪声下的GPS接收机RAIM需求。
(3)本发明采用的改进的鸽群算法,相比于传统的粒子群算法具有更快的收敛速度,和全局寻优效果。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍。在所有附图中,类似的元件或部分一般由类似的附图标记标识。附图中,各元件或部分并不一定按照实际的比例绘制。
图1示出了本发明实施例所提供的一种GPS接收机自主完好性监测方法的流程图;
图2示出了本发明实施例原理结构图;
图3示出了鸽群算法改进粒子滤波器的流程图;
具体实施方式
下面将结合附图对本发明技术方案的实施例进行详细的描述。以下实施例仅用于更加清楚地说明本发明的技术方案,因此只是作为示例,而不能以此来限制本发明的保护范围。
需要注意的是,除非另有说明,本申请使用的技术术语或者科学术语应当为本发明所属领域技术人员所理解的通常意义。
图1为本发明实施例提供的一种GPS接收机自主完好性监测方法的步骤流程图,参见图1,该方法包括以下步骤:
S1:通过接收数颗卫星信号,结算GPS接收机坐标。
选取n=6颗GPS卫星,编号分别为3,8,12,24,26,30。通过GPS接收机获取并解算得到的GPS卫星时长1000s的卫星位置信息和伪距信息。GPS的线性动态方程如下:
zk=Fk-1zk-1+wk-1, (1)
其中,向量zk=[rx,ry,rz,Δδ]T中的元素表示由接收机三维位置和接收机相对于GPS卫星时间的误差偏移构成的系统状态;Fk-1为转移矩阵;wk-1为过程噪声,以及GPS接收机测量伪距方程如下:
ρn(k)=Rn(k)+cΔδn+Tn(k)+In(k)+En(k)+∈n(k), (2)
其中n指第n颗卫星;ρ为接收机与卫星位置之间的伪距(m);c表示光速(m/s);T为对流层延时(m);I为电离层延时(m);E表示星历误差的影响(m);∈表示码观测噪声;而R则表示接收机与卫星之间的实际距离(m),
通过式(1)-(2),解算获取GPS接收机坐标zk。
S2:根据图2所示的RAIM方法原理结构示意图,选定主粒子滤波器和辅助粒子滤波器,并确定各粒子滤波器的观测向量。
对于n颗定位解算卫星,需Q=n+1个粒子滤波器用于故障检测与隔离,其中1个为主粒子滤波器,其余n个为辅助粒子滤波器,选定各个滤波器的观测向量为:
其中,ymain(k)为主滤波器量测矢量,ysub为各辅助滤波器的量测矢量,而yi表示GPS接收机第i组输出量测数据,同时将获取的GPS接收机坐标zk设置为量测矢量。本发明采用改进的粒子滤波器这一贝叶斯次优估计滤波器,可满足满足非高斯噪声下的GPS RAIM需求。
S3:如图3所示,通过鸽群算法对各粒子滤波器的粒子权值进行更新改进并做归一化处理。
S3.1:获取后验概率分布,并令zk=xk,由式(1)可得,系统xk的后验概率分布为:
其中,x0:k=[x0,…,xk]和y1:k=[y1,…,yk]分别表示粒子滤波器的状态和测量输出序列;
S3.3:状态预测、更新及权重归一化,对粒子滤波器,当k=1,2,…执行下述步骤:
S3.4:通过鸽群算法进行粒子优化,具体步骤为:
S3.4.1:计算有效粒子数,按照式(6)计算有效粒子数,
其中Neff表示有效粒子数,[·]表示取整符号;
S3.4.3:计算阈值,将第Neff个粒子的权重设置为阈值WT:
S3.4.5:交叉操作,对小权重粒子进行交叉操作:
其中lS=1,…,NS,lH=1,…,NH,参数因子选取为α∈[0,1],参数因子可选取为α=0.6;
S3.4.6:利用鸽群算法优化例子状态及权重,具体如下:
S3.4.6.1:初始化:设置最大迭代次数kpmax,初始化计数器kp;
S3.4.6.2:设置适应度函数:
fitness=exp(-(ynew-ypre)2/Rm), (10)
其中,ynew为最新的测量值,ypre为预测的测量值,Rm为方差测量噪声;
S3.4.6.3:对粒子进行地图和指南针算子操作:
其中向量ηj=[ηj1,…,ηjD],νj=[νj1,…,νjD],R为地图和指南针因数取值范围为0~1;rand是0~1的随机数;ηgbest是Nc-1次迭代循环结束后通过比较所有粒子的位置得到的集群全局最优位置;
S3.4.6.4:对粒子进行地标算子操作:
S3.4.6.5:判断是否达到最大迭代次数或适应度函数小于阈值,若是,则停止优化,并输出鸽群算法优化后的粒子状态及归一化权重;若否,则迭代次数kp=kp+1,且返回S3.4.6.2。
S3.5:执行重采样过程,通过式(6)计算有效粒子数,并将有效粒子数与预先设定的阈值Nthres进行比较,若满足(6)<Nthres,则进行重采样操作;否则直接执行步骤S3.6;
S3.6:粒子滤波器状态估计,按式(16)估计GPS接收机系统状态,
S3.7:令k=k+1,并跳转至步骤S3.3,直至最大迭代数。
S4:根据各粒子滤波器的粒子权值获取对数似然比检验统计量。
计算对数似然比(LLR)检验统计量。在根据式(2)获取GPS系统测量值yk后,根据S3中获取的主粒子滤波器和辅助粒子滤波器归一化的粒子权值,
再根据式(17)对GPS接收机建立LLR检验统计量。
S5:根据对数似然比检验统计量获取判定函数,进行故障检测与隔离。
S5.1:计算判定函数。通过式(18)计算判定函数:
S5.2故障检测:设置故障判定阈值τ=40,若βk>τ,则故障报警并跳转至步骤5.3;若βk<τ,则表示无故障,进行下一轮监测;
本发明的实施例至少具有如下技术效果:
(1)本发明通过改进的鸽群算法对PF的粒子进行优化和调整,以增加有效粒子的数目,改善粒子多样性,改善粒子贫化问题。
(2)本发明采用贝叶斯次优估计滤波器,可满足满足非高斯噪声下的GPS接收机RAIM需求。
(3)本发明采用的改进的鸽群算法,相比于传统的粒子群算法具有更快的收敛速度,和全局寻优效果。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,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。因此,本发明的保护范围应以权利要求的保护范围为准。
Claims (8)
1.一种GPS接收机自主完好性监测方法,其特征在于,包括:
S1:获取GPS接收机坐标;
S2:选定主粒子滤波器和辅助粒子滤波器,并确定各粒子滤波器的观测向量;
S3:通过鸽群算法对各粒子滤波器的粒子权值进行更新改进并做归一化处理;
S4:根据各粒子滤波器的粒子权值获取对数似然比检验统计量;
S5:根据对数似然比检验统计量获取判定函数,进行故障检测与隔离。
2.根据权利要求1所述的监测方法,其特征在于,所述步骤S3,包括以下步骤:
对粒子滤波器进行状态预测、状态更新及权重归一化处理;
从有效粒子中提取小权重粒子并对其进行交叉操作;
通过鸽群算法迭代更新改进各粒子滤波器的粒子状态及权重;
输出各粒子滤波器归一化的粒子权值。
3.根据权利要求2所述的监测方法,其特征在于,所述通过鸽群算法迭代更新各粒子滤波器的粒子状态及权重,包括以下步骤:
计算适应度函数;
对粒子进行地图和指南针算子操作;
根据适应度函数对粒子进行地标算子操作;
反复对粒子进行地图和指南针算子操作及地标算子操作直至达到最大迭代次数或适应度函数小于阈值。
4.根据权利要求1所述的监测方法,其特征在于,所述步骤S1,具体为:
选定n颗卫星,接收n颗卫星信号,GPS的线性动态方程如下:
zk=Fk-1zk-1+wk-1, (1)
其中,向量zk=[rx,ry,rz,Δδ]T中的元素表示由接收机三维位置和接收机相对于GPS卫星时间的误差偏移构成的系统状态;Fk-1为转移矩阵;wk-1为过程噪声,以及GPS接收机测量伪距方程如下:
ρn(k)=Rn(k)+cΔδn+Tn(k)+In(k)+En(k)+∈n(k), (2)
其中n指第n颗卫星;ρ为接收机与卫星位置之间的伪距(m);c表示光速(m/s);T为对流层延时(m);I为电离层延时(m);E表示星历误差的影响(m);∈表示码观测噪声;而R则表示接收机与卫星之间的实际距离(m),
通过式(1)-(2),解算获取GPS接收机坐标zk。
6.根据权利要求5所述的监测方法,其特征在于,所述步骤S3,具体为:
S3.1:获取后验概率分布,并令zk=xk,由式(1)可得,系统xk的后验概率分布为:
其中,x0:k=[x0,…,xk]和y1:k=[y1,…,yk]分别表示粒子滤波器的状态和测量输出序列;
S3.3:状态预测、更新及权重归一化,对粒子滤波器,当k=1,2,…执行下述步骤:
S3.4:通过鸽群算法进行粒子优化,具体步骤为:
S3.4.1:计算有效粒子数,按照式(6)计算有效粒子数,
其中Neff表示有效粒子数,[·]表示取整符号;
S3.4.3:计算阈值,将第Neff个粒子的权重设置为阈值WT:
S3.4.5:交叉操作,对小权重粒子进行交叉操作:
其中lS=1,…,NS,lH=1,…,NH,参数因子选取为α∈[0,1];
S3.4.6:利用鸽群算法优化例子状态及权重,具体如下:
S3.4.6.1:初始化,设置最大迭代次数kpmax,初始化计数器kp;
S3.4.6.2:设置适应度函数:
fitness=exp(-(ynew-ypre)2/Rm), (10)
其中,ynew为最新的测量值,ypre为预测的测量值,Rm为方差测量噪声;
S3.4.6.3:对粒子进行地图和指南针算子操作:
其中向量ηj=[ηj1,…,ηjD],νj=[νj1,…,νjD],R为地图和指南针因数取值范围为0~1;rand是0~1的随机数;ηgbest是Nc-1次迭代循环结束后通过比较所有粒子的位置得到的集群全局最优位置;
S3.4.6.4:对粒子进行地标算子操作:
S3.4.6.5:判断是否达到最大迭代次数或适应度函数小于阈值,若是,则停止优化,并输出鸽群算法优化后的粒子状态及归一化权重;若否,则迭代次数kp=kp+1,且返回S3.4.6.2;
S3.5:通过式(6)计算有效粒子数,并将有效粒子数与预先设定的阈值Nthres进行比较,若满足(6)<Nthres,则进行重采样操作;否则直接执行步骤S3.6;
S3.6:粒子滤波器状态估计,按式(16)估计GPS接收机系统状态,
S3.7:令k=k+1,并跳转至步骤S3.3,直至最大迭代数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110747918.2A CN113419255B (zh) | 2021-07-02 | 2021-07-02 | 一种gps接收机自主完好性监测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110747918.2A CN113419255B (zh) | 2021-07-02 | 2021-07-02 | 一种gps接收机自主完好性监测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113419255A true CN113419255A (zh) | 2021-09-21 |
CN113419255B CN113419255B (zh) | 2023-09-26 |
Family
ID=77720001
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110747918.2A Active CN113419255B (zh) | 2021-07-02 | 2021-07-02 | 一种gps接收机自主完好性监测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113419255B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104502922A (zh) * | 2014-12-09 | 2015-04-08 | 沈阳航空航天大学 | 一种神经网络辅助粒子滤波的gps接收机自主完好性监测方法 |
CN111623800A (zh) * | 2020-06-10 | 2020-09-04 | 北京空间飞行器总体设计部 | 一种低轨遥感卫星导航定位系统多级健康状态获取方法 |
CN111708054A (zh) * | 2020-06-16 | 2020-09-25 | 沈阳航空航天大学 | 基于粒子群优化算法的araim垂直保护级优化方法 |
US20200348422A1 (en) * | 2019-05-01 | 2020-11-05 | Swift Navigation, Inc. | Systems and methods for high-integrity satellite positioning |
US20210033735A1 (en) * | 2019-08-01 | 2021-02-04 | Swift Navigation, Inc. | System and method for gaussian process enhanced gnss corrections generation |
CN112558115A (zh) * | 2020-11-30 | 2021-03-26 | 中航机载系统共性技术有限公司 | 一种基于自适应bfo-pso改进粒子滤波的卫星raim监测方法 |
-
2021
- 2021-07-02 CN CN202110747918.2A patent/CN113419255B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104502922A (zh) * | 2014-12-09 | 2015-04-08 | 沈阳航空航天大学 | 一种神经网络辅助粒子滤波的gps接收机自主完好性监测方法 |
US20200348422A1 (en) * | 2019-05-01 | 2020-11-05 | Swift Navigation, Inc. | Systems and methods for high-integrity satellite positioning |
US20210033735A1 (en) * | 2019-08-01 | 2021-02-04 | Swift Navigation, Inc. | System and method for gaussian process enhanced gnss corrections generation |
CN111623800A (zh) * | 2020-06-10 | 2020-09-04 | 北京空间飞行器总体设计部 | 一种低轨遥感卫星导航定位系统多级健康状态获取方法 |
CN111708054A (zh) * | 2020-06-16 | 2020-09-25 | 沈阳航空航天大学 | 基于粒子群优化算法的araim垂直保护级优化方法 |
CN112558115A (zh) * | 2020-11-30 | 2021-03-26 | 中航机载系统共性技术有限公司 | 一种基于自适应bfo-pso改进粒子滤波的卫星raim监测方法 |
Non-Patent Citations (1)
Title |
---|
王尔申;庞涛;曲萍萍;张芝贤;: "基于粒子滤波和似然比的接收机自主完好性监测算法", 南京航空航天大学学报, no. 01 * |
Also Published As
Publication number | Publication date |
---|---|
CN113419255B (zh) | 2023-09-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR102479956B1 (ko) | 전역 항법 위성 시스템을 위한 다중 위성 측정 실패 검출 및 분리의 방법 | |
US10197678B1 (en) | H-ARAIM system of optimizing a horizontal protection level | |
WO2021022251A1 (en) | System and method for gaussian process enhanced gnss corrections generation | |
CN109359270B (zh) | 北斗地基增强系统完好性风险监测的阈值模型建立方法 | |
CN110007317B (zh) | 一种选星优化的高级接收机自主完好性监测方法 | |
CN113670337B (zh) | 一种用于gnss/ins组合导航卫星缓变故障检测方法 | |
WO2023134666A1 (zh) | 终端定位方法、装置、设备以及介质 | |
CN114966762B (zh) | 一种gnss/ins紧组合导航系统的故障检测方法 | |
CN109061683B (zh) | 一种优化水平保护级的h-araim系统 | |
KR20110125803A (ko) | 비행체 위치 추적 자료 융합 장치 및 이를 이용한 융합 방법 | |
US9298532B2 (en) | Device and method for determining a physical quantity | |
CN112230247A (zh) | 一种用于城市复杂环境下gnss完好性监测方法 | |
CN108469609B (zh) | 一种用于雷达目标跟踪的检测信息滤波方法 | |
CN112526563B (zh) | 一种gnss信号质量监测方法及系统 | |
CN113419255A (zh) | 一种gps接收机自主完好性监测方法 | |
CN116859415A (zh) | 一种快速稳健高精度的多故障卫星识别及定位方法 | |
CN115561782B (zh) | 一种基于奇偶矢量投影的组合导航中卫星故障检测方法 | |
CN117111107A (zh) | Gnss故障信号检测与排除方法、系统、设备及介质 | |
CN112558115B (zh) | 一种基于自适应bfo-pso改进粒子滤波的卫星raim监测方法 | |
CN112526549B (zh) | 一种地基增强系统完好性故障识别方法及系统 | |
CN111580136B (zh) | 一种接收机自主完好性故障检测方法 | |
CN113917506A (zh) | 模糊度固定方法、装置、电子设备及自动驾驶设备 | |
CN115134016B (zh) | 一种基于麻雀搜索算法的araim子集优化方法 | |
CN115290013B (zh) | 一种基于北斗的高危陡坡形变监测数据处理方法 | |
RU198994U1 (ru) | Устройство определения факта искажения навигационного поля и идентификации помехового воздействия на приемник роботизированного беспилотного летательного аппарата |
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 |