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 PDF

Info

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
Application number
CN202110747918.2A
Other languages
English (en)
Other versions
CN113419255B (zh
Inventor
田川
牟明
王闯
陆敏敏
于沛
许政�
郭强
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.)
Avic Airborne System General Technology Co Ltd
Original Assignee
Avic Airborne System General Technology Co Ltd
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 Avic Airborne System General Technology Co Ltd filed Critical Avic Airborne System General Technology Co Ltd
Priority to CN202110747918.2A priority Critical patent/CN113419255B/zh
Publication of CN113419255A publication Critical patent/CN113419255A/zh
Application granted granted Critical
Publication of CN113419255B publication Critical patent/CN113419255B/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

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

一种GPS接收机自主完好性监测方法
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：
Figure BDA0003144998420000031
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：
Figure BDA0003144998420000041
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；
S3.2：粒子滤波器的粒子初始化，通过式(1)的动态方程，以p(x0)的先验概率密度分布进行采样，采样得到初始化粒子
Figure BDA0003144998420000042
其中N为随机样本数；
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：
S3.3.1：状态预测，以概率密度
Figure BDA0003144998420000043
进行采样，获取粒子
Figure BDA0003144998420000044
S3.3.2：状态更新及归一化，如下式(5)更新和计算粒子滤波器的归一化权重，并将粒子设为
Figure BDA0003144998420000045
Figure BDA0003144998420000046
其中，
Figure BDA0003144998420000047
为粒子滤波器自带权重
Figure BDA0003144998420000048
的归一化值；
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，
Figure BDA0003144998420000049
其中Neff表示有效粒子数，[·]表示取整符号；
S3.4.2：权重排序，将权重
Figure BDA00031449984200000410
按降序排序,并存入
Figure BDA00031449984200000411
中：
Figure BDA00031449984200000412
S3.4.3：计算阈值，将第Neff个粒子的权重设置为阈值WT：
Figure BDA00031449984200000413
S3.4.4：分类存入不同集合，将粒子
Figure BDA0003144998420000051
按照如下式(8)划分为小权重粒子
Figure BDA0003144998420000052
和大权重粒子
Figure BDA0003144998420000053
其中lS＝1,…,NS，lH＝1,…,NH，并将粒子分别存入CS和CL两个粒子集合中，
Figure BDA0003144998420000054
S3.4.5：交叉操作，对小权重粒子进行交叉操作：
Figure BDA0003144998420000055
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：
Figure BDA0003144998420000056
Figure BDA0003144998420000057
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：
Figure BDA0003144998420000058
Figure BDA0003144998420000059
Figure BDA00031449984200000510
其中
Figure BDA0003144998420000061
为第m代的鸽群数目，ηc是剩余粒子的中心位置作为地标使用；
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，
Figure BDA0003144998420000062
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，
Figure BDA0003144998420000063
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：
Figure BDA0003144998420000064
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；
S5.3，故障隔离，根据故障报警，对于时刻k>ta，其中ta为故障报警时刻，通过比较subn的累加LLR,获取Q颗卫星中
Figure BDA0003144998420000065
最大的子集，进行故障隔离。
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：
Figure BDA0003144998420000081
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：
Figure BDA0003144998420000091
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；
S3.2：粒子滤波器的粒子初始化，通过式(1)的动态方程，以p(x0)的先验概率密度分布进行采样，采样得到初始化粒子
Figure BDA0003144998420000092
其中N为随机样本数，这里令N＝800；
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：
S3.3.1：状态预测，以概率密度
Figure BDA0003144998420000093
进行采样，获取粒子
Figure BDA0003144998420000094
S3.3.2：状态更新及归一化，如下式(5)更新和计算粒子滤波器的归一化权重，并将粒子设为
Figure BDA0003144998420000095
Figure BDA0003144998420000096
其中，
Figure BDA0003144998420000097
为粒子滤波器自带权重
Figure BDA0003144998420000098
的归一化值；
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，
Figure BDA0003144998420000099
其中Neff表示有效粒子数，[·]表示取整符号；
S3.4.2：权重排序，将权重
Figure BDA00031449984200000910
按降序排序,并存入
Figure BDA00031449984200000911
中：
Figure BDA00031449984200000912
S3.4.3：计算阈值，将第Neff个粒子的权重设置为阈值WT：
Figure BDA00031449984200000913
S3.4.4：分类存入不同集合，将粒子
Figure BDA00031449984200000914
按照如下式(8)划分为小权重粒子
Figure BDA00031449984200000915
和大权重粒子
Figure BDA00031449984200000916
其中lS＝1,…,NS，lH＝1,…,NH，并将粒子分别存入CS和CL两个粒子集合中，
Figure BDA0003144998420000101
S3.4.5：交叉操作，对小权重粒子进行交叉操作：
Figure BDA0003144998420000102
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：
Figure BDA0003144998420000103
Figure BDA0003144998420000104
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：
Figure BDA0003144998420000105
Figure BDA0003144998420000106
Figure BDA0003144998420000107
其中
Figure BDA0003144998420000108
为第m代的鸽群数目，ηc是剩余粒子的中心位置作为地标使用；
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，
Figure BDA0003144998420000111
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，
Figure BDA0003144998420000112
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：
Figure BDA0003144998420000113
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；
S5.3，故障隔离：根据故障报警，对于时刻k>ta，其中ta为故障报警时刻，通过比较subn的累加LLR,获取Q颗卫星中
Figure BDA0003144998420000114
最大的子集，进行故障隔离。
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。
5.根据权利要求4所述的监测方法，其特征在于，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：
Figure FDA0003144998410000021
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。
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：
Figure FDA0003144998410000022
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；
S3.2：粒子滤波器的粒子初始化，通过式(1)的动态方程，以p(x0)的先验概率密度分布进行采样，采样得到初始化粒子
Figure FDA0003144998410000023
其中N为随机样本数；
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：
S3.3.1：状态预测，以概率密度
Figure FDA0003144998410000031
进行采样，获取粒子
Figure FDA0003144998410000032
S3.3.2：状态更新及归一化，如下式(5)更新和计算粒子滤波器的归一化权重，并将粒子设为
Figure FDA0003144998410000033
Figure FDA0003144998410000034
其中，
Figure FDA0003144998410000035
为粒子滤波器自带权重wk i的归一化值；
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，
Figure FDA0003144998410000036
其中Neff表示有效粒子数，[·]表示取整符号；
S3.4.2：权重排序，将权重
Figure FDA0003144998410000037
按降序排序,并存入
Figure FDA0003144998410000038
中：
Figure FDA0003144998410000039
S3.4.3：计算阈值，将第Neff个粒子的权重设置为阈值WT：
Figure FDA00031449984100000310
S3.4.4：分类存入不同集合，将粒子
Figure FDA00031449984100000311
按照如下式(8)划分为小权重粒子
Figure FDA00031449984100000312
和大权重粒子
Figure FDA00031449984100000313
其中lS＝1,…,NS，lH＝1,…,NH，并将粒子分别存入CS和CL两个粒子集合中，
Figure FDA00031449984100000314
S3.4.5：交叉操作，对小权重粒子进行交叉操作：
Figure FDA00031449984100000315
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：
Figure FDA0003144998410000041
Figure FDA0003144998410000042
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：
Figure FDA0003144998410000043
Figure FDA0003144998410000044
Figure FDA0003144998410000045
其中
Figure FDA0003144998410000046
为第m代的鸽群数目，ηc是剩余粒子的中心位置作为地标使用；
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，
Figure FDA0003144998410000047
S3.7：令k＝k+1，并跳转至步骤S3.3，直至最大迭代数。
7.根据权利要求6所述的监测方法，其特征在于，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，
Figure FDA0003144998410000051
根据式(17)对GPS接收机建立LLR检验统计量。
8.根据权利要求7所述的监测方法，其特征在于，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：
Figure FDA0003144998410000052
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；
S5.3，故障隔离，根据故障报警，对于时刻k>ta，其中ta为故障报警时刻，通过比较subn的累加LLR,获取Q颗卫星中
Figure FDA0003144998410000053
最大的子集，进行故障隔离。
CN202110747918.2A 2021-07-02 2021-07-02 一种gps接收机自主完好性监测方法 Active CN113419255B (zh)

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)

* Cited by examiner, † Cited by third party
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

Patent Citations (6)

* Cited by examiner, † Cited by third party
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)

* Cited by examiner, † Cited by third party
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