CN115390099B - 基于奇偶矢量投影的最大值联合卡方故障排除方法 - Google Patents

基于奇偶矢量投影的最大值联合卡方故障排除方法 Download PDF

Info

Publication number
CN115390099B
CN115390099B CN202211330566.1A CN202211330566A CN115390099B CN 115390099 B CN115390099 B CN 115390099B CN 202211330566 A CN202211330566 A CN 202211330566A CN 115390099 B CN115390099 B CN 115390099B
Authority
CN
China
Prior art keywords
fault
satellite
vector
star
observable
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
CN202211330566.1A
Other languages
English (en)
Other versions
CN115390099A (zh
Inventor
薛瑞
周悦
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.)
Beihang University
Original Assignee
Beihang University
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 Beihang University filed Critical Beihang University
Priority to CN202211330566.1A priority Critical patent/CN115390099B/zh
Publication of CN115390099A publication Critical patent/CN115390099A/zh
Application granted granted Critical
Publication of CN115390099B publication Critical patent/CN115390099B/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
    • G01S19/20—Integrity monitoring, fault detection or fault isolation of space segment
    • 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
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Physics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Computational Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Remote Sensing (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Algebra (AREA)
  • Databases & Information Systems (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computing Systems (AREA)
  • Computer Security & Cryptography (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Operations Research (AREA)
  • Probability & Statistics with Applications (AREA)
  • Position Fixing By Use Of Radio Waves (AREA)

Abstract

本发明涉及一种基于奇偶矢量投影的最大值联合卡方故障排除方法，包括以下步骤：在卫星定位过程中检测出导航卫星故障；基于可观测卫星的伪距残差计算奇偶矢量；所述奇偶矢量中保留了测量噪声和卫星故障量的相关信息；计算出能反映每颗可观测卫星故障可能性的奇偶矢量的投影；并基于奇偶矢量投影的长度确定出疑似故障星；建立排除疑似故障星后由剩余可见星伪距残差构成的最大值联合卡方识别量；并将最小卡方识别量对应的卫星识别为故障星，标记后进行排除。本发明可以有效降低计算量，保证实时性的同时提高多故障下的识别率。

Description

基于奇偶矢量投影的最大值联合卡方故障排除方法
技术领域
本发明属于导航系统中先进接收机自主完好性监视技术处理领域，具体涉及一种基于奇偶矢量投影的最大值联合卡方故障排除方法。
背景技术
全球卫星导航系统（GNSS）由于其全天候，全球性，精度高的优点而受到了广泛的应用。然而，GNSS容易受到多种误差因素的影响，导致定位严重偏离真实位置，从而产生不同程度的安全风险。因此，保证导航信息的可信是确保低安全风险的前提。导航信息的可信水平定义为完好性，是指当定位误差超过所允许的界限时及时告警的能力。
先进接收机自主完好性监视（ARAIM）作为一种先进的全球导航卫星完好性监视技术，基本原理是利用冗余观测量，对来自多颗卫星的观测量进行一致性检验。判断系统有无故障，实时检测和排除故障源并告警。为了保证导航系统的连续性，可用性，当检测到卫星导航系统的故障后，需要及时排除。故障检测是在整体上判断系统有无故障，故障识别和排除是识别具体的故障星并进行排除。无论是RAIM还是ARAIM，关于故障识别的基本原理都是为每个故障星算一个故障识别量，识别量越大或者越小约有可能为故障星。近些年来，随着卫星导航星座的建设，越来越多卫星投入使用，多故障情况不容忽视。而，RAIM只能识别单故障，ARAIM则可以识别多故障，但是在多故障识别时计算量大，尤其是在可用卫星数量多时，会影响系统的实时性。
并且，现有的ARAIM里的故障识别算法也是基于多假设解分离（MHSS），故障识别的基本原理是采用层次遍历法，当检测到系统有故障后，逐一排除一颗可见星后利用剩余的可见星重复进行故障检测，直到找到一个不产生故障报警的卫星子集组。在进行单故障识别时，需要排除一颗可见星对剩余n-1颗可见星子集进行故障检测，而故障检测的流程也是逐一排除可见星；在多故障识别时，则需要继续对n-2颗可见星进行检测。当卫星数量多时，计算量大，时间复杂度高，无法保证系统的实时性。并且，在多故障情况下由于卫星几何结构的原因，故障量不大时本身不容易一次就准确识别，会出现一定的误排除情况。
发明内容
鉴于上述的分析，本发明旨在公开了一种基于奇偶矢量投影的最大值联合卡方故障排除方法，用于在导航定位接收机定位过程中解决故障卫星的排除问题。
本发明公开了一种基于奇偶矢量投影的最大值联合卡方故障排除方法，包括以下步骤：
在卫星定位过程中检测出导航卫星故障；
基于可观测卫星的伪距残差计算奇偶矢量；所述奇偶矢量中保留了测量噪声和卫星故障量的相关信息；
计算出能反映每颗可观测卫星故障可能性的奇偶矢量的投影；并基于奇偶矢量投影的长度确定出疑似故障星；
建立排除疑似故障星后由剩余可见星伪距残差构成的最大值联合卡方识别量；并将与最小卡方识别量对应的卫星识别为故障星，标记后进行排除。
进一步地，所述奇偶矢量为伪距残差在几何矩阵G的奇偶空间O上的投影；所述几何矩阵G由接收机和可观测卫星之间视线方向上的单位矢量构成；奇偶空间O为几何矩阵G左零空间。
进一步地，所述奇偶矢量的计算方法，包括：
1）计算可观测卫星的伪距残差向量
Figure 747485DEST_PATH_IMAGE001
；
2）建立由接收机和可观测卫星之间视线方向上的单位矢量构成的原始的几何矩阵
Figure 64197DEST_PATH_IMAGE002
；
3）对原始的几何矩阵
Figure 913729DEST_PATH_IMAGE002
和伪距残差向量
Figure 606878DEST_PATH_IMAGE001
进行标准化得到标准化的几何矩阵
Figure 199534DEST_PATH_IMAGE002
和标准化的伪距残差向量
Figure 952726DEST_PATH_IMAGE003
；以及满足
Figure 83362DEST_PATH_IMAGE004
的奇偶空间O；
4）根据公式
Figure 314623DEST_PATH_IMAGE005
计算出奇偶矢量，所述
Figure 965047DEST_PATH_IMAGE006
为奇偶矢量。
进一步地，标准化的几何矩阵
Figure 623562DEST_PATH_IMAGE007
；标准化的伪距残差向量
Figure 241494DEST_PATH_IMAGE008
；
标准化的系数矩阵
Figure 276446DEST_PATH_IMAGE009
；
其中，
Figure 781377DEST_PATH_IMAGE010
的计算式为
Figure 876372DEST_PATH_IMAGE011
；
Figure 529070DEST_PATH_IMAGE012
表示第n颗卫星用户测距精度的标准差，
Figure 351401DEST_PATH_IMAGE013
表示第n颗卫星对流层误差标准差，
Figure 976417DEST_PATH_IMAGE014
表示多径和用户接收机噪声误差标准差。
进一步地，计算奇偶矢量的投影时，基于故障模式来计算与故障模式所对应的奇偶矢量投影；
所述故障模式包括单星故障模式和双星故障模式；
其中，单星故障模式为可观测卫星中只有一颗卫星出现故障；在单星故障模式中，一个卫星故障对应一种故障情况，n个可观测卫星对应n种故障情况；在每种故障情况中故障星的奇偶矢量投影为奇偶矢量在故障线上的投影；所述故障线为左零矩阵O上与故障星对应的列向量；
其中，双星故障模式为可观测卫星中有两颗卫星同时出现故障；在双星故障模式中，两颗卫星故障组成一种故障情况，n个可观测卫星对应
Figure 242314DEST_PATH_IMAGE015
种故障情况；每种故障情况中，故障星组的奇偶矢量投影为奇偶矢量在故障面上的投影；所述故障面为左零矩阵O上与故障星组两颗星对应的列向量所构成的面。
进一步地，在单星故障模式的第i种故障情况中，第i颗星为故障星对应的奇偶矢量投影为
Figure 54412DEST_PATH_IMAGE016
；其中，i=1,…,n；n为可观测卫星的数量；
Figure 937224DEST_PATH_IMAGE017
为左零矩阵O上的第i列；
Figure 416747DEST_PATH_IMAGE018
为列向量
Figure 853545DEST_PATH_IMAGE019
的一范数；
轮询所有故障情况的奇偶矢量投影的长度；选取长度最大的M种故障情况对应的M个卫星做为疑似故障星。
进一步地，在单星故障模式下，确定出疑似故障星后的故障星识别排除过程中，包括：
1）建立每颗疑似故障星对应的故障识别伪距残差向量；
将M种故障情况中，每种故障情况对应的疑似故障的可观测卫星排除后，将剩余可观测卫星的残差构成列向量
Figure 418518DEST_PATH_IMAGE020
，m=1,…,M；
2）利用故障识别伪距残差向量建立最大值联合卡方识别量；
利用公式
Figure 582652DEST_PATH_IMAGE021
建立最大值联合卡方识别量；
3）将与
Figure 978999DEST_PATH_IMAGE022
对应的可观测卫星识别为故障星，标记后进行排除。
进一步地，在双星故障模式的第l种故障情况中，第l组为故障星组对应的奇偶矢量投影为
Figure 586697DEST_PATH_IMAGE023
；其中，
Figure 638967DEST_PATH_IMAGE024
；
Figure 357524DEST_PATH_IMAGE025
，一个l的值对应一个jk组合；n为可观测卫星的数量；
Figure 795328DEST_PATH_IMAGE026
为左零矩阵O上的第j、k列构成的向量平面；
轮询所有故障情况的奇偶矢量投影的长度；选取长度最大的M种故障情况对应的M组卫星做为疑似故障星。
进一步地，在双星故障模式下，确定出疑似故障星后的故障星识别排除过程中，包括：
1）建立每组疑似故障星对应的故障识别伪距残差向量；
将M种故障情况中，每种故障情况对应的两颗疑似故障的可观测卫星排除后，将剩余可观测卫星的残差构成列向量
Figure 573928DEST_PATH_IMAGE027
，m=1,…,M；
2）利用故障识别伪距残差向量建立最大值联合卡方识别量；
具体的，利用公式
Figure 113494DEST_PATH_IMAGE028
建立最大值联合卡方识别量；
3）将与
Figure 635742DEST_PATH_IMAGE022
对应的可观测卫星识别为故障星，标记后进行排除。
进一步地，在故障排除过程中，先进行单星故障模式的故障星故障识别和排除；在排除对应的故障星后的卫星定位过程中仍然检测到导航卫星故障时，则启动双星故障模式的故障排除。
本发明可实现以下有益效果之一：
1.更少的计算量。与ARAIM里传统的层次滤波的故障排除算法MHSS相比，本发明能够显著减少计算量，显著降低时间复杂度，保证系统的实时性。
2.更高的识别率。与传统方法相比，本发明采用最大值识别法，认为检验统计量最大的故障模式对应的星为故障星。在多故障情况下，选取最大的两组或三组为疑似故障组进行进一步卡方识别，提高了故障的识别效果。
3.更好的通用性。无论是单纯的卫星导航，还是组合导航，本方法都具有可用性，尤其是组合导航下，可以很大程度上提高故障的识别效果。
附图说明
附图仅用于示出具体实施例的目的，而并不认为是对本发明的限制，在整个附图中，相同的参考符号表示相同的部件；
图1为本发明实施例中的基于奇偶矢量投影的最大值联合卡方故障排除方方流程图。
具体实施方式
下面结合附图来具体描述本发明的优选实施例，其中，附图构成本申请一部分，并与本发明的实施例一起用于阐释本发明的原理。
本发明的一个实施例公开了一种基于奇偶矢量投影的最大值联合卡方故障排除方法，如图1所示，包括以下步骤：
步骤S1、在卫星定位过程中检测出导航卫星故障；
步骤S2、基于可观测卫星的伪距残差计算奇偶矢量；所述奇偶矢量中保留了测量噪声和卫星故障量的相关信息；
步骤S3、计算出能反映每颗可观测卫星故障可能性的奇偶矢量的投影；并基于奇偶矢量投影的长度确定出疑似故障星；
步骤S4、建立排除疑似故障星后由剩余可见星伪距残差构成的最大值联合卡方识别量；并将与最小卡方识别量对应的卫星识别为故障星，标记后进行排除。
具体的，导航卫星故障是指GNSS受到各种误差因素的影响而产生的建模未包括到的伪距上的非正常偏差。
在步骤S1中，故障检测通过判断定位误差是否超过设定的阈值，或者构建的检验统计量是否超过阈值实现。当检测出导航卫星故障时，如不能确定具体的故障星是哪一颗或哪几颗，并将故障卫星从导航接收机的定位过程中排除出去，则无法排除故障，因此，启动本实施例中故障排除方法，对故障卫星进行故障识别和排除。
在步骤S2中，所述奇偶矢量为伪距残差在几何矩阵G的奇偶空间O上的投影；所述几何矩阵G由接收机和可观测卫星之间视线方向上的单位矢量构成；奇偶空间O为几何矩阵G左零空间。
具体的，所述奇偶矢量的计算方法，包括：
1）计算可观测卫星的伪距残差向量
Figure 193631DEST_PATH_IMAGE029
；
接收机接收到n颗可观测卫星的信号，获得星历数据并依据星历计算卫星的卫星轨道位置，根据接收到的测距码可以计算出到k时刻的卫星的伪距观测值
Figure 939870DEST_PATH_IMAGE030
；通过最小二乘法或者组合导航中的滤波输出可以得到用户位置，由卫星和用户的位置可以得到对应时刻的伪距计算值
Figure 701153DEST_PATH_IMAGE031
。
可观测卫星的伪距残差向量
Figure 27092DEST_PATH_IMAGE032
为用户接收机的伪距观测值
Figure 924641DEST_PATH_IMAGE033
与最小二乘或根据组合导航滤波器输出位置计算的伪距计算值
Figure 297241DEST_PATH_IMAGE034
之间的差值，为n×1维向量，伪距残差向量具体计算方式如式
Figure 811399DEST_PATH_IMAGE035
2）建立由接收机和可观测卫星之间视线方向上的单位矢量构成的原始的几何矩阵
Figure 675450DEST_PATH_IMAGE036
；
原始的几何矩阵的具体计算方式参见公式：
Figure 693084DEST_PATH_IMAGE037
；
其中
Figure 499235DEST_PATH_IMAGE038
，
Figure 31848DEST_PATH_IMAGE039
，
Figure 434010DEST_PATH_IMAGE040
分别表示k时刻由星历得到的第n颗可见星的地心地固坐标系上的三个方向上的坐标，
Figure 571730DEST_PATH_IMAGE041
，
Figure 299515DEST_PATH_IMAGE042
，
Figure 506374DEST_PATH_IMAGE043
表示滤波器输出的用户的坐标，
Figure 712228DEST_PATH_IMAGE044
表示第n颗可见星与接收机的位置估计值之间的距离；
Figure 704454DEST_PATH_IMAGE045
；
几何矩阵
Figure 337561DEST_PATH_IMAGE046
前三列分别为卫星和用户接收机的视线方向上的x，y，z方向上的单位向量，第四列为接收机钟差相关系数。
3）对原始的几何矩阵
Figure 297296DEST_PATH_IMAGE047
和伪距残差向量
Figure 103578DEST_PATH_IMAGE001
进行标准化得到标准化的几何矩阵
Figure 950311DEST_PATH_IMAGE048
和标准化的伪距残差向量
Figure 19898DEST_PATH_IMAGE003
；以及满足
Figure 686503DEST_PATH_IMAGE049
的奇偶空间O；
由于不同伪距观测值之间有不同大小的测量误差，需要对每个伪距观测值都引入一个权重
Figure 751935DEST_PATH_IMAGE050
，权重
Figure 718754DEST_PATH_IMAGE050
为测距误差的标准差
Figure 693663DEST_PATH_IMAGE051
的倒数，不同测量值之间不相关，则进行标准化的加权矩阵是一个
Figure 378723DEST_PATH_IMAGE052
的对角阵。
标准化的加权矩阵
Figure 979337DEST_PATH_IMAGE053
；
其中，
Figure 800663DEST_PATH_IMAGE054
的计算式为
Figure 946473DEST_PATH_IMAGE055
；
Figure 853249DEST_PATH_IMAGE056
表示第n颗卫星用户测距精度的标准差，
Figure 257555DEST_PATH_IMAGE057
表示第n颗卫星对流层误差标准差，
Figure 589179DEST_PATH_IMAGE058
表示多径和用户接收机噪声误差标准差。
则，标准化的几何矩阵
Figure 171470DEST_PATH_IMAGE059
；
标准化的伪距残差向量
Figure 565542DEST_PATH_IMAGE060
。
4）奇偶矢量
Figure 55429DEST_PATH_IMAGE061
为伪距残差z在奇偶矩阵O上的投影，根据公式
Figure 306807DEST_PATH_IMAGE062
计算出奇偶矢量。
在本实施例中，观测到的伪距量包含三个部分：真实距离量、测量噪声和故障量；所述故障量为卫星故障造成的影响等效为伪距上的非正常偏差量。基于此，伪距残差可建模成如下模型
Figure 856737DEST_PATH_IMAGE063
；
其中X表示最小二乘法或者组合导航滤波中状态量的误差向量，误差向量包括三维位置和时间；V是观测噪声，f是故障量；将伪距残差z带入奇偶矢量
Figure 472526DEST_PATH_IMAGE064
；并保留了误差相关的信息得到，如下奇偶矢量表达式；
Figure 969366DEST_PATH_IMAGE065
；
从式中可推知，奇偶矢量中包含有故障量信息，通过奇偶矢量可以进行故障识别和排除。
在步骤S3中，计算出能反映每颗可观测卫星故障可能性的奇偶矢量的投影；时，是基于故障模式来计算与故障模式所对应的奇偶矢量投影；
在卫星定位过程中检测出导航卫星故障中一般为由一颗卫星故障引起单颗导航卫星故障或由两颗卫星故障引起的双星故障。同时出现更多颗卫星故障的可能性非常小，并且分析起来更加复杂，不在本发明的考虑范围内。
基于此，本实施例中，所述故障模式包括单星故障模式和双星故障模式；
其中，单星故障模式为可观测卫星中只有一颗卫星出现故障；在单星故障模式中，一个卫星故障对应一种故障情况，n个可观测卫星对应n种故障情况；在每种故障情况中故障星的奇偶矢量投影为奇偶矢量在故障线上的投影；所述故障线为左零矩阵O上与故障星对应的列向量；
其中，双星故障模式为可观测卫星中有两颗卫星同时出现故障；在双星故障模式中，两颗卫星故障组成一种故障情况，n个可观测卫星对应
Figure DEST_PATH_IMAGE067A
种故障情况；每种故障情况中，故障星组的奇偶矢量投影为奇偶矢量在故障面上的投影；所述故障面为左零矩阵O上与故障星组两颗星对应的列向量所构成的面。
具体的，步骤S3中，在单星故障模式的第i种故障情况中，第i颗星为故障星对应的奇偶矢量投影为
Figure 541162DEST_PATH_IMAGE068
；其中，i=1,…,n；n为可观测卫星的数量；
Figure 465256DEST_PATH_IMAGE069
为左零矩阵O上的第i列；
Figure 833920DEST_PATH_IMAGE070
为列向量
Figure 118140DEST_PATH_IMAGE071
的一范数；
轮询所有故障情况的奇偶矢量投影的长度；选取长度最大的M种故障情况对应的M个卫星做为疑似故障星。
所述M可根据具体的情况进行设置，例如设定为2或3，即选取长度最大的2或3种故障情况。下面以3中故障情况为例，举例介绍。
通过轮询所有故障情况的奇偶矢量投影的长度；进行投影长度的排序；选出3个最长的投影长度；
Figure 623070DEST_PATH_IMAGE072
；
其中
Figure 514803DEST_PATH_IMAGE073
；将这3个投影长度对应的导航卫星确定为疑似故障星。
在步骤S3中在单星故障模式下，确定出疑似故障星后，在步骤S4中，故障星识别排除过程中，包括：
1）建立每颗疑似故障星对应的故障识别伪距残差向量；
将M种故障情况中，每种故障情况对应的疑似故障的可观测卫星排除后，将剩余可观测卫星的残差构成列向量
Figure 105184DEST_PATH_IMAGE074
，m=1,…,M；
2）利用故障识别伪距残差向量建立最大值联合卡方识别量；
具体的，利用公式
Figure 943827DEST_PATH_IMAGE075
建立最大值联合卡方识别量；由于伪距残差服从卡方分布，因此
Figure 818111DEST_PATH_IMAGE076
服从卡方分布。由于进行故障识别过程中，是先根据最大值选疑似故障星，再计算服从卡方分布的识别量，所以本发明将该识别量命名为最大值联合卡方识别量。
3）将与
Figure 84008DEST_PATH_IMAGE077
对应的可观测卫星识别为故障星，标记后进行排除。
具体的，步骤S3中，在双星故障模式的第l种故障情况中，第l组为故障星组对应的奇偶矢量投影为
Figure 161685DEST_PATH_IMAGE078
；其中，
Figure 538440DEST_PATH_IMAGE079
；
Figure 281879DEST_PATH_IMAGE080
，一个l的值对应一个jk组合；n为可观测卫星的数量；
Figure 453097DEST_PATH_IMAGE081
为左零矩阵O上的第j、k列构成的向量平面。
轮询所有故障情况的奇偶矢量投影的长度；选取长度最大的M种故障情况对应的M组卫星做为疑似故障星。
例如，第2，3颗卫星故障时，对应的故障平面为
Figure 18071DEST_PATH_IMAGE082
，为矩阵O的第2，3列。该种故障情况下，奇偶矢量投影为奇偶矢量
Figure 198516DEST_PATH_IMAGE083
到故障平面为
Figure 594862DEST_PATH_IMAGE084
上的投影；如果其投影的长度为最大的M种故障情况，则由2，3颗卫星组成的卫星组为疑似故障星。
在步骤S3中在双星故障模式下，确定出疑似故障星后，在步骤S4中，故障星识别排除过程中，包括：
1）建立每组疑似故障星对应的故障识别伪距残差向量；
将M种故障情况中，每种故障情况对应的两颗疑似故障的可观测卫星排除后，将剩余可观测卫星的残差构成列向量
Figure 451829DEST_PATH_IMAGE085
，m=1,…,M；
2）利用故障识别伪距残差向量建立最大值联合卡方识别量；
具体的，利用公式
Figure 238519DEST_PATH_IMAGE086
建立最大值联合卡方识别量；由于伪距残差服从卡方分布，因此
Figure 222656DEST_PATH_IMAGE087
服从卡方分布。
3）将与
Figure 676771DEST_PATH_IMAGE088
对应的可观测卫星识别为故障星，标记后进行排除。
单故障识别和多故障识别在理论上是处于并行地位。但在具体的工程实践上，由于单故障发生的概率远大于多故障。因此在优选的方案中，进行故障排除时，
先进行单星故障模式的故障星故障识别和排除；在排除对应的故障星后的卫星定位过程中仍然检测到导航卫星故障时，则启动双星故障模式的故障排除。直到将所有的故障星排除后，实现更高的定位精度。
综上所述，本发明实施例具有以下有益效果：
1.更少的计算量。与ARAIM里传统的层次滤波的故障排除算法MHSS相比，本发明能够显著减少计算量，显著降低时间复杂度，保证系统的实时性。
2.更高的识别率。与传统方法相比，本发明采用最大值识别法，认为检验统计量最大的故障模式对应的星为故障星。在多故障情况下，选取最大的两组或三组为疑似故障组进行进一步卡方识别，提高了故障的识别效果。
3.更好的通用性。无论是单纯的卫星导航，还是组合导航，本方法都具有可用性，尤其是组合导航下，可以很大成都上提高故障的识别效果。
以上所述，仅为本发明较佳的具体实施方式，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。

Claims (7)

1.一种基于奇偶矢量投影的最大值联合卡方故障排除方法，其特征在于，包括以下步骤：
在卫星定位过程中检测出导航卫星故障；
所述导航卫星故障为由一颗卫星故障引起单颗导航卫星故障或由两颗卫星故障引起的双星故障；
基于可观测卫星的伪距残差计算奇偶矢量；所述奇偶矢量中保留了测量噪声和卫星故障量的相关信息；计算出能反映每颗可观测卫星故障可能性的奇偶矢量的投影；并基于奇偶矢量投影的长度确定出疑似故障星；
建立排除疑似故障星后由剩余可见星伪距残差构成的最大值联合卡方识别量；并将与最小的最大值联合卡方识别量对应的卫星识别为故障星，标记后进行排除；
所述奇偶矢量为伪距残差在几何矩阵G的奇偶空间O上的投影；所述几何矩阵G由接收机和可观测卫星之间视线方向上的单位矢量构成；奇偶空间O为几何矩阵G左零空间；
所述奇偶矢量的计算方法，包括：
1）计算可观测卫星的伪距残差向量
Figure DEST_PATH_IMAGE002
；
可观测卫星的伪距残差向量
Figure DEST_PATH_IMAGE003
为用户接收机的伪距观测值
Figure DEST_PATH_IMAGE005
与根据组合导航滤波器输出位置计算的伪距计算值
Figure DEST_PATH_IMAGE007
之间的差值；
2）建立由接收机和可观测卫星之间视线方向上的单位矢量构成的原始的几何矩阵
Figure DEST_PATH_IMAGE009
；
原始的几何矩阵
Figure DEST_PATH_IMAGE010
的具体计算方式为：
Figure DEST_PATH_IMAGE012
；
其中，
Figure DEST_PATH_IMAGE014
，
Figure DEST_PATH_IMAGE016
，
Figure DEST_PATH_IMAGE018
分别表示k时刻由星历得到的第n颗可见星的地心地固坐标系上的三个方向上的坐标，
Figure DEST_PATH_IMAGE020
，
Figure DEST_PATH_IMAGE022
，
Figure DEST_PATH_IMAGE024
表示组合导航滤波器输出的用户的位置坐标，
Figure DEST_PATH_IMAGE026
表示第n颗可见星与接收机的位置估计值之间的距离；
3）对原始的几何矩阵
Figure DEST_PATH_IMAGE027
和伪距残差向量
Figure DEST_PATH_IMAGE028
进行标准化得到标准化的几何矩阵
Figure DEST_PATH_IMAGE030
和标准化的伪距残差向量
Figure DEST_PATH_IMAGE032
；以及满足
Figure DEST_PATH_IMAGE034
的奇偶空间O；
标准化的几何矩阵
Figure DEST_PATH_IMAGE036
；标准化的伪距残差向量
Figure DEST_PATH_IMAGE038
；
标准化的系数矩阵
Figure DEST_PATH_IMAGE040
；
其中，
Figure DEST_PATH_IMAGE042
的计算式为
Figure DEST_PATH_IMAGE044
；
Figure DEST_PATH_IMAGE046
表示第n颗卫星用户测距精度的标准差，
Figure DEST_PATH_IMAGE048
表示第n颗卫星对流层误差标准差，
Figure DEST_PATH_IMAGE050
表示多径和用户接收机噪声误差标准差；
4）奇偶矢量
Figure DEST_PATH_IMAGE052
为伪距残差z在奇偶矩阵O上的投影，根据公式
Figure DEST_PATH_IMAGE054
计算出奇偶矢量。
2.根据权利要求1所述的最大值联合卡方故障排除方法，其特征在于，
计算奇偶矢量的投影时，基于故障模式来计算与故障模式所对应的奇偶矢量投影；
所述故障模式包括单星故障模式和双星故障模式；
其中，单星故障模式为可观测卫星中只有一颗卫星出现故障；在单星故障模式中，一个卫星故障对应一种故障情况，n个可观测卫星对应n种故障情况；在每种故障情况中故障星的奇偶矢量投影为奇偶矢量在故障线上的投影；所述故障线为左零矩阵O上与故障星对应的列向量；
其中，双星故障模式为可观测卫星中有两颗卫星同时出现故障；在双星故障模式中，两颗卫星故障组成一种故障情况，n个可观测卫星对应
Figure DEST_PATH_IMAGE056
种故障情况；每种故障情况中，故障星组的奇偶矢量投影为奇偶矢量在故障面上的投影；所述故障面为左零矩阵O上与故障星组两颗星对应的列向量所构成的面。
3.根据权利要求2所述的最大值联合卡方故障排除方法，其特征在于，
在单星故障模式的第i种故障情况中，第i颗星为故障星对应的奇偶矢量投影为
Figure DEST_PATH_IMAGE058
；其中，i=1,…,n；n为可观测卫星的数量；
Figure DEST_PATH_IMAGE060
为左零矩阵O上的第i列；
Figure DEST_PATH_IMAGE062
为列向量
Figure DEST_PATH_IMAGE063
的一范数；
轮询所有故障情况的奇偶矢量投影的长度；选取长度最大的M种故障情况对应的M个卫星作为疑似故障星。
4.根据权利要求3所述的最大值联合卡方故障排除方法，其特征在于，
在单星故障模式下，确定出疑似故障星后的故障星识别排除过程中，包括：
1）建立每颗疑似故障星对应的故障识别伪距残差向量；
将M种故障情况中，每种故障情况对应的疑似故障的可观测卫星排除后，将剩余可观测卫星的伪距残差构成列向量
Figure DEST_PATH_IMAGE065
，m=1,…,M；
2）利用故障识别伪距残差向量建立最大值联合卡方识别量；
利用公式
Figure DEST_PATH_IMAGE067
建立最大值联合卡方识别量；
3）将与
Figure DEST_PATH_IMAGE069
对应的可观测卫星识别为故障星，标记后进行排除。
5.根据权利要求2所述的最大值联合卡方故障排除方法，其特征在于，
在双星故障模式的第l种故障情况中，第l组为故障星组对应的奇偶矢量投影为
Figure DEST_PATH_IMAGE071
；其中，
Figure DEST_PATH_IMAGE073
；
Figure DEST_PATH_IMAGE075
，一个l的值对应一个jk组合；n为可观测卫星的数量；
Figure DEST_PATH_IMAGE077
为左零矩阵O上的第j、k列构成的向量平面；
轮询所有故障情况的奇偶矢量投影的长度；选取长度最大的M种故障情况对应的M组卫星作为疑似故障星。
6.根据权利要求5所述的最大值联合卡方故障排除方法，其特征在于，在双星故障模式下，确定出疑似故障星后的故障星识别排除过程中，包括：
1）建立每组疑似故障星对应的故障识别伪距残差向量；
将M种故障情况中，每种故障情况对应的两颗疑似故障的可观测卫星排除后，将剩余可观测卫星的伪距残差构成列向量
Figure DEST_PATH_IMAGE078
，m=1,…,M；
2）利用故障识别伪距残差向量建立最大值联合卡方识别量；
具体的，利用公式
Figure DEST_PATH_IMAGE079
建立最大值联合卡方识别量；
3）将与
Figure DEST_PATH_IMAGE080
对应的可观测卫星识别为故障星，标记后进行排除。
7.根据权利要求2-6任一项所述的最大值联合卡方故障排除方法，其特征在于，
在故障排除过程中，先进行单星故障模式的故障星故障识别和排除；在排除对应的故障星后的卫星定位过程中仍然检测到导航卫星故障时，则启动双星故障模式的故障排除。
CN202211330566.1A 2022-10-28 2022-10-28 基于奇偶矢量投影的最大值联合卡方故障排除方法 Active CN115390099B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211330566.1A CN115390099B (zh) 2022-10-28 2022-10-28 基于奇偶矢量投影的最大值联合卡方故障排除方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211330566.1A CN115390099B (zh) 2022-10-28 2022-10-28 基于奇偶矢量投影的最大值联合卡方故障排除方法

Publications (2)

Publication Number Publication Date
CN115390099A CN115390099A (zh) 2022-11-25
CN115390099B true CN115390099B (zh) 2023-02-03

Family

ID=84115279

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211330566.1A Active CN115390099B (zh) 2022-10-28 2022-10-28 基于奇偶矢量投影的最大值联合卡方故障排除方法

Country Status (1)

Country Link
CN (1) CN115390099B (zh)

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101806903B (zh) * 2010-04-01 2012-09-05 北京航空航天大学 一种用于卫星导航系统的接收机自主完好性监测方法
CN102901971B (zh) * 2012-09-27 2014-05-14 电子科技大学 基于奇偶矢量法的双星故障识别方法
CN104267415B (zh) * 2014-09-23 2016-10-05 北京航空航天大学 基于贝叶斯决策的故障识别方法及装置
CN106707304A (zh) * 2016-12-23 2017-05-24 天津七六四通信导航技术有限公司 一种卫星导航接收机故障星检测方法

Also Published As

Publication number Publication date
CN115390099A (zh) 2022-11-25

Similar Documents

Publication Publication Date Title
US6166683A (en) System and method for high-integrity detection and correction of cycle slip in a carrier phase-related system
CN110007317B (zh) 一种选星优化的高级接收机自主完好性监测方法
US5917445A (en) GPS multipath detection method and system
Castaldo et al. P‐RANSAC: An Integrity Monitoring Approach for GNSS Signal Degraded Scenario
EP1660903A2 (en) Method for receiver autonomous integrity monitoring and fault detection and elimination
CN110927757B (zh) 卫星观测数据的质控方法、装置及定位装置
US20230018631A1 (en) System and method for satellite positioning
CN109307876B (zh) 一种适用于gnss矢量跟踪的自主完好性监测方法
CN111427068B (zh) 一种动对动平台局域增强卫星a类星历故障完好性监测方法
CN109031356B (zh) 特征斜率加权的最小二乘残差接收机自主完好性监测方法
CN112230247B (zh) 一种用于城市复杂环境下gnss完好性监测方法
CN115420284B (zh) 一种组合导航系统故障检测与识别方法
CN111965668A (zh) 一种面向卫星多故障的raim方法
JIANG et al. A robust fault detection algorithm for the GNSS/INS integrated navigation systems
CN105511481A (zh) 一种星载定轨优化方法
CN114417552A (zh) 一种模糊度确认方法、存储介质以及电子设备
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
CN114152958A (zh) 一种基于多数据源的机载卫星导航欺骗式干扰检测方法
CN116859415A (zh) 一种快速稳健高精度的多故障卫星识别及定位方法
CN115390099B (zh) 基于奇偶矢量投影的最大值联合卡方故障排除方法
CN113341438B (zh) 一种基于粗差反解的多星故障识别方法及系统
CN112083463A (zh) 模糊度是否固定正确的检测方法及装置、定位终端
CN110907953B (zh) 一种卫星故障识别方法、装置及软件接收机
CN113848570A (zh) 基于非高斯分布的自适应实时多径消除及抗差定位方法
Ni et al. An improved RAIM scheme for processing multiple outliers in GNSS

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