CN115561782B - 一种基于奇偶矢量投影的组合导航中卫星故障检测方法 - Google Patents

一种基于奇偶矢量投影的组合导航中卫星故障检测方法 Download PDF

Info

Publication number
CN115561782B
CN115561782B CN202211459127.0A CN202211459127A CN115561782B CN 115561782 B CN115561782 B CN 115561782B CN 202211459127 A CN202211459127 A CN 202211459127A CN 115561782 B CN115561782 B CN 115561782B
Authority
CN
China
Prior art keywords
fault
satellite
matrix
visible
vector
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
CN202211459127.0A
Other languages
English (en)
Other versions
CN115561782A (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 CN202211459127.0A priority Critical patent/CN115561782B/zh
Publication of CN115561782A publication Critical patent/CN115561782A/zh
Application granted granted Critical
Publication of CN115561782B publication Critical patent/CN115561782B/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组合导航中卫星故障检测方法，包括以下步骤：在组合导航系统中，采用伪距观测量为观测数据进行卡尔曼滤波得到滤波新息；所述滤波新息为可见星的伪距残差；根据可见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；在选定卫星故障模式下，计算各故障情况的奇偶矢量投影作为故障检验统计量；判断选定卫星故障模式下计算的故障检验统计量最大值是否超过故障检测阈值；否，则卫星系统完好；是，则存在卫星故障。本发明在进行故障检测时具有更少的计算量、更高的检测灵敏度，更少的误检概率。

Description

一种基于奇偶矢量投影的组合导航中卫星故障检测方法
技术领域
本发明属于卫星导航技术领域，具体涉及一种基于奇偶矢量投影的组合导航中卫星故障检测方法。
背景技术
卫星导航系统在运行中需要满足四个性能需求，精度，完好性，可用性，连续性。将卫星导航系统与惯性导航系统结合起来可以弥补两种导航方式的不足，实现更高精度的导航。卫星导航系统可以用于修正惯导，避免惯导的误差累积，而惯导不受环境因素影响，可以在卫星导航信号被树木或建筑物等遮挡时继续进行定位。利用不同的耦合方式将接收机接收到的卫星信号和惯导输出的信号进行卡尔曼滤波融合，可以实现更高精度的定位。
先进接收机自主完好性监视（ARAIM）是一种多频多星座全球导航卫星系统完好性技术，通过对来自多颗卫星的导航信号进行一致性检验，接收机可以自主的实现对导航信号的增强，来满足一些高性能需求领域对完好性的要求。其中的完好性是指当定位误差超过一定的界限，即导航系统无法满足性能需求时及时告警的能力。
ARAIM故障检测中故障指伪距上的非正常偏差，也可以称为粗差。卫星故障是指接收机接收到的这颗卫星的伪距发生偏差，不能反映真实的距离信息，可能是传播路径上引入的误差，而不是指卫星的机械故障。
ARAIM算法最典型的是多假设解分离方法（MHSS），然而传统的MHSS算法运用在组合导航时存在一些不足，一方面是MHSS本来就存在的，例如随着导航星座数量的增加，可用卫星数量也随之增加，多故障同时存在的情况不容忽视，导致故障模式增多，计算量大，ARAIM的实时性受到影响；另一方面是由于运用到组合导航里存在的问题，首先由于组合导航进行信息融合时滤波器的滤波作用，导致原来存在于伪距里的故障量变小，较小故障难以检测，存在漏检情况；其次，故障量较大时，当故障持续时间较长而后又突然消失时，会使得定位结果严重偏离真实位置而对后续紧邻无故障时刻造成影响，出现误检。
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组合导航中卫星故障检测方法，用于组合导航定位过程中解决故障卫星的检测问题。
本发明公开了一种基于奇偶矢量投影的组合导航中卫星故障检测方法，包括以下步骤：
步骤S1、在组合导航系统中，采用伪距观测量为观测数据进行卡尔曼滤波得到滤波新息；所述滤波新息为可见星的伪距残差；
步骤S2、根据可见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、在选定卫星故障模式下，计算各故障情况的奇偶矢量投影作为故障检验统计量；所述卫星故障模式为单星故障模式或双星故障模式；
步骤S4、判断选定卫星故障模式下计算的故障检验统计量最大值是否超过故障检测阈值；否，则卫星系统完好；是，则存在卫星故障；
所述故障检测阈值为根据所述故障检验统计量的分布特性，基于误警率确定出的阈值。
进一步地，对接收机所观测到的所有可见的n颗卫星进行编号，可见星编号为1,…,n；
所述单星故障模式为可见星中只有一颗卫星出现故障；在单星故障模式中，每一种故障情况对应一颗编号卫星故障；n颗可见星对应n种故障情况；
双星故障模式为可见星中有两颗卫星同时出现故障；在双星故障模式中，每一种故障情况对应两颗编号卫星故障；n颗可见星对应
Figure 223186DEST_PATH_IMAGE001
种故障情况。
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由接收机和可见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，根据可见星的伪距残差计算奇偶矢量的过程，包括：
1）获得可见星的伪距残差向量
Figure 825068DEST_PATH_IMAGE002
；
2）根据获得的各可见星的星座系统、位置以及接收机的位置，建立由接收机和各可见星之间视线方向上的单位矢量构成的原始的几何矩阵
Figure 285000DEST_PATH_IMAGE003
；k为观测时刻；
3）对原始的几何矩阵
Figure 655938DEST_PATH_IMAGE003
和伪距残差向量
Figure 543123DEST_PATH_IMAGE002
进行标准化得到标准化的几何矩阵
Figure 101143DEST_PATH_IMAGE004
和标准化的伪距残差向量Z；以及满足
Figure 364765DEST_PATH_IMAGE005
的奇偶空间O；
4）根据公式
Figure 590210DEST_PATH_IMAGE006
计算出奇偶矢量，所述
Figure 645366DEST_PATH_IMAGE007
为奇偶矢量。
进一步地，标准化的几何矩阵
Figure 221841DEST_PATH_IMAGE008
；标准化的伪距残差向量
Figure 882630DEST_PATH_IMAGE009
；
标准化的加权矩阵
Figure 837947DEST_PATH_IMAGE010
；
其中，
Figure 457147DEST_PATH_IMAGE011
的计算式为
Figure 865126DEST_PATH_IMAGE012
；
Figure 595185DEST_PATH_IMAGE013
表示第n颗卫星用户测距精度的标准差，
Figure 405009DEST_PATH_IMAGE014
表示第n颗卫星对流层误差标准差，
Figure 929531DEST_PATH_IMAGE015
表示多径和用户接收机噪声误差标准差。
进一步地，在单星故障模式下，第i种故障情况中对应的故障检验统计量为编号为i的卫星所对应的奇偶矢量投影
Figure 215019DEST_PATH_IMAGE016
；
Figure 358556DEST_PATH_IMAGE017
；其中，i=1,…,n；n为可见星的数量；为左零矩阵O上的第i列；
Figure 413099DEST_PATH_IMAGE018
为列向量
Figure 983889DEST_PATH_IMAGE019
的一范数。
进一步地，在双星故障模式下，第j种故障情况中对应的故障检验统计量为第j组星所对应的奇偶矢量投影
Figure 491094DEST_PATH_IMAGE020
；其中j组中包含着两颗卫星的编号；
Figure 438321DEST_PATH_IMAGE021
；式中，
Figure 347371DEST_PATH_IMAGE022
；
其中，
Figure 213696DEST_PATH_IMAGE023
，
Figure 349142DEST_PATH_IMAGE024
为矩阵
Figure 693536DEST_PATH_IMAGE025
中行号为d，列号为第j组中两颗编号卫星所在列的数据构成的矩阵；
Figure 595108DEST_PATH_IMAGE026
，
Figure 366755DEST_PATH_IMAGE027
为矩阵S中行号和列号均为第j组中两颗编号星所在两行和两列的数据构成矩阵；
Figure 114132DEST_PATH_IMAGE028
为矩阵O中列号为第j组中两颗编号卫星所在两列的数据构成的矩阵。
进一步地，d=1，2或3；通过选择矩阵
Figure 137582DEST_PATH_IMAGE025
行号d选取
Figure 21225DEST_PATH_IMAGE024
的行数据，分别对地心地固坐标系上对应的x，y或z方向上进行故障检测。
进一步地，所述无故障时检验统计量服从零均值高斯分布，所述故障检测阈值由高斯分布的分位数确定；所述分位数由分配到的误警率决定。
进一步地，故障检测阈值
Figure 370298DEST_PATH_IMAGE029
；
Figure 73811DEST_PATH_IMAGE030
为误警率；
在单星故障模式，将最大的检验统计量
Figure 25587DEST_PATH_IMAGE031
与阈值
Figure 904681DEST_PATH_IMAGE032
进行比较，若没有超过阈值则认为系统无故障，若超过阈值则判断系统发生单星故障；
在双星故障模式，将最大的检验统计量
Figure 18131DEST_PATH_IMAGE033
与阈值
Figure 349886DEST_PATH_IMAGE032
进行比较，若没有超过阈值则认为系统无故障，若超过阈值则判断系统发生双星故障。
本发明可实现以下有益效果之一：
1.更少的计算量。与ARAIM里传统的的故障检测与排除算法MHSS相比，本发明能够显著减少计算量，避免每个时刻每个故障模式都要计算一个阈值，并且与阈值进行对比。
2.更高的灵敏度。与传统方法相比，本方法由于误警率不再平均分配，只给了最大值检验统计量，可以降低阈值，增加了对小故障的检测，尤其是在多故障情况下。
3.更高的检测率。与传统方法相比，本方法采用奇偶矢量投影法，当投影值最大值超过阈值时及时检测并排除故障，减少对后续无故障时刻的影响，减少误检情况。
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组合导航中卫星故障检测方法流程图。
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组合导航中卫星故障检测方法，如图1所示，包括以下步骤：
步骤S1、在GNSS/INS组合导航系统中，采用伪距观测量为观测数据进行卡尔曼滤波得到滤波新息；所述滤波新息为可见星的伪距残差；
步骤S2、根据可见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、在选定卫星故障模式下，计算各故障情况的奇偶矢量投影作为故障检验统计量；所述卫星故障模式为单星故障模式或双星故障模式；
步骤S4、判断选定卫星故障模式下计算的故障检验统计量最大值是否超过故障检测阈值；否，则卫星系统完好；是，则存在卫星故障；
所述故障检测阈值为根据所述故障检验统计量的分布特性，基于误警率确定出的阈值。
具体的，由于卫星系统同时发生三颗及三颗以上卫星故障的概率极小，所以本实施例中只考虑同时有一颗星发生故障和同时有两颗星发生故障的两种卫星故障模式；
对接收机所观测到的所有可见的n颗卫星进行编号，可见星编号为1,…,n；单星故障模式为可见星中只有一颗卫星出现故障；在单星故障模式中，每一种故障情况对应一颗编号卫星故障；n颗可见星对应n种故障情况；
双星故障模式为可见星中有两颗卫星同时出现故障；在双星故障模式中，每一种故障情况对应两颗编号卫星故障；n颗可见星对应
Figure 839773DEST_PATH_IMAGE034
种故障情况。
具体的，在步骤S1中，采用伪距观测量为观测数据进行卡尔曼滤波得到滤波新息过程，包括：
1）在组合导航系统卡尔曼滤波的解算过程中，根据k-1时刻得到状态最优估计
Figure 698008DEST_PATH_IMAGE035
对k时刻的状态向量
Figure 388883DEST_PATH_IMAGE036
进行最优一步预测；
Figure 66989DEST_PATH_IMAGE037
；
式中，
Figure 235934DEST_PATH_IMAGE038
为多维的最优估计向量；
Figure 683095DEST_PATH_IMAGE039
为状态一步转移矩阵；
Figure 669506DEST_PATH_IMAGE040
为系统噪声分配矩阵；
Figure 975854DEST_PATH_IMAGE041
为系统噪声向量。
在最优估计向量
Figure 807543DEST_PATH_IMAGE035
中，可包括姿态角误差、速度误差、位置误差、陀螺误差、加速度误差、以及接收机时钟、频率误差等多种误差的组合；具体的可根据测量需求进行组合选取。
Figure 247227DEST_PATH_IMAGE041
是系统噪声向量，为零均值白噪声向量，因此对最优一步预测的
Figure 404539DEST_PATH_IMAGE036
结果不会产生影响。
2）通过状态向量一步预测
Figure 57237DEST_PATH_IMAGE036
和系统量测方程可对k时刻的量测向量
Figure 567984DEST_PATH_IMAGE042
作一步预测，预测值即为先验观测向量
Figure 989738DEST_PATH_IMAGE042
；
3）根据卡尔曼滤波的量测方程得到k时刻的后验观测量Z k ；
其中，量测方程
Figure 193318DEST_PATH_IMAGE043
；式中，k时刻的后验观测量Z k 包括伪距观测量，V k 为观测噪声，f k 为故障向量，并且无故障时f k 为零向量。
4）根据公式
Figure 67733DEST_PATH_IMAGE044
计算新息
Figure 772384DEST_PATH_IMAGE045
。
Figure 189590DEST_PATH_IMAGE045
为滤波新息，表示观测量的后验观测量Z k 和先验观测向量
Figure 423125DEST_PATH_IMAGE046
的误差，即为伪距残差向量。
其中，步骤S2中的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由接收机和可见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，根据可见星的伪距残差计算奇偶矢量的过程包括：
1）按照步骤S1中方法获得可见星的伪距残差向量
Figure 925782DEST_PATH_IMAGE045
；
2）根据获得的各可见星的星座系统、位置以及接收机的位置，建立由接收机和各可见星之间视线方向上的单位矢量构成的原始的几何矩阵
Figure 637386DEST_PATH_IMAGE047
；k为观测时刻；
接收机接收到卫星的信号，获得各可见星所属的星座系统例如GPS或北斗系统；获得星历数据并依据星历计算每可见星的卫星轨道位置；根据GNSS/INS组合导航系统的滤波计算得到接收机的位置坐标。
所建立的原始的几何矩阵
Figure 299311DEST_PATH_IMAGE048
为n×4的矩阵：
Figure 579114DEST_PATH_IMAGE049
；
其中
Figure 693700DEST_PATH_IMAGE050
，
Figure 287624DEST_PATH_IMAGE051
，
Figure 538477DEST_PATH_IMAGE052
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 379394DEST_PATH_IMAGE053
，
Figure 877150DEST_PATH_IMAGE054
，
Figure 196136DEST_PATH_IMAGE055
表示滤波器输出的用户的坐标，
Figure 442441DEST_PATH_IMAGE056
表示第n颗可见星与接收机的位置估计值之间的距离；
Figure 454259DEST_PATH_IMAGE057
；
几何矩阵
Figure 12280DEST_PATH_IMAGE048
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，如果可见星为相同的星座系统时，钟差关系系数为1，当有卫星和其他卫星不属于相同星座系统时为0；几何矩阵的行按照卫星的编号排列，每一行的数据与每一个对应编号的卫星的单位向量。
3）对原始的几何矩阵
Figure 275902DEST_PATH_IMAGE003
和伪距残差向量
Figure 235768DEST_PATH_IMAGE045
进行标准化得到标准化的几何矩阵
Figure 293853DEST_PATH_IMAGE058
和标准化的伪距残差向量Z；以及满足
Figure 870328DEST_PATH_IMAGE059
的奇偶空间O；其中，
O为(n-4)×n的矩阵。
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 531117DEST_PATH_IMAGE060
，权重
Figure 486434DEST_PATH_IMAGE060
为测距误差的标准差
Figure 840055DEST_PATH_IMAGE061
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 513613DEST_PATH_IMAGE062
的对角阵。
标准化的加权矩阵
Figure 978093DEST_PATH_IMAGE063
；
其中，
Figure 912551DEST_PATH_IMAGE011
的计算式为
Figure 578018DEST_PATH_IMAGE012
；
Figure 332348DEST_PATH_IMAGE013
表示第n颗卫星用户测距精度的标准差，
Figure 741463DEST_PATH_IMAGE014
表示第n颗卫星对流层误差标准差，
Figure 530428DEST_PATH_IMAGE064
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 225851DEST_PATH_IMAGE065
；
标准化的伪距残差向量
Figure 871072DEST_PATH_IMAGE066
。
4）根据公式
Figure 677354DEST_PATH_IMAGE006
计算出奇偶矢量，所述
Figure 461770DEST_PATH_IMAGE007
为奇偶矢量。
奇偶矢量为(n-4)×1的向量。
由于卡尔曼滤波的量测方程中包括有故障量信息，观测过程得到的伪距残差向量同样包括故障量信息，从而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检测。
步骤S3、在选定卫星故障模式下，计算各故障情况的奇偶矢量投影作为故障检验统计量；所述卫星故障模式为单星故障模式或双星故障模式；
当选定卫星故障模式为单星故障模式时，存在与可见星数量相同的故障情况，其中，第i种故障情况中对应的故障检验统计量为编号为第i卫星所对应的奇偶矢量投影
Figure 593674DEST_PATH_IMAGE016
；
具体的，
Figure 322596DEST_PATH_IMAGE067
；其中，i=1,…,n；n为可见星的数量；为左零矩阵O上的第i列；
Figure 73514DEST_PATH_IMAGE068
为列向量
Figure 837071DEST_PATH_IMAGE019
的一范数。当无故障时，
Figure 749663DEST_PATH_IMAGE016
服从标准正态分布
Figure 497039DEST_PATH_IMAGE069
。
当选定卫星故障模式为双星故障模式时，每一种故障情况对应一组两颗编号卫星故障，n颗可见星对应
Figure 645124DEST_PATH_IMAGE070
种故障情况；其中，第j种故障情况中对应的故障检验统计量为第j组星所对应的奇偶矢量投影
Figure 404133DEST_PATH_IMAGE020
；其中j中包含了两颗卫星的编号；
具体的，
Figure 612260DEST_PATH_IMAGE021
；式中，
Figure 191140DEST_PATH_IMAGE022
；
其中，
Figure 408495DEST_PATH_IMAGE023
为4×n的矩阵，
Figure 22010DEST_PATH_IMAGE024
为矩阵
Figure 401039DEST_PATH_IMAGE025
中行号为d，列号为第j组中两颗星所在列的数据构成的1×2矩阵；
Figure 857428DEST_PATH_IMAGE026
为n×n的矩阵，
Figure 222681DEST_PATH_IMAGE071
为矩阵S中行号和列号均为第j组中两颗星所在两行和两列的的数据构成的2×2矩阵；
Figure 80916DEST_PATH_IMAGE028
为矩阵O中列号为第j组中两颗星所在两列的数据构成的(n-4)×2矩阵。
例如，第j组中两颗星为1号和3号卫星，
Figure 768861DEST_PATH_IMAGE071
表示矩阵S的第1行和第3行以及第1列和第3列重叠的部分构成的矩阵，
Figure 181388DEST_PATH_IMAGE024
和
Figure 740546DEST_PATH_IMAGE028
矩阵同理。
优选的，d=1，2或3；通过选择矩阵
Figure 63074DEST_PATH_IMAGE025
行号d选取
Figure 49484DEST_PATH_IMAGE024
的行数据，分别对地心地固坐标系上对应的x，y或z方向上进行故障检测。例如，d=3，对误差最大的z轴方向上进行故障检测。
具体的，在步骤S4中，
由于无故障时检验统计量服从零均值高斯分布，所以阈值由高斯分布的分位数确定，与完好性风险分配有关而分位数又由分配到的误警率决定。对于传统方法，阈值的计算方法如式所示，
Figure 355832DEST_PATH_IMAGE072
；
其中
Figure 187521DEST_PATH_IMAGE073
，N为总的故障模式数，
Figure 754769DEST_PATH_IMAGE030
为误警率。即，误警率在各个模式中采用平均分配。当一个卫星发生故障时，可能会不止一个检验统计量超过阈值，所以存在误警率的重复分配。
在本实施例中，改进的故障检测方法选取当前时刻检验统计量的最大值作为最终的检验统计量，当最大的统计量都不超过阈值时，所有的统计量都不超过阈值，所以误警率只需要分配给一个最大的检验统计量，可以避免误检率的重复分配，降低阈值。因此，改进的阈值计算方式如下式：
Figure 787447DEST_PATH_IMAGE029
。
具体的，在进行故障检测过程中，在选定卫星故障模式下，判断故障检验统计量的最大值是否超过故障检测阈值；否，则卫星系统完好；是，则存在卫星故障；
在单星故障模式，将最大的检验统计量
Figure 174566DEST_PATH_IMAGE031
与阈值
Figure 950892DEST_PATH_IMAGE032
进行比较，若没有超过阈值则认为系统无故障，若超过阈值则判断系统发生单星故障，进行下一步故障排除。
在双星故障模式，将最大的检验统计量
Figure 372646DEST_PATH_IMAGE033
与阈值
Figure 700859DEST_PATH_IMAGE032
进行比较，若没有超过阈值则认为系统无故障，若超过阈值则判断系统发生双星故障，进行下一步故障排除。
综上所述，本发明实施例通过将原来基于定位域的MHSS故障检测和排除方法，映射到奇偶空间的，再结合组合导航故障检测中常用的残差新息，构建检验统计量，改进阈值的计算方法，并选取一个时刻中最大的检验统计量与改进后的阈值对比，提高对较小故障的检测效果，可以有效的提高故障检测率。
本发明实施例具有以下有益效果：
1.更少的计算量。与ARAIM里传统的的故障检测与排除算法MHSS相比，本发明能够显著减少计算量，避免每个时刻每个故障模式都要计算一个阈值，并且与阈值进行对比。
2.更高的灵敏度。与传统方法相比，本方法由于误警率不再平均分配，只给了最大值检验统计量，可以降低阈值，增加了对小故障的检测，尤其是在多故障情况下。
3.更高的检测率。与传统方法相比，本方法采用奇偶矢量投影法，当投影值最大值超过阈值时及时检测并排除故障，减少对后续无故障时刻的影响，减少误检情况。
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组合导航中卫星故障检测方法，其特征在于，包括以下步骤：
步骤S1、在组合导航系统中，采用伪距观测量为观测数据进行卡尔曼滤波得到滤波新息；所述滤波新息为可见星的伪距残差；
步骤S2、根据可见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、在选定卫星故障模式下，计算各故障情况的奇偶矢量投影作为故障检验统计量；所述卫星故障模式为单星故障模式或双星故障模式；
步骤S4、判断选定卫星故障模式下计算的故障检验统计量最大值是否超过故障检测阈值；否，则卫星系统完好；是，则存在卫星故障；
所述故障检测阈值为根据所述故障检验统计量的分布特性，基于误警率确定出的阈值；
对接收机所观测到的所有可见的n颗卫星进行编号，可见星编号为1,…,n；
所述单星故障模式为可见星中只有一颗卫星出现故障；在单星故障模式中，每一种故障情况对应一颗编号卫星故障；n颗可见星对应n种故障情况；
双星故障模式为可见星中有两颗卫星同时出现故障；在双星故障模式中，每一种故障情况对应两颗编号卫星故障；n颗可见星对应
Figure QLYQS_1
种故障情况；
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由接收机和可见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；
根据可见星的伪距残差计算奇偶矢量的过程，包括：
1）获得可见星的伪距残差向量
Figure QLYQS_2
；
2）根据获得的各可见星的星座系统、位置以及接收机的位置，建立由接收机和各可见星之间视线方向上的单位矢量构成的原始的几何矩阵
Figure QLYQS_3
；k为观测时刻；
3）对原始的几何矩阵
Figure QLYQS_4
和伪距残差向量
Figure QLYQS_5
进行标准化得到标准化的几何矩阵
Figure QLYQS_6
和标准化的伪距残差向量Z；以及满足
Figure QLYQS_7
的奇偶空间O；
4）根据公式
Figure QLYQS_8
计算出奇偶矢量，所述
Figure QLYQS_9
为奇偶矢量。
2.根据权利要求1所述的组合导航中卫星故障检测方法，其特征在于，
标准化的几何矩阵
Figure QLYQS_10
；标准化的伪距残差向量
Figure QLYQS_11
；
标准化的加权矩阵
Figure QLYQS_12
；
其中，
Figure QLYQS_13
的计算式为
Figure QLYQS_14
；
Figure QLYQS_15
表示第n颗卫星用户测距精度的标准差，
Figure QLYQS_16
表示第n颗卫星对流层误差标准差，
Figure QLYQS_17
表示多径和用户接收机噪声误差标准差。
3.根据权利要求2所述的组合导航中卫星故障检测方法，其特征在于，
在单星故障模式下，第i种故障情况中对应的故障检验统计量为编号为i的卫星所对应的奇偶矢量投影
Figure QLYQS_18
；
Figure QLYQS_19
；其中，i=1,…,n；n为可见星的数量；
Figure QLYQS_20
为左零矩阵O上的第i列；
Figure QLYQS_21
为列向量
Figure QLYQS_22
的一范数。
4.根据权利要求2所述的组合导航中卫星故障检测方法，其特征在于，
在双星故障模式下，第j种故障情况中对应的故障检验统计量为第j组星所对应的奇偶矢量投影
Figure QLYQS_23
；其中j组中包含着两颗卫星的编号；
Figure QLYQS_24
；式中，
Figure QLYQS_25
；
其中，
Figure QLYQS_26
；
Figure QLYQS_27
为矩阵
Figure QLYQS_28
中行号为d，列号为第j组中两颗编号卫星所在列的数据构成的矩阵；
Figure QLYQS_29
，
Figure QLYQS_30
为矩阵S中行号和列号均为第j组中两颗编号星所在两行和两列的数据构成矩阵；
Figure QLYQS_31
为矩阵O中列号为第j组中两颗编号卫星所在两列的数据构成的矩阵。
5.根据权利要求4所述的组合导航中卫星故障检测方法，其特征在于，
d=1，2或3；通过选择矩阵
Figure QLYQS_32
行号d选取
Figure QLYQS_33
的行数据，分别对地心地固坐标系上对应的x，y或z方向上进行故障检测。
6.根据权利要求3或4所述的组合导航中卫星故障检测方法，其特征在于，
无故障时检验统计量服从零均值高斯分布，所述故障检测阈值由高斯分布的分位数确定；所述分位数由分配到的误警率决定。
7.根据权利要求6所述的组合导航中卫星故障检测方法，其特征在于，
故障检测阈值
Figure QLYQS_34
；
Figure QLYQS_35
为误警率；
在单星故障模式，将最大的检验统计量
Figure QLYQS_36
与阈值
Figure QLYQS_37
进行比较，若没有超过阈值则认为系统无故障，若超过阈值则判断系统发生单星故障；
在双星故障模式，将最大的检验统计量
Figure QLYQS_38
与阈值
Figure QLYQS_39
进行比较，若没有超过阈值则认为系统无故障，若超过阈值则判断系统发生双星故障。
CN202211459127.0A 2022-11-18 2022-11-18 一种基于奇偶矢量投影的组合导航中卫星故障检测方法 Active CN115561782B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211459127.0A CN115561782B (zh) 2022-11-18 2022-11-18 一种基于奇偶矢量投影的组合导航中卫星故障检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211459127.0A CN115561782B (zh) 2022-11-18 2022-11-18 一种基于奇偶矢量投影的组合导航中卫星故障检测方法

Publications (2)

Publication Number Publication Date
CN115561782A CN115561782A (zh) 2023-01-03
CN115561782B true CN115561782B (zh) 2023-02-28

Family

ID=84770573

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211459127.0A Active CN115561782B (zh) 2022-11-18 2022-11-18 一种基于奇偶矢量投影的组合导航中卫星故障检测方法

Country Status (1)

Country Link
CN (1) CN115561782B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117111101B (zh) * 2023-06-26 2024-03-22 北京航空航天大学 消除双层空基导航增强自组网杠杆效应的故障检测方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102401903A (zh) * 2010-09-17 2012-04-04 郑州威科姆科技股份有限公司 一种北斗二代接收机自主完好性实施方法
CN102901971A (zh) * 2012-09-27 2013-01-30 电子科技大学 基于奇偶矢量法的双星故障识别方法
CN103592656A (zh) * 2013-10-17 2014-02-19 航天恒星科技有限公司 一种适用于星载导航接收机的自主完好性监测方法
CN104267415A (zh) * 2014-09-23 2015-01-07 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
CN104267410A (zh) * 2014-10-10 2015-01-07 北京航空航天大学 机载完好性监测中多故障的排除方法和装置
CN106646526A (zh) * 2017-02-09 2017-05-10 南京航空航天大学 一种可同时检测识别多种故障的接收机自主完好性检测方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102401903A (zh) * 2010-09-17 2012-04-04 郑州威科姆科技股份有限公司 一种北斗二代接收机自主完好性实施方法
CN102901971A (zh) * 2012-09-27 2013-01-30 电子科技大学 基于奇偶矢量法的双星故障识别方法
CN103592656A (zh) * 2013-10-17 2014-02-19 航天恒星科技有限公司 一种适用于星载导航接收机的自主完好性监测方法
CN104267415A (zh) * 2014-09-23 2015-01-07 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
CN104267410A (zh) * 2014-10-10 2015-01-07 北京航空航天大学 机载完好性监测中多故障的排除方法和装置
CN106646526A (zh) * 2017-02-09 2017-05-10 南京航空航天大学 一种可同时检测识别多种故障的接收机自主完好性检测方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
GPS接收机基于奇偶矢量的RAIM算法研究;李颖 等;《测绘与空间地理信息》;20120131;第35卷(第1期);158-160 *
Parity Space Projection Line Based Fault Detection Method for Advanced Receiver Autonomous Integrity Monitoring;PENG ZHAO 等;《IEEE Access》;20180815;第6卷;40836-40845 *
Research On Improved RAIM Algorithm Based On Parity Vector Method;Kejing Cao 等;《2013 International Conference on Information Technology and Applications》;20131231;221-224 *

Also Published As

Publication number Publication date
CN115561782A (zh) 2023-01-03

Similar Documents

Publication Publication Date Title
CN110007317B (zh) 一种选星优化的高级接收机自主完好性监测方法
US8106823B2 (en) Method of operating a satellite navigation receiver
CN103097911B (zh) 用于检测和排除gnss系统中多个卫星故障的方法和装置
CA2714822C (en) Hybrid system and device for calculating a position and for monitoring its integrity
AU2008260579A1 (en) Partial search carrier-phase integer ambiguity resolution
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
US20230018631A1 (en) System and method for satellite positioning
CN114545454A (zh) 一种面向自动驾驶的融合导航系统完好性监测方法
CN115420284B (zh) 一种组合导航系统故障检测与识别方法
US9298532B2 (en) Device and method for determining a physical quantity
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
CN105158778A (zh) 多系统联合实施载波相位差分故障卫星剔除方法及其系统
CN110879407A (zh) 一种基于完好性风险模型的卫星导航观测量新息检测方法
CN109061683A (zh) 一种优化水平保护级的h-araim系统
US6298316B1 (en) Failure detection system
CN114859389A (zh) 一种gnss多系统抗差自适应融合rtk解算方法
CN115267855A (zh) 一种gnss-ins紧组合中异常值探测方法和平差定位方法
CN115453579A (zh) 基于北斗ppp-rtk的合成星历a类故障完好性监测方法及装置
CN110941000A (zh) 一种精密单点定位完好性监测方法
CN114417552A (zh) 一种模糊度确认方法、存储介质以及电子设备
CN112526549B (zh) 一种地基增强系统完好性故障识别方法及系统
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
JP3469939B2 (ja) 衛星測位装置及びその衛星の故障回復判定方法
CN115390099B (zh) 基于奇偶矢量投影的最大值联合卡方故障排除方法

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