CN115586551A - 异常伪距识别方法、装置及计算机可读介质 - Google Patents

Abstract

本申请公开一种异常伪距识别方法、装置及计算机可读介质，该方法获取载波观测所得的预设载波观测信息，根据载波观测信息对接收机的位置和钟差进行预测处理，并根据观测卫星的伪距观测集对接收机位置和钟差的预测结果进行量测更新处理，在此基础上，根据量测更新结果确定观测卫星的伪距残差矢量，并根据伪距残差矢量和异常伪距识别策略，识别异常伪距。本申请以载波观测信息作为辅助来进行异常伪距识别，可使GNSS接收机进入复杂信号环境时能快速准确的识别出错误/异常的伪距观测值，避免对定位精度造成负面影响，同时也避免了已知技术在应对复杂信号环境下的伪距测量问题时所存在的接收机硬件成本高、主观性强等一系列问题。

Description

异常伪距识别方法、装置及计算机可读介质

技术领域

本申请属于卫星导航技术领域，尤其涉及一种异常伪距识别方法、装置及计算机可读介质。

背景技术

随着卫星导航技术的普及与发展，基于全球导航卫星系统(GlobalNavigationSatelliteSystem，GNSS)的高精度定位服务的需求也变得越来越重要。通常基于四颗及以上数量卫星的伪距观测值以及广播星历可以计算得到GNSS接收机的位置信息，因此接收机定位精度直接受限于伪距测量精度。然而，当接收机处于诸如城市峡谷、短时干扰等复杂信号环境时，接收机获得的伪距测量值中常常会包含大量的非系统性测量误差，并且这些伪距测量值的正确测量比率也可能非常低。

为了应对上述问题，目前接收机主要采用以下几种对抗手段：

一种是，使用多径抑制天线，或采用专门的抗干扰射频模组，但该方式将不可避免的增加接收机硬件成本。

另一种是，定位算法采用较高的先验信息(如载噪比，信号锁定强度等)门限，但该方式主观性较强，并且会不可避免地降低接收机定位可用性。

再一种是，采用接收机自主完好性检测(RAIM)算法，利用冗余的伪距观测数据进行观测一致性检测，但RAIM算法除了要求比较高的观测冗余之外，为了对错误/异常观测的误差具有较好的可观性，还对正确观测的星座构型有较高的要求，导致RAIM算法的检测概率难以保证，特别是当接收机处于比如城市峡谷此类的多径信号环境时，由于真实未被遮挡的卫星的星座构型本来就很差，从而会进一步影响RAIM算法的检测概率。

发明内容

有鉴于此，本申请提供一种异常伪距识别方法、装置及计算机可读介质，主要用于解决复杂信号环境下的异常伪距识别问题，使得为基于GNSS的高精度定位服务提供技术支持，同时避免已知技术在应对此类环境下的伪距测量问题时所存在的至少部分缺陷。

具体方案如下：

一种异常伪距识别方法，包括：

获取对观测卫星进行载波观测所得的预设载波观测信息；

根据所述预设载波观测信息对接收机的位置和钟差进行预测处理，得到接收机位置和钟差的预测结果；

根据观测卫星的伪距观测集对所述预测结果进行量测更新处理，得到所述预测结果的量测更新结果；

根据所述量测更新结果，确定观测卫星的伪距残差矢量；

根据所述伪距残差矢量和预设的异常伪距识别策略，识别观测卫星的伪距观测集中的异常伪距观测值。

可选的，所述获取对观测卫星进行载波观测所得的预设载波观测信息，包括：

确定载波锁定的观测卫星是否满足载波观测条件；所述载波观测条件为在使用最小二乘估计方式确定待估矢量情况下，保证最小二乘估计的有效性所需的载波观测条件，所述待估矢量由接收机的位置增量和钟差增量构成；

若是，获取观测卫星在当前两个相邻历元的载波相位观测值；

若否，获取观测卫星在当前历元的多普勒观测信息。

可选的，所述载波观测条件包括：载波连续锁定且未发生载波周跳的观测卫星的数量未低于4。

可选的，所述预设载波观测信息包括观测卫星在当前两个相邻历元的载波相位观测值；所述根据所述预设载波观测信息对接收机的位置和钟差进行预测处理，得到接收机位置和钟差的预测结果，包括：

根据所述当前两个相邻历元的载波相位观测值，使用最小二乘估计方式确定接收机的位置增量和钟差增量；

使用接收机的位置增量和钟差增量，对所述相邻历元中在前历元的接收机位置和钟差的状态最优估计信息进行更新，得到所述相邻历元中在后历元对应的接收机位置和钟差的预测结果。

可选的，所述使用接收机的位置增量和钟差增量，对所述相邻历元中在前历元的接收机位置和钟差的状态最优估计信息进行更新，得到所述相邻历元中在后历元对应的接收机位置和钟差的预测结果，包括：

获取接收机在所述在前历元对应的子预测模型状态信息，作为所述在前历元的接收机位置和钟差的状态最优估计信息；所述子预测模型状态信息包括：从预先构建的接收机状态预测模型中进行与接收机位置和钟差相关的子预测模型抽取，并基于抽取的子预测模型对接收机在所述在前历元的位置和钟差进行状态最优估计所得的结果；

使用接收机的位置增量和钟差增量，对所述子预测模型状态信息进行状态时间更新，得到所述在后历元对应的接收机位置和钟差的预测结果。

可选的，所述预设载波观测信息包括观测卫星在当前历元的多普勒观测信息；所述根据所述预设载波观测信息对接收机的位置和钟差进行预测处理，得到接收机的位置和钟差的预测结果，包括：

将预先构建的接收机状态预测模型的状态时间更新至当前历元，得到接收机状态预测模型在当前历元对应的模型状态；

使用观测卫星在当前历元的多普勒观测信息，对接收机状态预测模型在当前历元对应的模型状态进行量测更新；

从接收机状态预测模型在当前历元对应的模型状态的量测更新结果中，抽取与接收机位置和钟差相关的子预测模型，得到基于所述子预测模型表征的接收机在当前历元对应的位置和钟差的预测结果。

可选的，所述接收机状态预测模型为基于接收机的位置、速度、钟差和钟飘构建的卡尔曼滤波模型；

所述子预测模型为基于接收机的卡尔曼滤波模型所得的对应于接收机位置和钟差的子滤波模型。

可选的，所述将预先构建的接收机状态预测模型的状态时间更新至当前历元，包括：

通过将接收机的位置建模为匀速直线运动、速度建模为随机过程、钟差和钟飘建模为二阶随机过程，将所述接收机状态预测模型的状态时间更新至当前历元。

可选的，所述根据所述量测更新结果，确定观测卫星的伪距残差矢量，包括：

根据所述量测更新结果，确定观测卫星的伪距预测值；

根据观测卫星的伪距预测值和伪距观测值，确定观测卫星的伪距残差矢量。

可选的，所述根据所述伪距残差矢量和预设的异常伪距识别策略，识别观测卫星的伪距观测集中的异常伪距观测值，包括：

针对所述伪距残差矢量和所述伪距观测集执行全局检测处理；所述全局检测处理包括：根据伪距残差矢量中的各个伪距残差对应的预设全局检测统计量，确定观测卫星在对应的伪距观测集中是否存在异常伪距观测值；

在基于所述全局检测处理确定所述伪距观测集中存在异常伪距观测值情况下，根据所述伪距残差矢量中的各个伪距残差，识别所述伪距观测集中的异常伪距观测值。

可选的，所述伪距观测集包括观测卫星在当前历元的各个伪距观测值；所述根据所述伪距残差矢量中的各个伪距残差，识别所述伪距观测集中的异常伪距观测值，包括：

确定所述伪距残差矢量包含的各个伪距残差中高于预设检测门限的第一伪距残差，将所述第一伪距残差对应的伪距观测值识别为观测卫星在当前历元的第一异常伪距观测值；

从所述伪距观测集中剔除所述第一异常伪距观测值，得到余留观测集；

针对所述余留观测集及其对应的伪距残差矢量执行所述全局检测处理；

在基于所述全局检测处理确定所述余留观测集中存在异常伪距观测值情况下，将所述余留观测集中对应的伪距残差最大的观测值，识别为观测卫星在当前历元的第二异常伪距观测值；

从所述余留观测集中剔除所述第二异常伪距观测值；

将余留观测集更新为剔除所述第二异常伪距观测值后所得的观测集，并循环至针对所述余留观测集及其对应的伪距残差矢量执行所述全局检测处理的步骤，直至基于全局检测处理确定余留观测集中不存在异常伪距观测值时结束。

一种异常伪距识别装置，包括：

获取单元，用于获取对观测卫星进行载波观测所得的预设载波观测信息；

预测单元，用于根据所述预设载波观测信息对接收机的位置和钟差进行预测处理，得到接收机位置和钟差的预测结果；

量测更新单元，用于根据观测卫星的伪距观测集对所述预测结果进行量测更新处理，得到所述预测结果的量测更新结果；

确定单元，用于根据所述量测更新结果，确定观测卫星的伪距残差矢量；

识别单元，用于根据所述伪距残差矢量和预设的异常伪距识别策略，识别观测卫星的伪距观测集中的异常伪距观测值。

一种计算机可读介质，其上存储有计算机程序，所述计算机程序包含用于执行如上文任一项所述的方法的程序代码。

一种计算机程序产品，其包括承载在非暂态计算机可读介质上的计算机程序，所述计算机程序包含用于执行如上文任一项所述的方法的程序代码。

综上所述，本申请提供的异常伪距识别方法、装置及计算机可读介质，获取对观测卫星进行载波观测所得的预设载波观测信息，根据获取的预设载波观测信息对接收机的位置和钟差进行预测处理，并根据观测卫星的伪距观测集对接收机位置和钟差的预测结果进行量测更新处理，在此基础上，根据量测更新结果确定观测卫星的伪距残差矢量，并根据伪距残差矢量和异常伪距识别策略，识别异常伪距。

可见，本申请提出并实现了一种基于载波辅助的异常伪距识别方案，载波观测信息的观测精度远高于伪距的观测精度，同时载波观测信息在进入复杂信号环境时的畸变速度远小于伪距的畸变速度，本申请以载波观测信息作为辅助来进行异常伪距识别，可使GNSS接收机进入复杂信号环境时能快速准确的识别出错误/异常的伪距观测值，避免对定位精度造成负面影响，同时无需增加接收机硬件成本，避免了已知技术在应对复杂信号环境下的伪距测量问题时所存在的接收机硬件成本高、主观性强、定位可用性低、检测概率低等一系列问题。

附图说明

结合附图并参考以下具体实施方式，本申请各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中，相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的，原件和元素不一定按照比例绘制。

图1是本申请提供的异常伪距识别方法的流程示意图；

图2是本申请提供的基于本申请方法进行异常伪距识别的一示例性详细流程；

图3是本申请提供的异常伪距识别装置的组成结构图。

具体实施方式

下面将参照附图更详细地描述本申请的实施例。虽然附图中显示了本申请的某些实施例，然而应当理解的是，本申请可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例，相反提供这些实施例是为了更加透彻和完整地理解本申请。应当理解的是，本申请的附图及实施例仅用于示例性作用，并非用于限制本申请的保护范围。

本文使用的术语“包括”及其变形是开放性包括，即“包括但不限于”。术语“基于”是“至少部分地基于”。术语“一个实施例”表示“至少一个实施例”；术语“另一实施例”表示“至少一个另外的实施例”；术语“一些实施例”表示“至少一些实施例”。其他术语的相关定义将在下文描述中给出。

需要注意，本申请中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。

需要注意，本申请中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。

本申请公开一种异常伪距识别方法、装置、计算机可读介质和计算机程序产品，用于基于载波辅助解决复杂信号环境下的异常伪距识别问题，使得为基于GNSS的高精度定位服务提供技术支持，同时避免已知技术在应对此类环境下的伪距测量问题时所存在的至少部分缺陷。

申请人研究发现，GNSS接收机信号处理器除了能够提供直接用于定位的伪距观测值之外，还可以基于载波跟踪环路提供载波观测信息，包括但不限于载波相位、载波频率和多普勒，并且载波观测信息的观测精度远高于伪距的观测精度，例如，载波相位和多普勒的观测精度相对于伪距高两个数量级，同时载波观测信息在进入复杂信号环境时的畸变速度远小于伪距的畸变速度，基于此，本申请提出并实现一种基于载波辅助的异常伪距识别方案，通过利用载波观测信息作为辅助进行异常伪距识别，使得GNSS接收机进入复杂信号环境时能快速、准确的识别出错误的伪距观测值，避免对定位精度造成负面影响。

参见图1所示的异常伪距识别方法流程图，本申请提供的异常伪距识别方法包括以下处理流程：

步骤101、获取对观测卫星进行载波观测所得的预设载波观测信息。

本申请实施例主要通过使用最小二乘估计方式，基于k～k+1(k为正整数)两个相邻历元的载波相位历元单差求解接收机在这两个历元间的位置和钟差增量，然后使用求解结果对接收机位置和钟差状态进行时间更新，来初步实现接收机位置和钟差预测(即验前预测)，后续以此为基础实现异常伪距识别。然而受限于接收机的载波锁定能力，最小二乘估计方式的有效性并不是总能满足。

针对该问题，本申请设定载波观测条件，通过设定的载波观测条件来判定对最小二乘估计的有效性的满足情况。所设定的载波观测条件，相应为在使用最小二乘估计方式确定待估矢量情况下，保证最小二乘估计的有效性所需的载波观测条件，其中，待估矢量由接收机的位置增量和钟差增量构成。

申请人发现，在使用最小二乘估计方式求解接收机的位置增量和钟差增量时，最小二乘求解成立的基础条件是需要有四颗(或以上)连续锁定的卫星并且载波观测值未发生载波周跳，相应的，可具体将上述的载波观测条件设置为：载波连续锁定且未发生载波周跳的观测卫星的数量未低于4。

在此基础上，当需获取载波观测信息时，可首先确定载波锁定的观测卫星是否满足上述载波观测条件，在满足载波观测条件情况下，获取观测卫星在当前两个相邻历元的载波相位观测值(如具体获得当前k～k+1两个历元的载波相位观测值)，来作为辅助信息，参与后续的异常伪距识别流程。在不满足载波观测条件情况下，则获取观测卫星在当前历元的多普勒观测信息，如获得当前的k+1历元的多普勒观测信息，相应使用多普勒观测信息作为未满足载波观测条件下的备选辅助信息，参与后续的异常伪距识别流程。

步骤102、根据获取的预设载波观测信息对接收机的位置和钟差进行预测处理，得到接收机位置和钟差的预测结果。

其中，针对载波锁定的观测卫星是、否满足载波观测条件的两种情况，相应可利用观测卫星在当前两个相邻历元的载波相位观测值，或者观测卫星在当前历元的多普勒观测信息，对接收机的位置和钟差进行预测处理。

本申请实施例预先构建接收机状态预测模型，来用于上述两种情况下的接收机位置和钟差预测，可选的，接收机状态预测模型为基于接收机位置、速度、钟差和钟飘构建的接收机卡尔曼滤波模型。

其中，具体将接收机的卡尔曼滤波模型构建如下：

状态向量定义为：

X＝[r v δT δf]^T (1)

式(1)中，r表示接收机在ECEF坐标系下的位置坐标，v表示接收机在ECEF坐标系下的速度矢量，δT和δf分别表示接收机的钟差和钟飘。ECEF为Earth Centered Earth Fixed的缩写，表示地心地固坐标系，简称地心坐标系。

状态协方差矩阵为：

式(2)中，P_r表示接收机的位置变化量信息方差阵；P_v表示接收机的速度变化量信息方差阵；P_T表示接收机的钟差变化量方差阵；P_f表示接收机的钟飘变化量方差阵；P_rv表示接收机的位置变化量与速度变化量协方差阵；P_rT表示接收机的位置变化量与钟差变化量协方差阵；P_rf表示接收机的位置变化量与钟飘变化量协方差阵；P_vT表示接收机的速度变化量与钟差变化量协方差阵；P_vf表示接收机的速度变化量与钟飘变化量协方差阵；P_Tf表示接收机的钟差变化量与钟飘变化量协方差阵。由于P为实对称矩阵，此处忽略其上三角部分。

以下进一步说明在上述两种情况下，基于构建的接收机状态预测模型，利用相应载波观测信息对接收机位置和钟差进行预测处理的实现过程。

(一)基于载波相位观测值的接收机位置和钟差预测

该情况下，具体基于当前两个相邻历元即k～k+1历元的载波相位观测值，进行接收机位置和钟差预测，预测过程包括：

11)根据当前两个相邻历元的载波相位观测值，使用最小二乘估计方式确定接收机的位置增量和钟差增量。

其中，卫星s的载波相位的观测模型如下：

式(3)中，

表示k历元卫星s的位置坐标，r_k表示k历元接收机的位置坐标，

表示卫星s在k历元的卫星钟差，δT_k表示接收机在k历元的钟差，I^s和T^s分别表示卫星s的电离层和对流层延迟，它们都具有较强的短时相关性，历元短时变化可忽略不计，N^s表示载波相位起始模糊度周数，在载波连续锁定过程中保持不变，

表示载波相位测量噪声。

令Δr_k，k+1＝r_k+1-r_k为接收机的历元位移矢量(即接收机位置增量)，ΔδT_k，k+1＝δT_k+1-δT_k为接收机的历元钟差变化量(即接收机钟差增量)，

为卫星s的轨道位置变化量，

为卫星s的钟差变化量，

和

均可通过导航电文获得。对式(3)求取历元差分，忽略测量噪声，并忽略接收机-卫星单位视线矢量的变化，可以得到载波相位历元单差：

进一步推导可得：

其中，

具体表示卫星s从k～k+1历元的载波相位增量，当有四颗(或以上)卫星的载波增量观测值可用时，可使用最小二乘法建模为：

式(6)中，

表示最小二乘观测矢量，

表示最小二乘待估矢量，由接收机位置增量和钟差增量构成，G为观测矩阵。

使用最小二乘对式(6)进行求解，可得到待估矢量：

x＝[(G^TG)^-1G^T]y (7)

假设载波相位增量

的测量噪声方差为

根据最小二乘估计理论，则可获得x的估计误差方差阵为：

需要说明，上述求解过程也可使用加权算法，但形式类似，此处不再赘述。

12)使用接收机的位置增量和钟差增量，对相邻历元中在前历元的接收机位置和钟差的状态最优估计信息进行更新，得到相邻历元中在后历元对应的接收机位置和钟差的预测结果。

其中，具体可获取接收机在相邻两个历元中在前历元对应的子预测模型状态信息，作为该在前历元的接收机位置和钟差的状态最优估计信息。并使用接收机的位置增量和钟差增量，对相邻两个历元中在前历元对应的子预测模型状态信息进行状态时间更新，得到相邻两个历元中在后历元对应的接收机位置和钟差的预测结果。

容易理解，相邻两个历元中，在前历元为k历元，在后历元为k+1历元也即当前历元。

接收机在相邻两个历元中在前历元对应的子预测模型状态信息包括：从上文构建的接收机状态预测模型中进行与接收机位置和钟差相关的子预测模型抽取，并基于抽取的子预测模型对接收机在所述在前历元(k历元)的位置和钟差进行状态最优估计所得的结果。

以上文构建的接收机卡尔曼滤波模型为例，可从中抽取出子滤波器X₁＝[r δT]^T作为子预测模型，那么其协方差矩阵为：

令k历元的子滤波器状态信息为X_1，k(基于X₁对接收机在k历元的位置和钟差进行状态最优估计而得到)，那么可使用式(7)-(8)获得的最小二乘结果进行状态时间更新，得到接收机在k+1历元对应的位置和钟差预测结果(本质为验前预测结果)：

式(10)-(11)中，X_1，k，k+1表示子滤波器在k+1历元的状态向量预测值，

表示子滤波器在k历元的状态误差方差阵，P_1，k，k+1表示子滤波器在k+1历元的状态方差阵预测值。

由于载波相位的观测噪声方差

相对较高，经过上式计算后获得的位置和钟差协方差仍然能够保持在与P_1k相近的水平上。

(二)基于多普勒的接收机位置和钟差预测

该情况下，具体基于观测卫星在当前历元(k历元)的多普勒观测信息，进行接收机位置和钟差预测，预测过程包括：

21)将预先构建的接收机状态预测模型的状态时间更新至当前历元，得到接收机状态预测模型在当前历元对应的模型状态。

本实施例通过将接收机的位置建模为匀速直线运动、速度建模为随机过程、钟差和钟飘建模为二阶随机过程，实现将接收机状态预测模型的状态时间更新至当前历元，即更新至k+1历元。

其中，针对构建的接收机卡尔曼滤波模型，将其中的位置建模为匀速直线运动，速度建模为随机过程，钟差、钟飘建模为二阶随机过程，可得到滤波器动态模型：

式(12)中，W_v表示速度的随机游走噪声，其噪声密度为Q_v，W_f表示钟飘的随机游走噪声，其噪声密度为Q_f。

对式(12)进行离散化，令t为k～k+1历元的时间间隔，可得到k+1历元的接收机预测状态：

对应的状态协方差传播模型(即k+1历元的状态协方差矩阵预测结果)为：

上式中，Q_k表示状态方程中随机游走噪声的协方差矩阵，其形式如下：

22)使用观测卫星在当前历元的多普勒观测信息，对接收机状态预测模型在当前历元对应的模型状态进行量测更新。

卫星s的多普勒观测的观测模型为(忽略了k～k+1历元间的卫星单位视线矢量的变化)：

式(16)中，v^s表示卫星s的瞬时速度，δf^s表示卫星s的钟飘，可从导航电文中获得，

表示多普勒观测噪声，

表示k历元卫星s的位置坐标。

对上式经过线性化，进一步构造卡尔曼观测模型(多普勒矢量的观测模型)如下：

基于该式，对接收机状态预测模型(如接收机的卡尔曼滤波模型)在当前历元(k+1)对应的模型状态进行量测更新，得到接收机状态预测模型的多普勒量测更新模型，量测更新的过程如下：

X_k+1＝X_k，k+1+K_k+1(Z_d，k+1-H_dX_k，k+1) (18)

P_k+1＝(I-K_k+1H)P_k，k+1 (19)

其中，

23)从接收机状态预测模型在当前历元对应的模型状态的量测更新结果中，抽取与接收机的位置和钟差相关的子预测模型，得到基于该子预测模型表征的接收机在当前历元对应的位置和钟差的预测结果。

具体的，可从经过上述量测更新所得的结果中抽取出子滤波器X₁＝[r δT]^T，

作为子预测模型，用于接下来的步骤使用。

基于载波相位观测信息或多普勒观测信息的接收机位置和钟差预测过程，具体可结合参见图2提供的基于本申请方法进行异常伪距识别的示例性详细流程。本申请提供了两条Kalman时间更新的方式，首选使用载波相位历元差分直接将接收机位置和钟差更新到当前历元，备选是使用动力学方程进行时间更新到当前历元，并使用多普勒量测更新作为辅助，将位置和钟差的预测精度提高到前一历元相当的水平，这两种方式均可以将相邻的前一历元比较精确的位置解传递到当前历元，以此为基础进行异常伪距的观测筛选，达到提高筛选的准确率与效率的效果。

步骤103、根据观测卫星的伪距观测集对接收机的位置和钟差的预测结果进行量测更新处理，得到所述预测结果的量测更新结果。

经过上文各步骤所得的接收机位置和钟差的预测结果，本质为接收机位置和钟差的验前预测结果，本步骤通过根据观测卫星的伪距观测集对其进行量测更新处理，来得到接收机位置和钟差的验后预测结果，也就是说，此步骤所得的量测更新结果，本质即为接收机位置和钟差的验后预测结果。

量测更新过程具体描述如下：

其中，卫星s的伪距观测模型为：

式(20)中，

表示伪距测量噪声，令δr＝r_k+1-r_k，k+1为接收机位置的预测误差，δδT＝δT_k+1-δT_k，k+1为接收机钟差的预测误差，代入上式并进行线性化后，可得到伪距观测新息为：

其中，

基于上式构建卡尔曼观测模型(即伪距新息矢量)如下：

之后，进一步按照如下过程，对接收机位置和钟差的预测结果(验前预测结果)进行基于伪距的量测更新，得到当前历元(k+1)接收机位置和钟差的预测结果的量测更新结果(验后预测结果)：

X_1，k+1＝X_1，k，k+1+δX₁＝X_1，k，k+1+K_ρ，k+1Z_ρ，k+1 (23)

后续，可将当前历元(k+1)接收机位置和钟差的预测结果的量测更新结果(验后预测结果)，作为接收机在当前历元位置和钟差的状态最优估计信息，参与下一相邻历元的处理。

步骤104、根据所述量测更新结果，确定观测卫星的伪距残差矢量。

其中，具体可根据接收机在当前历元位置和钟差的预测结果的量测更新结果，确定观测卫星的伪距预测值，该预测值本质为观测卫星的验后伪距预测值。之后，可根据观测卫星的伪距观测值和伪距预测值(将两者进行差值运算)，确定观测卫星的伪距残差矢量

步骤105、根据所述伪距残差矢量和预设的异常伪距识别策略，识别观测卫星的伪距观测集中的异常伪距观测值。

观测卫星的伪距观测集，包括观测卫星在当前历元(k+1)的各个伪距观测值。在得到伪距观测集对应的伪距残差矢量后，进一步以伪距残差矢量中的各个伪距残差为依据，识别观测卫星的伪距观测集中的异常伪距观测值。

可选的，该识别处理过程可分为全局检测和局部检测两个方面：

(一)全局检测

用于根据伪距残差矢量中的各个伪距残差对应的预设全局检测统计量，确定观测卫星在对应的伪距观测集中是否存在异常伪距观测值。

可选的，预设的全局检测统计量可以为

针对全局检测，本实施例设定第一门限作为保护门限，表示为T_th。

在全局检测中，具体可计算伪距残差矢量中的各个伪距残差对应的全局检测统计量

并判定全局检测统计量是否低于保护门限，若低于，即T＜T_th，则说明观测卫星在当前历元(k+1)的各伪距观测值无异常观测，如未低于，即T≥T_th，则说明存在异常观测，则继续执行后续的局部检测，以进行异常观测的识别。

(二)局部检测

在基于全局检测处理确定观测卫星的伪距观测集中存在异常伪距观测值情况下，进一步根据伪距残差矢量中的各个伪距残差，识别伪距观测集中的异常伪距观测值。

可选的，可设定第二门限作为检测门限，并将对应的残差高于该门限的伪距识别为异常伪距。

综上所述，本申请提出并实现了一种基于载波辅助的异常伪距识别方案，载波观测信息的观测精度远高于伪距的观测精度，同时载波观测信息在进入复杂信号环境时的畸变速度远小于伪距的畸变速度，本申请以载波观测信息作为辅助来进行异常伪距识别，可使GNSS接收机进入复杂信号环境时能快速准确的识别出错误/异常的伪距观测值，避免对定位精度造成负面影响。

从而，本申请有利于在GNSS接收机从较好的信号环境转入复杂信号环境时，及时快速地对异常伪距观测进行识别与剔除，进而提高了GNSS接收机的定位精度和可用性。同时能够避免已知技术在应对复杂信号环境下的伪距测量问题时所存在的接收机硬件成本高、主观性强、定位可用性低、检测概率低等一系列问题。

以下通过一实施例，提供基于全局检测和局部检测进行异常伪距识别的一优选实现方式。

该实现方式下，针对局部检测，具体将设定的第二门限作为过度异常检测门限，表示为

在通过全局检测判定出观测卫星在当前历元存在异常观测的情况下，可进一步基于设定的第二门限，通过以下处理，实现异常伪距的识别：

31)确定伪距残差矢量包含的各个伪距残差中高于预设检测门限的第一伪距残差，将第一伪距残差在伪距观测集中对应的伪距观测值识别为观测卫星在当前历元的第一异常伪距观测值；从所述伪距观测集中剔除第一异常伪距观测值，得到余留观测集；并针对余留观测集及其对应的伪距残差矢量，执行上述的全局检测处理。

这里的预设检测门限即为第二门限，也即设定的过度异常检测门限

具体的，可遍历检测伪距残差矢量中所有的伪距残差

将所有满足

的伪距作为异常观测剔除，然后使用剔除之后的伪距观测组即余留观测集重新构建卡尔曼观测量，按照式(23)-(24)进行伪距量测更新，及此基础上的伪距残差矢量更新，之后针对余留观测集及其对应的伪距残差矢量，重新按照全局检测的检测逻辑执行全局检测。

32)在基于全局检测处理确定余留观测集中存在异常伪距观测值情况下，将余留观测集中对应的伪距残差最大的观测值，识别为观测卫星在当前历元的第二异常伪距观测值；从余留观测集中剔除第二异常伪距观测值；将余留观测集更新为剔除第二异常伪距观测值后所得的观测集，并循环至针对所述余留观测集及其对应的伪距残差矢量执行所述全局检测处理的步骤，直至基于全局检测处理确定余留观测集中不存在异常伪距观测值时结束。

即，遍历余留观测集对应的伪距残差矢量中的所有伪距残差，寻找最大值并视其对应的伪距为异常观测进行剔除，基于剔除之后留存的伪距观测组实现余留观测集更新，并重新构建卡尔曼观测量按照式(23)-(24)进行伪距量测更新，及此基础上的伪距残差矢量更新，之后重新按照全局检测逻辑进行全局检测，迭代该过程，直至余留观测集中不存在异常伪距观测值时结束。

上述过程所识别出的第一异常伪距观测值和第二异常伪距观测值，均为伪距的异常观测。

值得说明的是，一般的接收机自主完好性检测算法，在一次迭代过程中只能做一颗错误卫星(异常伪距)识别，即只能执行32)的处理，不能执行31)的处理，否则有可能会跌入局部最优解导致识别错误，该方式显然存在识别速度慢、效率低等问题。与此相区别，本申请由于有比较精确的位置和钟差辅助，因此可以大幅降低这个错误发生的概率，可以首先使用较粗的门限进行一次批量检测，即31)的处理，再通过32)提供的迭代操作进一步细化，从而本申请解决了已知技术的上述缺陷，在保证识别准确性前提下，有效提升了异常伪距的检测识别速率。

对应于上述的异常伪距识别方法，本申请还提供一种异常伪距识别装置，该装置的组成结构如图3所示，包括：

获取单元10，用于获取对观测卫星进行载波观测所得的预设载波观测信息；

预测单元20，用于根据所述预设载波观测信息对接收机的位置和钟差进行预测处理，得到接收机位置和钟差的预测结果；

量测更新单元30，用于根据观测卫星的伪距观测集对所述预测结果进行量测更新处理，得到所述预测结果的量测更新结果；

确定单元40，用于根据所述量测更新结果，确定观测卫星的伪距残差矢量；

识别单元50，用于根据所述伪距残差矢量和预设的异常伪距识别策略，识别观测卫星的伪距观测集中的异常伪距观测值。

在一实施方式中，获取单元10，具体用于：

确定载波锁定的观测卫星是否满足载波观测条件；所述载波观测条件为在使用最小二乘估计方式确定待估矢量情况下，保证最小二乘估计的有效性所需的载波观测条件，所述待估矢量由接收机的位置增量和钟差增量构成；

若是，获取观测卫星在当前两个相邻历元的载波相位观测值；

若否，获取观测卫星在当前历元的多普勒观测信息。

在一实施方式中，载波观测条件包括：载波连续锁定且未发生载波周跳的观测卫星的数量未低于4。

在一实施方式中，预设载波观测信息包括观测卫星在当前两个相邻历元的载波相位观测值；预测单元20，具体用于：

根据所述当前两个相邻历元的载波相位观测值，使用最小二乘估计方式确定接收机的位置增量和钟差增量；

使用接收机的位置增量和钟差增量，对所述相邻历元中在前历元的接收机位置和钟差的状态最优估计信息进行更新，得到所述相邻历元中在后历元对应的接收机位置和钟差的预测结果。

在一实施方式中，预测单元20，在使用接收机的位置增量和钟差增量，对所述相邻历元中在前历元的接收机位置和钟差的状态最优估计信息进行更新，得到所述相邻历元中在后历元对应的接收机位置和钟差的预测结果时，具体用于：

获取接收机在所述在前历元对应的子预测模型状态信息，作为所述在前历元的接收机位置和钟差的状态最优估计信息；所述子预测模型状态信息包括：从预先构建的接收机状态预测模型中进行与接收机位置和钟差相关的子预测模型抽取，并基于抽取的子预测模型对接收机在所述在前历元的位置和钟差进行状态最优估计所得的结果；

使用接收机的位置增量和钟差增量，对所述子预测模型状态信息进行状态时间更新，得到所述在后历元对应的接收机位置和钟差的预测结果。

在一实施方式中，预设载波观测信息包括观测卫星在当前历元的多普勒观测信息；预测单元20，具体用于：

将预先构建的接收机状态预测模型的状态时间更新至当前历元，得到接收机状态预测模型在当前历元对应的模型状态；

使用观测卫星在当前历元的多普勒观测信息，对接收机状态预测模型在当前历元对应的模型状态进行量测更新；

从接收机状态预测模型在当前历元对应的模型状态的量测更新结果中，抽取与接收机位置和钟差相关的子预测模型，得到基于所述子预测模型表征的接收机在当前历元对应的位置和钟差的预测结果。

在一实施方式中，接收机状态预测模型为基于接收机的位置、速度、钟差和钟飘构建的卡尔曼滤波模型；

子预测模型为基于接收机的卡尔曼滤波模型所得的对应于接收机位置和钟差的子滤波模型。

在一实施方式中，预测单元20，在将预先构建的接收机状态预测模型的状态时间更新至当前历元时，具体用于：

通过将接收机的位置建模为匀速直线运动、速度建模为随机过程、钟差和钟飘建模为二阶随机过程，将所述接收机状态预测模型的状态时间更新至当前历元。

在一实施方式中，确定单元40，具体用于：

根据所述量测更新结果，确定观测卫星的伪距预测值；

根据观测卫星的伪距预测值和伪距观测值，确定观测卫星的伪距残差矢量。

在一实施方式中，识别单元50，具体用于：

针对所述伪距残差矢量和所述伪距观测集执行全局检测处理；所述全局检测处理包括：根据伪距残差矢量中的各个伪距残差对应的预设全局检测统计量，确定观测卫星在对应的伪距观测集中是否存在异常伪距观测值；

在基于所述全局检测处理确定所述伪距观测集中存在异常伪距观测值情况下，根据所述伪距残差矢量中的各个伪距残差，识别所述伪距观测集中的异常伪距观测值。

在一实施方式中，所述伪距观测集包括观测卫星在当前历元的各个伪距观测值；识别单元50，在根据所述伪距残差矢量中的各个伪距残差，识别所述伪距观测集中的异常伪距观测值时，具体用于：

确定所述伪距残差矢量包含的各个伪距残差中高于预设检测门限的第一伪距残差，将所述第一伪距残差对应的伪距观测值识别为观测卫星在当前历元的第一异常伪距观测值；

从所述伪距观测集中剔除所述第一异常伪距观测值，得到余留观测集；

针对所述余留观测集及其对应的伪距残差矢量执行所述全局检测处理；

在基于所述全局检测处理确定所述余留观测集中存在异常伪距观测值情况下，将所述余留观测集中对应的伪距残差最大的观测值，识别为观测卫星在当前历元的第二异常伪距观测值；

从所述余留观测集中剔除所述第二异常伪距观测值；

将余留观测集更新为剔除所述第二异常伪距观测值后所得的观测集，并循环至针对所述余留观测集及其对应的伪距残差矢量执行所述全局检测处理的步骤，直至基于全局检测处理确定余留观测集中不存在异常伪距观测值时结束。

对于本申请实施例提供的异常伪距识别装置而言，由于其与上文方法实施例提供的异常伪距识别方法相对应，所以描述的比较简单，相关相似之处请参见上文方法实施例的说明即可，此处不再详述。

本申请还提供一种计算机可读介质，其上存储有计算机程序，所述计算机程序包含用于执行如上文方法实施例提供的异常伪距识别方法的程序代码。

在本申请的上下文中，计算机可读介质(机器可读介质)可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。

需要说明的是，本申请上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本申请中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、RF(射频)等等，或者上述的任意合适的组合。

上述计算机可读介质可以是电子设备中所包含的；也可以是单独存在，而未装配入电子设备中。

本申请还提供一种计算机程序产品，其包括承载在非暂态计算机可读介质上的计算机程序，所述计算机程序包含用于执行如上文方法实施例提供的异常伪距识别方法的程序代码。

特别地，根据本申请的实施例，上文各参考流程图描述的过程可以被实现为计算机软件程序。在这样的实施例中，该计算机程序可以通过通信装置从网络上被下载和安装，或者从存储装置被安装，或者从ROM被安装。在该计算机程序被处理装置执行时，执行本申请实施例的方法中限定的上述功能。

需要说明，尽管已经采用特定于结构特征和/或方法逻辑动作的语言描述了本主题，但是应当理解所附权利要求书中所限定的主题未必局限于上面描述的特定特征或动作。相反，上面所描述的特定特征和动作仅仅是实现权利要求书的示例形式。

虽然在上面论述中包含了若干具体实现细节，但是这些不应当被解释为对本申请的范围的限制。在单独的实施例的上下文中描述的某些特征还可以组合地实现在单个实施例中。相反地，在单个实施例的上下文中描述的各种特征也可以单独地或以任何合适的子组合的方式实现在多个实施例中。

以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本申请中所涉及的申请范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述申请构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中申请的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。

Claims (14)

1.一种异常伪距识别方法，其特征在于，包括：

获取对观测卫星进行载波观测所得的预设载波观测信息；

根据所述预设载波观测信息对接收机的位置和钟差进行预测处理，得到接收机位置和钟差的预测结果；

根据观测卫星的伪距观测集对所述预测结果进行量测更新处理，得到所述预测结果的量测更新结果；

根据所述量测更新结果，确定观测卫星的伪距残差矢量；

根据所述伪距残差矢量和预设的异常伪距识别策略，识别观测卫星的伪距观测集中的异常伪距观测值。

2.根据权利要求1所述的方法，其特征在于，所述获取对观测卫星进行载波观测所得的预设载波观测信息，包括：

确定载波锁定的观测卫星是否满足载波观测条件；所述载波观测条件为在使用最小二乘估计方式确定待估矢量情况下，保证最小二乘估计的有效性所需的载波观测条件，所述待估矢量由接收机的位置增量和钟差增量构成；

若是，获取观测卫星在当前两个相邻历元的载波相位观测值；

若否，获取观测卫星在当前历元的多普勒观测信息。

3.根据权利要求2所述的方法，其特征在于，所述载波观测条件包括：载波连续锁定且未发生载波周跳的观测卫星的数量未低于4。

4.根据权利要求2所述的方法，其特征在于，所述预设载波观测信息包括观测卫星在当前两个相邻历元的载波相位观测值；所述根据所述预设载波观测信息对接收机的位置和钟差进行预测处理，得到接收机位置和钟差的预测结果，包括：

根据所述当前两个相邻历元的载波相位观测值，使用最小二乘估计方式确定接收机的位置增量和钟差增量；

使用接收机的位置增量和钟差增量，对所述相邻历元中在前历元的接收机位置和钟差的状态最优估计信息进行更新，得到所述相邻历元中在后历元对应的接收机位置和钟差的预测结果。

5.根据权利要求4所述的方法，其特征在于，所述使用接收机的位置增量和钟差增量，对所述相邻历元中在前历元的接收机位置和钟差的状态最优估计信息进行更新，得到所述相邻历元中在后历元对应的接收机位置和钟差的预测结果，包括：

获取接收机在所述在前历元对应的子预测模型状态信息，作为所述在前历元的接收机位置和钟差的状态最优估计信息；所述子预测模型状态信息包括：从预先构建的接收机状态预测模型中进行与接收机位置和钟差相关的子预测模型抽取，并基于抽取的子预测模型对接收机在所述在前历元的位置和钟差进行状态最优估计所得的结果；

使用接收机的位置增量和钟差增量，对所述子预测模型状态信息进行状态时间更新，得到所述在后历元对应的接收机位置和钟差的预测结果。

6.根据权利要求2所述的方法，其特征在于，所述预设载波观测信息包括观测卫星在当前历元的多普勒观测信息；所述根据所述预设载波观测信息对接收机的位置和钟差进行预测处理，得到接收机的位置和钟差的预测结果，包括：

将预先构建的接收机状态预测模型的状态时间更新至当前历元，得到接收机状态预测模型在当前历元对应的模型状态；

使用观测卫星在当前历元的多普勒观测信息，对接收机状态预测模型在当前历元对应的模型状态进行量测更新；

从接收机状态预测模型在当前历元对应的模型状态的量测更新结果中，抽取与接收机位置和钟差相关的子预测模型，得到基于所述子预测模型表征的接收机在当前历元对应的位置和钟差的预测结果。

7.根据权利要求5或6所述的方法，其特征在于，所述接收机状态预测模型为基于接收机的位置、速度、钟差和钟飘构建的卡尔曼滤波模型；

所述子预测模型为基于接收机的卡尔曼滤波模型所得的对应于接收机位置和钟差的子滤波模型。

8.根据权利要求7所述的方法，其特征在于，所述将预先构建的接收机状态预测模型的状态时间更新至当前历元，包括：

通过将接收机的位置建模为匀速直线运动、速度建模为随机过程、钟差和钟飘建模为二阶随机过程，将所述接收机状态预测模型的状态时间更新至当前历元。

9.根据权利要求1所述的方法，其特征在于，所述根据所述量测更新结果，确定观测卫星的伪距残差矢量，包括：

根据所述量测更新结果，确定观测卫星的伪距预测值；

根据观测卫星的伪距预测值和伪距观测值，确定观测卫星的伪距残差矢量。

10.根据权利要求1所述的方法，其特征在于，所述根据所述伪距残差矢量和预设的异常伪距识别策略，识别观测卫星的伪距观测集中的异常伪距观测值，包括：

针对所述伪距残差矢量和所述伪距观测集执行全局检测处理；所述全局检测处理包括：根据伪距残差矢量中的各个伪距残差对应的预设全局检测统计量，确定观测卫星在对应的伪距观测集中是否存在异常伪距观测值；

在基于所述全局检测处理确定所述伪距观测集中存在异常伪距观测值情况下，根据所述伪距残差矢量中的各个伪距残差，识别所述伪距观测集中的异常伪距观测值。

11.根据权利要求10所述的方法，其特征在于，所述伪距观测集包括观测卫星在当前历元的各个伪距观测值；所述根据所述伪距残差矢量中的各个伪距残差，识别所述伪距观测集中的异常伪距观测值，包括：

确定所述伪距残差矢量包含的各个伪距残差中高于预设检测门限的第一伪距残差，将所述第一伪距残差对应的伪距观测值识别为观测卫星在当前历元的第一异常伪距观测值；

从所述伪距观测集中剔除所述第一异常伪距观测值，得到余留观测集；

针对所述余留观测集及其对应的伪距残差矢量执行所述全局检测处理；

在基于所述全局检测处理确定所述余留观测集中存在异常伪距观测值情况下，将所述余留观测集中对应的伪距残差最大的观测值，识别为观测卫星在当前历元的第二异常伪距观测值；

从所述余留观测集中剔除所述第二异常伪距观测值；

将余留观测集更新为剔除所述第二异常伪距观测值后所得的观测集，并循环至针对所述余留观测集及其对应的伪距残差矢量执行所述全局检测处理的步骤，直至基于全局检测处理确定余留观测集中不存在异常伪距观测值时结束。

12.一种异常伪距识别装置，其特征在于，包括：

获取单元，用于获取对观测卫星进行载波观测所得的预设载波观测信息；

预测单元，用于根据所述预设载波观测信息对接收机的位置和钟差进行预测处理，得到接收机位置和钟差的预测结果；

量测更新单元，用于根据观测卫星的伪距观测集对所述预测结果进行量测更新处理，得到所述预测结果的量测更新结果；

确定单元，用于根据所述量测更新结果，确定观测卫星的伪距残差矢量；

识别单元，用于根据所述伪距残差矢量和预设的异常伪距识别策略，识别观测卫星的伪距观测集中的异常伪距观测值。

13.一种计算机可读介质，其特征在于，其上存储有计算机程序，所述计算机程序包含用于执行如权利要求1-11任一项所述的方法的程序代码。

14.一种计算机程序产品，其特征在于，其包括承载在非暂态计算机可读介质上的计算机程序，所述计算机程序包含用于执行如权利要求1-11任一项所述的方法的程序代码。

Images