CN116736339B - 一种面向禁航区管控的北斗自主监测及预警方法 - Google Patents

一种面向禁航区管控的北斗自主监测及预警方法 Download PDF

Info

Publication number
CN116736339B
CN116736339B CN202311009386.8A CN202311009386A CN116736339B CN 116736339 B CN116736339 B CN 116736339B CN 202311009386 A CN202311009386 A CN 202311009386A CN 116736339 B CN116736339 B CN 116736339B
Authority
CN
China
Prior art keywords
carrier
bds
beidou
protection level
navigation system
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
CN202311009386.8A
Other languages
English (en)
Other versions
CN116736339A (zh
Inventor
王媛媛
王伟乐
林华
周烜好
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.)
Zhejiang Zhongyu Communication Co ltd
Original Assignee
Zhejiang Zhongyu Communication 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 Zhejiang Zhongyu Communication Co ltd filed Critical Zhejiang Zhongyu Communication Co ltd
Priority to CN202311009386.8A priority Critical patent/CN116736339B/zh
Publication of CN116736339A publication Critical patent/CN116736339A/zh
Application granted granted Critical
Publication of CN116736339B publication Critical patent/CN116736339B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G01S19/35—Constructional details or hardware or software details of the signal processing chain
    • G01S19/37—Hardware or software details of the signal processing chain
    • 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
    • G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
    • G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
    • G01S19/42—Determining position
    • G01S19/45—Determining position by combining measurements of signals from the satellite radio beacon positioning system with a supplementary measurement
    • G01S19/47—Determining position by combining measurements of signals from the satellite radio beacon positioning system with a supplementary measurement the supplementary measurement being an inertial measurement, e.g. tightly coupled inertial
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G3/00—Traffic control systems for marine craft
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
    • G06F2218/12—Classification; Matching
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/10—Internal combustion engine [ICE] based vehicles
    • Y02T10/40—Engine management systems

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Data Mining & Analysis (AREA)
  • Theoretical Computer Science (AREA)
  • Signal Processing (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Ocean & Marine Engineering (AREA)
  • Artificial Intelligence (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Security & Cryptography (AREA)
  • Position Fixing By Use Of Radio Waves (AREA)

Abstract

本发明提出了一种面向禁航区管控的北斗自主监测及预警方法，包括：基于隔离森林模型进行离线训练，得到训练好的隔离森林；使用训练好的隔离森林，实时检测当前载具接收到的北斗卫星导航系统BDS信号中的异常观测并剔除，得到预处理后的BDS数据；对预处理后的BDS数据，进行基于扩展卡尔曼滤波的组合导航解算及实时保护级计算，得到载具的定位信息以及保护级；基于定位信息及保护级结果对载具进行实时管控。本发明能精准判断载具是否位于禁航区，实现对靠近禁航区的载具及时预警，且可有效缓解海面多径误差对组合导航系统性能的影响，从而提高组合导航系统定位精度。

Description

一种面向禁航区管控的北斗自主监测及预警方法
技术领域
本发明涉及一种北斗自主监测及预警方法，特别是一种面向禁航区管控的北斗自主监测及预警方法。
背景技术
随着智能交通的不断发展，为了保证船舶、车辆等运载体更安全、更可靠的航行，对船舶、车辆等运载体定位精度及可靠性提出了更高的要求。传统的BDS/IMU组合导航系统是广泛使用的导航定位技术，然而在茫茫海洋中，BDS信号易受海面波浪反射，在复杂城市环境中，BDS信号易受高楼、高架桥等建筑物反射，产生非视距接受(NLOS)和多路径效应，严重损害组合导航系统定位精度及可靠性。以船舶为例，当船舶在禁海区域周围作业时，不可靠的定位结果会严重影响禁航区管控效果。例如，将未进入禁航区的船舶误判为已入侵禁航区，将进入禁航区的船舶漏断为未入侵禁航区，从而造成管控的不公，甚至引起法律纠纷。此外，对于禁止驶入的危险区域，若未及时向靠近的船舶、车辆预警，可能会造成巨大的人亡损失，因此削弱异常观测值的影响，提高组合导航系统定位精度及可靠性，精准判断船舶、车辆是否在禁航区域，对靠近禁航区的车辆、船舶进行及时预警，对实现车辆、船舶安全可靠的航行具有重要意义。
完好性起源于民航领域，主要测量导航系统定位信息正确性的置信度，当系统无法提供可靠的定位信息时及时向用户进行告警(参考：最小二乘残差RAIM的最优保护级[C]//中国卫星导航系统管理办公室学术交流中心,北京市经济和信息化局,北京市顺义区人民政府.第十三届中国卫星导航年会论文集——S03卫星导航系统与增强.2022:56-61.DOI:10.26914/c.cnkihy.2022.000946.)，从而实现飞机对导航系统的高可靠性定位需求。R.M.Kalafus于1987年提出接收机自主完好性检测(RAIM)，利用卫星的冗余观测量进行一致性检验，进行故障卫星的检测于排除。该方法是应用最广泛的完好性监测方法，主要包括距离比较法(参考：Analysis of Range and Position Comparison Methods As aMeans to Provide GPS Integrityin the User ReceiverJ].1986.)、最小二乘残差法(参考：Autonomous GPS Integrity Monitoring Using the Pseudorange ResiduallJ]Navigation,1988,35(2):255-274.)、奇偶矢量法(参考：Navigation System IntegrityMonitoring Using Redundant Measurements[J].Navigation.1988,35(4):483-501)和解分离法(参考：Self-Contained GPS Integrity Check Using Maximum SolutionSeparation[J].Navigation,1988.35(1):41-53)。然而，该算法至少要求5颗可见卫星才能进行故障检测，至少要求6颗可见卫星才能进行故障隔离，且该算法只针对单一故障假设，未考虑多故障情形。RAIM算法的完好性评估通常通过保护级计算实现。为了解决多故障问题，Rippl提出了基于多假设解分离的增强型接收机自主完好性检测(ARAIM)(参考：Parametric performance study of advanced receiver autonomous integritymonitoring(ARAIM)for combined GNSS constellations[C]//Proceedings of the2011international technical meeting of the institute of navigation.2011:285-295.)，然而该算法计算效率会受到所选子集的增加而大大降低，难以满足车辆、船舶等运载体的实时预警。
综上所述，现有技术存在以下缺陷：
(1)现有的RAIM中的故障检测与隔离(FDE)算法需要满足6颗以上的可见星冗余，并且要求误差服从高斯分布，且只能检测单星故障，这些条件在空旷的航空领域可以满足，但是在海洋或城市等复杂环境中，由于海面波浪或高楼等复杂的多径反射，无法满足传统RAIM的应用条件。现有的ARAIM算法主要基于多重假设解法分离的框架基础，其计算效率会随着所选子集的增加而大大降低，难以提供载具准确的实时位置，实现载具靠近禁航区域的及时预警。
(2)基于监督学习的NLOS/多径检测算法，需要获得准确的含有NLOS和多径信号特征的标签数据集。现有的研究方法主要针对有高大建筑物遮挡的城市复杂环境区域，大多利用射线跟踪和天基线匹配方法获得信号标签。与城市环境不同，船舶接收到的多径主要由海面反射产生，现有的获取标签数据集的方法并不能适用于海面。此外，现有的精确的标签数据集的获取方式是相当复杂且困难的。
发明内容
发明目的：本发明所要解决的技术问题是针对现有技术的不足，提供一种面向禁航区管控的北斗自主监测及预警方法。
为了解决上述技术问题，本发明公开了一种面向禁航区管控的北斗自主监测及预警方法，包括：
步骤1，基于隔离森林模型进行离线训练，得到训练好的隔离森林，具体包括：
步骤1-1，采集BDS数据，并构建训练数据集：利用载具上安装的BDS接收机分别在空旷的道路及海面采集BDS数据，构建训练数据集，该训练数据集中的数据特征，至少包括：信号强度、卫星仰角、卫星高度角和伪距残差；
步骤1-2，利用步骤1-1构建的训练数据集，对隔离森林模型进行训练，具体包括：
步骤1-2-1，构建隔离树：从训练数据集中随机选取Ψ个样本作为隔离森林模型中一棵隔离树的根节点；
步骤1-2-2，对构建的隔离树，随机指定一个数据特征，在随机指定的数据特征的最小值和最大值之间，随机产生分割点；
步骤1-2-3，在随机指定的数据特征下将小于分割点的样本放入左节点，大于等于分割点的样本放入右节点；
步骤1-2-4，重复步骤1-2-2和步骤1-2-3，直到将每一个样本都分到一个独立的子节点；
步骤1-2-5，重复步骤1-2-1至步骤1-2-4，构建N个隔离树，从而得到训练好的隔离森林。
步骤2，使用训练好的隔离森林，实时检测当前载具接收到的北斗卫星导航系统BDS信号中的异常观测并剔除，得到预处理后的BDS数据；
所述的实时检测当前载具接受到的北斗卫星导航系统BDS信号中的异常观测并剔除，具体包括：
步骤2-1，所述载具上的接收机实时采集BDS观测数据，并构建测试数据集：从当前载具实时接收的BDS数据中提取卫星信号的信号强度、卫星仰角、卫星高度角和伪距残差，并构建测试数据集；
步骤2-2，使用训练好的隔离森林，进行测试数据集中的BDS数据的异常检测和剔除，具体包括：
步骤2-2-1，对于测试数据集中的每一个测试样本y，综合计算该样本对应的每棵树的结果，并计算异常得分s(y,ψ)：
其中，h(y)为测试样本y在每棵树的高度，E(h(y))为测试样本y在多棵树中的路径长度的期望值，c(ψ)为给定样本数ψ时路径长度的平均值；
步骤2-2-2，如果某一测试样本的异常得分接近1，即满足该测试样本的异常得分与1的差值小于预设阈值时，则判定该样本对应的卫星信号是异常点，进行剔除；如果异常得分远小于0.5，则该样本对应卫星信号正常；如果所有点的异常得分都在0.5左右，即所述异常得分与0.5的差值小于预设阈值时，则判定所有样本中实际上没有异常点。
步骤3，对预处理后的BDS数据，进行基于扩展卡尔曼滤波的组合导航解算及实时保护级计算，得到载具的定位信息以及保护级；
所述的进行基于扩展卡尔曼滤波的组合导航解算及实时保护级计算，即将载具上安装的北斗卫星导航系统BDS和惯性测量元件IMU组成紧组合导航系统，将步骤2中得到的预处理后的BDS数据和使用当前载具上设置的惯性测量元件测量得到的IMU测量信息，基于扩展卡尔曼滤波方法进行紧组合导航解算，具体方法包括：
步骤3-1，进行紧组合导航解算，获得载具的定位信息，具体包括：
步骤3-1-1，建立紧组合导航的系统状态量：
其中，xk为建立的k历元的系统状态量，δr、δv和δψ分别为IMU测量信息在地心地固坐标系的三轴位置、速度和姿态误差向量，ba和sa分别为三轴加速度计零偏和比例因子误差向量，bg和sg分别为三轴陀螺仪零偏和比例因子误差向量，tb和δtb分别表示BDS接收机钟差及钟漂；
步骤3-1-2，构建紧组合导航的系统状态方程，具体如下：
xk＝Φk，k-1xk-1+wk-1
其中，xk-1为k-1历元的系统状态向量，Φk，k-1为由k-1历元到k历元的状态转移矩阵，wk-1为系统噪声；
步骤3-1-3，构建紧组合导航的观测方程可，具体如下：
zk＝Hkxk+ηk
其中，zk为k历元的误差观测向量，Hk为相应的测量投影矩阵，ηk为量测噪声；
误差观测向量zk由IMU测量信息推算的接收机天线到可视卫星的伪距与BDS接收机接收到的伪距观测量/>的差组成，即：
相应的测量投影矩阵Hk，计算方法如下：
其中，m表示可视卫星数量， 表示接收机到可视卫星i的单位视线向量，i＝1，2，…m，(M)×表示三维向量M的反对称阵，0m×3表示m×3维的零矩阵，/>表示/>的反对称矩阵，0m×12表示m×12维的零矩阵，0m×1表示m×1维的零矩阵，/>为载体系相对地心地固坐标系的姿态阵，/>为载体系BDS接收机天线相位中心相对于惯性测量元件IMU的位置矢量即杆臂，cm×1为m×1维的光速；
步骤3-1-4，利用Kalman滤波算法估计组合导航系统状态量，并加上IMU力学编排解算的载体状态求解载具定位信息，具体计算方法如下：
Pk＝(I-KkHk)Pk，k-1
其中，分别为k历元状态量的一步预测值及其方差协方差矩阵，Pk-1分别为k-1历元组合导航系统状态量的最优估计值及其方差协方差矩阵，/>Pk分别为k历元系统状态向量的最优估计值及其方差协方差矩阵，Qk-1为k-1历元系统噪声方差阵，Rk为k历元量测噪声方差阵，Kk为卡尔曼滤波增益，I为单位阵。
步骤3-2，计算当前载具的保护级，具体包括：
在步骤3-1所述的卡尔曼滤波解算过程中，新息γk及其协方差矩阵Ck分别为：
其中，当系统无故障时，Ck服从中心卡方分布；有故障时，服从非中心卡方分布；
首先基于新息γk建立检验统计量ts，即：
ts＝(γk)T(Ck)-1γk
计算故障检测阈值Td，具体如下：
其中，PFA为紧组合导航系统的虚警率，通常给定为10-5/hr，χ2(z，n)为卡方分布的概率密度函数，z为自变量，n为自由度；
所述紧组合导航系统的完好性风险配置要求如下：
其中，ε表示定位误差值，PL指保护级，PHMI表示与定位误差对应的告警限值，Pr(A)表示事件A发生的概率，Hj表示紧组合导航系统是否发生故障的事件，判断标识j＝0或1：
当j＝0时，即Hj＝H0，表示当前紧组合导航系统无故障，此时水平完好性风险PHMI，0的计算方法为：
PHMI，0＝Pr(||εp||＞HPL0，ts≤Td|H0)Pr(H0)
其中，εp为水平位置误差，则紧组合导航系统无故障时的水平保护级HPL0为：
HPL0＝5.33σ
其中，σ为水平位置误差估计值；
当j＝1时，即Hj＝H1，表示当前紧组合导航系统存在故障，此时水平完好性风险PHMI，1的计算方法为：
PHMI，1＝Pr(||εp||＞HPL1，ts≤Td|H1)Pr(H1)
紧组合导航系统存在故障时的水平保护级HPL1计算如下：
HPL1＝max(slopei)Pbias
其中，slopei为第i颗卫星引起的的水平误差dRi与距离残差dSi之比；Pbias为漏检率为10-3/hr时对应卡方分布的非中心化参数；dxi1、dxi2分别为系统状态误差估计量中对应的第一维和第二维元素；bi为故障偏差的估计值；C为滤波新息的方差协方差特征值所构成的对角阵；
则当前载具的保护级，即该载具禁航区管控应用的水平保护级计算方法为：
步骤4，基于定位信息及保护级结果对载具进行实时管控，具体方法包括：
步骤4-1，若水平保护级HPL超出水平告警门限值HAL，则向用户发出警报；
步骤4-2，若水平保护级HPL未超出水平告警门限值HAL，则检测以所述紧组合导航系统估计的载具位置为圆心、水平告警门限为半径的圆与缓冲区的位置关系，若该圆位于缓冲区之外，则判断载具位于禁航区之外；若该圆位与缓冲区发生重叠，则判断载具有进入禁航区的风险，此时发出告警。
进一步的，步骤1-1中所述的载具，至少包括：车辆和船舶。
进一步的，步骤1-2-1中所述的ψ＝1024；
进一步的，步骤1-2-5中所述的N＝100。
进一步的，步骤2-2-2中所述的阈值设置为1.75log2c(ψ)。
有益效果：
(1)针对现有RAIM(接收机自主完好性监测，Receiver Autonomous IntegrityMonitoring)中的FDE(故障检测与隔离，Fault Detection and Exclusion)算法等一系列假设不适用复杂多变的城市、海面场景，现有的ARAIM(增强型接收机自主完好性监测，Advanced Receiver Autonomous Integrity Monitoring)算法计算效率低，不能满足车辆、船舶实时预警的问题，本发明利用机器学习方法检测城市或海面上BDS(北斗卫星导航系统，Beidou Navigation Satellite System)接收机接收到的含有多径误差的卫星信号并进行剔除，提高组合导航系统的定位精度，再将其余未被识别为故障的BDS信号与IMU(惯性测量元件，Inertial Measurement Unit)测量通过扩展卡尔曼滤波(EKF，ExtendedKalman Filter)进行紧组合导航解算，基于EKF中的新息序列构造故障检测统计量和故障阈值，并计算保护级评估载具定位信息的置信度，从而精准判断载具是否位于禁航区，并实现对靠近禁航区的载具及时预警。
(2)针对现有基于监督学习的卫星信号分类方法大多适用在被建筑遮挡的城市峡谷区域，精确的卫星信号标签数据集获取困难，本发明选择载噪比、卫星高度角、预测伪距误差做为特征，利用隔离森林算法识别卫星信号中的异常观测并进行剔除，可以有效缓解城市或海面多径误差对组合导航系统性能的影响，从而有效提高组合导航系统定位精度。
附图说明
下面结合附图和具体实施方式对本发明做更进一步的具体说明，本发明的上述和/或其他方面的优点将会变得更加清楚。
图1是本发明的流程图。
图2是禁航区船舶自主检测及预警示意图。
图3是一个实施例中的定位误差对比示意图。
具体实施方式
本发明的核心内容为一种面向禁航区管控的北斗自主监测及预警方法，如图1所示，包括如下4个阶段：(1)基于隔离森林模型进行离线训练；(2)实时检测BDS信号中的异常观测并剔除；(3)基于扩展卡尔曼滤波的组合导航解算及实时保护级计算；(4)基于定位信息及保护级结果对载具进行实时管控。
(1)基于隔离森林模型进行离线训练
首先，离线部分，利用北斗接收机分别在空旷的道路及海面采集BDS数据，构建训练数据集。该训练数据集包括信号强度、卫星仰角、卫星高度角和伪距残差四个特征。
接着利用构建的训练数据集进行训练，具体步骤如下：
第一步：从训练数据集中随机选取ψ个样本作为一棵隔离树的根节点，其中
ψ＝1024；
第二步：对构建的隔离树，随机指定一个特征，在随机指定的特征的最小值和最大值之间，随机产生分割点；
第三步：在随机指定的特征下将小于分割点的样本放入左节点，大于等于分割点的样本放入右节点；
第四步：重复步骤二和步骤三，直到将每一个样本都分到一个独立的子节点。
第五步：重复步骤一、二、三和四，构建N个隔离树，从而建立隔离森林，其中N＝100。
(2)实时检测BDS数据中的异常观测并剔除
首先，从实时接收的BDS数据中提取卫星信号的信号强度、卫星仰角、卫星高度角和伪距残差构建测试数据集；接下来用训练的隔离森林进行BDS数据中的异常检测和隔离。
第一步：对于每一个测试样本y，综合计算每棵树的结果，并计算异常得分s(y，ψ)：
其中，h(y)为测试样本在每棵树的高度，E(h(y))为测试样本y在多棵树中的路径长度的期望值，c(ψ)为给定样本数ψ时路径长度的平均值，用来对样本y的路径长度h(y)进行标准化处理。
第二步：如果异常得分接近1，那么认为该样本对应卫星信号是异常点，进行剔除；如果异常得分远小于0.5，那么认为该样本对应卫星信号正常；如果异常得分所有点的得分都在0.5左右，则整个样本实际上没有明显的异常。
(3)基于扩展卡尔曼滤波的组合导航解算及实时保护级计算
1)首先将经过异常检测及隔离后的BDS卫星观测量和IMU测量信息基于扩展卡尔曼滤波进行紧组合导航解算，具体方法如下：
该BDS/IMU组合导航系统选取以下状态量作为组合导航系统状态量：
其中，xk为建立的系统状态量，δr、δv和δψ分别为IMU在地心地固坐标系的三轴位置、速度和姿态误差向量，ba和sa分别为三轴加速度计零偏和比例因子误差向量，bg和sg分别为三轴陀螺仪零偏和比例因子误差向量，tb和δtb分别表示BDS接收机钟差及钟漂。
BDS/IMU紧组合导航系统状态方程可以表示为：
xk＝Φk，k-1xk-1+wk-1
其中，xk-1为k-1历元的状态向量，Φk，k-1为由k-1历元到k历元的状态转移矩阵，wk-1为系统噪声。
BDS/IMU紧组合导航系统的观测方程可以表示为：
zk＝Hkxk+ηk
其中，zk为k历元的误差观测向量，Hk为相应的测量投影矩阵，ηk为量测噪声。
在BDS/IMU紧组合导航系统中，zk由IMU测量推算的接收机天线到可视卫星的伪距与BDS接收机接收到的伪距观测量/>的差组成，即
相应的Hk为：
其中，m表示可视卫星数量， 表示接收机到可视卫星i的单位视线向量，i＝1，2，…m，(M)×表示三维向量M的反对称阵，0m×3表示m×3维的零矩阵，/>表示/>的反对称矩阵，0m×12表示m×12维的零矩阵，0m×1表示m×1维的零矩阵，/>为载体系相对地心地固系的姿态阵，/>为载体系BDS天线相位中心相对于IMU的位置矢量即杆臂，cm×1为m×1维的光速。
在得到BDS/IMU紧组合导航系统的状态方程和观测方程后，可以利用以下Kalman滤波算法步骤估计组合导航系统状态量，进而加上IMU力学编排解算的载体状态求解载具的导航参数，具体计算方法如下：
Pk＝(I-KkHk)Pk，k-1
其中，Pk，k-1分别为k历元状态量的一步预测值及其方差协方差矩阵，/>Pk-1分别为k-1历元组合导航系统状态量的最优估计及其方差协方差矩阵，/>Pk分别为k历元组合导航系统状态向量的最优估计值及其方差协方差矩阵，Qk-1为k-1历元系统噪声方差阵，Rk为k历元量测噪声方差阵，Kk为卡尔曼滤波增益，I为23×23维的单位阵。
2)在紧组合导航解算过程中，基于新息计算保护级。
在卡尔曼滤波解算过程中，新息γk及其协方差矩阵Ck分别为：
其中，当系统无故障时，Ck服从中心卡方分布；有故障时，服从非中心卡方分布。首先基于新息建立检验统计量ts，即：
ts＝(γk)T(Ck)-1γk
可以根据下式计算得到故障检测阈值Td：
其中，PFA为导航系统的虚警率，通常给定为10-5/hr，χ2(z，n)为卡方分布的概率密度函数，z为自变量，n为自由度。
接着计算导航系统的保护级。
导航系统的完好性风险配置要求的表达式为：
其中，ε表示定位误差值，PL指保护级，PHMI表示与定位误差对应的告警限值，Pr(A)表示事件A发生的概率，Hj表示系统是否发生故障的事件，j＝0，1。
当j＝0时，即Hj＝H0，表示当前系统无故障，此时水平完好性风险PHMI，0的计算公式为：
PHMI，0＝Pr(||εp||＞HPL0，ts≤Td|H0)Pr(H0)
其中，εp为水平位置误差，
则系统无故障时的水平保护级HPL0为：
HPL0＝5.33σ
其中，σ为水平位置误差估计值，5.33由经典RAIM中可视卫星为8颗时，假设的10-3/hr的漏检率给出。
当j＝1时，即Hj＝H1，表示当前系统存在故障，此时水平完好性风险PHMI，1的计算公式为：
PHMI，1＝Pr(||εp||＞HPL1，ts≤Td|H1)Pr(H1)
系统存在故障时的水平保护级HPL1计算如下：
HPL1＝max(slopei)Pbias
其中，slopei为第i颗卫星引起的的水平误差dRi与距离残差dSi之比；Pbias为漏检率为10-3/hr时对应卡方分布的非中心化参数；dxi1、dxi2分别为系统状态误差估计量中对应的第一维和第二维元素；bi为故障偏差的估计值；C为滤波新息的方差协方差特征值所构成的对角阵。
则车辆或船舶禁航区管控应用的水平保护级计算公式为：
(4)基于定位信息及保护级结果对载具进行实时管控，如图2所示，
在获得载具的实时位置及保护级后，可以实现载具的实时管控：
1)若水平保护级HPL超出水平告警门限值HAL，说明系统自主完好性监测不可用，系统需要向用户发出警报；
2)若水平保护级HPL未超出水平告警门限值HAL，则检测以组合导航系统估计的载具位置为圆心、水平告警门限为半径的圆与缓冲区的位置关系，若该圆位于缓冲区之外，则可以判断载具位于禁航区之外；若该圆位与缓冲区发生重叠，则判断载具有进入禁航区的风险，应及时发出告警，使载具离开该区域。该管控预警示意图如图2所述。
实施例：
如图3所示，给出了其中一种实施例中，利用隔离森林算法进行BDS数据异常检测前后的BDS/IMU组合导航定位误差，由图3可以看到，受异常观测影响，传统BDS/IMU组合导航定位误差达到了几百米，隔离森林算法检测并剔除BDS异常观测量后，大大提高了组合导航系统的定位精度和可靠性。
具体实现中，本申请提供计算机存储介质以及对应的数据处理单元，其中，该计算机存储介质能够存储计算机程序，所述计算机程序通过数据处理单元执行时可运行本发明提供的一种面向禁航区管控的北斗自主监测及预警方法的发明内容以及各实施例中的部分或全部步骤。所述的存储介质可为磁碟、光盘、只读存储记忆体(read-only memory，ROM)或随机存储记忆体(random access memory，RAM)等。
本领域的技术人员可以清楚地了解到本发明实施例中的技术方案可借助计算机程序以及其对应的通用硬件平台的方式来实现。基于这样的理解，本发明实施例中的技术方案本质上或者说对现有技术做出贡献的部分可以以计算机程序即软件产品的形式体现出来，该计算机程序软件产品可以存储在存储介质中，包括若干指令用以使得一台包含数据处理单元的设备(可以是个人计算机，服务器，单片机，MUU或者网络设备等)执行本发明各个实施例或者实施例的某些部分所述的方法。
本发明提供了一种面向禁航区管控的北斗自主监测及预警方法的思路及方法，具体实现该技术方案的方法和途径很多，以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。本实施例中未明确的各组成部分均可用现有技术加以实现。

Claims (10)

1.一种面向禁航区管控的北斗自主监测及预警方法，其特征在于，包括
步骤1，基于隔离森林模型进行离线训练，得到训练好的隔离森林；
步骤2，使用训练好的隔离森林，实时检测当前载具接收到的北斗卫星导航系统BDS信号中的异常观测并剔除，得到预处理后的BDS数据；
步骤3，对预处理后的BDS数据，进行基于扩展卡尔曼滤波的组合导航解算及实时保护级计算，得到载具的定位信息以及保护级；
步骤4，基于定位信息及保护级结果对载具进行实时管控。
2.根据权利要求1所述的一种面向禁航区管控的北斗自主监测及预警方法，其特征在于，步骤1中所述的基于隔离森林模型进行离线训练，具体包括：
步骤1-1，采集BDS数据，并构建训练数据集：利用载具上安装的BDS接收机分别在空旷的道路及海面采集BDS数据，构建训练数据集，该训练数据集中的数据特征，至少包括：信号强度、卫星仰角、卫星高度角和伪距残差；
步骤1-2，利用步骤1-1构建的训练数据集，对隔离森林模型进行训练，具体包括：
步骤1-2-1，构建隔离树：从训练数据集中随机选取ψ个样本作为隔离森林模型中一棵隔离树的根节点；
步骤1-2-2，对构建的隔离树，随机指定一个数据特征，在随机指定的数据特征的最小值和最大值之间，随机产生分割点；
步骤1-2-3，在随机指定的数据特征下将小于分割点的样本放入左节点，大于等于分割点的样本放入右节点；
步骤1-2-4，重复步骤1-2-2和步骤1-2-3，直到将每一个样本都分到一个独立的子节点；
步骤1-2-5，重复步骤1-2-1至步骤1-2-4，构建N个隔离树，从而得到训练好的隔离森林。
3.根据权利要求2所述的一种面向禁航区管控的北斗自主监测及预警方法，其特征在于，步骤2中所述的实时检测当前载具接受到的北斗卫星导航系统BDS信号中的异常观测并剔除，具体包括：
步骤2-1，所述载具上的接收机实时采集BDS观测数据，并构建测试数据集：从当前载具实时接收的BDS数据中提取卫星信号的信号强度、卫星仰角、卫星高度角和伪距残差，并构建测试数据集；
步骤2-2，使用训练好的隔离森林，进行测试数据集中的BDS数据的异常检测和剔除，具体包括：
步骤2-2-1，对于测试数据集中的每一个测试样本y，综合计算该样本对应的每棵树的结果，并计算异常得分s(y,ψ)：
其中，h(y)为测试样本y在每棵树的高度，E(h(y))为测试样本y在多棵树中的路径长度的期望值，c(ψ)为给定样本数ψ时路径长度的平均值；
步骤2-2-2，如果某一测试样本的异常得分接近1，即满足该测试样本的异常得分与1的差值小于预设阈值时，则判定该样本对应的卫星信号是异常点，进行剔除；如果异常得分远小于0.5，则该样本对应卫星信号正常；如果所有点的异常得分都在0.5左右，即所述异常得分与0.5的差值小于预设阈值时，则判定所有样本中实际上没有异常点。
4.根据权利要求3所述的一种面向禁航区管控的北斗自主监测及预警方法，其特征在于，步骤3中所述的进行基于扩展卡尔曼滤波的组合导航解算及实时保护级计算，即：将载具上安装的北斗卫星导航系统BDS和惯性测量元件IMU组成紧组合导航系统，将步骤2中得到的预处理后的BDS数据和使用当前载具上设置的惯性测量元件测量得到的IMU测量信息，基于扩展卡尔曼滤波方法进行紧组合导航解算，具体方法包括：
步骤3-1，进行紧组合导航解算，获得载具的定位信息；
步骤3-2，计算当前载具的保护级。
5.根据权利要求4所述的一种面向禁航区管控的北斗自主监测及预警方法，其特征在于，步骤3-1中所述的进行紧组合导航解算，具体包括：
步骤3-1-1，建立紧组合导航的系统状态量：
其中，xk为建立的k历元的系统状态量，δr、δv和δψ分别为IMU测量信息在地心地固坐标系的三轴位置、速度和姿态误差向量，ba和sa分别为三轴加速度计零偏和比例因子误差向量，bg和sg分别为三轴陀螺仪零偏和比例因子误差向量，tb和δtb分别表示BDS接收机钟差及钟漂；
步骤3-1-2，构建紧组合导航的系统状态方程，具体如下：
xk＝Φk,k-1xk-1+wk-1
其中，xk-1为k-1历元的系统状态向量，Φk,k-1为由k-1历元到k历元的状态转移矩阵，wk-1为系统噪声；
步骤3-1-3，构建紧组合导航的观测方程，具体如下：
zk＝Hkxk+ηk
其中，zk为k历元的误差观测向量，Hk为相应的测量投影矩阵，ηk为量测噪声；
误差观测向量zk由IMU测量信息推算的接收机天线到可视卫星的伪距与BDS接收机接收到的伪距观测量/>的差组成，即：
相应的测量投影矩阵Hk，计算方法如下：
其中，m表示可视卫星数量， 表示接收机到可视卫星i的单位视线向量，i＝1,2,…m，0m×3表示m×3维的零矩阵，表示/>的反对称矩阵，0m×12表示m×12维的零矩阵，0m×1表示m×1维的零矩阵，/>为载体系相对地心地固坐标系的姿态阵，/>为载体系BDS接收机天线相位中心相对于惯性测量元件IMU的位置矢量即杆臂，cm×1为m×1维的光速；
步骤3-1-4，利用Kalman滤波算法估计组合导航系统状态量，并加上IMU力学编排解算的载体状态求解载具定位信息，具体计算方法如下：
Pk＝(I-KkHk)Pk,k-1
其中，Pk,k-1分别为k历元状态量的一步预测值及其方差协方差矩阵，/>Pk-1分别为k-1历元组合导航系统状态量的最优估计值及其方差协方差矩阵，/>Pk分别为k历元系统状态向量的最优估计值及其方差协方差矩阵，Qk-1为k-1历元系统噪声方差阵，Rk为k历元量测噪声方差阵，Kk为卡尔曼滤波增益，I为单位阵。
6.根据权利要求5所述的一种面向禁航区管控的北斗自主监测及预警方法，其特征在于，步骤3-2中所述的计算当前载具的保护等级，具体包括：
在步骤3-1所述的卡尔曼滤波解算过程中，新息γk及其协方差矩阵Ck分别为：
其中，当系统无故障时，Ck服从中心卡方分布；有故障时，服从非中心卡方分布；
首先基于新息γk建立检验统计量ts，即：
ts＝(γk)T(Ck)-1γk
计算故障检测阈值Td，具体如下：
其中，PFA为紧组合导航系统的虚警率，χ2(Z,n)为卡方分布的概率密度函数，Z为自变量，n为自由度；
所述紧组合导航系统的完好性风险配置要求如下：
其中，ε表示定位误差值，PL指保护级，PHMI表示与定位误差对应的告警限值，Pr(A)表示事件S发生的概率，Hj表示紧组合导航系统是否发生故障的事件，判断标识j＝0或1：
当j＝0时，即Hj＝H0，表示当前紧组合导航系统无故障，此时水平完好性风险PHMI，0的计算方法为：
PHMI，0＝Pr(||εp||＞HPL0，ts≤Td|H0)Pr(H0)
其中，εp为水平位置误差，则紧组合导航系统无故障时的水平保护级HPL0为：
HPL0＝5.33σ
其中，σ为水平位置误差估计值；
当j＝1时，即Hj＝H1，表示当前紧组合导航系统存在故障，此时水平完好性风险PHMI，1的计算方法为：
PHMI，1＝Pr(||εp||＞HPL1，ts≤Td|H1)Pr(H1)
紧组合导航系统存在故障时的水平保护级HPL1计算如下：
HPL1＝max(slopei)Pbias
dxi＝Kkbi；dSi＝C-1/2bi
其中，slopei为第i颗卫星引起的的水平误差dRi与距离残差dSi之比；Pbias为漏检率为10-3/hr时对应卡方分布的非中心化参数；dxi1、dxi2分别为系统状态误差估计量中对应的第一维和第二维元素；bi为故障偏差的估计值；C为滤波新息的方差协方差特征值所构成的对角阵；
则当前载具的保护级，即该载具禁航区管控应用的水平保护级计算方法为：
7.根据权利要求6所述的一种面向禁航区管控的北斗自主监测及预警方法，其特征在于，步骤4中所述的基于定位信息及保护级结果对载具进行实时管控，具体方法包括：
步骤4-1，若水平保护级HPL超出水平告警门限值HAL，则向用户发出警报；
步骤4-2，若水平保护级HPL未超出水平告警门限值HAL，则检测以所述紧组合导航系统估计的载具位置为圆心、水平告警门限为半径的圆与缓冲区的位置关系，若该圆位于缓冲区之外，则判断载具位于禁航区之外；若该圆位与缓冲区发生重叠，则判断载具有进入禁航区的风险，此时发出告警。
8.根据权利要求7所述的一种面向禁航区管控的北斗自主监测及预警方法，其特征在于，步骤1-1中所述的载具，至少包括：车辆和船舶。
9.根据权利要求8所述的一种面向禁航区管控的北斗自主监测及预警方法，其特征在于，步骤1-2-1中所述的Ψ＝1024；
步骤1-2-5中所述的N＝100。
10.根据权利要求9所述的一种面向禁航区管控的北斗自主监测及预警方法，其特征在于，步骤2-2-2中所述的阈值设置为1.75log2c(Ψ)。
CN202311009386.8A 2023-08-11 2023-08-11 一种面向禁航区管控的北斗自主监测及预警方法 Active CN116736339B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311009386.8A CN116736339B (zh) 2023-08-11 2023-08-11 一种面向禁航区管控的北斗自主监测及预警方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311009386.8A CN116736339B (zh) 2023-08-11 2023-08-11 一种面向禁航区管控的北斗自主监测及预警方法

Publications (2)

Publication Number Publication Date
CN116736339A CN116736339A (zh) 2023-09-12
CN116736339B true CN116736339B (zh) 2023-11-03

Family

ID=87918912

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311009386.8A Active CN116736339B (zh) 2023-08-11 2023-08-11 一种面向禁航区管控的北斗自主监测及预警方法

Country Status (1)

Country Link
CN (1) CN116736339B (zh)

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106932804A (zh) * 2017-03-17 2017-07-07 南京航空航天大学 天文辅助的惯性/北斗紧组合导航系统及其导航方法
CN111123307A (zh) * 2019-12-24 2020-05-08 北方信息控制研究院集团有限公司 一种用于检测bds用户设备动态性能的系统和方法
CN111811390A (zh) * 2020-07-22 2020-10-23 中国水利水电科学研究院 基于星链差分和北斗导航技术的形变快速监测系统
CN113467250A (zh) * 2021-07-27 2021-10-01 浙江中裕通信技术有限公司 基于北斗导航和数据驱动的船舶航向及其区域估计方法
CN114174850A (zh) * 2019-05-01 2022-03-11 斯威夫特导航股份有限公司 用于高完整性卫星定位的系统和方法
CN114545454A (zh) * 2022-02-15 2022-05-27 南京航空航天大学 一种面向自动驾驶的融合导航系统完好性监测方法
CN115291253A (zh) * 2022-08-02 2022-11-04 东北大学 一种基于残差检测的车辆定位完好性监测方法及系统
CN116087997A (zh) * 2023-01-06 2023-05-09 武汉大学 基于支持北斗/gnss的电子设备的水汽实时反演方法、系统

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP3792665A1 (en) * 2019-09-10 2021-03-17 Trimble Inc. Protection level generation methods and systems for applications using navigation satellite system (nss) observations
KR102302865B1 (ko) * 2020-06-19 2021-09-17 한국과학기술원 다중 imu 및 gnss의 융합항법시스템을 위한 imu 센서 고장 검출 방법 및 장치

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106932804A (zh) * 2017-03-17 2017-07-07 南京航空航天大学 天文辅助的惯性/北斗紧组合导航系统及其导航方法
CN114174850A (zh) * 2019-05-01 2022-03-11 斯威夫特导航股份有限公司 用于高完整性卫星定位的系统和方法
CN111123307A (zh) * 2019-12-24 2020-05-08 北方信息控制研究院集团有限公司 一种用于检测bds用户设备动态性能的系统和方法
CN111811390A (zh) * 2020-07-22 2020-10-23 中国水利水电科学研究院 基于星链差分和北斗导航技术的形变快速监测系统
CN113467250A (zh) * 2021-07-27 2021-10-01 浙江中裕通信技术有限公司 基于北斗导航和数据驱动的船舶航向及其区域估计方法
CN114545454A (zh) * 2022-02-15 2022-05-27 南京航空航天大学 一种面向自动驾驶的融合导航系统完好性监测方法
CN115291253A (zh) * 2022-08-02 2022-11-04 东北大学 一种基于残差检测的车辆定位完好性监测方法及系统
CN116087997A (zh) * 2023-01-06 2023-05-09 武汉大学 基于支持北斗/gnss的电子设备的水汽实时反演方法、系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
基于自适应迭代扩展卡尔曼滤波算法的INS/BDS组合导航系统;张源;詹金林;韩冰;陈伟;;科技视界(第04期);第204-208页 *
组合导航系统故障检测算法研究现状分析;李怀建等;战术导弹技术(第1期);第99-106页 *

Also Published As

Publication number Publication date
CN116736339A (zh) 2023-09-12

Similar Documents

Publication Publication Date Title
CN108508461B (zh) 基于gnss载波相位高精度定位完好性监测方法
US20230018631A1 (en) System and method for satellite positioning
CN111060133B (zh) 一种用于城市复杂环境的组合导航完好性监测方法
CN105738925B (zh) 一种列车定位专用的卫星接收机自主完好性方法
CN102819027A (zh) 基于载波相位的卫星导航完好性监测装置及应用的方法
CN109471143B (zh) 自适应容错的列车组合定位方法
CN102135621B (zh) 一种多星座组合导航系统的故障识别方法
CN103592657B (zh) 一种基于钟差辅助的低可见星下单模raim实现方法
CN114545454A (zh) 一种面向自动驾驶的融合导航系统完好性监测方法
CN112033441B (zh) 用于bds/mems组合导航下的联动编队完好性监测方法
CN115047496A (zh) 一种用于gnss/ins组合导航卫星同步多故障检测方法
CN115420284B (zh) 一种组合导航系统故障检测与识别方法
CN112230247A (zh) 一种用于城市复杂环境下gnss完好性监测方法
US11860287B2 (en) System and method for detecting outliers in GNSS observations
CN110941000A (zh) 一种精密单点定位完好性监测方法
CN115685260A (zh) Gls基准站的识别欺骗干扰识别方法、装置、平台和介质
CN114152958B (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
Le Marchand et al. Characterization of GPS multipath for passenger vehicles across urban environments
CN114417552A (zh) 一种模糊度确认方法、存储介质以及电子设备
CN116736339B (zh) 一种面向禁航区管控的北斗自主监测及预警方法
CN116859415A (zh) 一种快速稳健高精度的多故障卫星识别及定位方法
EP3882665A1 (en) Implementing single differences within a solution separation framework
CN111999750B (zh) 针对杆臂不准的实时单站周跳探测改进方法
US20240272303A1 (en) System and method for gnss spoofer detection with high integrity error bounding using multiple coasting solutions
CN116794700B (zh) 一种用于船载北斗一体机的卫星故障检测方法

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