CN116859417B - 用于北斗ppp-rtk/mems的完好性监测方法 - Google Patents

Abstract

本发明涉及一种用于北斗PPP‑RTK/MEMS的完好性监测方法，包括：接收可信服务云端播发的信息，并基于接收的信息开展北斗PPP‑RTK定位；基于多重假设解分离方法进行北斗PPP‑RTK用户端的完好性监测；对北斗PPP‑RTK提供的定位数据和微机电系统提供的测量数据进行卡尔曼滤波，并保存滤波运算过程中产生的新息及其协方差阵；开展基于自主完好性监测外推的北斗PPP‑RTK/MEMS组合导航系统的完好性监测；基于获得的完好性监测结果，生成完好性标识并实时告知用户。

Description

用于北斗PPP-RTK/MEMS的完好性监测方法

技术领域

本发明属于卫星导航技术领域，具体涉及到一种用于北斗PPP-RTK/MEMS导航系统的完好性监测方法。

背景技术

2020年国家提出建设北斗综合PNT体系的宏伟目标，将北斗卫星导航系统(BeiDouNavigation Satellite System，BDS)作为国家基础设施，根据不同的应用场景下的用户需求，通过不同的应用技术全天候为广大用户提供适配需求的导航定位服务。在自动驾驶、无人农场和海洋牧场等诸多安全关键应用领域中，卫星导航系统面临着信号遮挡、非视距误差、多径效应、射频威胁等多重误差源影响，难以独立满足应用场景所需导航性能。

为了满足上述应用场景所需要的导航性能，人们研究高精度的PPP-RTK定位与低成本的MEMS(Micro-Electro-Mechanical System，微机电系统)惯性定位的组合模式作为上述应用场景的导航定位方案。其中PPP-RTK是近年来发展火热的一种定位技术，其结合了PPP(precise point position，精密单点定位技术)的覆盖范围广以及RTK(Real TimeKinematic，实时动态差分定位技术)的收敛时间快等特点，能为服务区域内的用户提供高精度、快收敛的导航定位服务。PPP-RTK/MEMS组合模式可接收服务云端信息，有着覆盖范围大、收敛速度快和亚米级精度的优势，可有效弥补单卫星导航系统在应用场景、连续性等方面的不足，受到业界的广泛关注。

然而，异构系统之间的组合意味着故障发生频次提升，且引入传感器融合不匹配的潜在风险，严重制约导航定位服务的可靠性。同时，在城市峡谷、海洋牧场、无人农场等复杂环境下，北斗PPP-RTK/MEMS组合导航系统存在着多种故障模式混合的特殊风险，面临阶跃故障和缓变故障难以同时监测的威胁。此外，在与生命财产安全高度相关的应用场景下，用户除对导航定位的高精度需求外，对导航信息的完好性需求也日益增长。现有的传统GNSS/INS组合导航系统的完好性监测方案难以适配。

因此，需要开发针对PPP-RTK/MEMS组合导航定位模式的完好性监测方法，保障组合导航定位结果的完好性，可有效拓展卫星导航系统应用领域。

发明内容

为解决上述问题，本发明提供了一种用于北斗PPP-RTK/MEMS组合导航系统的完好性监测方法，该方法包括：

S1)接收可信服务云端播发的信息，并基于接收的信息开展北斗PPP-RTK定位；

S2)基于多重假设解分离方法进行北斗PPP-RTK用户端的完好性监测；

S3)对北斗PPP-RTK提供的定位数据和微机电系统提供的测量数据进行卡尔曼滤波，并保存滤波运算过程中产生的新息及其协方差阵；

S4)开展基于自主完好性监测外推的北斗PPP-RTK/MEMS组合导航系统的完好性监测；

S5)基于步骤S2和S4获得的完好性监测结果，生成完好性标识并实时告知用户。

本发明的有益效果在于：

针对在城市交通、城市峡谷、无人农场和海洋牧场等复杂场景，在北斗PPP-RTK和MEMS组合导航系统参与的导航定位场景中，本发明提出的完好性监测方法，基于多重假设解分离(Multiple Hypothesis Solution Separation,MHSS)和自主完好性监测外推(Autonomous Integrity Monitoring Extrapolation，AIME)，分别在北斗PPP-RTK定位层面和组合定位层面进行完好性监测，该双重监测方法利用卫星导航增强系统作为可信服务云端，用户端接收可信服务云端播发的相关信息进行完好性监测，解决了大气改正产品和卫星钟轨改正产品中断导致的北斗卫星导航系统定位服务降级情况下完好性监测困难这一技术问题，以及异构传感器融合不匹配导致的导航定位信息失效的技术问题，保障用户终端导航定位结果的可靠性和完好性，具有重要意义。

附图说明

图1为一种用于北斗PPP-RTK/MEMS的完好性监测方法的流程图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

如附图1所示，本发明提供了一种用于北斗PPP-RTK/MEMS组合导航系统的完好性监测方法，包括以下步骤：

S1)接收可信服务云端播发的信息，并基于接收的信息开展北斗PPP-RTK定位。

所接收的可信服务云端播发的信息包括但不限于：区域大气改正产品、产品质量标识、保守误差模型及相关参数、和风险源先验故障概率，所接收的这些信息由相关权威机构生成并上传至可信服务云端。

区域大气改正产品和保守误差模型用于开展北斗PPP-RTK定位。风险源先验故障概率用于为不同故障分配误警率，是北斗PPP-RTK用户端的完好性监测的必要输入信息。

所述区域大气改正产品包括：电离层延迟改正信息和对流层延迟改正信息。保守误差模型相关参数包括：系统间偏差的过程噪声标准差、大气延迟产品的噪声标准差、大气延迟的过程噪声标准差、各个卫星各频点的伪距测量噪声标准差以及每个卫星各频点的载波测量噪声标准差等。风险源先验故障概率包括：每个卫星的精密轨道钟故障概率、每个卫星的差分码偏差产品故障概率、对流层延迟改正产品故障概率、每个卫星的电离层延迟改正故障概率、所有卫星的电离层延迟改正同时故障的概率等。

这里所述的基于接收的信息开展北斗PPP-RTK定位是采用现有已知技术来实现的，因此不再赘述现有技术内容。

S2)基于多重假设解分离(MHSS)方法进行北斗PPP-RTK用户端的完好性监测。

首先，提前设定需要监测的风险源，并接收可信服务云端播发的对应先验故障，根据风险源构造全视子集和故障子集。下面通过例子来简单解释一下全视子集和故障子集，有n颗卫星，那么把全部卫星的观测信息全都用于定位，这n颗卫星构成一个子集，称为全视子集；假设其中有一颗卫星存在故障但不知道哪一颗卫星有故障，那么剔除1颗卫星后，利用n-1颗卫星，可以构成n个子集(因为有n种组合的n-1颗卫星)，这种子集称为故障子集。其中，全视子集利用所有的可用卫星和由产品质量标识声明可用的区域大气改正产品，计算全视子集定位解{x₀}，该计算过程采用本领域已知技术，这里不再赘述。构造故障子集，共n个故障子集(共n颗可见卫星)，其对应定位解为{x_s}，其中s＝1，2，…，n。同理，构造对流层产品故障子集{x_t}、电离层产品整体故障子集{x_i}和多故障子集{x_m}。对于构造各类故障子集，并且计算得到定位解的方法均采用本领域已知技术，这里不再赘述。

由此可以计算出检测统计量Δ_p：

Δ_p＝x₀-x_p (1)

其中，x_p∈{{x_s}，{x_t}，{x_i}，{x_m}}，故障子集编号p＝1，2，…。

接着，根据步骤S1所接收的先验故障概率分配的误警率和滤波过程的状态误差协方差矩阵P(转换至东北天(ENU)坐标系下)，计算出各故障子集解的分离标准差/>和故障检测阈值/>

其中，下标p是故障子集序号；上标(q)是指在东北天中某个方向的分量；n是故障子集总数；是故障子集p在q方向的定位误差标准差；/>是全视子集在q方向的定位误差标准差，Q^-1表示计算标准正态分布尾部概率分位数；/>是由误警率确定的系数；/>是误警率P_fa在q方向上的分量，通常是平均分配；α_q是参数提取向量，是3×1维向量，其第q个元素为1，其余为0；q＝1，2，3分别表示东-北-天三个方向。

最后，计算保护水平，判断是否发生故障，并输出组合导航系统完好性监测的可用性。基于北斗PPP-RTK/MEMS组合导航系统的MHSS监测算法可通过下式计算保护水平：

其中，P_HMI表示给定的完好性风险，该完好性风险是预先确定的，是指系统故障但未被检测概率总和；上标(q)是指在东北天中某个方向的分量；P_NM表示未监测的故障子集的概率和，P_NM值也是预先确定的，所述未监测的故障子集是指除了纳入监测的故障外所用故障的总和，即除了卫星故障和大气改正产品故障之外的其他所有故障；H_p表示故障模式，该故障模式包括单个卫星故障、对流层产品故障、电离层产品故障和多故障混合等；Q是标准正态分布尾部概率计算公式；P(H_p)表示故障模式的先验故障概率；PL^(q)表示在q方向的保护水平(Protect Level)；下标p是故障子集编号；n是故障子集总数。

在q方向的保护水平PL^(q)未超过给定的告警限值的情况下，若在东北天该方向q的检测统计量大于故障检测阈值，即则认为北斗PPP-RTK的定位结果不可信，需要在告警时限内告警，排除故障子集p所对应的故障，并重复步骤S2，直至检测结果为无故障存在，进入步骤S3；若无法排除故障，则进入步骤S5；反之，若在东北天该方向q的检测统计量小于等于故障检测阈值，即/>则认为无故障存在，北斗PPP-RTK的定位结果可信，进入步骤S3。

S3)对北斗PPP-RTK提供的定位数据和微机电系统(MEMS)提供的测量数据进行卡尔曼滤波，并保存滤波运算过程中产生的新息及其协方差阵。

对微机电系统MEMS输出的测量数据信息进行力学编排，解算用户在ENU系下的位置信息，得到定位解算信息，这里所述的进行力学编排，解算用户在ENU系下的位置信息都是使用现有技术来实现，这里不再赘述。将北斗PPP-RTK提供的定位解算信息(定位数据)与微机电系统MEMS提供的测量数据通过卡尔曼滤波器进行滤波融合。

离散系统模型如下：

其中：Φ_k|k-1表示k-1时刻向k时刻递推的状态转移矩阵，x_k表示k时刻的状态向量，x_k-1表示k-1时刻的状态向量，Γ_k-1表示k-1时刻的系统噪声驱动阵，wk表示k时刻的系统噪声，z_k表示k时刻的量测向量，H_k表示k时刻的量测矩阵；vk表示k时刻的量测噪声。

所述进行卡尔曼滤波的卡尔曼滤波方程如下：

其中：表示k时刻的状态预测向量，/>表示k-1时刻的状态估计向量；在这里，下标k|k-1的意思是由k-1及之前所有时刻的信息预测k时刻的信息；

Φ_k|k-1表示k-1时刻向k时刻递推的状态转移矩阵；

P_k|k-1是状态一步预测误差协方差矩阵，即表示根据k-1时刻的误差协方差矩阵预测的k时刻的误差协方差矩阵；

P_k-1是k-1时刻的状态估计误差协方差矩阵；

Γ_k-1表示k-1时刻的系统噪声驱动阵；

Q_k-1是k-1时刻的系统噪声方差阵；

K_k是k时刻的滤波增益矩阵；

H_k表示k时刻的量测矩阵；

R_k是k时刻的量测噪声方差阵；

表示k时刻的状态估计向量；

z_k表示k时刻的量测向量；

P_k表示k时刻的状态估计误差协方差矩阵；

I表示单位矩阵。

所述产生新息及其协方差阵的新息及其协方差阵计算公式如下：

其中：γ_k表示k时刻的新息；z_k表示k时刻的量测向量；H_k表示k时刻的量测矩阵；表示k时刻的状态预测向量；V_k表示k时刻的新息的协方差阵；P_k|k-1是状态一步预测误差协方差矩阵。

S4)开展基于自主完好性监测外推(AIME)的北斗PPP-RTK/MEMS组合导航系统的完好性监测。

利用步骤S3产生的新息计算出检测统计量基于步骤1中提及的为不同故障分配的误警率P_fa计算故障检测阈值T_d，用于检测微机电系统MEMS是否存在故障：

其中，表示检测统计量；γ_avg表示平均新息；V_avg表示平均新息的协方差阵；T表示当前时刻；m表示时间窗长度；γ_k表示k时刻的新息，k的区间为[T-m-1，T]；V_k表示k时刻的新息的协方差阵。

基于误警率P_fa来确定故障检测阈值T_d的方法包括：

式中，表示自由度为n的中心卡方分布概率密度函数，n为量测向量维数，T_d是故障检测阈值，x是随机变量。

该公式(11)的意思是随机变量x在故障检测阈值T_d到正无穷范围的概率需要等于误警率P_fa。

同时，利用新息的协方差阵V_k和滤波增益矩阵K_k计算水平保护水平和垂直保护水平，验证当前检测算法的可用性，并判断组合导航系统的可信状态。水平保护水平和垂直保护水平可由下式计算：

其中，HPL是水平保护水平，VPL是垂直保护水平，slope_max，H是水平最大特征斜率，slope_max，V是垂向最大特征斜率；T_d表示故障检测阈值；k_H为与漏检率P_MD有关的水平置信度系数；k_V为与漏检率P_MD有关的垂向置信度系数；σ_H是水平方向位置估计的不确定度，σ_V是垂直方向位置估计的不确定度，/>其中参数提取向量α₁＝[1,0,0]，α₂＝[0,1,0]，α₃＝[0,0,1]，P是状态误差协方差矩阵。

其中erfc^-1()是高斯误差逆函数，P_MD是漏检率。

水平最大特征斜率slope_max，H由下式计算：

其中，Λ_max(D_H,K_k,V_k)是K_k ^TD_HK_kV_k的最大特征值；K_k是k时刻的滤波增益矩阵；V_k表示k时刻的新息的协方差阵；b是故障向量，可通过瑞利商公式消去。

同理，垂向最大特征斜率slope_max，V由下式计算：

式中，α_V＝α₃；Λ_max(D_V,K_k,V_k)是/>的最大特征值。

将所计算出的最大特征斜率slope_max，H和slope_max，V带入式(12)即可解算出水平保护水平HPL和垂直保护水平VPL。

当水平保护水平HPL和垂直保护水平VPL分别小于给定的告警限值时，此时若所述则认为微机电系统MEMS存在故障，在告警时限内向用户告警，并排除故障重构定位系统，进入步骤S5；反之，若所述则认为微机电系统MEMS不存在故障，进入步骤S5。

S5)基于步骤S2和S4获得的完好性监测结果，生成完好性标识并实时告知用户。

数据处理器对经由步骤S2和S4分别获得的完好性监测结果进行综合处理，仅当步骤S2中的完好性监测结果为定位结果可信和步骤S4中的完好性监测结果为微机电系统MEMS不存在故障时，导航系统生成的完好性标识为可信；反之，有一项检测不通过则重构系统，回到步骤S2重新检测，同时导航系统生成的完好性标识为不可信，直至所有检测均通过，完好性标识转变为可信。如果故障无法排除，则将不可信的完好性标识告知用户。系统根据生成导航系统的完好性标识，向用户实时反馈当前导航服务的可信状态。

本发明提出一种用于北斗PPP-RTK/MEMS组合导航系统的完好性监测方法，基于MHSS和AIME算法开展双重监测，实现在多故障模式混合的复杂场景约束下导航定位的可信状态，保障导航服务的可靠性。

以上内容是结合具体实施方式对本发明作进一步详细说明，不能认定本发明具体实施只局限于这些说明，对于本发明所属技术领域的普通技术人员来说，在不脱离本发明的构思的前提下，还可以作出若干简单的推演或替换，都应当视为属于本发明所提交的权利要求书确定的保护范围。

Claims (4)

1.一种用于北斗PPP-RTK/MEMS的完好性监测方法，其特征在于，包括：

S1)接收可信服务云端播发的信息，该信息包括：区域大气改正产品、产品质量标识、保守误差模型及相关参数、和风险源先验故障概率，其中所述区域大气改正产品和所述保守误差模型用于开展北斗PPP-RTK定位，所述风险源先验故障概率用于为不同故障分配误警率指标，是北斗PPP-RTK用户端的完好性监测的必要输入信息，并基于接收的信息开展北斗PPP-RTK定位；

S2)基于多重假设解分离方法进行北斗PPP-RTK用户端的完好性监测；

S3)对北斗PPP-RTK提供的定位数据和微机电系统提供的测量数据进行卡尔曼滤波，并保存滤波运算过程中产生的新息及其协方差阵；

S4)开展基于自主完好性监测外推的北斗PPP-RTK/MEMS组合导航系统的完好性监测，包括：利用步骤S3产生的新息计算出检测统计量，基于为不同故障分配的误警率计算出故障检测阈值，利用新息的协方差阵和滤波增益矩阵计算水平保护水平和垂直保护水平，当水平保护水平和垂直保护水平分别小于给定的告警限值时，此时如果所述检测统计量大于故障检测阈值，则认为微机电系统存在故障，在告警时限内向用户告警，并排除故障重构定位系统，进入步骤S5；反之，如果所述检测统计量小于等于故障检测阈值，则认为微机电系统不存在故障，进入步骤S5；

S5)基于步骤S2和S4获得的完好性监测结果，生成完好性标识并实时告知用户。

2.如权利要求1所述的完好性监测方法，其特征在于，在步骤S2中，首先，提前设定需要监测的风险源，并接收可信服务云端播发的对应先验故障，根据风险源构造全视子集和故障子集，计算出检测统计量；接着，根据所接收的先验故障概率分配的误警率和滤波过程的状态误差协方差矩阵，计算出各故障子集解的分离标准差和故障检测阈值，最后，计算出保护水平，在东北天中某个方向q的保护水平未超过给定的告警限值的情况下，若在东北天该方向q的检测统计量大于故障检测阈值，则认为北斗PPP-RTK的定位结果不可信，需要在告警时限内告警，排除故障子集所对应的故障，并重复步骤S2，直至所有的检测结果为无故障存在，进入步骤S3；若无法排除故障，则进入步骤S5；反之，若在东北天该方向q的检测统计量小于等于故障检测阈值，则认为无故障存在，北斗PPP-RTK的定位结果可信，进入步骤S3。

3.如权利要求1所述的完好性监测方法，其特征在于，在步骤S3中，所述进行卡尔曼滤波的卡尔曼滤波方程如下：

其中：表示k时刻的状态预测向量；/>表示k-1时刻的状态估计向量；Φ_k|k-1表示k-1时刻向k时刻递推的状态转移矩阵；P_k|k-1是状态一步预测误差协方差矩阵；P_k-1是k-1时刻的状态估计误差协方差矩阵；Γ_k-1表示k-1时刻的系统噪声驱动阵；Q_k-1是k-1时刻的系统噪声方差阵；K_k是k时刻的滤波增益矩阵；H_k表示k时刻的量测矩阵；R_k是k时刻的量测噪声方差阵；/>表示k时刻的状态估计向量；z_k表示k时刻的量测向量；P_k表示k时刻的状态估计误差协方差矩阵；I表示单位矩阵；

所述产生新息及其协方差阵的计算公式如下：

其中：γ_k表示k时刻的新息；z_k表示k时刻的量测向量；H_k表示k时刻的量测矩阵；表示k时刻的状态预测向量；V_k表示k时刻的新息的协方差阵；P_k|k-1是状态一步预测误差协方差矩阵。

4.如权利要求1所述的完好性监测方法，其特征在于，在步骤S5中，对经由步骤S2和S4分别获得的完好性监测结果进行处理，导航系统生成完好性标识，向用户实时反馈当前导航服务的可信状态。