基于接收机钟差的GPS完好性自主检测算法

传统的基于最小二乘法和奇偶矢量的接收机自主完好性检测（Receiver Autonomous Integrity Monitoring, RAIM）算法均是利用冗余观测量进行一致性检验实现的,其检测统计量均由伪距残差构造得到。本文采用接收机钟差作为RAIM算法的判据,基本思想是根据钟差历史解算值建立接收机钟差二次多项式模型,从而得到当前时刻的钟差预测值。同时解算当前时刻的钟差值,将这两者之差与钟差门限值进行比较来判断系统当前时刻是否存在故障。本文首先分析了伪距偏移量对接收机钟差的影响,然后给出确定钟差门限值的方法。结合用户解算位置和接收机钟差利用子集比较法实现了故障识别的功能。因本文给出的故障检测算法不是基于冗余观测量的,故该方法在四颗可见星下就可进行故障检测,与传统的RAIM算法相比降低了RAIM算法对可见星个数的要求,该点在实验部分进行了仿真验证。另外还对可用星多于四颗的基于接收机钟差的RAIM算法进行了故障检测和故障识别部分的仿真,验证了本文方法的可行性。
     

GPS不完整星座定位方法研究

为了提高钟差预测模型辅助接收机定位解算的效果,从灰色系统的角度对接收机钟差序列进行探讨,提出了基于灰色理论的钟差预测模型。文中首先给出了新模型的基本思想和具体实现步骤,然后将基于该模型的钟差预测值引入到GPS接收机中,辅助接收机在不完整星座条件下实现定位解算。基于GPS实测数据的验证分析表明,新模型不仅对钟差序列具有很好的预测效果;而且提高了接收机定位的连续性和可靠性,在仅有3颗卫星的条件下可以实现三维定位。同时,新方法无需增加额外设备,辅助方式简单方便,经济灵活。     

基于频率源稳定度的钟差序列生成方法研究

基于频率源噪声特性和幂率谱密度之间的关系，构建了一种通过频率源目标稳定度反向生成虚拟钟差序列模型，利用虚拟钟差序列模型可以快速、高效地生成目标频率源的长期钟差数据。针对不同类型频率源的组合噪声特征，采用传统的噪声模型生成5种频率源噪声，然后利用仿真分析验证虚拟钟差序列生成模型的正确性。通过比对仿真结果可知，基于铷钟、氢钟和铯钟的虚拟钟差序列的稳定度与实测钟差序列的稳定度基本相符，重建虚拟钟差序列能够准确地反映其频率噪声特性，因此，文中采用频率源目标稳定度生成其钟差序列的方法可行、有效。     

基于先验动力学轨道的星载双频GPS数据预处理

针对星载双频GPS数据预处理中的野值剔除和周跳检测问题,提出了基于先验动力学轨道的星载双频GPS数据预处理方法。与传统GPS数据预处理方法在数据利用上局限于GPS原始观测数据本身不同,该方法还利用了动力学定轨产生的先验轨道信息以及GPS卫星精密轨道、钟差数据,并构造接收机钟差估计量和接收机钟差差分值估计量来剔除野值和探测周跳,提高了野值剔除和小周跳探测能力。对CHAMP卫星在轨实测数据的处理分析表明,该方法可以探测出1周甚至0.5周的周跳,可为高精度定轨提供更“干净”的数据源。     

基于精密时频预测的定位域和测速域RAIM可用性增强算法

能提供精确定位解的观测值集合提供的测速解并不一定是可信的,首先将传统的定位域RAIM算法应用到测速域的完好性监测中,提出将频差预测值用于辅助增强测速域RAIM可用性,使RAIM技术能更好的满足各类用户对导航服务完好性监测的需求.通过对多种预测模型的比较,提出将三阶多项式模型和递推阻尼最小二乘法应用到接收机钟差和频差的在线精密预测算法中,使钟差预测精度提高6倍.克服了传统的钟差辅助增强RAIM可用性算法中对晶振漂移率要求较高的限制,使钟差和频差辅助增强RAIM可用性的方法能更广泛地应用到各类接收机中.     

一种基于接收机钟差广义插值法的卫星定位增强算法

为提高卫星定位的连续性与精度,分析和讨论了接收机钟差模型辅助定位的可行性与基础,结合广义插值方法建立了一种高精度钟差数学模型及其相应的增强定位算法。该优化拟合模型在分段边界点上满足插值条件,不断利用钟差观测序列的最新均值或加权均值插值点对模型进行约束,使其具有更好的实时性及更高的外推精度。通过GPS实测实验,对方法的可行性和精度进行了分析与验证。结果表明,基于该模型的增强定位算法,既可辅助卫星信号短暂缺失的非完备定位情况,实现三维定位,也可用于正常星座的定位情况,有效提高定位精度。     

编队小卫星间相对测距的时间对比方法

针对编队飞行小卫星的特点,设计了基于TWSTT和自发自收理论的时间对比方法,在设备误差未知和存在钟差的情况下,实现星间相对测距,消除了卫星钟差、发射器和接收机时间延迟、多路径误差、观测误差等误差.仿真结果表明,与原有TWSTT和自发自收技术相比,提高了卫星的测距精度.     

基于卡尔曼滤波器残差的矢量跟踪完好性研究

针对接收机跟踪卫星导航信号时可能发生的各类故障,利用卡尔曼滤波器的残差观测量进行滤波,通常可以在不借助冗余观测量的情况下快速检测和隔离故障。建立软件接收机平台,利用卡尔曼滤波器进行导航信号的矢量跟踪,在跟踪环中模拟故障的发生并依靠残差序列滤波的方法检测并排除错误观测量。实验表明,在算法模拟的短时较大幅度干扰下,完好性监测方法可以快速检测并排除错误观测量对环路跟踪的影响,且无需冗余观测量。     

基于粒子群优化核极限学习机的北斗超快速钟差预报

针对卫星钟差序列中非线性特性较为复杂和超快速钟差预报精度较低的问题，将核极限学习机算法引入到北斗超快速钟差预报中。首先，将极限学习机进行优化，引入粒子群优化算法来选择核极限学习机所需的核参数和正则化参数；然后，将优化后的方法应用到超快速钟差预报中，并给出了利用该方法进行超快速钟差预报的步骤；最后，在分析iGMAS提供的实测北斗超快速钟差数据的基础上，选用单天和多天数据进行短期预报。结果表明：在短期预报6h范围内，利用本文提供的优化方法解算得到的超快速钟差预报精度明显优于二次多项式模型和周期项模型，并且采用此方法得到的超快速钟差预报产品与iGMAS提供的超快速钟差预报产品(ISU-P)相比，GEO、IGSO和MEO卫星的预报精度分别提升了50.51%、46.98%、40.67%，其与最终精密钟差的符合程度显著 增强 。     

运载火箭故障检测序列优化

针对运载火箭故障检测序列优化这一新问题,建立数学模型并提出基于离散粒子群算法的故障检测序列优化方法。该算法通过测试集优化获得优选测试集,再通过检测序列优化对优选测试集中测试进行排序,获得优化的故障检测序列。最后以运载火箭时序控制系统为对象进行了验证,结果证明,基于离散粒子群算法的故障检测序列优化方法能够在保证故障状态全覆盖的前提下减少测试数量及成本,大大提高测试效率,且相较于遗传算法具有更好的优化性能和计算效率,适用于运载火箭故障检测序列优化。