粒子群优化粒子滤波的接收机自主完好性监测

接收机自主完好性监测（RAIM）是航空卫星导航接收机必不可少的功能,为保持全球卫星导航系统（GNSS）在卫星发生故障时系统性能不降级,需要对卫星故障进行检测和隔离。针对接收机观测噪声非高斯分布的特点,提出一种基于粒子群优化粒子滤波（PSO-PF）的故障检测和隔离算法。通过粒子群优化粒子滤波对状态估计进行一致性检验实现故障检测。采集实测数据验证算法的检测性能,并与基于基本粒子滤波的完好性监测算法进行比较,结果表明:本文所提算法在非高斯测量噪声下可检测并隔离全球定位系统（GPS）故障卫星,其性能优于基于基本粒子滤波的完好性监测算法性能,对研究北斗卫星导航系统（BDS）接收机自主完好性监测具有一定的意义。      

基于北斗的机载终端完好性算法仿真研究

国内外关于接收机自主完好性算法的理论研究已经成熟,但缺乏依据北斗实测数据的算法性能分析。根据北斗Ⅱ代卫星导航系统14颗星的星座状态及其公开的服务性能,结合民航非精密进近的应用需求,对机载端嵌入自主完好性算法进行仿真研究。首先通过理论仿真,分析了亚太区之内算法的可用性。其次,利用NovAtel接收机实测的北斗数据,设定不同的场景和故障类型,对算法故障检测和识别的性能进行了研究分析。通过仿真,北斗系统在亚太区之内的平均可见星个数大于7颗,平均水平保护限值小于500m,能够满足算法的要求。另通过实测研究,算法可以有效地检测并识别出异常的伪距误差（即故障卫星）。结果表明：接收机自主完好性算法适用于当前北斗Ⅱ代卫星导航系统,能够为民用航空非精密进近提供具备完好性保证的服务。     

BDS/GPS组合的H-ARAIM PBN和ADS-B应用可用性评估

水平-先进接收机自主完好性监测(H-ARAIM)属欧美大力发展的新型机载自主卫星导航完好性监测技术。从H-ARAIM的基于性能的导航(PBN)和广播式自动相关监视(ADS-B)应用方法出发,基于美国全球卫星导航系统(GPS)和中国自主北斗卫星导航系统(BDS)组合系统,综合考虑不同卫星故障概率、不同星座故障概率、不同星钟星历误差配置以及不同星座配置,全面仿真评估了H-ARAIM的PBN和ADS-B应用全球可用性,结果表明:卫星和星座故障概率变化,对水平保护级(HPL)结果的影响不足0.1%,PBN和ADS-B均可实现全球100%可用性;星钟星历误差变化,会导致较大幅度的HPL变化,最大值可达20 m,但对PBN和ADS-B应用可用性没有显著影响;不同星座配置会对全球和亚太区域平均99.9%HPL结果及PBN和ADS-B应用可用性产生显著影响,HPL变化幅度达到32 m,可用性随星座配置不同而变化,最差可降低到96%。所取成果可为北斗民航应用提供坚实的理论参考和可靠的技术支撑。     

基于MHSS算法的ARAIM完好性和可用性预测

传统的接收机自主完好性监视只能提供非精密进近阶段的完好性监视,无法实现对完好性要求更加严格的飞行阶段的监视,而高级接收机自主完好性监视（AdvancedReceiverAutonomousIntegrityMonitoring,ARAIM）可以在精密进近阶段为飞机提供满足航向信标性能垂直引导（LocalizerPerformancewithVerticalguidance,LPV）的完好性监视服务。文章基于多假设分组解算法,根据目前的星座环境,结合民航不同飞行阶段的应用需求,对ARAIM算法进行仿真研究。针对水平保护级（HorizontalProtectionLevel,HPL）和垂直保护级（VerticalProtectionLevel,VPL）的指标,在不同星座组合环境下,选取南北半球不同经纬度的5个观测机场,分别仿真了HPL和VPL的变化情况,并对全球HPL和VPL平均分布趋势,以及以99%的概率满足LPV-200进近可用性指标时,ARAIM可用性的全球覆盖率进行了仿真预测分析。仿真结果表明,不论是全球定位系统和格洛纳斯双星座还是增加北斗卫星导航系统后的三星座,5个观测机场的HPL和VPL均能满足LPV-200进近对完好性指标的要求;但在全球范围内,双星座条件下,ARAIM并不能完全支持LPV-200进近对完好性监视的要求,而三星座则可大大提高ARAIM的可用性,为民航用户提供满足精密进近的所需导航服务性能。     

一种基于多虚拟观测量的组合导航自主完好性监测方法

完好性用于导航系统出现故障的情况下提供及时的告警,是生命安全类用户需要考虑的重要性能指标.基于惯性导航系统(INS)辅助的卫星导航自主完好性监测算法,提出了一种利用INS构造3颗虚拟卫星观测量的组合导航系统自主完好性监测方法,通过构造视线方向相互垂直的3颗卫星,最大限度利用组合导航中INS的导航信息,在2颗可见星条件下...     

基于混沌粒子群优化的北斗/GPS组合导航选星算法

全球卫星导航系统（GNSS）接收机在接收信号的过程中会受到诸如建筑物遮挡、信号干扰等因素的影响,无法得到全部可见星。为减轻多星座组合接收机的处理负担,研究利用部分可见卫星进行定位的快速选星算法,提出了一种基于混沌粒子群优化（CPSO）的北斗/GPS组合导航选星算法。首先,对当前历元时刻可见卫星进行连续编码,按照选星数目分组,每个分组视为一个粒子。然后,通过混沌映射初始化粒子种群,选取几何精度因子（GDOP）作为评价粒子优劣的适应度函数;粒子通过粒子群优化算法的速度-位移模型更新自身位置,逐渐趋近空间卫星几何分布较好的卫星组合全局最优解。最后,采集北斗/GPS实际数据对选星算法进行仿真验证和性能比较,结果表明,所提算法在选星颗数多于5颗时,单次选星耗时为遍历法选星的37.5%,选星结果的几何精度因子计算误差在0~0.6之间。该算法可适用于北斗/GPS组合导航定位不同选星颗数的情况。      

精密进近阶段的多系统GNSS组合RAIM可用性算法及分析

给出了多系统全球卫星导航系统（GNSS）组合接收机自主完好性监测（ReceiverAutonomousIntegrityMonitoring,RAIM）可用性计算方法,在此基础上利用GPS、GLONASS实测数据与BDS、Galileo全星座仿真数据,分析了BDS、GPS、GLONASS和Galileo不同组合在精密进近阶段的RAIM可用性。通过试验分析发现,BDS的5颗地球同步轨道卫星和3颗倾斜地球同步轨道卫星对亚洲、非洲和欧洲大部分地区的RAIM可用性有很大的贡献。这些地区站星间几何观测结构得到改善,使得RAIM可用性相对于其他地区有很大幅度的提升。在亚太地区APV-I阶段单系统导航情况下,北斗导航系统RAIM可用性达到99.5%,高于其他三个导航系统。在精密进近阶段（APV-I、APV-II和CAT-I）,BDS与其他导航系统（GPS、GLONASS和Galileo）的组合导航可以满足全球大部分区域的RAIM可用性需求,大多可达到100%。     

PSO选星算法参数分析与改进

多星座组合导航提供更多的可用卫星,但也增大接收机计算复杂度,选取部分可见星代替全部可见星进行接收机位置解算成为选星算法研究的热点。粒子群优化（PSO）选星算法将PSO算法引入到选星过程中,该方法能够减少选星时间,实现北斗/GPS组合星座快速选星。研究了该算法的关键参数包括惯性权重因子、加速系数、种群大小等对PSO选星算法性能的影响,并针对搜索过程容易陷入局部最优问题,提出自适应模拟退火粒子群优化（ASAPSO）选星算法,该算法通过引入随适应值大小自适应调整进化参数及结合模拟退火算法调整粒子速度,以增强算法跳出局部极值的能力。采用实际数据对算法进行验证,结果表明:ASAPSO选星算法在保证选星时间的同时,能够提高算法搜索结果的准确性,其性能优于PSO选星算法。      

GPS自主式完整性检测技术研究

证明了GPS(Global Positioning System) RAIM(Receiver Autonomous Integrity Monitoring)两种算法:奇偶空间法和残差最小二乘法在数学上是等价的.提出了一种新的GPS RAIM算法,并进行了仿真实验.研究结果表明,该算法具有可用性高、漏警率低,故障检测灵敏等优点,满足了高精度、高可靠性的制导要求.研究了可见星较少时,采用气压高度表辅助、接收GLONASS(GLObal NAvigation Satellite System)信号等实现RAIM的方法,并进行了仿真验证.      

全球导航卫星系统多星故障排除新方法

在全球导航卫星系统中,多颗卫星同时发生故障的概率会随着观测卫星数的增加而增加,从而,在接收机自主完好性监测中需考虑多星故障的处理.针对故障检测比故障排除简单、且故障检测率比故障排除率高的特征,以故障检测为基础,提出了一种新的多星故障排除方法——随机搜索法.该方法采用二进制对观测卫星进行编码,通过随机初始化方式获得初始无故障星座,再通过逐步搜索未选卫星方式来得到最终的含有最多无故障卫星的星座,实现故障排除功能.仿真结果表明:大部分情形下,新方法能获得99%以上的故障排除率,既能进行单星故障排除,也能进行多星故障排除,能有效满足全球导航卫星系统关于自主完好性的要求.      

Fault detection and isolation in GPS receiver autonomous integrity monitoring based on chaos particle swarm optimization-particle filter algorithm

The receiver autonomous integrity monitoring (RAIM) is one of the most important parts in an avionic navigation system. Two problems need to be addressed to improve this system, namely, the degeneracy phenomenon and lack of samples for the standard particle filter (PF). However, the number of samples cannot adequately express the real distribution of the probability density function (i.e., sample impoverishment). This study presents a GPS receiver autonomous integrity monitoring (RAIM) method based on a chaos particle swarm optimization particle filter (CPSO-PF) algorithm with a log likelihood ratio. The chaos sequence generates a set of chaotic variables, which are mapped to the interval of optimization variables to improve particle quality. This chaos perturbation overcomes the potential for the search to become trapped in a local optimum in the particle swarm optimization (PSO) algorithm. Test statistics are configured based on a likelihood ratio, and satellite fault detection is then conducted by checking the consistency between the state estimate of the main PF and those of the auxiliary PFs. Based on GPS data, the experimental results demonstrate that the proposed algorithm can effectively detect and isolate satellite faults under conditions of non-Gaussian measurement noise. Moreover, the performance of the proposed novel method is better than that of RAIM based on the PF or PSO-PF algorithm.     

用于识别双星故障的RAIM算法

由于传统的基于识别门限的卫星故障识别算法存在漏检和误警致使识别率较低,为此提出一种可用于识别双星故障的接收机自主完好性监测算法.该算法通过构造新的奇偶矢量与故障特征平面,利用奇偶矢量与故障特征平面之间的几何关系来识别卫星故障,使得算法不再受限于识别门限的影响,从而有效地避免了由于识别门限引起的识别效率较低的问题.计算机仿真结果表明:改进后的算法与传统的基于识别门限的算法相比,双星故障正确识别的性能有显著的提高,正确识别率可达到90%.同时,与基于门限识别的重构最优奇偶矢量法相比,计算量可减少约61.2%以上.     

Comparison of convergence time and positioning accuracy among BDS,GPS and BDS/GPS precise point positioning with ambiguity resolution

Precise point positioning (PPP) usually takes about 30?min to obtain centimetre-level accuracy, which greatly limits its application. To address the drawbacks of convergence speed and positioning accuracy, we develop a PPP model with integrated GPS and BDS observations. Based on the method, stations with global coverage are selected to estimate the fractional cycle bias (FCB) of GPS and BDS. The short-term and long-term time series of wide-lane (WL) FCB, and the single day change of narrow-lane (NL) FCB are analysed. It is found that the range of GPS and BDS non-GEO (IGSO and MEO) WL FCB is stable at up to a 30-day-time frame. At times frame of up to 60?days, the stability is reduced a lot. Whether for short-term or long-term, the changes in the BDS GEO WL FCB are large. Moreover, BDS FCB sometimes undergoes a sudden jump. Besides, 17 and 10 stations were used respectively to investigate the convergence speed and positioning errors with six strategies: BDS ambiguity-float PPP (Bfloat), GPS ambiguity-float PPP (Gfloat), BDS/GPS ambiguity-float PPP (BGfloat), BDS ambiguity-fixed PPP (Bfix), GPS ambiguity-fixed (Gfix), and BDS/GPS ambiguity-fixed (BGfix). The average convergence speed of the ambiguity-fixed solution is greatly improved compared with the ambiguity-float solution. In terms of the average convergence time, the Bfloat is the longest and the BGfix is the shortest among these six strategies. Whether for ambiguity-float PPP or ambiguity-fixed PPP, the convergence reduction time in three directions for the combined system is the largest compared with the single BDS. The average RMS value of the Bfix in three directions (easting (E), northing (N), and up (U)) are 2.0?cm, 1.5?cm, and 5.9?cm respectively, while those of the Gfix are 0.8?cm, 0.5?cm, and 1.7?cm. Compared with single system, the BDS/GPS combined ambiguity-fixed system (BGfix) has the fastest convergence speed and the highest accuracy, with average RMS as 0.7?cm, 0.5?cm, and 1.9?cm for the E, N, U components, respectively.