一种用于城市复杂环境下GNSS完好性监测方法与流程

本发明涉及一种用于城市复杂环境下gnss完好性监测方法。

背景技术：

gnss具有全球覆盖、实现绝对定位、误差不随时间累积等优点，广泛应用于国防、通信、交通等领域。在gnss应用中，人们将gnss在发生故障时及时向用户告警，识别并排除故障以继续为用户提供定位导航服务的能力定义为gnss的完好性。对gnss的完好性的研究最早发生在航空领域，目前已有较为成熟的监测算法。然而近些年来迅速发展的无人机、自动驾驶汽车等责任相关的应用领域，对城市复杂环境下gnss的完好性提出了更高的要求。城市复杂环境下，gnss信号很可能会受到建筑物的遮挡或反射，导致gnss观测的可见星数量减少，观测数据含有的多路径误差增多，进一步降低gnss系统的完好性。gnss的完好性对城市中各种基于连续可靠的定位服务的应用具有重要意义，有必要针对城市复杂环境下的gnss完好性监测算法展开进一步的研究。

关于卫星定位导航系统完好性的研究起步较早，最早被应用于航空领域，目前已经有比较成熟的算法。接收机自主完好性监测算法(raim)，只利用卫星接收机的观测量进行完好性监测，主要分两步，第一步检测故障，若观测数据超过一定的阈值则认为观测数据存在故障引起的粗差；第二步识别故障，即按照一定的规则识别并去除存在故障造成的误差的观测数据。传统的raim目前主要有三种算法，分别是距离比较法、最小二乘残差法和奇偶矢量法。距离比较法通过比较5颗卫星的加权距离和监测故障是否发生，但无法识别故障。最小二乘法残差法利用基于最小二乘法模型预估的卫地距与观测到的伪距之差即残差的概率分布特性分析是否发生故障以及识别发生故障的卫星,数学分析过程较复杂，故障检测的判决门限不易确定，只适用只存在一个故障偏差情况；奇偶矢量法对观测阵进行qr分解，并将噪声误差置于奇偶空间中监测系统的完好性，减少了计算量。

有关学者为了改进raim算法，对传统的raim算法进行了一系列的创新。为解决粗差对检验统计值的干扰，王式太利用m估计具有良好的抗差特性，提出了一种基于m估计的raim粗差探测和剔除算法。为改进传统raim故障检测和识别率低的缺点，张亚斌提出将gps星历中的isc参数引入raim算法，使用isc参数改正卫星观测数据。注意到某些卫星在raim故障检测中不敏感而被漏检，王煜东推导了卫星特征斜率的表达式，提出了一种基于卫星特征斜率加权的raim算法。针对raim难以探测识别多粗差的问题，谷守周将模糊聚类分析应用于raim算法，以qr奇偶校验法构建单点定位的全设计矩阵。上述raim改进算法提高了传统raim算法的故障检测率，但与传统raim算法相同都采取了单一故障、高斯噪声误差的假设。

现有技术缺点如下：

(1)传统raim算法包括上述raim改进算法均假设系统中仅可能有单个卫星发生故障，没有考虑系统中多个卫星发生故障的情况。然而在城市环境下，卫星信号很可能被建筑物遮挡或者反射，多个卫星同时发生故障的概率增加，单一故障假设下的raim算法很可能失效。

(2)传统raim算法包括上述raim改进算法均假设观测数据含有的噪声服从独立高斯分布，根据这一假设推导出检测和识别故障的阈值。然而在城市环境下，建筑物反射卫星信号会给卫星的伪距观测值带来严重的多路径误差，此时的观测数据所含的噪声为非高斯噪声，导致高斯白噪声假设下的raim算法漏检、误检率上升。

技术实现要素：

发明目的：为解决背景技术中存在的技术问题，本发明提出一种用于城市复杂环境下gnss完好性监测方法，包括如下步骤：

步骤1，进行gnss伪距观测；

步骤2，去除卫星信号信噪比低于阈值的卫星；

步骤3，判断剩余可见卫星数是否大于4，然后做不同的处理；

步骤4，基于最小二乘模型计算得到各个四星子集的候选定位点；

步骤5，计算候选定位点相对于参考定位点的东北天坐标；

步骤6，基于异常度检测故障候选定位点；

步骤7，基于异常度加权寻求最优定位解；

步骤8，输出最终定位结果。

步骤1包括：在城市环境下，载体用gnss接收机进行伪距观测，获得当前观测历元k的伪距观测数据，包括：可见星数量可见星的地心地固坐标对应的原始伪距观测值以及卫星信号信噪比其中j＝1,2,…,numvisorig，分别是可见星在地心地固坐标系x轴、y轴、z轴上的投影。

步骤2包括：确定的卫星信号信噪比的阈值为snrthre(可根据观测经验确定，一般可以设置为6.0)，遍历上一步获得的卫星信号信噪比如果满足则保留卫星相关的观测数据，否则删除卫星相关的观测数据。

步骤3包括：

步骤3-1，将存储器(存储器是卫星系统硬件组成的一部分，为一种微型计算机，可以接受数据输入并将数据保存，必要时将数据输出)中存储的上一个历元k-1的最终定位结果惯性传感器测量载体在这一历元内的加速度a^k-1|k和角速度w^k-1|k输入到卡尔曼滤波器中，去除噪声后通过积分得到当前历元载体的估计位置

步骤3-2，判断gnss剩余可见卫星数是否大于4，在经过步骤2处理后，剩余的可见星数量为步骤2删除的卫星数量；

如果numvis^k≤4，则将利用惯性传感器得到的当前历元载体的估计位置作为k历元的定位结果进行输出，并利用其更新存储器中的惯性传感器的初始位置以用于k+1历元，所述方法的流程提前结束；

如果numvis^k＞4，则对原始伪距数据进行误差消除处理：利用klobuchar模型模拟伪距中含有的电离层延迟fklobuchar为klobuchar模型对应的电离层延迟经验函数，利用hopfield模型模拟伪距中含有的对流层延迟fhopfield为hopfield模型对应的对流层延迟经验函数，消除电离层延迟和对流层延迟后的卫星伪距观测值进入步骤4。

步骤4包括：

步骤4-1，在剩余可见星中构造出所有的四星子集：从剩余的numvis颗卫星中取4颗不相同的卫星，构造出所有满足条件的四星子集互不相等，numvis表示剔除信噪比低于阈值的卫星之后剩余可见星的数量，为组合数，表示能够构建的四星子集的数量，a,b,c,d分别为不同的四颗卫星的编号；

步骤4-2，解算各个四星子集得到候选定位点：取载体位置的近似坐标构建伪距观测方程为伪距残差向量，为观测方向余弦矩阵，为观测方向余弦矩阵的解向量，如下所示：

其中为伪距残差，表示k历元第i个四星子集中的第n颗卫星的伪距观测值，为卫星坐标与载体位置近似坐标之差的二范数，即卫星位置与载体近似位置的距离；分别是载体近似位置到可见星位置的x、y、z轴上的方向余弦值，分别是载体近似位置在x、y、z轴上的坐标增量，dtr为接收机钟误差，则更新载体的近似位置如果ε为结束迭代的阈值(一般可以取为0.01)，则重复步骤4-2，直至得到四星子集的候选定位点

步骤5包括：建立以估计位置为原点的东北天坐标系，候选定位点si＝(xi,yi,zi)在该坐标系下的坐标为分别为估计位置在东北天坐标系e、n、u轴上的投影，fxyz2enu为将地心地固坐标转化为东北天坐标的转换函数。

步骤6包括：

步骤6-1，计算候选定位点的异常度：计算外的其余点与的距离按照r1|i从小到大的顺序取出前m个候选定位点与原点组成关于的(m+1)阶邻域为中距离最近的点，round为四舍五入的取整函数，接着将邻域中的各点投影到东北天三个坐标轴上，分别计算出的邻域中的各点在三个坐标轴上投影的标准差最后得出的邻域的离散度定义候选定位点的异常度依次计算出各点的异常度

步骤6-2，去除故障候选定位点：将所有的候选定位点按照异常度递增的顺序排列，计算候选定位点异常度的均值及标准差

计算异常度阈值遍历候选定位点，如果则认为所述候选定位点为故障卫星导致的故障候选定位点，将其剔除；若则认为所述候选定位点为正常候选定位点，将其保留。

步骤7包括：

步骤7-1，计算利用惯性传感器得到的载体估计位置的异常度：

载体的估计位置即步骤5中建立的坐标系中的原点，将各个候选定位点按照距离原点从近到远排列，取出前m+1个候选定位点组成关于原点的m+1阶邻域为原点，为距离原点最近的前1，2，…,m+1个候选定位点，计算中各点在坐标轴上投影的标准差分别是关于原点的m+1阶邻域中的各点在e、n、u坐标轴上投影的标准差，于是得出的离散度的异常度

步骤7-2，分别计算载体估计位置和上一步保留的候选定位点的权值：

设定步骤6-2保留的候选定位点有它们的异常度分别记为则基于惯性传感器的载体估计位置的权值候选定位点的权值h＝m,p,…q；

步骤7-3，计算基于异常度加权的最优定位解。

步骤7-3包括：基于异常度加权的最优定位解为接着将其转化为地心地固坐标系下的坐标

步骤8包括：输出最终定位结果：历元k的最终定位结果为将其输出，并利用其更新存储器中的惯性传感器初始位置以用于历元k+1。

城市复杂环境下全球导航卫星系统gnss(globalnavigationsatellitesystem)卫星信号易被建筑物反射或遮挡，造成gnss观测质量降低，使得gnss的完好性面临较大的挑战，影响了gnss进一步应用于城市复杂环境。本发明提供的方法旨在检测并排除城市复杂环境下建筑物遮挡或反射卫星信号等造成的gnss系统故障，提高gnss在城市复杂环境下应用时的完好性。

本发明提出的方法解决现有技术的缺点：

(1)针对传统raim算法包括上述raim改进算法在多个卫星同时发生故障时失效的缺点，本方法构建四星子集得到候选定位点，基于异常度检测候选定位点是否发生故障。如果多个卫星同时发生故障，发生故障的卫星和正常的卫星将分散在不同的四星子集中，其中多个故障卫星所在的四星子集的候选定位点会将远离剩余正常卫星组成的四星子集的候选定位点集合，造成候选定位点的异常度较大，设置合理的阈值之后，便可将多个故障卫星所在的四星子集检测出来。

(2)针对传统raim算法包括上述raim改进算法不适用于观测误差为非高斯噪声的缺点，本方法采用异常度作为四星子集是否存在故障卫星的评价指标，该指标可以反映出非高斯噪声的影响，如果卫星发生故障，则观测数据中含有较大的误差，从而该卫星所在的四星子集的异常度明显高于正常卫星组成的四星子集的异常度。

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是本发明方法流程图。

具体实施方式

如图1所示，本发明提供了一种用于城市复杂环境下gnss完好性监测方法，包括：

步骤1：进行gnss伪距观测。在城市环境下，载体(如无人机、自动驾驶汽车)用gnss接收机进行伪距观测，获得当前观测历元(历元k)的伪距观测数据：可见星数量可见星的地心地固坐标对应的原始伪距观测值以及卫星信号信噪比

步骤2：去除卫星信号信噪比低于阈值的卫星。根据历史观测经验确定的卫星信号信噪比的阈值为snrthre(可根据观测经验确定，一般可以设置为6.0)，遍历上一步获得的卫星信号信噪比如果满足则保留卫星相关的观测数据，否则删除卫星相关的观测数据。

步骤3：判断剩余可见卫星数是否大于4，然后做不同的处理。

步骤3-1，将存储器中存储的上一个历元k-1的最终定位结果(若k＝1，存储器存储的是在使用本方法之前利用gnss绝对定位获得的载体位置)、惯性传感器测量载体在这一历元内的加速度a^k-1|k和角速度w^k-1|k输入到卡尔曼滤波器中，去除噪声后通过积分得到当前历元载体的估计位置

步骤3-2，判断gnss剩余可见卫星数是否大于4。在经过第二步依据卫星信号的信噪比删除部分观测质量不佳的卫星之后，剩余的可见星数量(为第二步删除的卫星数量)。

如果numvis^k≤4，则将利用惯性传感器得到的当前历元载体的估计位置作为该历元的定位结果进行输出，并利用其更新存储器中的惯性传感器的初始位置以用于k+1历元，本历元的算法提前结束。

如果numvis^k＞4，则对原始伪距数据进行误差消除处理。利用klobuchar模型模拟伪距中含有的电离层延迟(fklobuchar为klobuchar模型对应的电离层延迟经验函数)，利用hopfield模型模拟伪距中含有的对流层延迟(fhopfield为hopfield模型对应的对流层延迟经验函数)，于是消除电离层延迟和对流层延迟后的卫星伪距观测值进入下一步。

步骤4：基于最小二乘模型计算得到各个四星子集的候选定位点。

步骤4-1，在剩余可见星中构造出所有的四星子集。从剩余的numvis颗卫星中取4颗不相同的卫星，构造出所有满足条件的四星子集互不相等)。

步骤4-2，解算各个四星子集得到候选定位点。取载体位置的近似坐标构建伪距观测方程(为伪距残差向量，为观测方向余弦矩阵，为该观测方程的解向量)其中(为伪距残差，表示k历元第i个四星子集中的第n颗卫星的伪距观测值，为卫星坐标与载体位置近似坐标之差的二范数，即卫星位置与载体近似位置的距离)；dtr为接收机钟误差，则更新载体的近似位置如果(ε为结束迭代的阈值，一般可取为0.01)，则重复上述步骤，直至得到四星子集的候选定位点

步骤5：计算候选定位点相对于参考定位点的东北天坐标。建立以估计位置为原点的东北天坐标系，候选定位点在该坐标系下的坐标为(fxyz2enu为将地心地固坐标转化为东北天坐标的转换函数)。

步骤6：基于异常度检测故障候选定位点。

步骤6-1，计算候选定位点的异常度：计算外的其余点与的距离然后按照r1|i从小到大的顺序取出前(round为四舍五入的取整函数)个候选定位点与原点组成关于的(m+1)阶邻域(为中距离最近的点，以此类推)，接着将邻域中的各点投影到东北天三个坐标轴上，分别计算出的邻域中的各点在三个坐标轴上投影的标准差最后得出的邻域的离散度定义候选定位点的异常度同理依次计算出各点的异常度

步骤6-2，去除故障候选定位点。将所有的候选定位点按照异常度递增的顺序排列，计算候选定位点异常度的均值及标准差计算异常度阈值遍历候选定位点，若则认为该候选定位点为故障卫星导致的故障候选定位点，将其剔除；若则认为该候选定位点为正常候选定位点，将其保留。

步骤7：基于异常度加权寻求最优定位解。

步骤7-1，计算利用惯性传感器得到的载体估计位置的异常度。

载体的估计位置即步骤5中建立的坐标系中的原点，首先将各个候选定位点按照距离原点从近到远排列，取出前个候选定位点组成关于原点的(m+1)阶邻域(为原点，为距离原点最近的前1，2，...，m+1个候选定位点)，然后计算中各点在坐标轴上投影的标准差(分别是关于原点的m+1阶邻域中的各点在e、n、u坐标轴上投影的标准差)，于是得出的离散度的异常度

步骤7-2，分别计算载体估计位置和上一步保留的候选定位点的权值。

设定步骤6-2保留的候选定位点有它们的异常度分别是则基于惯性传感器的载体估计位置的权值候选定位点的权值

步骤7-3，计算基于异常度加权的最优定位解。

基于异常度加权的最优定位解为接着将其转化为地心地固坐标系下的坐标(fenu2xyz为将东北天坐标转化为地心地固坐标的变换函数)。

步骤8：输出最终定位结果(历元k)。历元k的最终定位结果为将其输出，并利用其更新存储器中的惯性传感器初始位置以用于历元k+1。

本发明提供了一种用于城市复杂环境下gnss完好性监测方法，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。