预览加载中,请您耐心等待几秒...
1/10
2/10
3/10
4/10
5/10
6/10
7/10
8/10
9/10
10/10

亲,该文档总共21页,到这已经超出免费预览范围,如果喜欢就直接下载吧~

如果您无法下载资料,请参考说明:

1、部分资料下载需要金币,请确保您的账户上有足够的金币

2、已购买过的文档,再次下载不重复扣费

3、资料包下载后请先用软件解压,在使用对应软件打开

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN113848570A(43)申请公布日2021.12.28(21)申请号202110988347.1G01S19/42(2010.01)(22)申请日2021.08.26(71)申请人北京时代民芯科技有限公司地址100076北京市丰台区东高地四营门北路2号申请人北京微电子技术研究所(72)发明人由立华毕波陈启亮高参吴雨航(74)专利代理机构中国航天科技专利中心11009代理人范晓毅(51)Int.Cl.G01S19/20(2010.01)G01S19/22(2010.01)G01S19/23(2010.01)权利要求书5页说明书14页附图1页(54)发明名称基于非高斯分布的自适应实时多径消除及抗差定位方法(57)摘要本发明公开了一种基于非高斯分布的自适应实时多径消除及抗差定位方法,不对发生故障或偏差的卫星个数做出假定,而是修改了传统定位模型中误差的高斯分布假定,将其变为高斯混合分布,即一种非高斯分布,通过基于实时观测数据的极大似然方法求解参数,自适应的计算每一个卫星故障偏差范围大小的概率分布情况,可用于多个故障下的识别及抗差定位,也可用于多径环境下的抗差定位及多径消除,本发明解决了现有的RAIM和抗差定位方法的缺点,目前现有的故障检测及识别方法运算量较大,依赖于故障个数的先验假设,并且误判率较高,而本发明所提供的方法具有较高的故障检测成功率,同时运算量小速度快,且具有高精度和稳健性。CN113848570ACN113848570A权利要求书1/5页1.一种基于非高斯分布的自适应实时多径消除及抗差定位方法,其特征在于,包含以下步骤:(1)建立定位周期内接收机的定位解算模型,并将其线性转换得到标准化定位解算模2T型Y=Hβ+ε,ε~N(0,σI),其中Y=(y1,...,yn)为已知的各卫星观测量矩阵的标准化变换,TH=(h1,...,hn)为n×p维已知观测定位几何矩阵的标准化变换,n为总的卫星个数,β为p×1维未知参数向量,ε为n×1维观测噪声矩阵的标准化变换,服从正态分布N(0,σ2I),σ2为方差系数,I为单位对角阵;(2)使用高斯混合分布对各卫星观测量建模,定义n维未知向量Z为隐变量,其中每一个元素Zi∈{1,2,3},i=1,2,...,n,得到各卫星观测量的高斯混合分布模型其中γk为Zi的先验概率,令表示各卫星观测量的高斯混合分布模型中全部待求解的未知参数构成的待T222TT求解参数向量,其中μ=(μ1,...,μK),μ1=0,σ=(σ1,...,σK),γ=(γ1,...,γK),K=3,γ3=1‑γ1‑γ2;(3)基于EM算法迭代求解待求解参数向量θ,得到待求解参数向量最优值(4)根据待求解参数向量最优值计算定位实时保护性水平,并与给定的告警门限比较,判断定位结果是否可靠;(5)将待求解参数向量最优值中的代入步骤(1)中所得标准化定位解算模型中,得到检验统计量,根据检验统计量与假设检验的拒绝域比较,判断每颗卫星是否存在影响定位的故障。2.根据权利要求1所述的一种基于非高斯分布的自适应实时多径消除及抗差定位方法,其特征在于,所述步骤(2)中,各卫星观测量的高斯混合分布模型通过以下方法建立:定义n维未知向量Z为隐变量,其中每一个元素Zi∈{1,2,3},i=1,2,...,n,Zi=1表示观测噪声εi不含导致接收机定位发生不可接受误差的偏差,Zi=2或Zi=3则分别表示观测噪声εi含有不同程度的导致接收机定位发生不可接受误差的偏差;假定在不同Zi取值下,各卫星观测量yi服从不同的高斯分布,即2CN113848570A权利要求书2/5页其中yi为已知的各卫星观测量矩阵Y的第i个元素,hi为已知观测定位几何矩阵H的第iT行的转置,hi表示hi的转置;fk(yi)为给定Zi时yi的条件高斯分布,亦为Zi未知时yi的混合高斯密度函数fm(yi)中的第k个高斯成分;当Zi未知时,各卫星观测量yi为高斯混合分布,得到高斯混合分布模型如下:其中,γk为Zi的先验概率,P(Zi=k)=γk。3.根据权利要求1所述的一种基于非高斯分布的自适应实时多径消除及抗差定位方法,其特征在于,所述步骤(3)中,基于EM算法迭代求解待求解参数向量θ,得到待求解参数向量最优值的方法包括如下步骤:(31)计算得到已知的各卫星观测量矩阵Y的期望对数似然函数:其中t为待求解参数向量θ的迭代次数;(32)设置待求解参数向量θ的迭代初值θ(0),此时取t=0;(33)根据θ(t)代入,利用贝叶斯法,计算(34)将t更新为t+1,将步骤(33)中计算的代入期望对数似然函数Q(θ|θ(t‑1),Y),求解使Q(θ|θ(t‑1),Y)极大化,得到(t‑1)(35)将作为γk的值,代入期望