买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：东南大学

摘要：本发明是一种面向高级接收机自主完好性监测的智能选星方法。包括以下步骤：首先，获取卫星发送的信号，以地面观测点处遮蔽角对各导航卫星进行筛选，提取接收机观测到的可见卫星。然后根据卫星几何构型和完好性支持信息参数，构建卫星选择模型，设置代价函数，通过数学拟合确定卫星选择模型中的权重参数，并且将ARAIM算法中的有效监测阈值EMT和垂直定位精度作为约束条件。利用河马智能优化算法，把每一个卫星组合看作一只河马，将卫星选择模型作为适应度函数，在解空间中对卫星组合进行迭代求解，寻找最佳卫星组合。最后，计算最佳卫星组合的ARAIM可用性。该方案能够降低ARAIM算法复杂度，并降低故障发生的概率。

主权项：1.面向高级接收机自主完好性监测的智能选星方法，其特征在于，包括以下步骤：S1获取卫星发送的信号，以地面观测点处遮蔽角对各导航卫星进行筛选，提取接收机观测到的可见卫星，S2根据卫星几何构型和完好性支持信息参数ISM，构建卫星选择模型，设置代价函数，通过数学拟合确定卫星选择模型中的权重参数，S3将ARAIM算法中的有效监测阈值EMT和垂直定位精度σacc，req作为卫星选择的约束条件，S4利用河马智能优化算法，把每一个卫星组合看作一只河马，将卫星选择模型作为适应度函数，在解空间中对卫星组合进行迭代求解，寻找最佳卫星组合，S5计算S4得到的最佳卫星组合的保护水平，与可用性指标进行比较，若满足，则进入S6，否则进入S7，S6判定ARAIM当前历元可用，计算垂直定位精度和有效监测阈值，输出保护水平、垂直定位精度、EMT，进入下一个历元的计算，S7判定ARAIM当前历元不可用，进入下一个历元的计算；其中，步骤S2具体包括：S21构造垂直精度因子判断卫星几何构型： 式中，右下角标记的3,3表示用协方差矩阵的第三行第三列元素计算垂直精度因子，GX表示卫星组合X的雅各比矩阵，矩阵的大小为Nsat×3+Nconst，Nsat表示卫星数量，Nconst表示星座数量，矩阵的前三列表示卫星的观测矢量，后Nconst列表示各个星座的接收机钟差，GXT表示矩阵GX的转置矩阵，S22构造加权垂直精度因子， 式中，σURA表示用户测距精度，是星历误差和卫星时钟标准偏差，可用来评估ARAIM算法的完好性，S23结合完好性支持信息的其他参数，构造卫星选择公式： 其中，WDOPX表示加权垂直精度因子,Nsat表示卫星数量，Nconst表示星座数量，bnorm，i表示卫星i用于计算精度和连续性的观测值标称偏差，Psat，i表示卫星i的先验故障概率，Pconst，j表示星座j的先验故障概率，α、β、γ表示完好性支持信息参数的权重因子，首先初始化α＝1，β＝2，γ＝1利用卫星选择模型选出最佳卫星组合，S24根据S23选出的卫星组合，通过多假设解分离方法得到故障模式的数量和对应的监测子集，在ARAIM用户算法中，定位解是通过加权最小二乘法计算得到，最小二乘法的数学原理是牛顿迭代法，利用牛顿迭代法，得到新的无故障条件下监测子集的位置解： 其中，q＝1，2，3表示东北天三个分量，矩阵G是接收机定位解算的观测矩阵，它的大小是Nsat×3+Nconst，Δy表示伪距观测值的偏差矢量，矩阵G的前三列表示东北天三个方向上的三个分量，GT表示矩阵G的转置矩阵，W0是加权系数，其定义为： 其中，Cint表示用来评估完好性的伪距协方差矩阵，Cacc表示用来评估连续性和精度的伪距协方差矩阵，这两个矩阵除主对角线元素以外，其余元素都是0， 其中，i表示第i颗卫星，σURA，i表示第i颗卫星的用户测距精度，σURE，i表示第i颗卫星的用户测距误差，σtropo，i表示第i颗卫星的对流层延迟误差，σuser，i表示第i颗卫星的用户仰角误差，定义无故障情况下的位置估计矩阵为：S0＝GTW0G-1GTW0每种故障模式的监测子集，需要将故障卫星的权值设置为零，对于第k个故障模式，如果δ是故障卫星,则有：Wkδ，δ＝0，其中，上标k表示第k个故障模式，Fk表示第k个故障模式对应的故障监测子集，故障监测子集Fk对应的位置估计矩阵和定位误差方差分别为：Sk＝GTWkG-1GTWk， 故障模式k与无故障情况下位置估计定位差异的标准差为： 对于每个故障模式，都存在三个解分离阈值测试，东北天三个方向上各一个，阈值定义为Tk，q，k表示第k个故障模式，q表示坐标指数， 其中，Q-1表示标准正态分布的右尾函数的逆分布函数，Kfa，q表示与连续性风险分配相关的系数，表示故障模式k与无故障情况下位置估计定位差异的标准差，PFA_HOR表示在水平方向上的连续性风险预算，PFA_VERT表示在垂直方向上的连续性风险预算，Nfaults表示需要监测的故障子集的数量，ARAIM的基准用户算法中，连续性风险概率会被平均分配到每一个监测子集中，然后每个监测子集分配的连续性风险概率会平均分配到东北天三个方向上，S25构造代价函数，通过数学拟合确定α、β、γ的值， 式中，VPL0表示没有发生故障时的垂直保护水平，VPLk表示第k个故障监测子集的垂直保护水平，垂直保护水平的计算公式如下： 式中，式中，表示无故障全集垂直方向与完好性风险分配相关的系数，表示故障监测子集Fk垂直方向与完好性风险分配相关的系数，表示无故障全集垂直定位误差的标准差，表示故障监测子集Fk的垂直定位误差的标准差，表示故障监测子集Fk垂直方向与连续性风险分配相关的系数，表示故障模式k与无故障情况下垂直方向位置估计定位差异的标准差，表示无故障情况下垂直方向的最大位置偏差，表示故障模式k下垂直方向的最大位置偏差，Q-1表示标准正态分布的右尾函数的逆分布函数，bnorm，i表示卫星i用于计算精度和连续性的观测值标称偏差，PHMI_VERT表示在垂直方向上的完好性风险预算，Nfaults表示需要监测的故障子集的数量，S0表示无故障情况下的位置估计矩阵，Sk表示故障监测子集Fk对应的位置估计矩阵，表示故障监测子集Fk的先验故障概率，PFA_VERT表示在垂直方向上的连续性风险预算，计算S23得到的卫星组合的代价函数值，始终保持α：β：γ＝1：2：1然后调整α、β、γ的值，再利用调整后的模型选出新的卫星组合，计算新的卫星组合的代价函数值，通过不断调整α、β、γ的值，使得S23选出的卫星组合的代价函数值最小，这时确定β的值；把β的值作为已知，初始化α＝1，γ＝1，始终保持α：γ＝1：1根据代价函数结果调整α、γ的值，使得代价函数值最小，这时确定γ的值；最后把β、γ的值当作已知，根据代价函数调整并确定α的值；步骤S4具体包括：S41初始化河马种群的数量为n，每一个卫星组合被看作是一只河马，构建种群矩阵： 其中，m是每一个卫星组合中包含的卫星数目，表示一只河马中有m个决策变量，S42初始化河马种群的位置，设需要选择的卫星数目是m，可见卫星的数量是M，则生成个卫星组合，随机选择n个卫星组合作为河马种群，每一个卫星组合中包含m颗卫星，表示有m个决策变量，对应m颗卫星的索引，将S23中的卫星选择模型作为适应度函数，根据构造的适应度函数，计算每只河马的适应度值，第p只河马的适应度值：RXP＝R[xp,1…xp,m]式中，xp，1表示第p只河马的第1个决策变量，xp，m表示第p只河马的第m个决策变量，选择适应度最佳的河马作为优势河马，记录它的适应度值和卫星索引信息，S43河马在勘探阶段进行位置更新： 式中，表示第t+1次迭代时，第μ只河马第τ个决策变量，r1是0～1的随机数，xbest，τ表示优势河马的第τ个决策变量，I1是随机整数，取1或2， 式中，a1、a2、a3、a4、a5表示0～1的随机数，e1、e2表示随机整数，取1或0， 式中，表示第t+1次迭代时，第μ只河马第τ个决策变量，表示第t次迭代后，第μ只河马第τ个决策变量，T表示最大迭代次数，t表示当前迭代次数，I2是随机整数，取1或2，h1和h2是h中五种情况的任意一种，xmean，τ表示随机选择的河马的均值的第τ个决策变量，xlower，τ表示第τ个决策变量的下限，xupper，τ表示第τ个决策变量的上限，r2，r3表示0～1的随机数，对每一只河马迭代后的位置进行取整操作，计算迭代后河马的适应度值，分别为RXp1和RXp2二者比较，选择最优的更新结果，然后和第t次迭代后的适应度值比较，若第t+1次迭代后的结果更优，则更新，否则不更新，S44河马在防御阶段的位置更新：xpredator,τ＝xlower,τ+r2×xupper，τ-xlower，τ 式中，表示第t+1次迭代时，第μ只河马第τ个决策变量，xpredator，τ表示捕食者的第τ个决策变量，xlower，τ表示第τ个决策变量的下限，xupper，τ表示第τ个决策变量的上限， 表示第μ只河马第τ个决策变量到捕食者第τ个决策变量的距离，μ＝n1+1，...n，τ＝1，2，...m，RL是一个具有Levy分布的随机向量，b是2～4的均匀随机数，RXpredator表示捕食者的适应度值，表示第t次迭代后第μ只河马的适应度值，c是1～1.5的均匀随机数，d是2～3的均匀随机数，l是-1～1的均匀随机数，r4是0～1的随机数，对迭代后的位置信息进行取整操作，计算迭代后河马的适应度值，与第t次迭代结果比较，若第t+1次迭代后的结果更优，则更新，否则不更新，S45河马在开发阶段的位置更新： 式中，t表示当前迭代次数，xlower，τ表示第τ个决策变量的下限，xupper，τ表示第τ个决策变量的上限，μ＝1，2，...，n,τ＝1，2，...m,f1是0～1之间的随机数，f2是服从正态分布的随机数，f3是0～1之间的随机数，r5是0～1之间的随机数，是的任意一种情况，表示第t+1次迭代时，第μ只河马第τ个决策变量，对迭代后的位置信息进行取整操作，计算迭代后河马的适应度值，与第t次迭代结果比较，若第t+1次迭代后的结果更优，则更新，否则不更新，S46迭代结束之后，选择满足约束条件的适应度值最优的河马，作为最佳的卫星组合；步骤S5具体包括：S51计算最佳卫星组合的垂直保护水平： 式中，上标k表示第k个故障模式，PHMI_VERT表示垂直方向的完好性风险概率，PFA_VERT表示垂直方向的连续性风险概率，Nfaults表示故障模式的数量，表示故障监测子集Fk的先验故障概率，Sk表示故障监测子集Fk对应的位置估计矩阵，bnorm，i表示卫星i用于计算精度和连续性的观测值标称偏差，表示故障模式k与无故障情况下位置估计定位差异的方差，Sk＝GTWkG-1GTWk 其中，Wk表示加权矩阵，需要把对应的故障卫星的权重设置为0，Cacc表示用来评估连续性和精度的伪距协方差矩阵，除主对角线元素外，其他元素都为0，S52计算最佳卫星组合的水平保护水平，与垂直保护水平的计算方法类似，但是要分别计算东向分量HPL1和北向分量HPL2，再将两个分量的平方和开方， S53将计算得到的保护水平与ARAIM可用性指标进行比较，如果满足要求，则转入S6，否则转入S7。

全文数据：

权利要求：

百度查询： 东南大学 面向高级接收机自主完好性监测的智能选星方法