基于斜率加权的最小二乘RAIM算法研究

发布时间：2021-07-28 23:31

　　为解决某些卫星在故障检测算法中不敏感的问题,提出了卫星斜率加权的最小二乘算法。该方法从理论上推导出卫星特征斜率的表达式,根据特征斜率大小构建斜率加权矩阵,对特征斜率较小的卫星加以更大的权重。构造出斜率加权的检验统计量,通过比较新的检验统计量与检测门限,实现对卫星的故障检测。结合真实数据对该方法进行验证,结果表明:基于斜率加权的最小二乘RAIM算法的故障检测率优于最小二乘RAIM算法。 

【文章来源】：电光与控制. 2020,27(03)北大核心CSCD

【文章页数】：5 页

【部分图文】：

RAIM监测结果示意图

从该时刻起,分别在每颗星的伪距上每秒均匀地增加伪距误差值,持续仿真600 s,计算出不同卫星随着伪距增加,仿真时间与垂直定位误差之间的关系,8条卫星误差曲线如图2所示。由图2可以看出,G05号星的特征斜率是最大的,同时该卫星的垂直定位误差曲线也是最高的;G09号星的特征斜率最小,同时该卫星的垂直定位误差曲线也是最低的。卫星特征斜率大小的顺序与图2中垂直定位误差高低的顺序一致。

为了验证算法的检测性能,从04:00:00开始进行仿真600 s,在600 s内仰角大于10°的可见星共有8颗,如表1所示。首先选择特征斜率中等的G12号星,在 200～400 s内人为地对G12号星加入25 m的伪距偏差,并分别利用斜率加权RAIM算法以及最小二乘RAIM算法进行故障检测。图3为监测结果散点图。由图3可看出,未加故障时最小二乘RAIM以及斜率加权RAIM均在正常区域,当在伪距上加入25 m的偏差后,最小二乘RAIM分布散点图中约有一半在检测门限的左侧,表示此时没有检测出故障。当使用斜率加权RAIM后,由于卫星斜率越小,其加的权重也就越大,因此,经过斜率加权后会使特征斜率较小的卫星检验统计量相应增加,使同一卫星的分布散点图有向右平移的趋势,远离图1所示的漏检区域。此时检验统计量均高于检测门限,在加入故障后可以进行告警,提高了RAIM算法的可用性。


本文编号：3308861