[发明专利]基于贝叶斯决策的故障识别方法及装置

权利要求书

1.一种基于贝叶斯决策的故障识别方法，其特征在于，包括：

检测到卫星发生故障时，提取伪距残差矢量；

根据卫星本地观测矩阵将所述伪距残差矢量变换到奇偶空间中得到奇偶矢量，并获取所述奇偶矢量的概率密度函数；

根据故障偏差大小的概率密度函数以及所述奇偶矢量的概率密度函数，计算不同故障模式下的类条件概率密度函数；

根据所述不同故障模式下的类条件概率密度函数采用贝叶斯分类器进行故障识别；

将识别出的故障卫星剔除，获得剔除后的卫星本地观测矩阵，根据所述卫星本地观测矩阵获取用户的位置的定位结果。

2.根据权利要求1所述的方法，其特征在于，所述根据卫星本地观测矩阵将所述伪距残差矢量变换到奇偶空间中得到奇偶矢量之前，包括：

对所述卫星本地观测矩阵H进行QR矩阵分解；分解后的所述卫星本地观测矩阵H=UR0=U1U2R0=U1R;]]>其中U₁为n×4维分解矩阵；U₂为n×(n-4)维分解矩阵；R为4×4维分解矩阵；0为(n-4)×4维零矩阵；n为可观测卫星数；

相应的，所述根据卫星本地观测矩阵将所述伪距残差矢量变换到奇偶空间中得到奇偶矢量，并获取所述奇偶矢量的概率密度函数，包括：

利用分解矩阵U₂，计算n-4维奇偶矢量其中，w为n×1维伪距残差矢量；

奇偶矢量的协方差为Cov(p)＝σ²I_n-4，奇偶矢量的期望值为其中，σ为观测矢量与观测噪声的标准差，I_n-4为n-4维单位矩阵，b_i为第i颗卫星的故障偏差大小，φ_i为故障发生的模式矢量，表示故障发生在第i颗卫星上(i＝1,2,...n)，记为，

奇偶矢量p服从联合高斯分布，概率密度函数为p(p|φi,bi)=1(2πσ2)n-42exp[-12(p-biU2Tφi)T(p-biU2Tφi)].]]>