[发明专利]一种神经网络辅助粒子滤波的GPS接收机自主完好性监测方法

说明书

技术领域：本发明涉及卫星导航定位结果的可靠性监测技术，是航空卫星导航接收机定位信息可靠性监测的关键技术，是一种GPS接收机自主完好性监测方法，尤其是一种神经网络辅助粒子滤波的GPS接收机自主完好性监测方法。

背景技术:目前，卫星导航已被应用于军事、航海、航空、测量、交通、勘测等几乎一切与位置、速度、时间有关的人类活动中。作为世界上最为成熟的GPS系统其应用也越来越广泛，在各种应用领域中，航空卫星导航是对卫星导航系统可靠性要求极为苛刻的高端应用用户，因此，在航空卫星导航中，完好性监测是航空导航系统不可或缺的一部分，由于系统故障而引起的导航失败或者故障应该被探测和隔离以保证导航信息可靠性不受影响。随着全球导航卫星系统(GNSS)的发展以及用户对于GNSS服务性能要求的不断升级，完好性监测日益受到重视。由于通过卫星导航系统自身的操作控制部分进行卫星故障监测时，告警时间比较长，通常在15分钟到几小时，不能满足航空导航需求，因此在用户端对卫星故障进行快速监测，即接收机自主完好性监测(RAIM，Receiver Autonomous Integrity Monitoring)成为研究的热点。

目前，RAIM算法包括两大类：一类是利用当前伪距观测量的快照(Snapshot)算法；另一类是滤波方法，包括基于卡尔曼滤波的RAIM算法以及基于粒子滤波的RAIM算法。这些方法存在的问题主要表现在：(1)要求测量噪声服从高斯分布，而在实际中测量噪声很难严格服从高斯分布，此时，该算法的性能就会降级。(2)对渐变微小偏差故障检测不灵敏。(3)非线性非高斯粒子滤波方法存在粒子退化现象和粒子的多样性丧失等问题。

发明内容：针对上述现有技术的不足，本发明提供了一种神经网络辅助粒子滤波的GPS接收机自主完好性监测方法。

为实现上述目的，本发明采用的技术方案是：一种神经网络辅助粒子滤波的GPS接收机自主完好性监测方法，所述方法包括如下步骤：

第一步，建立BP神经网络改进粒子滤波算法模型；

第二步，建立似然比检验统计量；

第三步，使用NNWA-PF和LLR算法对GPS故障卫星进行检测。

本发明的优点在于：

1、本方法通过神经网络对粒子进行权值分裂和权值调整，增加了有效粒子数目，改善了粒子多样性，抑制了粒子退化和多样性丧失。

2、本方法满足非高斯噪声下的GPS接收机自主完好性监测需求。

3、本方法采用似然比方法建立检验统计量，利用实测数据进行验证，更符合实际问题，方案的可行性更强。

具体实施方式：

下面对本发明实施例中的技术方案进行清晰、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

首先介绍如下的概念与定义：

1、接收机自主完好性监测：接收机自主完好性监测是一种基于一致性检验的自主完好性监测方法，它通过对冗余观测信息的检测来判断测量结果中是否含有较大卫星距离误差，当系统性能超出指定的容差级时，它能实时有效地给用户提供告警信息。

2、粒子滤波：粒子滤波(Particle Filter)算法又称为序贯蒙特卡罗方法，它依据于大数定理，采用蒙特卡罗方法来求解贝叶斯估计中的积分运算。粒子滤波算法首先依据系统状态向量的经验分布条件分布在状态空间产生一组随机样本的集合，然后根据观测量不断地调整粒子的权重和位置，通过调整后粒子的信息修正最初的经验条件分布。当样本容量很大时，这种蒙特卡罗描述就近似于状态变量真实的后验概率密度函数

3、神经网络：BP神经网络是一种有教师信号的按误差逆传播算法训练的多层前馈网络，是目前应用最广泛的神经网络模型之一。BP网络能学习和存贮大量的输入-输出模式映射关系，而无需事前揭示描述这种映射关系的数学方程。它的学习规则是使用最速下降法，通过反向传播来不断调整网络的权值和阈值，使网络的误差平方和最小。BP神经网络模型拓扑结构包括输入层(input layer)、隐层(hide layer)和输出层(output layer)。

本发明提供的GPS接收机自主完好性监测方法，具体步骤如下：

第一步，建立BP神经网络改进粒子滤波算法模型；

假设描述动态系统的状态方程和观测方程为：

X_k＝f_k(X_k-1,v_k-1)