基于貝葉斯決策的故障識別方法及裝置制造方法
【專利摘要】本發(fā)明提供一種基于貝葉斯決策的故障識別方法及裝置。本發(fā)明基于貝葉斯決策的故障識別方法，包括：檢測到衛(wèi)星發(fā)生故障時，提取偽距殘差矢量；根據(jù)衛(wèi)星本地觀測矩陣將所述偽距殘差矢量變換到奇偶空間中得到奇偶矢量，并獲取奇偶矢量的概率密度函數(shù)；根據(jù)故障偏差大小的概率密度函數(shù)以及奇偶矢量的概率密度函數(shù)，計算不同故障模式下的類條件概率密度函數(shù)；根據(jù)不同故障模式下的類條件概率密度函數(shù)采用貝葉斯分類器進(jìn)行故障識別；將識別出的故障衛(wèi)星剔除，獲得剔除后的衛(wèi)星本地觀測矩陣，根據(jù)衛(wèi)星本地觀測矩陣獲取用戶的位置的定位結(jié)果。本發(fā)明實現(xiàn)了根據(jù)貝葉斯決策理論，將不同觀測的杠桿作用考慮在內(nèi)進(jìn)行故障識別，提高了故障的識別率。
【專利說明】基于貝葉斯決策的故障識別方法及裝置

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及衛(wèi)星導(dǎo)航【技術(shù)領(lǐng)域】，尤其涉及一種基于貝葉斯決策的故障識別方法及 裝直。

【背景技術(shù)】
[0002] 為保證飛行安全，民用航空要求衛(wèi)星導(dǎo)航系統(tǒng)滿足完好性指標(biāo)。完好性是在導(dǎo)航 衛(wèi)星出現(xiàn)故障時，即導(dǎo)航誤差超過安全運(yùn)行所允許的上限時，系統(tǒng)及時向用戶提供告警的 能力。接收機(jī)自主完好性監(jiān)測方法（Receiver Autonomous Integrity Monitoring,簡稱 RAM)通過對接收機(jī)觀測到的多個衛(wèi)星的偽距進(jìn)行一致性校驗，能夠快速且自主的檢測和 識別由衛(wèi)星硬件、信號傳播和接收機(jī)引起的故障，可滿足民用航空從航路到非精密進(jìn)近的 完好性要求，已經(jīng)成為航空導(dǎo)航接收機(jī)的必備功能。
[0003] 現(xiàn)有的RAM故障識別方法均基于偽距誤差的極大似然估計，而沒有考慮不同衛(wèi) 星觀測的偽距誤差對定位誤差的影響。實際中，不同衛(wèi)星的觀測對定位結(jié)果的影響是不同 的，這種影響在回歸理論中稱為"杠桿"。高杠桿觀測比低杠桿觀測量對位置估計具有更大 的影響，因此高杠桿觀測衛(wèi)星故障時將產(chǎn)生更大的定位誤差。因此現(xiàn)有的RAM故障識別方 法在高杠桿衛(wèi)星觀測故障時識別率會降低。


【發(fā)明內(nèi)容】

[0004] 本發(fā)明提供一種基于貝葉斯決策的故障識別方法及裝置，以克服現(xiàn)有技術(shù)中RAIM 故障識別方法在高杠桿衛(wèi)星觀測故障時識別率會降低的問題。
[0005] 第一方面，本發(fā)明提供一種基于貝葉斯決策的故障識別方法，包括：
[0006] 檢測到衛(wèi)星發(fā)生故障時，提取偽距殘差矢量；
[0007] 根據(jù)衛(wèi)星本地觀測矩陣將所述偽距殘差矢量變換到奇偶空間中得到奇偶矢量，并 獲取所述奇偶矢量的概率密度函數(shù)；
[0008] 根據(jù)故障偏差大小的概率密度函數(shù)以及所述奇偶矢量的概率密度函數(shù)，計算不同 故障模式下的類條件概率密度函數(shù)；
[0009] 根據(jù)所述不同故障模式下的類條件概率密度函數(shù)采用貝葉斯分類器進(jìn)行故障識 別；
[0010] 將識別出的故障衛(wèi)星剔除，獲得剔除后的衛(wèi)星本地觀測矩陣，根據(jù)所述衛(wèi)星本地 觀測矩陣獲取用戶的位置的定位結(jié)果。
[0011] 可選地，所述根據(jù)衛(wèi)星本地觀測矩陣將所述偽距殘差矢量變換到奇偶空間中得到 奇偶矢量之前，包括：
[0012] 對所述衛(wèi)星本地觀測矩陣Η進(jìn)行QR矩陣分解；分解后的所述衛(wèi)星本地觀測矩陣

【權(quán)利要求】
1. 一種基于貝葉斯決策的故障識別方法，其特征在于，包括： 檢測到衛(wèi)星發(fā)生故障時，提取偽距殘差矢量； 根據(jù)衛(wèi)星本地觀測矩陣將所述偽距殘差矢量變換到奇偶空間中得到奇偶矢量，并獲取 所述奇偶矢量的概率密度函數(shù)； 根據(jù)故障偏差大小的概率密度函數(shù)以及所述奇偶矢量的概率密度函數(shù)，計算不同故障 模式下的類條件概率密度函數(shù)； 根據(jù)所述不同故障模式下的類條件概率密度函數(shù)采用貝葉斯分類器進(jìn)行故障識別； 將識別出的故障衛(wèi)星剔除，獲得剔除后的衛(wèi)星本地觀測矩陣，根據(jù)所述衛(wèi)星本地觀測 矩陣獲取用戶的位置的定位結(jié)果。
2. 根據(jù)權(quán)利要求1所述的方法，其特征在于，所述根據(jù)衛(wèi)星本地觀測矩陣將所述偽距 殘差矢量變換到奇偶空間中得到奇偶矢量之前，包括： 對所述衛(wèi)星本地觀測矩陣H進(jìn)行QR矩陣分解；分解后的所述衛(wèi)星本地觀測矩陣
;其中U1為nX4維分解矩陣；U2為nX(n-4)維分解矩 陣；R為4X4維分解矩陣；O為（n-4)X4維零矩陣；n為可觀測衛(wèi)星數(shù)； 相應(yīng)的，所述根據(jù)衛(wèi)星本地觀測矩陣將所述偽距殘差矢量變換到奇偶空間中得到奇偶 矢量，并獲取所述奇偶矢量的概率密度函數(shù)，包括： 利用分解矩陣U2，計算n-4維奇偶矢量
I其中，w為nX1維偽距殘差矢量； 奇偶矢量的協(xié)方差為Cov(P)= 〇2In_4，奇偶矢量的期望值為
；,其中， 〇為觀測矢量與觀測噪聲的標(biāo)準(zhǔn)差，Im為n-4維單位矩陣，h為第i顆衛(wèi)星的故障偏差 大小，1為故障發(fā)生的模式矢量，表示故障發(fā)生在第i顆衛(wèi)星上（i= 1，2，...n)，記為，
奇偶矢量P服從聯(lián)合高斯分布，概率密度函數(shù)為
3. 根據(jù)權(quán)利要求2所述的方法，其特征在于，所述根據(jù)故障偏差大小的概率密度函數(shù) 以及所述奇偶矢量的概率密度函數(shù)，計算不同故障模式下的類條件概率密度函數(shù)，包括： 所述故障偏差大小h在故障模式,下的概率密度函數(shù)為M是故障的 最大變化范圍；
根據(jù)公式P(pID=/ (IbiPODiIDp(pIUi)計算不同故障模式下的類條件概率 密度函數(shù)
對所述類條件概率密度函數(shù)進(jìn)行化簡得到最終的類條件概率密度函數(shù)為：
其中，Wi為偽距殘差矢量W的第i個分量，Sii為矩陣S的第i個對角元素，S=In-H(H1H)-1HT,In為n維單位矩陣，
K為常數(shù)，z為觀測噪聲。
4. 根據(jù)權(quán)利要求3所述的方法，其特征在于，所述根據(jù)所述不同故障模式下的類條件 概率密度函數(shù)采用貝葉斯分類器進(jìn)行故障識別，包括： 計算對數(shù)類條件概率密度函數(shù)
其中，
為常數(shù)； 將使
最大值的衛(wèi)星識別為故障衛(wèi)星。
5. 根據(jù)權(quán)利要求4所述的方法，其特征在于，所述將識別出的故障衛(wèi)星剔除，獲得剔除 后的觀測矩陣，根據(jù)所述觀測矩陣獲取最終的定位結(jié)果，包括： 將識別出的第i顆故障衛(wèi)星從衛(wèi)星本地觀測矩陣H中剔除，獲得剔除后的衛(wèi)星本地觀 測矩陣S，H的表達(dá)式為：
其中，hg為H矩陣的第i-1行；i為識別出的故障衛(wèi)星序號； 根據(jù)所述H對用戶的位置進(jìn)行最小二乘估計，獲取對所述用戶的位置的定位結(jié)果：
其中，量為用戶的位置的定位結(jié)果的4維坐標(biāo)，i為n-1顆剩余衛(wèi)星的 衛(wèi)星觀測矢量。
6. -種基于貝葉斯決策的故障識別裝置，其特征在于，包括： 獲取模塊，用于檢測到衛(wèi)星發(fā)生故障時，提取偽距殘差矢量； 所述獲取模塊，還用于根據(jù)衛(wèi)星本地觀測矩陣將所述偽距殘差矢量變換到奇偶空間中 得到奇偶矢量，并獲取所述奇偶矢量的概率密度函數(shù)； 計算模塊，用于根據(jù)故障偏差大小的概率密度函數(shù)以及所述奇偶矢量的概率密度函 數(shù)，計算不同故障模式下的類條件概率密度函數(shù)； 識別模塊，用于根據(jù)所述不同故障模式下的類條件概率密度函數(shù)采用貝葉斯分類器進(jìn) 行故障識別； 定位模塊，用于將識別出的故障衛(wèi)星剔除，獲得剔除后的衛(wèi)星本地觀測矩陣，根據(jù)所述 衛(wèi)星本地觀測矩陣獲取用戶的位置的定位結(jié)果。
7. 根據(jù)權(quán)利要求6所述的裝置，其特征在于，所述獲取模塊，具體用于： 對所述衛(wèi)星本地觀測矩陣H進(jìn)行QR矩陣分解；分解后的所述衛(wèi)星本地觀測矩陣
其中U1為nX4維分解矩陣；U2為nX(n-4)維分解矩 陣；R為4X4維分解矩陣；O為（n-4)X4維零矩陣；n為可觀測衛(wèi)星數(shù)； 利用分解矩陣U2，計算n-4維奇偶矢量
；其中，w為nX1維偽距殘差矢量； 奇偶矢量的協(xié)方差為Cov(P)= 〇2In_4，奇偶矢量的期望值為，
其中， 〇為觀測矢量與觀測噪聲的標(biāo)準(zhǔn)差，Im為n-4維單位矩陣，h為第i顆衛(wèi)星的故障偏差 大小，1為故障發(fā)生的模式矢量，表示故障發(fā)生在第i顆衛(wèi)星上（i= 1，2，...n)，記為，
奇偶矢量P服從聯(lián)合高斯分布，概率密度函數(shù)為
8. 根據(jù)權(quán)利要求7所述的裝置，其特征在于，所述計算模塊，具體用于： 所述故障偏差大小h在故障模式,下的概率密度函數(shù)為
>M是故障的 最大變化范圍； 根據(jù)公式P(pID=/ (IbiPODiIDp(pIUi)計算不同故障模式下的類條件概率 密度函數(shù)i
對所述類條件概率密度函數(shù)進(jìn)行化簡得到最終的類條件概率密度函數(shù)為：
其中，&為偽距殘差矢量w的第i個分量，Sii為矩陣s的第i個對角元素，s=In-H(H1H)-1HT,In為n維單位矩陣，
K為常數(shù)，z為觀測噪聲。
9. 根據(jù)權(quán)利要求8所述的裝置，其特征在于，所述識別模塊，具體用于： 計算對數(shù)類條件概率密度函數(shù)
其中，
為常數(shù)； 將使-
最大值的衛(wèi)星識別為故障衛(wèi)星。
10.根據(jù)權(quán)利要求9所述的裝置，其特征在于，所述定位模塊，具體用于： 將識別出的第i顆故障衛(wèi)星從衛(wèi)星本地觀測矩陣H中剔除，獲得剔除后的衛(wèi)星本地觀 測矩陣H，H的表達(dá)式為：
其中，hg為H矩陣的第i-1行；i為識別出的故障衛(wèi)星序號； 根據(jù)所述S對用戶的位置進(jìn)行最小二乘估計，獲取對所述用戶的位置的定位結(jié)果：
其中，I：為用戶的位置的定位結(jié)果的4維坐標(biāo)，f為n-1顆剩余衛(wèi)星的 衛(wèi)星觀測矢量。
【文檔編號】G01S19/23GK104267415SQ201410490171
【公開日】2015年1月7日 申請日期:2014年9月23日 優(yōu)先權(quán)日:2014年9月23日
【發(fā)明者】張軍, 朱衍波, 孫源, 薛瑞 申請人:北京航空航天大學(xué)