考虑告警时间的多历元解集分离RAIM算法

针对传统快照算法故障检测效果依赖较大伪距偏差的问题,提出一种考虑告警时间的多历元解集分离接收机自主完好性监测(receiver autonomous integrity monitoring,RAIM)算法。该算法以解集分离RAIM为基础,在历元间伪距观测噪声相互独立假设下,通过累加多个历元的检验统计量,提高对微小缓变故障的检测能力。仿真试验中,以阶跃故障和缓变斜坡故障为例,将本算法与解集分离RAIM和多历元最小二乘残差RAIM算法进行对比验证。结果表明:在告警时间限值内,所提算法能够显著降低阶跃故障的最小可检测偏差和缓变斜坡故障的最小可检测斜率;超过告警时间限值时,也能够明显减小对缓变斜坡故障的检测延时。

概率神经网络多历元残差RAIM算法

民用航空领域中,为提高接收机自主完好性监测(receiver autonomous integrity monitoring,RAIM)算法对故障偏差的检测能力,降低最小可检测偏差,提出了一种概率神经网络多历元残差RAIM算法。该算法基于概率神经网络构建4层故障卫星检测模型,利用方差膨胀模型建立伪距残差故障类与无故障类训练样本,通过粒子群优化算法优化概率神经网络的平滑参数以满足误警率要求,从而计算输入多历元伪距残差与故障类和无故障类训练样本的相似程度,判断卫星是否出现故障。仿真实验结果表明,优化平滑参数可提高所提算法故障检测性能。相比加权最小二乘RAIM算法和高级RAIM(advanced RAIM,ARAIM)算法,所提算法在不同故障情况下可提高小伪距偏差的检测性能,降低不同故障情况下的最小可检测偏差。