Swarm卫星星载接收机GPS信号中断统计特征分析

本文聚焦于欧空局Swarm卫星星载接收机在中纬地区出现的GPS信号中断事件,利用其近9年(2014年1月至2022年9月)的观测数据,详细统计了GPS信号中断事件发生的时空分布特征及与背景等离子体密度起伏的关系.研究结果表明Swarm卫星在其接收机锁相环带宽从0.75 Hz调整至1.0 Hz前后,GPS信号中断事件表现出不同的时空分布特征.在前一个时期,2014年1月1日至2016年8月11日,GPS信号中断事件主要分布在低纬磁赤道附近和高纬极区附近,少量中断事件分布在中国东部地区;而在后一个时期,2016年8月12日至2022年9月30日,GPS信号中断事件则出现在了所有的纬度,同时表现出显著的经度差异.前一个时期内GPS信号中断事件表现出了明显的季节依赖,而后一个时期内出现的GPS信号中断事件则出现了无季节特性的弥散状分布.该结果表明当Swarm星载接收机锁相环带宽调整至1.0 Hz时,虽然提升了其应对电离层闪烁条件下多普勒频移的动态调整范围,但同时也增加了接收机载波相位观测的热噪声,进而导致接收机产生了一些随机的短时信号中断.除了上述不同,两个时期内的GPS信号中断事件也表现出了一些共同特征,比如信号中断事件主要均集中在GPS卫星相对于Swarm处于较低仰角(<20°)的情况下;同时这些事件主要发生在发射较早的BlockⅡR和BlockⅡA类型GPS卫星上,暗示了随着发射年限的增加与星载设备的老化,GPS卫星的稳定性会逐渐降低.通过进一步对比分析Swarm卫星出现与未出现GPS信号中断轨道对应的原位电子密度观测数据,发现GPS信号中断的轨道其对应的电子密度波动更剧烈,表明背景等离子体密度的梯度强度是引起Swarm星载接收机在中纬地区出现GPS信号中断的重要原因.本文的研究结果对于星载接收机的设计优化,特别是提升其在电离层闪烁条件下的稳定性有重要的参考意义.

基于事件的卡尔曼滤波算法及其在移动小车室外导航中的应用研究

为解决GPS信号中断所导致的定位失准、导航精度降低的问题,减少完成室外导航任务所需时间,提出一种基于事件触发机制的卡尔曼滤波算法(KF)。将小车的状态变化作为KF的触发事件,当状态偏差超过一定阈值时,KF估计器响应并给出新的状态估计;设计能提供模拟GPS信号的估计器,在GPS信号中断时为KF估计器提供连续可用的位置信息使滤波过程不受影响。实验结果表明,相比于传统卡尔曼滤波,基于事件的卡尔曼滤波算法不仅能够应对GPS信号中断的情况,保证室外导航的精度,同时能够降低算法的时间复杂度。

基于SW-XGBoost的组合导航定位方法

针对传统GPS/BD与惯性导航系统(INS)组合的导航技术容易出现过拟合及急转弯道路下定位精度不足的问题,提出一种基于滑动窗口的极限梯度提升决策树(SW-XGBoost)的组合导航定位方法。根据车辆当前与历史状态的相关性,采用滑动窗口来提升对惯性器件噪声的抑制能力,使用极限梯度提升决策树(XGBoost)方法建立车辆状态和定位误差的预测模型,并使用粒子群算法对XGBoost预测模型的参数进行优化。实际路段测试表明,与仅使用XBGoost的组合导航定位方法相比,该方法在急转弯路况下定位精度提高了29.2%。

基于极限学习机的车用组合导航系统及应用

由全球定位系统(GPS)和惯性导航系统(INS)组成的组合导航系统与GPS或INS独立系统相比,具有可靠、准确和连续的导航能力。结合云南省公路的多山环境,为了提高低成本INS/GPS组合导航系统的整体性能,考虑车辆运动速度快和GPS信号中断和遮蔽等问题,提出一种基于单隐层前馈神经网络方法。首先利用离散小波变换(DWT)对采集到的信号进行滤波,提取有效的车辆运动信息,然后输出到极限学习机(ELM);再利用ELM具备的学习速度快、泛化性能好等特点,提出基于ELM的模型来训练和预测INS的定位误差,最小化误差来优化估计精度和速度;进行了实车实验,验证了提出的模型在估算GPS中断时INS的误差精度的效率,并将实验结果与扩展卡尔曼滤波(EKF)和自适应神经模糊推理系统(ANFIS)方法进行比较。结果表明,ELM在对无GPS信号的低成本INS定位预测方面具有良好的适用性,其性能比EKF和ANFIS分别高出约42%和75%。