一种基于模糊逻辑加权的高精度伪距单点定位方法

摘要

本发明公开了一种基于模糊逻辑加权的高精度伪距单点定位方法，属于全球卫星导航系统伪距单点定位领域。它的步骤包括通过接收机获取卫星信噪比S以及计算每颗卫星的GDOP贡献度，并基于此运用模糊逻辑算法，输出卫星的权重w，最后根据加权最小二乘法解算接收机的位置坐标，输出接收机的定位结果。本发明方案的设计方式灵活有效，具有良好的抗多路径干扰性能，能改善接收机的定位性能，实现高精度的伪距单点定位。

说明书

技术领域

本发明涉及全球卫星导航系统伪距单点定位领域，特别是一种基于模糊逻辑加权的高精度伪距单点定位方法。

背景技术

目前,伪距单点定位普遍采用加权最小二乘定位方法来提高定位精度。常用的方法有基于卫星高度角的方法、基于卫星测量误差方差的方法。

基于卫星高度角的方法需要实时解算卫星的高度角，然后依据高度角大小调整卫星参与解算接收机位置时的权重(即对高度角更大的卫星给予更大的权重)，该方法在一定程度上能够提高定位精度，但在城市峡谷的环境下，多路径干扰严重，高度角大的卫星也可能存在多路径干扰，此时它的伪距精度没有保障，如果给予大的权重，反而会降低最终的定位精度。因此，只使用卫星高度角来加权，在定位性能的改善上是受限的。

而基于卫星测量误差方差的方法需要根据一段数据对卫星测量误差方差进行解算，然后依据卫星测量误差方差的倒数进行权值的设定，该方法不适合单历元实时解算，只能放在单点定位的后处理中使用，即在应用上也是受限的。

鉴于高度角较低的卫星其信噪比通常也较低，且已通过试验证明：当发生多路径干扰时，卫星的信噪比通常也比正常水平低4～12dB。因此，基于卫星信噪比的加权方法在具备利用高度角加权的优点的同时，也能为抑制多路径干扰带来一定的好处。

卫星的空间几何分布也会影响定位精度，因此，在单点定位中，有必要考虑一个称为几何精度因子GDOP(geometric dilution of precision)的误差系数。一般情况下，接收机到各观测卫星连线的张角都较大时，GDOP的值较小，定位精度越高。故，每颗卫星对GDOP值的贡献程度是不尽相同的，若能求得每颗卫星的GDOP贡献度，依此对卫星进行加权，能提高定位精度。

常规的加权方法是采用单变量(例如高度角)加权法和双变量(例如高度角和信噪比)线性组合加权法。单变量的加权法存在一定的局限性，容易顾此失彼；双变量的线性组合加权法无法灵活地设定双变量之间的比重，难以达到理想的效果。然而，多变量的非线性组合加权法可以克服以上两种方法的缺点，本发明利用模糊逻辑算法实现了双变量的非线性组合加权。

模糊逻辑指模仿人脑的不确定性概念判断、推理思维方式，对于模型未知或不能确定的描述系统，它借助于隶属度函数概念，应用模糊集合和模糊规则进行推理，表达过渡性界限或定性知识经验，模拟人脑方式，实行模糊综合判断，推理解决常规方法难于对付的规则型模糊信息问题。因此，在具备一定经验的基础上，利用模糊逻辑来实现双输入变量的非线性组合，可以灵活地完成对卫星的加权，比起一般的线性组合法，更容易达到理想的效果。

发明内容

本发明的目的是针对现有技术的不足，利用了卫星信噪比并考虑了卫星分布情况，提供一种基于模糊逻辑加权的高精度伪距单点定位方法。

实现本发明目的的技术方案：

一种基于模糊逻辑加权的高精度伪距单点定位方法，对于每一个历元，均需要完成如下步骤:

(1)对每一颗卫星，通过接收机获取卫星信噪比S和星历；基于星历计算卫星的位置，并判断是否为第一个历元：

(1-1)若为第一个历元，则结合接收机位置的迭代初始值计算卫星的高度角(本文提到的位置的坐标系均为WGS84(ECEF-xyz))；若非第一个历元，则结合上一个历元解算得到的接收机位置计算卫星的高度角；

(1-2)剔除高度角低于所设定截止高度角的卫星；

(2)计算每颗卫星的GDOP贡献度；

(3)分别对每颗卫星，运用模糊逻辑算法，输出卫星的权重w；

(4)基于步骤(3)所求得的权重w，根据加权最小二乘法解算接收机的位置坐标，输出接收机的定位结果。

优选的，步骤(1)中所述的截止高度角为5～10度。更优的为5度。

上述技术方案中，步骤(2)的单颗卫星GDOP贡献度的计算方法：计算当前所有卫星的GDOP值，记作gdop；除去所计算的单颗卫星，计算剩余卫星的GDOP值，记作gdop'；则该单颗卫星的GDOP贡献度为ΔG＝gdop'-gdop；重复上述步骤获得所有单颗卫星GDOP贡献度。

上述技术方案中，步骤(3)计算卫星权重w的模糊逻辑算法，具体流程为：

(3-1)模糊化：选取卫星信噪比S和GDOP贡献度ΔG作为模糊逻辑算法的输入参数，其模糊术语描述分别用X₁和X₂表示；选取卫星权重w作为模糊逻辑的输出参数，其模糊术语描述用Y表示；

X₁，X₂和Y的模糊集合分别表示如下：

X₁＝{high,medium,low}

X₂＝{big,medium,small}

Y＝{big,medium,small}

上述模糊集合中，X₁表示卫星信噪比，其语言值A_i为high(高)，medium(中等)，low(低)；X₂表示卫星GDOP贡献度，其语言值B_i为big(大)，medium(中等)，small(小)；Y表示卫星权重，其语言值C_i为big(大)，medium(中等)，small(小)；

常用的隶属度函数有三角形函数、正态函数和梯形函数，本发明均采用三角形隶属度函数，它最重要的优点是计算简单。

(3-2)模糊规则库：模糊规则库中存放模糊规则，模糊规则是通过大量测试的经验总结，它是人的直觉推理的一种语言表现形式。模糊规则库的作用是将输入与输出对应起来。模糊规则的形式为

R_i:if>1>i and>2>i>i

其中，R_i表示第i条模糊规则，A_i，B_i，C_i分别为X₁，X₂，Y对应的语言值；由于本发明的模糊运算器的参考输入是二维的，且等级均为3级，所以共有3×3＝9条模糊规则。这些模糊规则是在线推理的依据。模糊规则库如表1所示：

表1模糊规则库

(3-3)模糊推理：模糊推理的目的是根据X₁和X₂计算出Y。模糊推理的数学表达式为

μ(Y)＝min(μ(X₁),μ(X₂))

其中，μ(X₁)，μ(X₂)，μ(Y)分别为X₁，X₂，Y的隶属度；

(3-4)解模糊：利用模糊规则库，对模糊化的输入量进行模糊推理，完成由模糊量到精确量的转化，即输出卫星的权重w。本发明采用加权平均法，实现方法如下：

其中，C_i表示的是Y的状态分别为“big”，“mediun”，“small”时给予卫星分配的权重值，即

a₁，a₂，a₃为待设权重值；

上述技术方案中，所述步骤(4)采用加权最小二乘法解算接收机的位置，解算方法为：

ΔX＝(H^TWH)^-1H^TWΔρ

其中H表示卫星到接收机的方向余弦阵，通过常规步骤得到；n为卫星数量，w通过步骤(3)得到；Δρ表示卫星的伪距残差向量，通过常规步骤得到；ΔX＝[Δx_k,Δy_k,Δz_k,Δδ_k]'为(x_k,y_k,z_k,δ_k)'的迭代更新量，其中(x_k,y_k,z_k)为接收机坐标，k表示第k次迭代，δ表示信号接收时刻的接收机钟差。

令x_k+1＝x_k+Δx_k，y_k+1＝y_k+Δy_k，z_k+1＝z_k+Δz_k，δ_k+1＝δ_k+Δδ_k，按照如此的接收机位置修正方式，重复进行最小二乘解算，直到Δx_k，Δy_k，Δz_k足够小，此时解算出来的接收机的位置坐标即为接收机的定位结果。

优选的，所述足够小是指

有益效果：

本发明方案的设计方式灵活有效，具有良好的抗多路径干扰性能，能改善接收机的定位性能，实现高精度的伪距单点定位。

附图说明

图1：模糊逻辑算法框图。

图2：S的隶属度函数。

图3：ΔG的隶属度函数。

图4：本发明基于模糊逻辑加权的定位算法与普通的伪距单点定位算法的误差曲线对比图。

图5：本发明基于模糊逻辑加权的定位算法与基于卫星高度角加权的定位算法的水平定位算法的误差曲线对比图。

具体实施方式

为了便于理解本发明，下面将参照相关附图对本发明进行更全面的描述。附图中给出了本发明的较佳实施例。但是，本发明可以以许多不同的形式来实现，并不限于本文所描述的实施例。相反地，提供这些实施例的目的是使对本发明的公开内容的理解更加透彻全面。

除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本发明。

本实施例描述的是第2040个历元，该历元共有八颗卫星，均需要完成如下步骤：

(1)对于每一颗卫星，通过接收机获取卫星信噪比S和星历；基于星历计算卫星的位置，并判断是否为第一个历元：本实施例非第一个历元，则对于其中一颗卫星：

(1-1)结合上一个历元解算得到的接收机位置，计算卫星的高度角；

(1-2)高度角低于/大于等于所设定截止高度角5°的卫星，将被剔除/保留(此处需要说明的是：截止高度角5°为本实施例中所选，也可根据不同环境设定不同的截止高度角，此处不应视为对本发明的限制)；

由于第一个历元具备特殊性，本实施例中补充举例说明，在第一个历元时：结合接收机的初始位置(地球上的任意一点，如(0,0,0))，计算卫星的高度角；

(2)通过计算，共剔除两颗卫星，即满足高度角要求的卫星共有六颗，计算六颗中每颗卫星的GDOP贡献度，以其中一颗卫星为例：通过常规计算卫星几何精度因子GDOP的方式，得到gdop＝1.9，通过同样方式计算除去该颗卫星后(五颗卫星)的GDOP值，得到gdop′＝2.2，则该卫星的GDOP贡献度为ΔG＝gdop'-gdop＝2.2-1.9＝0.3；

(3)结合图1，分别对每颗卫星，运用模糊逻辑算法，输出卫星的权重w。

以其中一颗信噪比为S＝45dB，GDOP贡献度ΔG＝0.3的卫星为例，模糊逻辑算法求解步骤如下：

(3-1)确定输入参数(即卫星信噪比X₁和GDOP贡献度X₂)，输出参数(卫星权重Y)，模糊集合表示如下：

X₁＝{high,medium,low}

X₂＝{big,medium,small}

Y＝{big,medium,small}

(3-2)表1模糊规则库

(3-3)确定输入参数的模糊隶属度函数，如图2。在图2中，可以确定X₁分别为“high”，“medium”，“low”和X₂分别为“big”，“medium”，“small”时的隶属度μ(X₁)和μ(X₂)，如表2和表3所示：

表2X₁的隶属度

X₁μ(X₁)high0.17mediun0.83low0.00

表3X₂的隶属度

X₂μ(X₂)big0.33mediun0.66small0.00

确定模糊规则库如表1。如当X₁为“high”，X₂为“big”，则Y为“big”，根据表2和表3可以得到μ(Y)＝min(0.17,0.33)＝0.17，以此类推，可得到九组μ(Y)的值；

(3-4)去模糊化。使用(3-3)中得到的μ(Y)的值，再令然后带入表达式即可得到结果：

将求出的所有卫星的权重构成一个权重阵W(对角矩阵)：

其中，w_n代表第n颗卫星的权重。

(4)基于步骤(3)所求得的权重阵W，根据加权最小二乘法解算接收机的位置坐标，输出接收机的定位结果。

解算方法为：

ΔX＝(H^TWH)^-1H^TWΔρ

其中H和Δρ已通过常规计算方式得到。基于此，可解得当前历元的迭代更新量ΔX，则当前历元的定位结果为x_k+1＝x_k+Δx_k，y_k+1＝y_k+Δy_k，z_k+1＝z_k+Δz_k。(解算方法如技术方案所示，此处不再赘述)

以上述实施例的计算过程为例，使用2016年4月10日的24小时的IGS站点gmsd的数据进行测试，历元间隔为30s，该站点的精确坐标为(-3607665.030086，4147868.086415，3223717.257996)。获得误差曲线图如图4图5所示，其中：

图4中，将基于模糊逻辑加权的定位算法(灰色部分)与普通的伪距单点定位算法(黑色部分)相比，前者的水平定位精度提高了30％以上，高程定位精度提高了20％以上；

图5中，将基于模糊逻辑加权的定位算法(灰色部分)与基于卫星高度角加权的定位算法(黑色部分)相比，前者的水平定位精度提高了10％以上，高程定位精度提高了5％左右(具体数值见表4)：

表4三种算法的定位精度比较

以上数据说明本发明所提的这种定位算法对于定位精度的提高是十分有效的；另外，基于模糊逻辑加权的定位算法还具有较好的抗多路径干扰性能、设计方式灵活有效等优点，可以改善接收机的定位性能，适用于快速、高精度的定位场合。