地基增強系統(tǒng)完好性評估方法和系統(tǒng)的制作方法
【專利摘要】本發(fā)明提供一種地基增強系統(tǒng)完好性評估方法和系統(tǒng)，地基增強系統(tǒng)完好性評估方法，包括：采集定位誤差時間序列和保護級時間序列，獲取對應的安全系數樣本；根據安全系數樣本，獲取核分布的均值和核分布的標準差和核分布模型；并根據核分布模型以及預設的GP尾部分布模型，獲取閾值參數和GP尾部分布模型的位置參數；根據GP尾部分布模型位置參數，獲取超閾值樣本集；并采用BootStrap方法對超閾值樣本集進行重采樣，獲取自助樣本集；再采用極大似然估計方法，對自助樣本集中的每個樣本進行估計處理，以獲取GP尾部分布模型中的形狀參數的分布和尺度參數的分布；獲取風險性估計值的均值，并將風險性估計值的均值作為完好性的評估值。
【專利說明】地基增強系統(tǒng)完好性評估方法和系統(tǒng)

【技術領域】
[0001] 本發(fā)明涉及衛(wèi)星導航領域，尤其涉及一種基于GP包絡模型的地基增強系統(tǒng)完好 性評估方法和系統(tǒng)。

【背景技術】
[0002] 全球衛(wèi)星導航系統(tǒng)（Global Navigation Satellite System，簡稱 GNSS)是指用 戶根據接收到的導航衛(wèi)星發(fā)出的衛(wèi)星導航信號計算用戶接收機到達衛(wèi)星的距離和衛(wèi)星的 實時位置。為了能夠獲得高精度的定位結果，全球衛(wèi)星導航系統(tǒng)中出現了增強系統(tǒng)，增強系 統(tǒng)包括機載增強系統(tǒng)、星基增強系統(tǒng)（Satellite Based Augmentation System,簡稱SBAS) 和地基增強系統(tǒng)（Ground Based Augmentation,簡稱GBAS)，其中SBAS性能已達到最優(yōu)，因 此未來基于GNSS終端區(qū)域的導航將更多的依賴于GBAS實現。
[0003] 目前，國內已有許多關于GBAS的系統(tǒng)應用優(yōu)化的研究，并且部分對GBAS的性能評 估進行了研究討論，尤其是針對完好性性能評估?，F有的完好性評估方法主要包括基于模 型外推的評估方法。具體的，該基于模型外推的評估方法是針對定位誤差進行數據建模，然 后通過模型外推計算出全球衛(wèi)星導航系統(tǒng)完好性風險。基于模型外推的評估方法一般采用 尾部包絡模型來描述定位誤差的分布，常用的有高斯尾部包絡和拉普拉斯尾部包絡模型。 但是，現有模型外推方法使用的尾部包絡模型對于尾部分布類型有著較強的前提模型假設 約束，即，定位誤差必須滿足高斯分布模型或者拉普拉斯分布模型。但是在實際應用中，定 位誤差往往是不符合假設的模型。因此，在利用現有的模型外推方法會造成較大的外推性 模型誤差。


【發(fā)明內容】

[0004] 本發(fā)明提供一種地基增強系統(tǒng)完好性評估方法，以降低了現有技術中由于模型假 設而導致的外推性模型誤差，從而有效地提高了完好性風險估計值的準確性。
[0005] 本發(fā)明提供一種地基增強系統(tǒng)完好性評估方法，包括：
[0006] 采集定位誤差時間序列和保護級時間序列，并對所述定位誤差時間序列和保護級 時間序列進行誤差排除處理，獲取對應的安全系數樣本。
[0007] 根據所述安全系數樣本，獲取核分布的均值和核分布的標準差，以根據所述核分 布的均值和核分布的標準差，進行建模，獲取核分布模型；并根據所述核分布模型以及預設 的GP尾部分布模型，獲取閾值參數和GP尾部分布模型的位置參數；其中，所述閾值參數為 所述核分布模型與所述GP尾部分布模型的分界點參數。
[0008] 根據所述GP尾部分布模型位置參數，獲取超閾值樣本集；并采用Bootstrap方法 對所述超閾值樣本集進行重采樣，獲取自助樣本集；再采用極大似然估計方法，對所述自助 樣本集中的每個樣本進行估計處理，以獲取所述GP尾部分布模型中的形狀參數和尺度參 數，以及所述GP尾部分布模型中的形狀參數的分布和尺度參數的分布。
[0009] 根據所述GP尾部分布模型中的形狀參數的分布和尺度參數的分布，獲取風險性 估計值的均值，并將所述風險性估計值的均值作為完好性的評估值。
[0010] 本發(fā)明提供一種地基增強系統(tǒng)完好性評估系統(tǒng)，包括：
[0011] 獲取模塊：用于采集定位誤差時間序列和保護級時間序列，并對所述定位誤差時 間序列和保護級時間序列進行誤差排除處理，獲取對應的安全系數樣本。
[0012] 所述獲取模塊還用于根據所述安全系統(tǒng)樣本，獲取核分布的均值和核分布的標準 差。
[0013] 建模模塊：用于根據所述核分布的均值和核分布的標準差，進行建模，獲取核分布 模型。
[0014] 所述獲取模塊還用于并根據所述核分布模型以及預設的GP尾部分布模，獲取閾 值參數和GP尾部分布模型的位置參數；其中，所述閾值參數為所述核分布模型與所述GP尾 部分布模型的分界點參數。
[0015] 所述獲取模塊還用于根據所述GP尾部分布模型位置參數，獲取超閾值樣本集；并 采用Bootstrap方法對所述超閾值樣本集進行重采樣，獲取自助樣本集；再采用極大似然 估計方法，對所述自助樣本集中的每個樣本進行估計處理，以獲取所述GP尾部分布模型中 的形狀參數和尺度參數，以及所述GP尾部分布模型中的形狀參數的分布和尺度參數的分 布。
[0016] 評估模塊：用于根據所述GP尾部分布模型中的形狀參數的分布和尺度參數的分 布，獲取風險性估計值的均值，并將所述風險性估計值的均值作為完好性的評估值。
[0017] 由上述技術方案可知，本發(fā)明中采用的GP尾部分布模型對于樣本的真實分布沒 有強的假設約束，因此降低了現有技術中由于模型假設而導致的外推性模型誤差，從而有 效地提高了完好性風險估計值的準確性。

【專利附圖】

【附圖說明】
[0018] 圖1為本發(fā)明第一實施例的地基增強系統(tǒng)完好性評估方法的流程圖；
[0019] 圖2為本發(fā)明第二實施例的地基增強系統(tǒng)完好性評估方法的流程圖；
[0020] 圖3為本發(fā)明第三實施例的地基增強系統(tǒng)完好性評估方法的流程圖；
[0021] 圖4為本發(fā)明第四實施例的地基增強系統(tǒng)完好性評估方法的流程圖；
[0022] 圖5為本發(fā)明第五實施例的地基增強系統(tǒng)完好性評估方法的流程圖；
[0023] 圖6為本發(fā)明第六實施例的地基增強系統(tǒng)完好性評估系統(tǒng)的流程圖；
[0024] 圖7為本發(fā)明第七實施例的地基增強系統(tǒng)完好性評估系統(tǒng)的流程圖；
[0025] 圖8為本發(fā)明第九實施例的地基增強系統(tǒng)完好性評估系統(tǒng)的流程圖。

【具體實施方式】
[0026] 下面將結合本發(fā)明實施例中的附圖，對本發(fā)明實施例中的技術方案進行清楚、完 整地描述，顯然，所描述的實施例僅僅是本發(fā)明一部分實施例，而不是全部的實施例?；?本發(fā)明中的實施例，本領域普通技術人員在沒有做出創(chuàng)造性勞動前提下所獲得的所有其他 實施例，都屬于本發(fā)明保護的范圍。
[0027] 圖1為本發(fā)明第一實施例的地基增強系統(tǒng)完好性評估方法的流程圖；如圖1所示， 本實施例的地基增強系統(tǒng)完好性評估方法，具體可以包括如下步驟；
[0028] 步驟S100、采集定位誤差時間序列和保護級時間序列，并對定位誤差時間序列和 保護級時間序列進行誤差排除處理，獲取對應的安全系數樣本。
[0029] 具體的，地基增強系統(tǒng)從精確位置已知的用戶端采集定位誤差時間序列和保護級 時間序列?？蛇x地，精確位置可以是地面靜態(tài)測量得到的精確位置，也可以使由初始化校準 后的慣性導航系統(tǒng)輸出的短時間內的位置解。
[0030] 具體的，需要排除的誤差是由于地基增強系統(tǒng)原因導致的粗大誤差，例如天線移 動后的偏差、設備調試時的輸出數據等。
[0031] 步驟S101、根據安全系數樣本，獲取核分布的均值和核分布的標準差，以根據核 分布的均值和核分布的標準差，進行建模，獲取核分布模型；并根據核分布模型以及預設的 GP尾部分布模型，獲取閾值參數和GP尾部分布模型的位置參數。
[0032] 其中，閾值參數為核分布模型與GP尾部分布模型的分界點參數。
[0033] 在本實施例中，優(yōu)選的，核分布被假設為高斯分布。
[0034] 步驟S102、根據GP尾部分布模型位置參數，獲取超閾值樣本集；并采用Bootstrap 方法對超閾值樣本集進行重采樣，獲取自助樣本集；再采用極大似然估計方法，對自助樣本 集中的每個樣本進行估計處理，以獲取GP尾部分布模型中的形狀參數和尺度參數，以及GP 尾部分布模型中的形狀參數的分布和尺度參數的分布。
[0035] 步驟S103、根據GP尾部分布模型中的形狀參數的分布和尺度參數的分布，獲取風 險性估計值的均值，并將風險性估計值的均值作為完好性的評估值。
[0036] 在本實施例中，通過采集定位誤差時間序列和保護級時間序列，并對定位誤差時 間序列和保護級時間序列進行誤差排除處理，獲取對應的安全系數樣本；根據安全系數樣 本，獲取核分布的均值和核分布的標準差，以根據核分布的均值和核分布的標準差，進行 建模，獲取核分布模型；并根據核分布模型以及預設的GP尾部分布模型，獲取閾值參數和 GP尾部分布模型的位置參數；根據GP尾部分布模型位置參數，獲取超閾值樣本集；并采用 Bootstrap方法對超閾值樣本集進行重采樣，獲取自助樣本集；再采用極大似然估計方法， 對自助樣本集中的每個樣本進行估計處理，以獲取GP尾部分布模型中的形狀參數和尺度 參數，以及GP尾部分布模型中的形狀參數的分布和尺度參數的分布；根據GP尾部分布模型 中的形狀參數的分布和尺度參數的分布，獲取風險性估計值的均值，并將風險性估計值的 均值作為完好性的評估值。由于本發(fā)明中采用的GP尾部分布模型對于樣本的真實分布沒 有強的假設約束，因此降低了現有技術中由于模型假設而導致的外推性模型誤差，從而有 效地提高了完好性風險估計值的準確性。
[0037] 圖2為本發(fā)明第二實施例的地基增強系統(tǒng)完好性評估方法的流程圖，在本發(fā)明第 一實施例的技術方案的基礎上，如圖2所示,步驟S100,具體可以包括如下步驟：
[0038] 步驟S200、根據預設的地基增強系統(tǒng)的Hatch濾波時間thatah，確定最小采樣時間 間 fcl T min，其中，thatch - Tmin ；
[0039] 具體的，如果地基增強系統(tǒng)的Hatch濾波時間thateh為100s，則最小采樣時間間隔 T min為100s，如果濾波時間thateh為30s，則最小采樣時間間隔T min為30s。
[0040] 步驟S201、根據最小采樣時間間隔T min對定位誤差時間序列nse⑴和保護 級時間序列pl (t)進行重采樣，獲取定位誤差樣本Inse1, nse2, . . .，nseN}和保護級樣本 {pl" P【2，? ? ?，PlJ ;
[0041] 其中，定位誤差時間序列nse(t)和保護級時間序列pi (t)是關于時間t的函數， 但是在工程中無法得到連續(xù)時間內的誤差取值，只能通過采樣的方式得到高頻的樣本點， 可選的米樣方式為一秒鐘米兩個樣本。
[0042] 步驟S202、采用公式

【權利要求】
1. 一種地基增強系統(tǒng)完好性評估方法，其特征在于，包括： 采集定位誤差時間序列和保護級時間序列，并對所述定位誤差時間序列和保護級時間 序列進行誤差排除處理，獲取對應的安全系數樣本； 根據所述安全系數樣本，獲取核分布的均值和核分布的標準差，以根據所述核分布的 均值和核分布的標準差，進行建模，獲取核分布模型；并根據所述核分布模型以及預設的 GP尾部分布模型，獲取閾值參數和GP尾部分布模型的位置參數；其中，所述閾值參數為所 述核分布模型與所述GP尾部分布模型的分界點參數； 根據所述GP尾部分布模型位置參數，獲取超閾值樣本集；并采用Bootstrap方法對所 述超閾值樣本集進行重采樣，獲取自助樣本集；再采用極大似然估計方法，對所述自助樣本 集中的每個樣本進行估計處理，以獲取所述GP尾部分布模型中的形狀參數和尺度參數，以 及所述GP尾部分布模型中的形狀參數的分布和尺度參數的分布； 根據所述GP尾部分布模型中的形狀參數的分布和尺度參數的分布，獲取風險性估計 值的均值，并將所述風險性估計值的均值作為完好性的評估值。
2. 根據權利要求1所述的方法，其特征在于，所述對所述定位誤差序列和保護級時間 序列進行誤差排除處理，獲取對應的安全系數樣本，包括： 根據預設的所述地基增強系統(tǒng)的Hatch濾波時間thatah，確定最小采樣時間間隔Tmin, 其中，thatdi T min ; 根據所述最小采樣時間間隔Tmin，對所述定位誤差時間序列nSe(t)和所述保護級 時間序列pl⑴進行重采樣，獲取定位誤差樣本Inse1, nse2, . . .，nseN}和保護級樣本 {pl" P【2，? ? ?，PlJ ;
I依次對所述定位誤差樣本lnsepnseDu^nsed和保護級樣本 (Pl1, pl2, . . .，plN}進行計算，分別獲取Iisei和？]^對應的安全系數Si,以獲取所述安全系數 樣本 S = (S1, S2, ? ? ?，sN}。
3. 根據權利要求2所述的方法，其特征在于，所述根據所述安全系數樣本，獲取核分布 的均值和核分布的標準差，以根據所述核分布的均值和核分布的標準差，進行建模，獲取核 分布模型；并根據所述核分布模型以及預設的GP尾部分布模型，獲取閾值參數和GP尾部分 布模型的位置參數，包括： 將所述安全系數樣本S按照從小到大的順序，進行排序處理，并去除排序后的所述安 全系數樣本的前5%和后5%的樣本，獲取安全系數子樣本 針對所述安全系數子樣本S'，采用公式
獲取所述核分布的均值P ,
采用公式 獲取所述核分布的方差〇 ;根據所述核分布的均值 f i以及所述核分布的方差〇 ,進行建模,獲取所述核分布模型 計算所述安全系數子樣本中每個樣本的經驗分布值
? 0*+,)，將i加1，重復上述步驟，直至i等于end ;其中，初始時，i等于start,N為安全系數
根據核分布模型FCw, 計算獲取所述安全系數子樣本中每個樣本的累積概率值 采用公式Stof-6(氣>八氣）1，獲取所述安全系數子樣本的每個樣本對應的統(tǒng)計量 Stati,并根據預設的置信概率，通過查詢KS統(tǒng)計量的概率值表，確定所述統(tǒng)計量對應的臨 界值Limi;并獲取所述統(tǒng)計量超過所述臨界值的樣本集合H
1獲取閾值參數Lthrestold ;根據所述閾值參數 Lthlreshold，犾取GP尾部分布1?型的彳1/?直參數L，其中，L ^threshold °
4. 根據權利要求3所述的方法，其特征在于，所述根據所述GP尾部分布模型中的形狀 參數的分布和尺度參數的分布，獲取風險性估計值的均值，包括： 根據所述GP尾部分布模型的形狀參數分布fk( ?)和尺度參數分布?生成隨機 數對集合{(b 〇 D，（k2, 〇 2)，...，（kM，〇 M)};其中M為隨機數對集合的數目，k為GP尾部 分布模型的形狀參數，〇 tail為GP尾部分布模型的尺度參數； 采用公式Pi = GPD (111 〇 i，L)，計算獲取隨機數對對應的完好性風險估計值Pi，將i 加1，重復上述步驟，直至i等于M，以獲取完好性風險估計值集合P = (PdP2, ...，pM};其 中，初始時，i等于1，GH)為所述GP尾部分布模型的累積分布函數； 根據所述完好性風險估計值集合，計算完好性風險估計值分布FP( ?); 基于所述完好性風險估計值分布FP( ?)，計算獲取所述完好性風險估計值的均值yP， 并將所述Up作為完好性風險的評估值。
5. -種地基增強系統(tǒng)完好性評估系統(tǒng)，其特征在于，包括： 獲取模塊：用于采集定位誤差時間序列和保護級時間序列，并對所述定位誤差時間序 列和保護級時間序列進行誤差排除處理，獲取對應的安全系數樣本； 所述獲取模塊還用于根據所述安全系統(tǒng)樣本，獲取核分布的均值和核分布的標準差； 建模模塊：用于根據所述核分布的均值和核分布的標準差，進行建模，獲取核分布模 型； 所述獲取模塊還用于并根據所述核分布模型以及預設的GP尾部分布模型，獲取閾值 參數和GP尾部分布模型的位置參數；其中，所述閾值參數為所述核分布模型與所述GP尾部 分布模型的分界點參數； 所述獲取模塊還用于根據所述GP尾部分布模型位置參數，獲取超閾值樣本集；并采用 Bootstrap方法對所述超閾值樣本集進行重采樣，獲取自助樣本集；再采用極大似然估計 方法，對所述自助樣本集中的每個樣本進行估計處理，以獲取所述GP尾部分布模型中的形 狀參數和尺度參數，以及所述GP尾部分布模型中的形狀參數的分布和尺度參數的分布； 評估模塊：用于根據所述GP尾部分布模型中的形狀參數的分布和尺度參數的分布，獲 取風險性估計值的均值，并將所述風險性估計值的均值作為完好性的評估值。
6. 根據權利要求5所述的系統(tǒng)，其特征在于，所述獲取模塊，包括： 確定單元：用于根據預設的所述地基增強系統(tǒng)的Hatch濾波時間thatdl，確定最小采樣 時間間 1? T min，其中，thateh - Tmin ; 第一獲取單元：用于根據所述最小采樣時間間隔Tmin，對所述定位誤差時 間序列nse(t)和所述保護級時間序列pi⑴進行重采樣，獲取定位誤差樣本 Inse1, nse2, --?，nseN}和保護級樣本{pi" pl2, --?，plN}; 所述第一獲取單元還用于采用公式
*依次對所述定位誤差樣本 Inse1, nse2, ...，nseN}和保護級樣本（Pl1, pl2, ...，plN}進行計算，分別獲取Iisei和Pli對 應的安全系數Si,以獲取所述安全系數樣本S = {Sl, s2, . . .，sN}。
7. 根據權利要求6所述的系統(tǒng)，其特征在于，所述獲取模塊還包括： 排序單元，用于將所述安全系數樣本S按照從小到大的順序，進行排序處理； 所述第一獲取單元還用于去除排序后的所述安全系數樣本的前5%和后5%的樣本， 獲取安全系數子樣本= ... SjwH針對所述安全系數子樣本S'，采用公式
取所述核分布的方差〇 ; 則所述建模模塊，具體用于根據所述核分布的均值^以及所述核分布的方差〇，進行 建模，獲取所述核分布模型F(ji, crj;
個樣本的經驗分布值*將i加1，重復上述步驟，直至i等于end ;其中，初始時，i等 于start, N為安全系數樣本的數量
；根據核分布模型(T)，計 算獲取所述安全系數子樣本中每個樣本的累積概率值F(V);采用公式 獲取所述安全系數子樣本的每個樣本對應的統(tǒng)計量Stati,并根據預設的置信概率，通過 查詢KS統(tǒng)計量的概率值表，確定所述統(tǒng)計量對應的臨界值Limi ;并獲取所述統(tǒng)計量超過 所述臨界值的樣本集合丨，.
*獲取閾值 參數Ltestold ;根據所述閾值參數Lthreshtjld，獲取GP尾部分布模型的位置參數L，其中，L = ^threshold °
8. 根據權利要求7所述的系統(tǒng)，其特征在于，所述評估模塊，包括： 生成單元：用于根據所述GP尾部分布模型的形狀參數分布fk( ?)和尺度參數分布 /&,(?)，生成隨機數對集合{(h，〇 D，（k2, 〇 2)，...，（kM，〇 M)};其中M為隨機數對集合的 數目，k為GP尾部分布模型的形狀參數，〇 tail為GP尾部分布模型的尺度參數； 第二獲取單元：用于采用公式Pi = GPD (111 〇 i，L)，計算獲取隨機數對對應的完好性 風險估計值Pi,將i加1，重復上述步驟，直至i等于M，以獲取完好性風險估計值集合P = {Pl，p2, ...，pM};其中，初始時，i等于1，GH)為所述GP尾部分布模型的累積分布函數；根據 所述完好性風險估計值集合，計算完好性風險估計值分布FP( ?);基于所述完好性風險估計 值分布FP( ?)，計算獲取所述完好性風險估計值的均值y P，并將所述y p作為完好性風險 的估計值。
【文檔編號】G06F19/00GK104331618SQ201410594529
【公開日】2015年2月4日 申請日期:2014年10月29日 優(yōu)先權日:2014年10月29日
【發(fā)明者】張軍, 朱衍波, 淡志強, 薛瑞, 方繼嗣 申請人:北京航空航天大學