基于用户协同的卫星导航增强理论与方法研究

Global Navigation Satellite System (GNSS) fails to provide satisfactory performance due to signal blockage in many scenarios such as forests, urban terrain, and indoor environments. At the same time, GNSS receivers are also susceptible to jamming and unintentional interference for this same reason. The traditional method to resolve the above problem is to develop various augmented systems, or build some terrestrial wireless positioning system, working independently or together with GNSS. Compared to traditional augmentation methods, cooperative positioning methods, relying on information exchange and/or direct measurements among devices, have been recognized as a new paradigm to improve the performance of GNSS devices. In this project, we will study the theories and methods in cooperation based satellite navigation augmentation (cooperative positioning for brevity), including the fundamental positioning limits, NLOS processing and cooperative positioning algorithms. First, we will study the fundamental positioning limits in cooperative positioning based on Cramer-Rao Bound. Furthermore, we will derive the Cramer-Rao Bound (CRB) expressions when some of the propagation paths between devices subject to non-line-of-sight (NLOS). Second, we will research the NLOS processing problem, and propose better NLOS identification and mitigation strategies. Third, we study the cooperative positioning algorithms for nonlinear and non-Gaussian scenarios, and try to obtain a better distributed positioning algorithm through modifications on current particle filter.

在森林、峡谷、城区及室内等复杂的地理地形环境或存在外界其他干扰的环境中，全球导航卫星系统所提供的定位导航服务性能会严重下降甚至无法提供服务，严重限制了其应用范围。相比传统的导航增强手段，协同定位可以为上述问题提供一个全新的解决思路和方法。本项目面向未来定位与导航技术的发展方向，对基于协同定位的导航增强理论与方法展开研究，包括增强系统中的定位精度界，非视距（NLOS）信号处理及协同定位算法。首先，利用克拉美罗界（CRB）对卫星协同定位的理论定位精度进行研究，并对存在非视距偏差等非理想情况下的卫星协同定位CRB表达式进行推导；其次，研究卫星协同定位系统中的NLOS信号识别问题，提出更优的NLOS信号识别策略；最后，研究面向非线性、非高斯情形的卫星协同定位算法，通过对现有粒子滤波算法进行改进，为非线性、非高斯情况下的卫星协同定位问题提供有力的解决方案。

针对城区、室内等复杂的地理地形环境或存在外界其他干扰的环境中，卫星导航系统所提供的定位导航服务性能严重下降甚至无法提供服务的问题，本项目围绕基于用户协同的导航增强理论与方法展开研究。研究内容主要分为三个部分，分别回答“为什么要协同？”、“NLOS信号如何处理？”、“如何有效协同？”三个问题。首先，从节点数量、网络拓扑和测距模型三方面入手，对无线定位网络中的克拉美罗界进行了深入分析，提出并证明了克拉美罗界的下限，并基于此给出并证明了几则节点拓扑设计规则，可用于指导锚节点的布设；推导得出了非高斯测距误差模型下的克拉美罗界，顾及节点运动和信号非视距传播情形，基于贝叶斯推理提出了序贯迭代克拉美罗界，以上结果更加适用于真实环境。其次，提出利用XGBoost和随机森林两种集成学习方法以解决类别不平衡下的分类和回归问题，并基于实验数据进行了验证；针对动态的节点间测距，提出了改进的交互多模型的滤波算法，并引入了滑动窗数据平滑方法对NLOS误差进行更新与消除；引入了子集搜索法、主成分分析法和非线性组合法三则特征选择算法，增强了LSSVM进行NLOS误差识别与消除的性能。最后，针对协同定位场景最小二乘模型中高斯-牛顿迭代算法不收敛问题，给出了无约束LS模型全局为凸的充分不必要条件；将具有鲁棒收敛性能的凸集投影算法扩展至混合无线网络场景，基于希尔伯特空间中的投影分析理论对算法收敛性给出了证明；针对梯度更新中的松弛因子取值问题，提出了自适应的参数选择算法，并对协同和非协同两种场景给出了自适应策略的性能；针对协同定位位置不确定度导致常规加权策略失效的问题，提出了基于平衡因子的非精确加权方法和基于协方差传播的精确加权方法，并基于所开发的分布式协同定位半实物仿真系统开展户外场景的协同定位实验，结果表明该方法可以有效克服协同定位中收敛不稳定难题。相关研究可为发展新一代卫星导航增强系统提供理论和应用基础。

内容获取失败，请点击重试