目录
3 异常：检测和概率确定
3.1 SIS故障的定义
SIS异常(即故障)主要是由不正确的导航数据、轨道机动、轨道异常干扰、时钟跳变、时钟漂移等异常事件引起的。在航空应用中，SIS故障可能会导致较大的导航误差，对导航安全构成重大威胁。
在本研究中，我们采用了两种不同的SIS故障定义，分别定义为定义a和定义b。前者是考虑到故障形状的新定义，后者是Walter等人推荐的快照式方法。这两种定义都依赖于一个预定义的阈值，阈值确定的基本原理如下所示。在以往的研究中，阈值通常为 4.42 × σ ˉ U R A 4.42\times \bar{\sigma}_{URA} 4.42×σˉURA，其中 σ ˉ U R A \bar{\sigma}_{URA} σˉURA是广播的URA。然而，我们建议选择一套阈值，原因如下：首先，我们不确定广播式的URA是否能恰当地描述真实的误差分布；其次，该阈值是一个重要的参数，对估计的URA和故障概率有显著影响；最后，该方法比单纯采用一个阈值可以提供SISRE的更全面的表征。
下面详细说明这两种定义。在定义a中，SIS故障被定义为SIS URE中出现异常值或趋势时发生的事件。异常值是指超过阈值的IURE。当(1)几个连续时间点的IURE数据形成斜坡、正弦或任何非随机形状的曲线，并且(2)这条曲线至少包含一个异常值时，就可以说存在异常趋势。在定义b中，当IURE大于阈值时，就会发生SIS故障。
图6通过模拟斜坡故障显示了这两种定义之间的差异。从图中可以看出，在这两种定义下，故障持续时间是不同的。在这一故障开始，URE数量级低于阈值，但有明显的异常趋势。根据定义a，这些样本被视为有故障的，而根据定义b，它们被视为无故障的。因此，在定义a下，故障持续时间延长，因此，故障概率增加，这是潜在减少URA的权衡。
以前的研究通常采用定义b，因为(1)它避免了任何关于故障是否存在的模糊性，并保持与GPS性能标准的一致性，(2)低于阈值段对用户的威胁很小。然而，新的定义也是合理的和有意义的，尽管它有点模糊。这是因为，首先，在确定ISM参数时，将样本视为有故障的是安全的(即保守的)。这实际上是URA和故障概率之间的权衡。其次，作为一种替代，该定义可以拓宽对“有故障”样本和“名义”样本之间区别的理解，这将在第4.2节中进一步说明。
3.2 异常检测
本小节介绍如何检测观测数据中的异常。在这项任务中使用了最坏情况的URE (MPE)指标，因为在与完好性相关的应用程序中，最脆弱的用户必须得到保护。根据定义b实现异常检测很简单。然而，在定义a下很难明确地执行这项任务，因为很难准确地识别属于某个故障的所有样本。在本文中，我们提出了一个简单的经验方案来粗略估计故障的开始和结束时间，如下所示。这个方案是初步的，应该作为一个例子。由于最后一步是手动操作，在ISM生成器(ISMG)中无法实现自动化。在未来的工作中，将对其进行改进，以支持自主和可靠的异常检测。
- 根据定义b检测故障，记录故障发生的时间。
- 如果故障持续时间超过45分钟(可变)，且第一个或最后一个数据与阈值相差小于10米(可变)，则转步骤(3)；否则将该故障视为异常值或阶跃故障。
- 利用周围数据绘制该故障的曲线，并根据曲线手动估计其起止时间。
3.3 故障概率的确定
Walter等人提出了先验故障概率的精确定义，并将其用于GPS和GLONSS的评估。这些定义在本研究中也被采用，并简要说明如下。
根据ARAIM基线算法，考虑了两类不重叠的SIS故障概率，分别考虑了卫星故障和星座故障。卫星故障的概率， P s a t P_{sat} Psat，定义为任意给定时间，单个卫星处于故障状态的概率。星座故障的概率， P c o n s t P_{const} Pconst，为星座内多颗卫星因共同原因同时发生故障的概率。
故障率
R
R
R定义为一个健康的卫星或星座在一段时间内发生故障的概率。让
N
F
N_F
NF为总时间间隔
T
t
T_t
Tt内发生故障的次数，计算
R
R
R等价于在给定
N
F
N_F
NF和
T
t
T_t
Tt情况下推导
R
R
R的期望值，即
E
(
R
N
F
)
E(RN_F)
E(RNF)。walter等人建立了严格的推导，列出了关键假设，并仔细论证了所有步骤。他们检查了与
R
m
R^m
Rm成比例的
R
R
R的先验概率，其中
m
m
m是一个指数。据此，
R
(
R
^
)
R(\hat{R})
R(R^)的最终估计值为
R
^
=
E
(
R
N
F
)
=
N
F
+
m
+
1
T
t
=
N
F
+
1
/
2
T
t
(7)
\hat{R}=E(RN_F)=\frac{N_F+m+1}{T_t}=\frac{N_F+1/2}{T_t} \tag{7}
R^=E(RNF)=TtNF+m+1=TtNF+1/2(7)
这个公式的最终结果是 m = − 1 / 2 m=-1/2 m=−1/2，Walter等人给出了这个选择的理由。简而言之， m = − 1 ∕ 2 m=−1∕2 m=−1∕2的选择确保了评估结果在不同参数化下是一致的(即，故障率， R R R，相对于故障间隔时间， 1 / R 1/ R 1/R)。在本文中，我们将直接使用公式(7)进行故障率评估，尽管这不是唯一的方法。
故障概率
P
P
P与故障率
R
R
R之间的关系为：
P
=
M
T
T
N
×
R
(8)
P=MTTN\times R \tag{8}
P=MTTN×R(8)
MTTN为预期平均故障持续时间。当故障被修正或广播星历表通知用户时，就称故障结束。MTTN是反映控制段监测和修复SIS故障能力的重要指标。由于CSNO尚未对该参数提供任何承诺，在这项工作中，我们根据历史观测初步估计了MTTN值。
4 标称性能：SIS分析方法
4.1 无故障的SIS定义和URA定义
第4节着重于用无故障SIS方法评估标称SIS性能。如果IURE没有被识别为故障，那么它是在名义条件下。因此，故障的定义和阈值将直接影响评价。评估的目的是正确估计每颗监测卫星的URA值。URA提供了SIS URE的不确定性的保守估计(即完好性包络)。虽然该参数在导航消息中可用，但在提供给航空用户之前，必须由航空导航服务提供商(ANSP)验证或调整(如有必要)。为此，第4.2节介绍了根据观测数据估计有安全保障的URA的方法。
4.2 包络SIS URE
在ARAIM算法中，距离误差通常用高斯模型来描述。然而，由于复杂的干扰，实际的误差分布通常不是理想的高斯分布。幸运的是，各种包络技术已经被提出，以推导出观测的保守的高斯分布。包络的定义可以用数学方法描述如下：
P
(
X
o
b
≤
x
)
≥
P
(
X
≤
x
)
,
∀
x
<
x
ˉ
P
(
X
o
b
≤
x
)
≤
P
(
X
≤
x
)
,
∀
x
>
x
ˉ
(9)
\begin{matrix} P(X_{ob}\leq x) \geq P(X\leq x),\ \forall x < \bar{x} \\ P(X_{ob} \leq x) \leq P(X\leq x), \ \forall x > \bar{x} \end{matrix} \tag{9}
P(Xob≤x)≥P(X≤x), ∀x<xˉP(Xob≤x)≤P(X≤x), ∀x>xˉ(9)
其中
P
P
P表示括号内事件发生的概率，
X
o
b
X_{ob}
Xob是包络分布的随机变量，
X
X
X实际分布的随机变量，
x
ˉ
\bar{x}
xˉ是
X
X
X的无误差值。公式(9)是累积分布函数(CDF)形式的表达式。在GNSS完好性领域中，单CDF包络、双CDF包络、两步包络和三条件包络是四种高斯包络方法。本文采用了一种独特的单CDF方法，称为折叠CDF (FCDF)。在这种方法中，
x
ˉ
\bar{x}
xˉ等于
x
x
x的中值，因此，
P
(
X
≤
x
ˉ
)
=
0.5
P(X\leq \bar{x})=0.5
P(X≤xˉ)=0.5。
使用单CDF方法进行分析是可以接受的，尽管其它三种方法在(1)避免对称性和单峰性的要求和(2)保证卷积后的保守性方面都有优势。这是因为，首先，在应用后三种方法时，包络结果可能过于保守。其次，附录C表明，对于大多数卫星，轨道和时钟误差近似符合对称和单峰分布。此外，以往对GPS的研究表明，在定位误差超过保护水平之前，测距误差不会以危险的方式卷积。在未来的工作中，我们将分析误差卷积在北斗系统中的影响，并考虑三种先进的评估方法，以获得更可靠的评估结果。
图7提供了FCDF包络方法的图形描述。在图中，实际的重尾分布是将40个点均匀分布在 ( − 6 , − 4 ] ⋂ [ 4 , 6 ) (-6,-4]\bigcap [4,6) (−6,−4]⋂[4,6)与高斯分布 N ( 0 , 1 2 ) \mathbb{N}(0,1^2) N(0,12)的 1 0 5 10^5 105个点进行混合，包络分布为 N ( 0 , 1. 5 2 ) \mathbb{N}(0,1.5^2) N(0,1.52)。这一图形表明，仅仅是超过核心分布可能会导致估计过于乐观，同时也表明，斜坡故障的起始段可能是造成重尾的原因。
如第2.4节所述，用户网格URE指标用于评估标准SIS性能。为了对卫星进行评估，我们首先选择在其覆盖足迹中均匀分布的用户网格。对于北斗系统而言，GEO和IGSO的轨道高度是35786千米，MEO的轨道高度是21528千米。因此，如果用户接近地球表面，其高度角为零，则GEO/IGSO的最小纬度 θ m i n \theta_{min} θmin为8.73°，而MEO的为13.18°。表6给出了所选用户相对于图5所示的O-XYZ坐标系的位置。这些用户被固定在这一坐标系中，以保持他们的LOS向量朝向所分析的卫星不随时间变化。提醒一下，这里对经度和纬度的定义与地理坐标系统(如WGS84)中的不同。
最后，下面的步骤显示如何确定卫星的包络URA（ σ U R A \sigma_{URA} σURA）。
- 当存在健康BCE和有效PCE时，计算每个选定用户在每个历元的IURE。
- 通过比较MPE和阈值进行异常检测；然后，如果历元被标记为故障，将这个历元的所有IURE更改为 ∞ × s i g n ( M P E [ i ] ) \infty\times sign(MPE[i]) ∞×sign(MPE[i])。
- 形成每个用户的IURE时间序列，以便我们可以分别评估每个用户的IURE分布。
- 对于每个用户，(a)估计对应的IURE时间序列的平均值，(b)去掉这个值形成零均值的IURE分布，(c)根据这个IURE分布生成一个FCDF曲线。
- 找到一个高斯分布 N ( 0 , σ U R A 2 ) \mathbb{N}(0,\sigma_{URA}^2) N(0,σURA2)，它可以严格包络所有用户的 ∀ I U R E ∈ [ − T l , T r ] \forall IURE\in [-T_l, T_r] ∀IURE∈[−Tl,Tr]的FCDF曲线，其中 T l = m i n { I U R E ∣ I U R E < 0 a n d I U R E i s f i n i t e } T_l=min\{IURE | IURE < 0 \ and\ IURE\ is\ finite\} Tl=min{IURE∣IURE<0 and IURE is finite}和 T r = m a x { I U R E ∣ I U R E > 0 a n d I U R E i s f i n i t e } T_r=max\{IURE|IURE>0 \ and \ IURE\ is \ finite\} Tr=max{IURE∣IURE>0 and IURE is finite}。
图8提供了C09的包络结果，以进一步说明上述方法。在该图中，每条彩色细线代表用户的IURE分布，蓝色粗线代表高斯分布的上限。在10m阈值下，定义a下的故障样本数为86，定义b下的故障样本数为41。作为一种权衡，在前一种定义下，与后一种定义相比，为评估URA而被包络的名义分布明显没有那么重尾。具体来说，定义a下 ∣ T l |T_l ∣Tl|和 T r T_r Tr约为8米，定义b下 T l T_l Tl和 T r T_r Tr约为10米。在前一定义下，这导致了一个较小的包络URA，但代价是增加了故障概率。这里所展示的权衡证明了新定义(定义a)的重要性：它拓宽了对SIS故障的理解，并作为原始定义(定义b)的补充。
5 BDS SISRE行为和讨论
5.1 案例分析
本节以提出的北斗系统SIS评价方案为例，展示了一些结果，以进一步说明相关方法，并识别北斗系统SIS的一些特殊特征。本部分是对5.2节结果的补充，在5.2节中，我们定量评估了每个被监测卫星的完好性性能。
首先，图9比较了不同类型卫星的误差行为。在这个图中，误差分布是在不移除任何样本的情况下形成的。为了看得更清楚， x x x轴限制在 ± 30 ±30 ±30米， y y y轴范围在 1 0 − 5 10^{-5} 10−5到1之间。需要注意的是，C21的误差均小于8米。这一数据证明了北斗三号系统的SIS精度优于北斗二号系统。结果还表明，这些误差分布(MPE除外)似乎有一个高斯核，而它们的尾部数据似乎比大多数有更大的方差。这是出现重尾现象的明确证据，这种现象在GPS和其它星座中也有报道。
图10显示了在数据集中观察到的几种SIS故障类型的概要。故障的类型与其根本原因有关。通过对周围广播参数的分析，可以找出原因。例如图中斜坡故障是由于时钟不稳定造成的，正弦故障是由于轨道参数不正确造成的。其中，正弦波赤经率 Ω ˙ \dot{\Omega} Ω˙和正弦波对倾角 C i s C_{is} Cis的校正项不正确。
接下来，我们将以MEO中发生的SIS故障为例，说明如何在轨道上纠正故障。图11给出了相应时段内的轨道和时钟误差，表7给出了广播导航参数。如图所示，这是一个斜坡时钟故障，其数量级从一个小值增加到60米。从表中可以看出，该故障是由于不正确的时钟参数引起的。在用户收到新导航消息(表7中的第4行)通知之前，该故障已经持续了18个小时，其中运行状况标志被设置为1。注意，在这条消息中时钟校正参数没有更新，因此，AODC没有改变。故障持续时间长的原因是北斗二号地面跟踪上传站的分布有限。最后，表7显示了将新的时钟参数上传到卫星并广播给用户后，卫星从故障中恢复。
特别要注意北斗2号卫星异常SIS性能评估。由于BDS-2仅适用于亚太地区(55°S ~ 55°N, 70°E ~ 150°E)，因此将不影响该地区用户的故障数据从评估中移除是合理的。在安全关键应用中，强烈建议用户在该区域以外时，使用ARAIM软件和/或接收机使北斗2号卫星失效。图12汇总了C11的所有故障数据(共45个故障)，并给出了对应的子卫星点。图中有一条绿色曲线，曲线内的区域称为“暗区”。当MEO飞越该区域时，北斗2系统服务区域的所有用户都完全看不到它(用户仰角为15°)。由该图可知，该区域对应的故障数据较多，在确定故障概率、故障率和MTTN时，应将其剔除。
5.2 北斗卫星系统故障概率及URA的初步估计
本节详细介绍了北斗卫星导航系统SISRE特性，并对不同卫星之间的SIS性能进行了比较。首先，我们提供每个卫星的URA和故障概率估计值如下。在评价中，采用定义b作为主要定义，而定义a只适用于一些两种定义可能导致URA估计差异较大的卫星。请注意，以下结果只能被视为初步结果，原因是(1) PCE和BCE相对频繁地缺席，以及(2)数据量有限。
图13-15给出了各种类型北斗二号卫星的URA( σ U R A \sigma_{URA} σURA)和故障概率的估计值。我们可以从结果中得出以下结论。首先，随着检测阈值的提高， σ U R A \sigma_{URA} σURA趋于增加，而故障概率降低。如果阈值足够大，它们的值可能会趋于稳定。此外，对于一些卫星(如C09-C11)，在不同的故障定义下， σ U R A \sigma_{URA} σURA存在显著差异。这意味着这些卫星的尾端误差分布受斜坡故障的影响较大。类似地，图16显示了北斗三号卫星的监测结果。以上结论对BDS-3同样有效。请注意，这些图显示了故障定义和阈值的结果变化，但我们不知道哪一组结果可以最好地描述长期计划的行为。这仍然是未来调查的未决问题。
然后，我们进一步比较不同卫星之间的SIS性能如下。此后，北斗2号卫星的阈值设置为10米，北斗3号卫星阈值设置为4米。请注意，虽然表4提供了广播URA，但我们没有根据它们选择阈值，因为我们不确信(1)它们能够准确地描述实际的SISRE行为(上面的结果显示它们可能过于保守)，以及(2)星座服务提供商(CSP)将基于这些作出承诺(因为CSP可能以书面规范的形式作出承诺，例如，开放服务性能标准)。从图9和图a8-a9(附录C)可以看出，大多数北斗2号卫星的观测误差值大多在10米以下，大于10米的观测误差值几乎都对应某些故障事件(如斜坡故障)。当阈值为4米时，这一结论也适用于北斗三号卫星。因此，最初使用这两个阈值进行初步性能评估和比较是可以接受的。
图17显示了所有被监测卫星的URA( σ U R A \sigma_{URA} σURA)估计，图18显示了相应的故障概率。结果表明，大多数北斗2号卫星的 σ U R A \sigma_{URA} σURA在2.4~3.2米之间，除了C11卫星的 σ U R A \sigma_{URA} σURA大于3.4米。它们的故障概率也有很大的变化，从 1.5 × 1 0 − 4 1.5×10^{-4} 1.5×10−4(C01和C08)到 4.5 × 1 0 − 3 4.5×10^{-3} 4.5×10−3(C11)。请注意，这些结果是在假设任何数据中断期间没有故障的情况下得出的。鉴于卫星的性能变化很大，强烈建议在ISM中为单个卫星设置不同的值，而不是将它们合并在一起。
结果表明，北斗三号卫星的SIS精度优于北斗二号卫星。对于大多数北斗三号卫星来说，如果考虑定义a，其 σ U R A \sigma_{URA} σURA约为1米。这主要得益于新的星载时钟和装备的ISL有效载荷。前者有助于提高短期时钟预测的精度，后者通过实现卫星对卫星通信和测距，减轻了地面站有限带来的挑战。
虽然图16和图18也显示了北斗三号卫星的估计故障概率，但我们对这些数字没有信心，因为一些卫星(如C20、C29和30)的故障概率受到一些长时间(如超过10小时)故障的显著影响。故障持续时间长可能与北斗三号系统正处于试验阶段有关。在这一阶段后，可以预期故障持续时间将不会这么长，而这是合理的。请注意，目前的结果可能无法提供未来BDS-3 SIS性能的完全可靠图景。这是因为，首先，在数据中断期间可能存在一些卫星故障。其次，数据量不够大，无法进行稳健的评估。星座成熟后，系统的完好性性能可能会显著提高。因此，北斗三号系统可以以比本研究结果更好的性能对SARP作出承诺是合理的。为了让ARAIM用户能够使用北斗三号系统，我们将在今后的工作中继续对北斗三号系统进行性能监测。
图19显示了每颗被监测卫星观察到的故障率。请注意，两种故障定义下的故障率完全相同，因为它们只影响故障持续时间。初步结果表明，北斗-2卫星每小时的故障率为 1.3 × 1 0 − 4 1.3×10^{-4} 1.3×10−4至 1 0 − 3 10^{-3} 10−3，北斗-3卫星每小时的故障率为 4 × 1 0 − 5 4×10^{-5} 4×10−5(1.5年零故障)至 3.5 × 1 0 − 4 3.5×10^{-4} 3.5×10−4(1.5年4故障)。此外，BDS-2和BDS-3数据集不存在并发故障，因此没有观测到星座故障。因此，根据公式（7），星座故障率初步设定为：北斗-2系统故障率 1.3 × 1 0 − 5 1.3×10^{-5} 1.3×10−5/小时，北斗-3系统故障率 4 × 1 0 − 5 4×10^{-5} 4×10−5/小时。由于星座故障的MTTN是未知的，我们无法提供星座故障概率的估计。该结果是假设缺失数据中不存在星座故障而得到的。我们将在未来的工作中检查这个假设并更新结果(如果需要的话)。
由于北斗三号系统数据量有限，在接下来的分析中，我们将只关注北斗二号系统。MTTN是导航系统的一个重要性能指标，它反映了导航系统对SIS故障的响应速度。图20给出了每颗北斗-2卫星的MTTN的初步估计。这里的MTTN值简单地通过计算平均故障持续时间来估计。可以看到，对于大多数卫星，根据定义b, MTTN似乎低于2.5小时，根据定义a，则低于3小时。然而，在不同的卫星之间，这个数字也有明显的变化：MTTN30分钟(C01)到大约4小时(C11)。从整体上看，GEO卫星的MTTN最低，MEO卫星的MTTN最长。从图中还可以看出，MTTN受故障定义的影响，这是因为在定义a下，故障持续时间得到了扩展。
然而，由于以下原因，上述MTTN估计方法可能无法提供足够精度的可靠估计。首先，观测到的故障数量不够大，无法准确捕捉SIS故障特征。其次，计算依赖的假设是(a)故障持续时间至少为15分钟，(b)故障发生在一个时间间隔内不影响任何其它时间间隔内发生的故障，但它们可能都不是真的。此外，与地面监测站的可见性相比，MEO的单个故障持续时间受故障发生时间的影响较大。因此，图20中的结果是初步的，将来应该进一步研究。完好性失效模式与影响分析(IFMEA)是帮助评估MTTN的有效方法，旨在识别卫星失效模式，确定其发生的概率，并分析其对用户的影响。因此，我们对北斗二号的故障特征进行初步评估。在今后的工作中，将进一步努力完成北斗系统的IFMEA，并根据分析结果进一步评估MTTN。
图21总结了观测到的BDS-2 SIS故障的来源，图22给出了其最大幅值的相对频率直方图。结果表明，超过70%的SIS故障是由时钟组件引起的。MEO的时钟异常率甚至超过88%，而GEO和IGSO的整体时钟异常率仅为50%左右。从故障的大小来看，从图22可以看出，大部分故障的大小在100米以下，但大故障(1公里以上)也占很大比例。
扫一扫
360
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
