CN114325777A - 一种周跳探测和修复方法、装置及设备 - Google Patents

Abstract

本发明属于卫星导航技术领域，提供了一种周跳探测和修复方法、装置及设备。本发明的方法包括：对数据进行预处理，剔除出现故障的卫星；对多种周跳探测模型进行组合，若存在周跳，获取周跳的粗略输出值；基于自适应矩估计算法在构建的搜索空间中确定目标周跳值；搜索空间是由粗略输出值确定的。采用本申请实施例中的技术方案，通过多种周跳探测和修复模型的组合，提高了周跳探测和修复的覆盖度，提高了修复效果。同时基于可信度评价模型，可对修复效果进行可信度评价值的获取，判断修复的质量和准确性。

Description

一种周跳探测和修复方法、装置及设备

技术领域

本发明涉及卫星导航技术领域，具体涉及一种周跳探测和修复方法、装置及设备。

背景技术

随着GNSS技术的发展及社会需求的变化，对导航定位测量精度的要求越来越高。利用载波相位观测量进行定位是目前精度最高的一种GNSS高精度定位方法，但是若想得到高精度的测量结果，则必须正确求解出整周模糊度。而为了获得正确求解整周模糊度，从而确定高精度的载波相位测量结果，就需要进行周跳的探测和修复。周跳对GNSS数据处理的结果影响很大，一旦发生周跳，该历元下的载波相位观测量的整周数会发生错误，并且该历元以后的所有观测值都会存在这个错误，严重影响定位结果。因此，周跳的探测和修复是处理载波相位观测数据时必须要解决的问题，属于高精度定位定向领域的研究热点。

在GNSS实测数据过程中，由于受信号阻隔、硬件故障、大气扰动、周围观测环境等因素影响，可能导致大小周跳、连续周跳以及特殊组合周跳等多种情况发生。针对这一问题，国内外学者提出了多种周跳探测与修复方法(如MW组合法、GF组合法、高次差法、电离层残差法等)，然而这些算法都有其自身的局限性和适用范围，部分周跳情况无法有效探测；其次，周跳修复精度不足，如MW组合受伪距观测量的精度影响，对周跳的修复效果较差，高次差法在低采样率时，受电离层残差影响，对周跳的修复效果较差；最后，缺乏周跳修复质量的评价，计算出周跳修复值后，无法对其进行质量和准确性评价，更缺乏对算法本身适用性的评价。

发明内容

针对现有技术中的缺陷，本发明提供一种周跳探测和修复方法、装置及设备，以解决现有方法对周跳探测和修复的普适性低，造成修复效果较差的问题。

第一方面，本发明提供的一种周跳探测和修复方法，包括：

对数据进行预处理，剔除出现故障的卫星；

对多种周跳探测模型进行组合，若存在周跳，获取周跳的粗略输出值；

基于自适应矩估计算法在构建的搜索空间中确定目标周跳值；

基于完成训练的可信度评价模型，输出所述目标周跳值的可信度评价值。

由上述技术方案可知，本发明提供的一种周跳探测和修复方法，通过多种周跳探测和修复模型的组合，提高了周跳探测和修复的覆盖度，提高了修复效果。同时基于可信度评价模型，可对修复效果进行可信度评价值的获取，判断修复的质量和准确性。

可选地，所述对多种周跳探测模型进行组合，若存在周跳，获取周跳的粗略输出值，包括：

建立基于多种周跳探测方法的组合模型

并基于所述组合模型判断是否存在周跳；其中，ΔN₁，ΔN₂，…，ΔN_m为周跳探测方法数量；

若存在周跳，建立组合周跳修复模型；

基于最小二乘法获取所述组合周跳修复模型的解N_OPT；N_OPT即为所述粗略输出值。

可选地，所述基于自适应矩估计算法在构建的搜索空间中确定目标周跳值，包括：

基于所述组合模型，构建目标函数J(x)；

以所述粗略输出值为搜索中心，以±n周为搜索范围，确定搜索空间；

基于自适应矩估计算法在所述搜索空间中进行搜索，确定所述目标周跳值。

由上述技术方案可知，基于自适应矩估计算法对目标周跳值进行搜索，可有效消除各种残差对周跳值的影响，相较于遍历的方法可提高周跳搜索效率，在大范围的搜索空间中无需遍历即可获取到目标周跳值，提高了搜索效率。

可选地，所述基于自适应矩估计算法在构建的搜索空间中确定目标周跳值，包括：

输入所述粗略输出值作为搜索起点X₀相量，并输入自适应矩估计的步长α，矩估计指数衰减速率β₁、β₂，搜索终止阈值V_th，数值稳定小常数δ；

更新偏一阶矩估计s_t和偏二阶矩估计r_t，并修正偏一阶矩估计偏差s_t'和偏二阶矩估计偏差r_t′；

获取周跳搜索变化量ΔX_t；

更新周跳搜索值X_t；

若所述周跳搜索值X_t满足搜索终止阈值V_th，则输出目标周跳值。

可选地，所述方法还包括：

基于完成训练的可信度评价模型，输出所述目标周跳值的可信度评价值。

由上述技术方案可知，传统的周跳探测和修复方法难以对周跳的修复方法进行评估，通过基于可信度评价模型获取可信度评价值，可获取周跳修复效果，确定目标周跳值的可信度。

可选地，所述基于完成训练的可信度评价模型，输出目标周跳值的可信度评价值，包括：

基于完成训练的可信度评价模型，获取评价函数；其中，评价函数Eval_Cs＝ω₁Cs₁+ω₂Cs₂+ω₃Cs₃+...+ω_mCs_m；

将所述目标周跳值输入所述评价函数，获取可信度评价值。

由上述方案可知，通过建立可信度评价模型，可有效评价目标周跳值的准确性，保证修复质量。

可选地，所述可信度评价模型通过如下方法训练：

获取评价函数Eval_Cs＝W_iCs_i,(i＝1,2,...,m-1)；其中m是参与评价的模型数，W_i是各周跳模型的系数矩阵，Cs_i是各周跳模型表达式；

获取若干组目标周跳值样本X；

基于若干组所述目标周跳值样本X中的一组样本和权重矩阵

确定初始输出矩阵

重新输入另一组样本，更新权重矩阵w_t及输出矩阵y_t；

若损失函数L满足预设阈值条件，则所述可信度评价模型训练完成；否则重新输入其他组样本，并更新权重矩阵w_t及输出矩阵y_t，直到损失函数L满足预设阈值条件。

由上述技术方案可知，通过设置损失函数L的预设阈值条件，逐渐收敛可信度评价模型中的输出矩阵和权重矩阵，形成可信度评价模型，保证对于修复质量判定的准确性。

可选地，所述损失函数

其中N为输入样本组数，y为输出矩阵，X为目标周跳值样本，ω为权重值。

第二方面，本发明提供的一种周跳探测和修复装置，包括：

预处理模块，用于对数据进行预处理，剔除出现故障的卫星；

第一输出模块，用于对多种周跳探测模型进行组合，若存在周跳，获取周跳的粗略输出值；

第二输出模块，用于基于自适应矩估计算法在构建的搜索空间中确定目标周跳值。

可选地，所述第一输出模块，具体用于：

建立基于多种周跳探测方法的组合模型

并基于所述组合模型判断是否存在周跳；其中，ΔN₁，ΔN₂，…，ΔN_m为周跳探测方法数量；

若存在周跳，建立组合周跳修复模型；

基于最小二乘法获取所述组合周跳修复模型的解N_OPT；N_OPT即为所述粗略输出值。

可选地，所述第二输出模块，具体用于：

基于所述组合模型，构建目标函数J(x)；

以所述粗略输出值为搜索中心，以±n周为搜索范围，确定搜索空间；

基于自适应矩估计算法在所述搜索空间中进行搜索，确定所述目标周跳值。

可选地，所述第二输出模块，具体还用于：

输入所述粗略输出值作为搜索起点X₀相量，并输入自适应矩估计的步长α，矩估计指数衰减速率β₁、β₂，搜索终止阈值V_th，数值稳定小常数δ；

更新偏一阶矩估计s_t和偏二阶矩估计r_t，并修正偏一阶矩估计偏差s_t'和偏二阶矩估计偏差r_t′；

获取周跳搜索变化量ΔX_t；

更新周跳搜索值X_t；

若所述周跳搜索值X_t满足搜索终止阈值V_th，则输出目标周跳值。

可选地，所述装置还包括评价模块，所述评价模块用于基于完成训练的可信度评价模型，输出所述目标周跳值的可信度评价值。

可选地，所述评价模块，具体还用于：

基于完成训练的可信度评价模型，获取评价函数；其中，评价函数Eval_Cs＝ω₁Cs₁+ω₂Cs₂+ω₃Cs₃+...+ω_mCs_m；

将所述目标周跳值输入所述评价函数，获取可信度评价值。

可选地，所述评价模块中，所述可信度评价模型通过如下方法训练：

获取评价函数Eval_Cs＝W_iCs_i,(i＝1,2,...,m-1)；其中m是参与评价的模型数，W_i是各周跳模型的系数矩阵，Cs_i是各周跳模型表达式；

获取若干组目标周跳值样本X；

基于若干组所述目标周跳值样本X中的一组样本和权重矩阵

确定初始输出矩阵

重新输入另一组样本，更新权重矩阵w_t及输出矩阵y_t；

若损失函数L满足预设阈值条件，则所述可信度评价模型训练完成；否则重新输入其他组样本，并更新权重矩阵w_t及输出矩阵y_t，直到损失函数L满足预设阈值条件。

可选地，所述评价模块，所述损失函数

其中N为输入样本组数，y为输出矩阵，X为目标周跳值样本，ω为权重值。

第三方面，本发明一实施例提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其中，处理器执行计算机程序时实现上述任一种方法的步骤。

第四方面，本发明一实施例提供了一种计算机可读存储介质，其上存储有计算机程序指令，该计算机程序指令被处理器执行时实现上述任一种方法的步骤。

采用上述技术方案，本申请具有如下有益效果：

(1)本发明提出一种多周跳探测与修复算法组合模型架构，通过组合模型对周跳探测结果进行综合表决，能有效克服单个模型或特定组合模型存在的问题，极大提高周跳探测的敏感性，实现更全面的探测。

(2)传统的周跳探测和修复算法解算出周跳后，即认为获得最优解，然而由于伪距观测量精度偏低、模糊度不确定以及在解算过程中对一些误差项未考虑周全带来残差等各种因素的作用，导致获得的周跳修复值精度不足。本发明通过构建周跳最优值搜索空间，并提出一种基于自适应矩估计算法的周跳最优值快速搜索算法，有效消除各种残差对周跳的影响；在搜索效率方面，与传统的遍历算法相比，在大范围的搜索空间中无须遍历即可快速地获得周跳最优值，极大地提升运行效率。

(3)传统的周跳探测和修复算法对解算的周跳值以及算法本身难以有效评价，针对这一问题，本发明提出一种可信度评价模型，通过利用周跳最优值样本，逐步调整各算法的权重直到收敛，形成可信度模型，能有效评价周跳与算法的质量和准确性。

附图说明

为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍。在所有附图中，类似的元件或部分一般由类似的附图标记标识。附图中，各元件或部分并不一定按照实际的比例绘制。

图1示出了本发明实施例提供的一种周跳探测和修复方法的流程图；

图2示出了本发明实施例提供的一种周跳探测和修复方法的流程图；

图3示出了本发明实施例提供的一种周跳探测和修复装置的结构框图；

图4示出了本发明实施例提供的电子设备的结构框图。

具体实施方式

下面将结合附图对本发明技术方案的实施例进行详细的描述。以下实施例仅用于更加清楚地说明本发明的技术方案，因此只是作为示例，而不能以此来限制本发明的保护范围。

需要注意的是，除非另有说明，本申请使用的技术术语或者科学术语应当为本发明所属领域技术人员所理解的通常意义。

在GNSS实测数据过程中，由于受信号阻隔、硬件故障、大气扰动、周围观测环境等因素影响，可能导致大小周跳、连续周跳以及特殊组合周跳等多种情况发生。目前所确定的周跳探测和修复方法，都是针对于提高部分周跳的探测效果，虽针对于适用的周跳可提高探测和修复效果，但普适性不高，仍无法满足绝大部分周跳修复效果的提升，为提高周跳探测和修复的普适性，提高探测效果，急需一种对周跳探测和修复的覆盖度高，修复效果好的方法。

为解决上述问题，图1示出了本发明实施例所提供的一种周跳探测和修复方法的流程图。如图1所示，本发明实施例的周跳探测和修复方法，包括：

S101、对数据进行预处理，剔除出现故障的卫星。

S1011：建立RENIX格式、Novatel格式以及RTCM格式等国际主流数据格式的解析模型，获取历元数据中各卫星的轨道参数以及各卫星各频点的伪距观测量、载波相位观测量等信息。

S1012：设定伪距观测量门限，对不满足门限要求的伪距观测量，剔除该观测量对应的卫星频点信息。

S1013：执行定位解算，获取接收机粗略位置。

S1014：执行接收机自主正直性监测(RAIM)，采用伪距残余检测法(定位后)，获得伪距残余信息；

S＝I-G(G^TCG)^-1G^TC，

其中，向量b为定位前伪距残余，

为第n颗卫星的伪距观测量，r⁽ⁿ⁾(x₀)为上一历元第n颗卫星与目标的几何距离，δt_u,0为上一历元的接收机钟差，向量

为定位后伪距残余，矩阵S为将定位前残余转换为定位后残余的状态转移矩阵，雅可比矩阵G为几何矩阵，C为权阵。

S1015：采用最小平方残余法，设置χ²分布的自由度与虚警率参数，对定位后伪距残余信息进行检测，剔除错误卫星；

其中，标量ε_WSSE为加权后的残余向量的长度平方。

S1016：重新执行定位解算，获取目标粗略位置，执行RAIM检测，若检测出故障卫星，返回S1014，否则完成伪距观测量的RAIM检测，进入S1017。

S1017：计算高度角信息，删除仰角低于10°的卫星，保证伪距观测量的准确性。

S102、对多种周跳探测模型进行组合，获取周跳的粗略输出值。

具体地，基于多种周跳探测模型的组合架构，进行周跳探测，若探测出周跳，确定探测出的粗略周跳输出值。否则，没有探测出周跳，直接输出周跳的探测处理结果，即没有探测出周跳。

S103、基于自适应矩估计算法在构建的搜索空间中确定目标周跳值。

可选地，步骤S102包括：

S1021、建立基于多种周跳探测方法的组合模型

并基于组合模型判断是否存在周跳；其中，ΔN₁，ΔN₂，…，ΔN_m为周跳探测方法数量。

具体地，构建多种周跳探测与修复算法的集合

其中N是周跳探测与修复算法的模型数，CSDR_i是具体的模型表达式，是和伪距观测量矩阵P、载波相位观测量矩阵L、各频点波长矩阵λ，误差ε、探测门限矩阵V_th，周跳矩阵ΔN相关的函数。通过算法组合的方式，可扩大周跳搜索范围，使周跳探测更全面。

在一个可能的实施方式中，选用MW组合+GF组合+高次差法+电离层残差法的算法组合进行综合判决，基本能够实现大小周跳以及特殊组合周跳的探测，尽可能覆盖周跳的搜索范围。

S1022、若存在周跳，建立组合周跳修复模型。

具体地，若探测出存在周跳，则每个周跳修复基本模型可以用Cs_i(P,L,λ,ε,ΔN)＝0表示。对于一个待测***来说，频点数P、伪距L、误差项ε等参数均为固定值，变量只为各频点的周跳值，则周跳修复基本模型可以描述为y_i＝Cs_i(ΔN₁,ΔN₂,...,ΔN_m)，其中y_i为各参数的组合输出。则组合n种周跳修复模型则可以表示为

S1023、基于最小二乘法获取组合周跳修复模型的解N_OPT；N_OPT即为粗略输出值。

具体地，基于组合n种周跳修复模型通过最小二乘法获得向量N_OPT，获得的向量N_OPT为一组带小数的不稳定解，其中可能还包含伪距以及一些误差项的残差。

可选地，参见图2，步骤S103包括：

S1031、基于组合周跳修复模型，构建目标函数J(x)；

S1032、以粗略输出值为搜索中心，以±n周为搜索范围，确定搜索空间；

S1033、基于自适应矩估计算法在搜索空间中进行搜索，确定目标周跳值。

具体地，针对于组合周跳修复模型，以最小平方和为评价标准，构建目标函数J(x)，

以步骤S1023获取到的向量N_OPT为搜索中心，考虑伪距观测量误差和解算过程中部分误差项未完全消除带来的不确定性，以±n周为搜索范围，构建周跳目标值搜索空间。之后，基于自适应矩估计算法不断修正周跳搜索变化量，更新周跳搜索值。

可选地，步骤S1033，包括：

S1033.1、输入粗略输出值作为搜索起点X₀相量，并输入自适应矩估计的步长α，矩估计指数衰减速率β₁、β₂，搜索终止阈值V_th，数值稳定小常数δ。

S1033.2、更新偏一阶矩估计s_t和偏二阶矩估计r_t，并修正偏一阶矩估计偏差s_t'和偏二阶矩估计偏差r_t′。

计算目标函数梯度f(x)，

其中，t为搜索次数，向量X为周跳搜索值。

更新偏一阶矩估计s_t，s_t＝β₁s_t-1+(1-β₁)/f(X_t)。

更新偏二阶矩估计r_t，r_t＝β₂r_t-1+(1-β₂)/f(X_t)²。

修正偏一阶矩估计偏差s_t′，

修正偏二阶矩估计偏差r_t′，

S1033.3、获取周跳搜索变化量ΔX_t，

S1033.4、更新周跳搜索值X_t，X_t＝X_t-1+ΔX_t。

S1033.5、若周跳搜索值X_t满足搜索终止阈值V_th，则输出目标周跳值。

具体地，若周跳搜索值X_t满足搜索终止阈值V_th，则步骤S1033.4中的周跳搜索值即为周跳目标值；若周跳搜索值X_t不满足搜索终止阈值V_th，则返回步骤S1033.2中，重新获取目标函数梯度f(x)，并获取更新的周跳搜索值X_t直到满足搜索终止阈值V_th。

可选地，方法还包括：

基于完成训练的可信度评价模型，输出目标周跳值的可信度评价值。

具体地，传统的周跳探测和修复方法对解算的周跳值以及算法本身难以有效评价，针对这一问题，本申请实施例提出一种可信度评价模型，通过利用周跳最优值样本，逐步调整各算法的权重直到收敛，形成可信度模型，能有效评价周跳与算法的质量和准确性。

可选地，基于完成训练的可信度评价模型，输出目标周跳值的可信度评价值，具体包括如下步骤：

基于完成训练的可信度评价模型，获取评价函数；其中，评价函数Eval_Cs＝ω₁Cs₁+ω₂Cs₂+ω₃Cs₃+...+ω_mCs_m；

将目标周跳值输入评价函数，获取可信度评价值。

具体地，基于完成训练的可信度评价模型，可由确定的目标周跳值获取到目标周跳值对应的可信度评价值，通过可信度评价值可判定步骤S103中获取到的周跳目标值的质量和准确性评价。需要说明的是，若步骤S103中并为获取到目标周跳值，则本步骤不再进行可信度评价。

可选地，可信度评价模型通过如下方法训练：

获取评价函数Eval_Cs＝W_iCs_i,(i＝1,2,...,m-1)；其中m是参与评价的模型数，W_i是各周跳模型的系数矩阵，Cs_i是各周跳模型表达式；

获取若干组目标周跳值样本X；

基于若干组目标周跳值样本X中的一组样本和权重矩阵

确定初始输出矩阵

重新输入另一组样本，更新权重矩阵w_t及输出矩阵y_t；

若损失函数L满足预设阈值条件，则可信度评价模型训练完成；否则重新输入其他组样本，并更新权重矩阵w_t及输出矩阵y_t，直到损失函数L满足预设阈值条件。

具体地，步骤S103中获取到的多组目标周跳值用以训练可信度评价模型。先将一组目标周跳值样本中的一组目标周跳值输入可信度评价模型，获取初始输出矩阵y。之后，重新输入另一组目标周跳值，更新权重矩阵w_t和输出矩阵y_t。重复上述不断输入不同组目标周跳值的过程，直到孙淑函数L满足预设阈值条件。

可选地，损失函数

其中N为输入样本组数。

具体地，损失函数

其中N为输入样本组数；其中，y为输出矩阵，X为输入的样本数据；ω为权重值。

当L最小时，其对权重的偏导为0，则有：

基于公式ω＝(X^TX)^-1X^Ty，更新权重矩阵w_t，并基于公式Eval_Cs(w,ΔN)＝w^TCs_i(ΔN)更新输出矩阵y_t，直到损失函数L满足预设阈值条件，则确定可信度评价模型训练完成。通过设置损失函数的具体阈值条件，可保证周跳探测和修复的精度，提高修复效果。

在一个具体示例中，预设阈值条件可以设置为迭代次数10000次或L的精度满足小于0.001。

在一个实施例中，参见图3，提供了一种周跳探测和修复装置20，包括：

预处理模块201，用于对数据进行预处理，剔除出现故障的卫星；

第一输出模块202，用于对多种周跳探测模型进行组合，若存在周跳，获取周跳的粗略输出值；

第二输出模块203，用于基于自适应矩估计算法在构建的搜索空间中确定目标周跳值。

可选地，所述第一输出模块，具体用于：

建立基于多种周跳探测方法的组合模型

并基于所述组合模型判断是否存在周跳；其中，ΔN₁，ΔN₂，…，ΔN_m为周跳探测方法数量；

若存在周跳，建立组合周跳修复模型；

基于最小二乘法获取所述组合周跳修复模型的解N_OPT；N_OPT即为所述粗略输出值。

可选地，所述第二输出模块，具体用于：

基于所述组合模型，构建目标函数J(x)；

以所述粗略输出值为搜索中心，以±n周为搜索范围，确定搜索空间；

基于自适应矩估计算法在所述搜索空间中进行搜索，确定所述目标周跳值。

可选地，所述第二输出模块，具体还用于：

输入所述粗略输出值作为搜索起点X₀相量，并输入自适应矩估计的步长α，矩估计指数衰减速率β₁、β₂，搜索终止阈值V_th，数值稳定小常数δ；

更新偏一阶矩估计s_t和偏二阶矩估计r_t，并修正偏一阶矩估计偏差s_t'和偏二阶矩估计偏差r_t′；

获取周跳搜索变化量ΔX_t；

更新周跳搜索值X_t；

若所述周跳搜索值X_t满足搜索终止阈值V_th，则输出目标周跳值。

可选地，所述装置还包括评价模块，所述评价模块用于基于完成训练的可信度评价模型，输出所述目标周跳值的可信度评价值。

可选地，所述评价模块，具体还用于：

基于完成训练的可信度评价模型，获取评价函数；其中，评价函数Eval_Cs＝ω₁Cs₁+ω₂Cs₂+ω₃Cs₃+...+ω_mCs_m；

将所述目标周跳值输入所述评价函数，获取可信度评价值。

可选地，所述评价模块中，所述可信度评价模型通过如下方法训练：

获取评价函数Eval_Cs＝W_iCs_i,(i＝1,2,...,m-1)；其中m是参与评价的模型数，W_i是各周跳模型的系数矩阵，Cs_i是各周跳模型表达式；

获取若干组目标周跳值样本X；

基于若干组所述目标周跳值样本X中的一组样本和权重矩阵

确定初始输出矩阵

重新输入另一组样本，更新权重矩阵w_t及输出矩阵y_t；

若损失函数L满足预设阈值条件，则所述可信度评价模型训练完成；否则重新输入其他组样本，并更新权重矩阵w_t及输出矩阵y_t，直到损失函数L满足预设阈值条件。

可选地，所述评价模块，所述损失函数

其中N为输入样本组数，y为输出矩阵，X为目标周跳值样本，ω为权重值。

本申请实施例提供的周跳探测和修复装置20与上述周跳探测和修复方法采用了相同的发明构思，能够取得相同的有益效果，在此不再赘述。

基于与上述周跳探测和修复方法相同的发明构思，本申请实施例还提供了一种电子设备30，如图4所示，该电子设备30可以包括处理器301和存储器302。

处理器301可以是通用处理器，例如中央处理器(CPU)、数字信号处理器(DigitalSignal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件，可以实现或者执行本申请实施例中公开的各方法、步骤及逻辑框图。结合本申请实施例所公开的方法的步骤可以直接体现为硬件处理器执行完成，或者用处理器中的硬件及软件模块组合执行完成。

存储器302作为一种非易失性计算机可读存储介质，可用于存储非易失性软件程序、非易失性计算机可执行程序以及模块。存储器可以包括至少一种类型的存储介质，例如可以包括闪存、硬盘、多媒体卡、卡型存储器、随机访问存储器(Random Access Memory，RAM)、静态随机访问存储器(Static Random Access Memory，SRAM)、可编程只读存储器(Programmable Read Only Memory，PROM)、只读存储器(Read Only Memory，ROM)、带电可擦除可编程只读存储器(Electrically Erasable Programmable Read-Only Memory，EEPROM)、磁性存储器、磁盘、光盘等等。存储器302是能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质，但不限于此。本申请实施例中的存储器302还可以是电路或者其它任意能够实现存储功能的装置，用于存储程序指令和/或数据。

本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于一计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；上述计算机存储介质可以是计算机能够存取的任何可用介质或数据存储设备，包括但不限于：移动存储设备、随机存取存储器(RAM，Random Access Memory)、磁性存储器(例如软盘、硬盘、磁带、磁光盘(MO)等)、光学存储器(例如CD、DVD、BD、HVD等)、以及半导体存储器(例如ROM、EPROM、EEPROM、非易失性存储器(NAND FLASH)、固态硬盘(SSD))等各种可以存储程序代码的介质。或者，本申请上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。

最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围，其均应涵盖在本发明的权利要求和说明书的范围当中。

Claims (10)

1.一种周跳探测和修复方法，其特征在于，包括：

对数据进行预处理，剔除出现故障的卫星；

对多种周跳探测模型进行组合，若存在周跳，获取周跳的粗略输出值；

基于自适应矩估计算法在构建的搜索空间中确定目标周跳值；所述搜索空间是由所述粗略输出值确定的。

2.根据权利要求1所述的方法，其特征在于，所述对多种周跳探测模型进行组合，若存在周跳，获取周跳的粗略输出值，包括：

建立基于多种周跳探测方法的组合模型

并基于所述组合模型判断是否存在周跳；其中，ΔN₁，ΔN₂，…，ΔN_m为周跳探测方法数量；

若存在周跳，建立组合周跳修复模型；

基于最小二乘法获取所述组合周跳修复模型的解N_OPT；N_OPT即为所述粗略输出值。

3.根据权利要求2所述的方法，其特征在于，所述基于自适应矩估计算法在构建的搜索空间中确定目标周跳值，包括：

基于所述组合模型，构建目标函数J(x)；

以所述粗略输出值为搜索中心，以±n周为搜索范围，确定搜索空间；

基于自适应矩估计算法在所述搜索空间中进行搜索，确定所述目标周跳值。

4.根据权利要求3所述的方法，其特征在于，所述基于自适应矩估计算法在构建的搜索空间中确定目标周跳值，包括：

输入所述粗略输出值作为搜索起点X₀相量，并输入自适应矩估计的步长α，矩估计指数衰减速率β₁、β₂，搜索终止阈值V_th，数值稳定小常数δ；

更新偏一阶矩估计s_t和偏二阶矩估计r_t，并修正偏一阶矩估计偏差s_t'和偏二阶矩估计偏差r_t′；

获取周跳搜索变化量ΔX_t；

更新周跳搜索值X_t；

若所述周跳搜索值X_t满足搜索终止阈值V_th，则输出目标周跳值。

5.根据权利要求1所述的方法，其特征在于，所述方法还包括：

基于完成训练的可信度评价模型，输出所述目标周跳值的可信度评价值。

6.根据权利要求5所述的方法，其特征在于，所述基于完成训练的可信度评价模型，输出所述目标周跳值的可信度评价值，包括：

基于完成训练的可信度评价模型，获取评价函数；其中，评价函数Eval_Cs＝ω₁Cs₁+ω₂Cs₂+ω₃Cs₃+...+ω_mCs_m；

将所述目标周跳值输入所述评价函数，获取可信度评价值。

7.根据权利要求6所述的方法，其特征在于，所述可信度评价模型通过如下方法训练：

获取评价函数Eval_Cs＝W_iCs_i,(i＝1,2,...,m-1)；其中m是参与评价的模型数，W_i是各周跳模型的系数矩阵，Cs_i是各周跳模型表达式；

获取若干组目标周跳值样本X；

基于若干组所述目标周跳值样本X中的一组样本和权重矩阵

确定初始输出矩阵

重新输入另一组样本，更新权重矩阵w_t及输出矩阵y_t；

若损失函数L满足预设阈值条件，则所述可信度评价模型训练完成；否则重新输入其他组样本，并更新权重矩阵w_t及输出矩阵y_t，直到损失函数L满足预设阈值条件。

8.根据权利要求7所述的方法，其特征在于，所述损失函数

其中N为输入样本组数，y为输出矩阵，X为目标周跳值样本，ω为权重值。

9.一种周跳探测和修复装置，其特征在于，包括：

预处理模块，用于对数据进行预处理，剔除出现故障的卫星；

第一输出模块，用于对多种周跳探测模型进行组合，若存在周跳，获取周跳的粗略输出值；

第二输出模块，用于基于自适应矩估计算法在构建的搜索空间中确定目标周跳值；

评价模块，用于基于完成训练的可信度评价模型，输出所述目标周跳值的可信度评价值。

10.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至8任一项所述方法的步骤。

Images