中文摘要：

为满足航空高精定位与导航高可靠性的要求，提高航空GPS卫星导航系统的安全性，针对非高斯伪距测量噪声，在分析其分布模型的基础上，构建基于粒子滤波算法的GPS接收机自主完好性监测方法，实现故障的检测与隔离。首先，针对粒子滤波中粒子退化问题，利用马尔可夫链蒙特卡罗技术、最大似然理论建立优化重要密度函数，运用遗传算法优化候选粒子、提升粒子的多样性；采用最大似然估计理论、有效粒子数概念以及优化重采样算法降低粒子滤波的计算量；将得到的改进粒子滤波算法与GPS接收机自主完好性监测相结合构建新颖的完好性监测方法，并利用FPGA进行算法实时性研究，实现对非高斯分布伪距测量误差精确估计，改善GPS接收机自主完好性监测的可靠性和可实现性。本研究成果可以直接移植到我国北斗二代卫星导航接收机系统中，也可应用于我国大力发展的低空空域的通用航空卫星导航系统中。

结论摘要：

本项目针对GPS接收机自主完好性监测(Receiver Autonomous Integrity Monitoring，RAIM)这一热点技术开展系统地研究。首先，研究了GPS接收机伪距残差的概率分布特性；然后，针对传统RAIM算法在处理非高斯测量噪声存在性能下降的问题，研究将粒子滤波算法应用到GPS接收机自主完好性监测中，并针对基本粒子滤波存在的粒子退化问题，研究将马尔可夫链蒙特卡罗技术、神经网络、遗传算法与基本粒子滤波算法结合，优化粒子重要性密度函数，增加粒子的多样性。最后，研究将改进粒子滤波算法与GPS接收机自主完好性监测相结合，利用实测GPS数据对改进粒子滤波RAIM算法进行仿真验证，并利用FPGA平台对算法进行硬件仿真研究。依据项目研究计划，经过三年的研究工作已完成项目研究的全部内容。 本项目研究取得的一些有特色的成果包括以下几方面内容（1）利用IGS网站的GPS数据和实际采集的数据，通过统计分析验证得出GPS观测误差服从的分布不是严格的高斯分布，其分布呈现厚尾的特性，接近于拉普拉斯分布。（2）遗传算法中的选择、交叉、变异等遗传操作应用于粒子滤波算法中，提高了粒子的使用效率，在一定程度上降低粒子滤波算法的计算量，有效增加了粒子滤波算法中粒子的多样性，抑制了粒子退化问题。提出将BP神经网络和基本粒子滤波算法有机结合，通过理论分析和数学仿真验证得出神经网络辅助的粒子滤波算法优化了粒子重要性概率密度函数，改善了粒子滤波算法的滤波性能。（3）将改进粒子滤波算法和对数似然比方法相结合用于GPS接收机自主完好性监测。通过利用GPS接收机实验平台采集实测数据进行验证分析，结果表明该方法在GPS非高斯量测噪声环境下可以对卫星故障进行检测和隔离，其性能优于传统RAIM算法。在FPGA硬件平台下用Verilog HDL编程仿真了粒子滤波RAIM算法的功能，结合了FPGA并行处理和运算方面的优势，结果表明设计的各模块工作正常，该研究结果为粒子滤波RAIM算法嵌入到GPS接收机中提供了支撑。 本项目的研究成果对我国北斗二代卫星导航接收机进入航空应用领域具有重要的参考价值和借鉴意义。