一种适用于北斗的完好性支持信息参数生成方法及系统

1.本发明涉及卫星导航技术领域，特别是涉及一种适用于北斗的完好性支持信息参数生成方法及系统。


背景技术：

2.2008年美国联邦航空局结合多星座多频的卫星导航系统发展现状首次提出了先进接收机自主完好性监测(advanced receiver autonomous integrity monitor，araim)的概念：支持使用双频信号，消除电离层误差；支持同时使用多导航星座；可以利用分布全球的地面监测网络；以及通过地面监测站提供的完好性支持电文(integrity support message，ism)及时调整各核心星座的性能参数，最终在全球范围内实现垂直导航性能需求lpv-200。
3.而近年来，随着araim技术的不断发展和突破，使用双频多星座araim还存在如下问题：目前适用于gps的ism生成算法并不适用于北斗系统，这是由于北斗星座由于在空间架构上与其他星座存在较大差异，如果北斗三种不同轨道的卫星均采用一套ism参数提供给用户，可能会导致较大的完好性风险。
4.美国通过对gps长时间的导航数据进行统计分析并得到了符合gps性能的ism参数，而北斗系统运行时间较短，缺乏长期稳定的导航数据对其性能进行分析，如果直接采用gps的ism算法，可能导致北斗ism参数值过于乐观，进而导致较大的完好性风险。考虑到北斗具有三种不同轨道，需要考虑各轨道误差大小不同以及其他实际因素生成符合北斗性能的ure和ura，且需要从完好性的角度计算得到最坏情况下的ure计算方法，进而评估目前北斗播报ura的精度是否符合北斗性能。
5.针对上述问题，提供一种能够适用于北斗系统的完好性支持信息参数生成方法及系统，使北斗系统的不同轨道卫星都能够通过地面监测站提供的完好性支持电文及时调整各核心星座的性能参数，从而提升北斗系统的整体性能是必要的。


技术实现要素：

6.本发明的目的是提供一种适用于北斗的完好性支持信息参数生成方法及系统，解决北斗系统运行时间较短，缺乏长期稳定的导航数据对其性能进行分析，导致北斗系统不同的轨道卫星无法通过地面监测站提供的完好性支持电文及时调整各核心星座的性能参数，而现有的gps的ism算法不适用于北斗系统的不同轨道上的卫星，容易导致较大的完好性风险问题。
7.为实现上述目的，一方面，本发明提供了一种适用于北斗的完好性支持信息参数生成方法，所述方法包括以下步骤：
8.设置初始的采样时间及采样间隔，在所述采样时间内按照所述采样间隔对北斗系统各轨道的卫星观测数据进行采样，得到北斗各轨道卫星观测数据集；
9.利用所述北斗各轨道卫星观测数据集中的各卫星观测数据计算用户距离误差
ure，得到初始样本数据集；
10.利用fcm聚类算法根据北斗系统轨道数对所述初始样本数据集进行分类，得到多类样本数据集；
11.选取所述多类样本数据集中各类尾部的样本数据作为最差情况的ure分布；
12.获取北斗系统地面监测站的北斗播报ura；
13.利用所述最差情况的ure分布对所述北斗播报ura进行评估，得到评估结果；
14.若所述评估结果为通过评估，则将所述北斗播报ura以及所述分类后的ure加入到完好性支持信息中发送给用户；
15.若所述评估结果为未通过评估，则重新获取北斗系统地面监测站的北斗播报ura并进行评估。
16.可选的，利用北斗各轨道卫星观测数据集中的各卫星观测数据计算用户距离误差ure具体包括：
17.将北斗各轨道卫星观测数据集中的异常观测数据进行剔除；所述异常观测数据包括星历数据丢失，健康标识为不可用以及时钟误差故障的卫星数据；
18.根据北斗全球平均ure计算式得到各卫星观测数据的平均ure值，由各卫星观测数据的平均ure值组成所述初始样本数据集：
[0019][0020]
其中，re为径向误差，te为卫星时钟误差，ae为切向误差，ce为法向误差，rmsure
bds
为平均ure值。
[0021]
可选的，利用fcm聚类算法根据北斗系统轨道数对所述初始样本数据集进行分类具体包括：
[0022]
根据北斗系统轨道数将所述初始样本数据集分为c个初始类；
[0023]
确定fcm目标函数j及其约束条件：
[0024][0025][0026]
其中，n为初始样本数据集中样本数据的个数，xj为第j个样本数据的位置，u
ij
为第j个样本数据属于第i个初始类的隶属度，ci表示第i个初始类的类中心，m为样本轻缓度因子；
[0027]
采用拉格朗日乘数法对fcm目标函数进行变量求解。
[0028]
可选的，采用拉格朗日乘数法对fcm目标函数进行变量求解具体包括：
[0029]
采用拉格朗日乘数法，将约束条件与拉格朗日系数相乘添加到目标函数中：
[0030][0031]
分别对其中的u
ij
和ci求导并令其各自结果为0，分别求出u
ij
的迭代公式和ci的迭
代公式；
[0032]
将所述u
ij
的迭代公式和所述ci的迭代公式带入所述目标函数中，求出当前目标函数j。
[0033]
可选的，利用fcm聚类算法根据北斗系统轨道数对所述初始样本数据集进行分类之后，在所述得到多类样本数据集之前还包括：
[0034]
扩大采样时间，在所述扩大后的采样时间内按照所述采样间隔对北斗系统各轨道的卫星观测数据进行采样，并对采样得到的各轨道的卫星观测数据计算ure值，得到扩充样本数据集；
[0035]
利用fcm聚类算法对所述扩充样本数据集进行分类并计算类中心点；
[0036]
判断所述扩充样本数据集的目标函数j1和所述初始样本数据集的目标函数j的差值是否小于预设阈值，
[0037]
若是，则将所述扩充样本数据集加在所述初始样本数据集中，得到多类样本数据集；
[0038]
若否，则设置一准则函数，继续扩大所述扩充样本数据集的采样时间，并对所述扩充样本数据集重新计算类中心点，直到所述准则函数收敛，将所述扩充样本数据集加在所述初始样本数据集中，得到多类样本数据集；
[0039]
所述准则函数为：
[0040][0041]
其中，i为初始样本数据集类的个数，ci为初始样本数据集类中心点，c
sat,k
是新数据类中心点，数量为n，dist(c
sat,k
,ci)2为扩充样本数据集类中心点到初始样本数据集类中心点的距离。
[0042]
可选的，获取北斗系统地面监测站的北斗播报ura具体包括：
[0043]
从北斗系统地面监测站的播报数据中获取得到北斗播报urai值；
[0044]
根据urai和ura的转换规则将所述北斗播报urai值转换为北斗播报ura值；所述urai和ura的转换规则为：
[0045]
当0≤n＜6时，
[0046]
当6≤n＜15时，ura＝2
n-2
；
[0047]
当n＝15时，表示卫星轨道机动或者没有精度预报；
[0048]
当n＝1、3、5时，ura经四舍五入后分别为2.8、5.7、11.3。
[0049]
可选的，利用所述最差情况的ure分布对所述北斗播报ura进行评估具体包括：
[0050]
根据所述最差情况的ure分布计算得到最差情况的ura分布；
[0051]
将所述最差情况的ura分布与所述北斗播报ura进行比较，判断所述北斗播报ura能否以预设概率包络住最差情况ura；若能包络住，则评估结果为通过评估；若不能包络住，则评估结果为未通过评估。
[0052]
对应于前述的完好性支持信息参数生成方法，本发明还提供了一种适用于北斗的完好性支持信息参数生成系统，所述系统被处理器运行时执行如前所述的完好性支持信息参数生成方法。
[0053]
根据本发明提供的具体实施例，本发明公开了以下技术效果：
[0054]
本发明提供的一种适用于北斗的完好性支持信息参数生成方法及系统，首先采集北斗系统各轨道卫星的数据集并相应计算用户距离误差得到初始样本数据集后，通过fcm聚类算法对初始样本数据集进行分类得到多类样本数据集，然后选取多类样本数据集各类尾部的最差情况的ure分布对北斗系统地面监测站的播报ura进行评估，得到最符合北斗系统各卫星的播报ura发送给用户；在本技术中通过引入模糊聚类算法对北斗各轨道卫星的用户距离误差ure数据集进行判类处理；选取最差情况下ure分布来评估北斗播报ura，有利于在araim算法中设置更为保守的阈值，更符合完好性监测的要求，进而使北斗ism参数符合北斗系统性能，北斗系统不同的轨道卫星可以通过地面监测站提供的完好性支持电文及时调整各核心星座的性能参数，减小使用araim时的完好性风险。
附图说明
[0055]
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0056]
图1为本发明实施例1提供的一种适用于北斗的完好性支持信息参数生成方法的流程图；
[0057]
图2为本发明实施例1提供的方法中步骤a2的流程图；
[0058]
图3为本发明实施例1提供的方法中步骤a3对初始样本数据集进行分类的流程图；
[0059]
图4为本发明实施例1提供的方法中步骤a3在分类后且在得到多类样本数据集之前的流程图；
[0060]
图5为本发明实施例2提供的一种适用于北斗的完好性支持信息参数生成系统的结构图。
[0061]
符号解释：
[0062]
1：卫星观测数据获取模块；2：卫星观测数据集处理模块；2-1：异常数据剔除单元；2-2：ure计算单元；3：fcm分类模块；4：数据集扩充模块；4-1：采样时间扩大单元；4-2：分类对比单元；5：北斗播报ura获取模块；5-1：urai获取单元；5-2：ura转换单元；6：ura评估模块；7：信息发送模块。
具体实施方式
[0063]
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0064]
本发明的目的是提供一种适用于北斗的完好性支持信息参数生成方法及系统，解决北斗系统运行时间较短，缺乏长期稳定的导航数据对其性能进行分析，而现有的gps的ism算法不适用于北斗系统，容易导致较大的完好性风险的问题。
[0065]
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实
施方式对本发明作进一步详细的说明。
[0066]
实施例1：
[0067]
如图1所示的流程图，本实施例提供了一种适用于北斗的完好性支持信息参数生成方法，所述方法包括以下步骤：
[0068]
s1、设置初始的采样时间及采样间隔，在所述采样时间内按照所述采样间隔对北斗系统各轨道的卫星观测数据进行采样，得到北斗各轨道卫星观测数据集；以15分钟为采样间隔，选取10天的卫星数据作为北斗各轨道卫星观测数据集；
[0069]
s2、利用所述北斗各轨道卫星观测数据集中的各卫星观测数据计算用户距离误差ure，得到初始样本数据集；
[0070]
在具体实施时，如图2所示的流程图，步骤s2具体包括：
[0071]
s21、将北斗各轨道卫星观测数据集中的异常观测数据进行剔除；所述异常观测数据包括星历数据丢失，健康标识为不可用以及时钟误差故障的卫星数据；
[0072]
s22、根据北斗全球平均ure计算式得到各卫星观测数据的平均ure值，由各卫星观测数据的平均ure值组成所述初始样本数据集：
[0073][0074]
其中，re为径向误差，te为卫星时钟误差，ae为切向误差，ce为法向误差，rmsure
bds
为平均ure值。
[0075]
s3、利用fcm聚类算法根据北斗系统轨道数对所述初始样本数据集进行分类，得到多类样本数据集；
[0076]
s4、选取所述多类样本数据集中各类尾部的样本数据作为最差情况的ure分布；
[0077]
s5、获取北斗系统地面监测站的北斗播报ura；
[0078]
s6、利用所述最差情况的ure分布对所述北斗播报ura进行评估，得到评估结果；
[0079]
s7、若所述评估结果为通过评估，则将所述北斗播报ura以及所述分类后的ure加入到完好性支持信息中发送给用户；
[0080]
若所述评估结果为未通过评估，则重新获取北斗系统地面监测站的北斗播报ura并进行评估。
[0081]
如图3所示，步骤s3在得到多类样本数据集之前，利用fcm聚类算法根据北斗系统轨道数对所述初始样本数据集进行分类具体包括：
[0082]
s31、根据北斗系统轨道数将所述初始样本数据集分为c个初始类；利用初始样本数据集得到的平均ure值和北斗系统轨道数将其分为c
sat,1
，c
sat,2
，c
sat,3
，三个初始类别；如果把这些数据划分成c
sat,i
类，对应的就有i个类中心为点ci；
[0083]
s32、确定fcm目标函数j及其约束条件：
[0084][0085][0086]
每个样本j属于某一类c
sat,i
的隶属度为u
ij
，根据fcm的归一化原则，一个数据集的
隶属度的和总等于1；其中，n为初始样本数据集中样本数据的个数，xj为第j个样本数据的位置，u
ij
为第j个样本数据属于第i个初始类的隶属度，ci表示第i个初始类的类中心，m为样本轻缓度因子；由于每个分量都以平方计算，因此，在本发明中，设置样本轻缓度因子m＝2最切合数据样本特性；
[0087]
s33、采用拉格朗日乘数法对fcm目标函数进行变量求解：
[0088]
采用拉格朗日乘数法，将约束条件与拉格朗日系数相乘添加到目标函数中：
[0089][0090]
分别对其中的u
ij
和ci求导并令其各自结果为0，分别求出u
ij
的迭代公式和ci的迭代公式；
[0091]
j对u
ij
的求导结果并让其等于0就是：
[0092][0093]
对上式进行简化，可得
[0094][0095]
将约束条件代入可消去λj：
[0096][0097]
继续化简(把其中i换成k)可得：
[0098][0099]
最终解得u
ij
的迭代公式为：
[0100]
[0101]
上式中分母里面求和中，分子就是这个点相对于某一类的类中心距离，而分母是这个点相对于所有类的类中心的距离求和，那么它们两相除表示这个点到某个类中心在这个点到所有类中心的距离和的比重。当求和里面的分子越小，说明就越接近于这个类，那么整体这个分数就越大，也就是对应的u
ij
就越大，表示该样本数据越属于这个类；
[0102]
同理，对ci求导并令其结果为0可得：
[0103][0104]
化简求出ci的迭代公式为：
[0105][0106]
fcm类中心点迭代式采用一个加权平均的方式，类c
sat,i
确定后，首先将所有点到该类的隶属度u求和，然后对每个点，隶属度除以这个和就是所占的比重，乘以xj就是这个点对于这个类i的贡献值。
[0107]
s34、将所述u
ij
的迭代公式和所述ci的迭代公式带入所述目标函数中，求出当前目标函数j。
[0108]
在一些实施方式中，为了评估对样本数据集进行分类的合理性，所述生成方法还包括：
[0109]
根据信息熵公式计算出所述扩充后的样本数据集的信息熵；所述信息熵公式为：
[0110][0111]
其中，pk表示在所述扩充后的样本数据集中第k类样本所占的比例；
[0112]
根据信息增益公式计算出对所述扩充后的样本数据集进行分类所获得的信息增益；所述信息增益公式为：
[0113][0114]
其中，定义所述扩充后的样本数据集x中的每个类中心点为北斗ure的离散属性a，使用a对所述扩充后的样本数据集x进行划分，会产生n个分支点，其中第v个分支点记为xv，包含了所述扩充后的样本数据集x中所有在属性a上取值为av的样本；
[0115]
根据所述信息增益结果，判断对样本数据集进行聚类划分的合理性；所述信息增益大于根据其他类中心点进行聚类划分的信息增益，则意味着根据当前类中心点来进行聚类划分所获得的性能越符合北斗实际ure。
[0116]
要评估更符合北斗系统性能的ure值，则需要统计更长期的卫星观测数据，如图4所示，在利用fcm聚类算法根据北斗系统轨道数对所述初始样本数据集进行分类之后，且在所述得到多类样本数据集之前，所述方法还包括：
[0117]
s35、扩大采样时间，在所述扩大后的采样时间内按照所述采样间隔对北斗系统各轨道的卫星观测数据进行采样，并对采样得到的各轨道的卫星观测数据计算ure值，得到扩充样本数据集；
[0118]
s36、利用fcm聚类算法对所述扩充样本数据集进行分类并计算类中心点；
[0119]
s37、判断所述扩充样本数据集的目标函数j1和所述初始样本数据集的目标函数j的差值是否小于预设阈值，
[0120]
s38、若是，则将所述扩充样本数据集加在所述初始样本数据集中，得到多类样本数据集；
[0121]
若否，则设置一准则函数，继续扩大所述扩充样本数据集的采样时间，并对所述扩充样本数据集重新计算类中心点，直到所述准则函数收敛，将所述扩充样本数据集加在所述初始样本数据集中，得到多类样本数据集；
[0122]
所述准则函数为：
[0123][0124]
其中，i为初始样本数据集类的个数，ci为初始样本数据集类中心点，c
sat,k
是新数据类中心点，数量为n，dist(c
sat,k
,ci)2为扩充样本数据集类中心点到初始样本数据集类中心点的距离；
[0125]
所述准则函数收敛具体为所述准则函数小于预设的收敛阈值，即所述扩充样本数据集类中心点与所述初始样本数据集类中心点不再有明显变化。
[0126]
在获取到多类样本数据集后，需要先获取北斗系统地面监测站发送的播报信息，获取北斗系统地面监测站的北斗播报ura具体包括：
[0127]
从北斗系统地面监测站的播报数据中获取得到北斗播报urai值；
[0128]
根据urai和ura的转换规则将所述北斗播报urai值转换为北斗播报ura值；所述urai和ura的转换规则为：
[0129]
当0≤n＜6时，
[0130]
当6≤n＜15时，ura＝2
n-2
；
[0131]
当n＝15时，表示卫星轨道机动或者没有精度预报；
[0132]
当n＝1、3、5时，ura经四舍五入后分别为2.8、5.7、11.3。
[0133]
所述北斗播报ura是对应的ure分布的标准差相对保守的1σ估计，一般要求以68％的概率包络住ure标准差或以95％包络住ure的2倍标准差。ura主要用于各项完好性指标的监测，在本发明中，以95％为分位点选取各个类中尾部5％数据样本作为该簇的最差情况的ure值分布，选取最差情况下ure来评估北斗播报ura有利于设置araim算法中更为保守的阈值，更符合完好性监测的要求。
[0134]
为了使获取的ura更为保守，更符合完好性监测的要求，在本实施例中，利用所述最差情况的ure分布对所述北斗播报ura进行评估具体包括：
[0135]
根据所述最差情况的ure分布计算得到最差情况的ura分布；
[0136]
将所述最差情况的ura分布与所述北斗播报ura进行比较，判断所述北斗播报ura能否以预设概率包络住最差情况ura；若能包络住，则评估结果为通过评估；若不能包络住，则评估结果为未通过评估；
[0137]
比较由最差情况下ure计算得到的ura与北斗播报ura，若北斗播报ura能以68％的概率包络住由最差情况ure计算得到的ura，则地面站可将其包含在ism中播发给用户；若不
能，则地面监测站应重新播报北斗播报ura，且应重新评估以得到更符合北斗性能的ura值播发给用户。
[0138]
本实施例中提出的适用于北斗的完好性支持信息参数生成方法，采集北斗系统各轨道卫星的观测数据并相应计算用户距离误差得到初始样本数据集后，通过fcm聚类算法对初始样本数据集进行柔性分类，选取分类后的各类尾部的最差情况的ure分布对北斗系统地面监测站的播报ura进行评估，得到最符合北斗系统各卫星的播报ura发送给用户；通过引入模糊聚类算法对北斗各轨道卫星的用户距离误差ure数据集进行判类处理选取最差情况下ure分布来评估北斗播报ura，有利于在araim算法中设置更为保守的阈值，更符合完好性监测的要求。
[0139]
实施例2：
[0140]
对应于实施例1，本发明还提供了一种适用于北斗的完好性支持信息参数生成系统。
[0141]
此外，本发明实施例1的方法也可以借助于图5所示的适用于北斗的完好性支持信息参数生成系统的架构来实现。如图5所示，该完好性支持信息参数生成系统可以包括卫星观测数据获取模块1、卫星观测数据集处理模块2、fcm分类模块3、数据集扩充模块4、北斗播报ura获取模块5、ura评估模块6和信息发送模块7；一些模块还可以有用于实现其功能的子单元，例如在卫星观测数据集处理模块2中还可以包括异常数据剔除单元2-1和ure计算单元2-2；在数据集扩充模块4中还可以包括采样时间扩大单元4-1和分类对比单元4-2；在北斗播报ura获取模块5中还可以包括urai获取单元5-1和ura转换单元5-2。当然，图5所示的架构只是示例性的，在实现不同的功能时，根据实际需要，可以省略图5示出的系统中的一个或至少两个组件。
[0142]
技术中的程序部分可以被认为是以可执行的代码和/或相关数据的形式而存在的“产品”或“制品”，通过计算机可读的介质所参与或实现的。有形的、永久的储存介质可以包括任何计算机、处理器、或类似设备或相关的模块所用到的内存或存储器。例如，各种半导体存储器、磁带驱动器、磁盘驱动器或者类似任何能够为软件提供存储功能的设备。
[0143]
所有软件或其中的一部分有时可能会通过网络进行通信，如互联网或其他通信网络。此类通信可以将软件从一个计算机设备或处理器加载到另一个。例如：从视频目标检测设备的一个服务器或主机计算机加载至一个计算机环境的硬件平台，或其他实现系统的计算机环境，或与提供目标检测所需要的信息相关的类似功能的系统。因此，另一种能够传递软件元素的介质也可以被用作局部设备之间的物理连接，例如光波、电波、电磁波等，通过电缆、光缆或者空气等实现传播。用来载波的物理介质如电缆、无线连接或光缆等类似设备，也可以被认为是承载软件的介质。在这里的用法除非限制了有形的“储存”介质，其他表示计算机或机器“可读介质”的术语都表示在处理器执行任何指令的过程中参与的介质。
[0144]
本发明中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；本领域的技术人员应该理解，上述本发明的各模块或各步骤可以用通用的计算机装置来实现，可选地，它们可以用计算装置可执行的程序代码来实现，从而，可以将它们存储在存储装置中由计算装置来执行，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。本发明不限制于任何特定的硬件和软件的结合。
[0145]
同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。

技术特征：
1.一种适用于北斗的完好性支持信息参数生成方法，其特征在于，所述方法包括：设置初始的采样时间及采样间隔，在所述采样时间内按照所述采样间隔对北斗系统各轨道的卫星观测数据进行采样，得到北斗各轨道卫星观测数据集；利用所述北斗各轨道卫星观测数据集中的各卫星观测数据计算用户距离误差ure，得到初始样本数据集；利用fcm聚类算法根据北斗系统轨道数对所述初始样本数据集进行分类，得到多类样本数据集；选取所述多类样本数据集中各类尾部的样本数据作为最差情况的ure分布；获取北斗系统地面监测站的北斗播报ura；利用所述最差情况的ure分布对所述北斗播报ura进行评估，得到评估结果；若所述评估结果为通过评估，则将所述北斗播报ura以及所述分类后的ure加入到完好性支持信息中发送给用户；若所述评估结果为未通过评估，则重新获取北斗系统地面监测站的北斗播报ura并进行评估。2.根据权利要求1所述的完好性支持信息参数生成方法，其特征在于，所述利用北斗各轨道卫星观测数据集中的各卫星观测数据计算用户距离误差ure具体包括：将北斗各轨道卫星观测数据集中的异常观测数据进行剔除；所述异常观测数据包括星历数据丢失，健康标识为不可用以及时钟误差故障的卫星数据；根据北斗全球平均ure计算式得到各卫星观测数据的平均ure值，由各卫星观测数据的平均ure值组成所述初始样本数据集：其中，re为径向误差，te为卫星时钟误差，ae为切向误差，ce为法向误差，rmsure
bds
为平均ure值。3.根据权利要求1所述的完好性支持信息参数生成方法，其特征在于，所述利用fcm聚类算法根据北斗系统轨道数对所述初始样本数据集进行分类具体包括：根据北斗系统轨道数将所述初始样本数据集分为c个初始类；确定fcm目标函数j及其约束条件：确定fcm目标函数j及其约束条件：其中，n为初始样本数据集中样本数据的个数，x
j
为第j个样本数据的位置，u
ij
为第j个样本数据属于第i个初始类的隶属度，c
i
表示第i个初始类的类中心，m为样本轻缓度因子；采用拉格朗日乘数法对fcm目标函数进行变量求解。4.根据权利要求3所述的完好性支持信息参数生成方法，其特征在于，所述采用拉格朗日乘数法对fcm目标函数进行变量求解具体包括：
采用拉格朗日乘数法，将约束条件与拉格朗日系数相乘添加到目标函数中：分别对其中的u
ij
和c
i
求导并令其各自结果为0，分别求出u
ij
的迭代公式和c
i
的迭代公式；将所述u
ij
的迭代公式和所述c
i
的迭代公式带入所述目标函数中，求出当前目标函数j。5.根据权利要求1所述的完好性支持信息参数生成方法，其特征在于，所述利用fcm聚类算法根据北斗系统轨道数对所述初始样本数据集进行分类之后，在所述得到多类样本数据集之前还包括：扩大采样时间，在所述扩大后的采样时间内按照所述采样间隔对北斗系统各轨道的卫星观测数据进行采样，并对采样得到的各轨道的卫星观测数据计算ure值，得到扩充样本数据集；利用fcm聚类算法对所述扩充样本数据集进行分类并计算类中心点；判断所述扩充样本数据集的目标函数j1和所述初始样本数据集的目标函数j的差值是否小于预设阈值；若是，则将所述扩充样本数据集加在所述初始样本数据集中，得到所述多类样本数据集；若否，则设置一准则函数，继续扩大所述扩充样本数据集的采样时间，并对所述扩充样本数据集重新计算类中心点；判断所述准则函数是否收敛，若所述准则函数收敛，则将所述扩充样本数据集加在所述初始样本数据集中，得到所述多类样本数据集；若所述准则函数不收敛，则继续扩大所述扩充样本数据集的采样时间，并对所述扩充样本数据集重新计算类中心点，直到所述准则函数收敛；所述准则函数为：其中，i为初始样本数据集类的个数，c
i
为初始样本数据集类中心点，c
sat,k
是新数据类中心点，数量为n，dist(c
sat,k
,c
i
)2为扩充样本数据集类中心点到初始样本数据集类中心点的距离。6.根据权利要求1所述的完好性支持信息参数生成方法，其特征在于，所述获取北斗系统地面监测站的北斗播报ura具体包括：从北斗系统地面监测站的播报数据中获取得到北斗播报urai值；根据urai和ura的转换规则将所述北斗播报urai值转换为北斗播报ura值；所述urai和ura的转换规则为：当0≤n＜6时，当6≤n＜15时，ura＝2
n-2
；当n＝15时，表示卫星轨道机动或者没有精度预报；
当n＝1、3、5时，ura经四舍五入后分别为2.8、5.7、11.3。7.根据权利要求6所述的完好性支持信息参数生成方法，其特征在于，所述利用所述最差情况的ure分布对所述北斗播报ura进行评估具体包括：根据所述最差情况的ure分布计算得到最差情况的ura分布；将所述最差情况的ura分布与所述北斗播报ura进行比较，判断所述北斗播报ura能否以预设概率包络住最差情况ura；若能包络住，则评估结果为通过评估；若不能包络住，则评估结果为未通过评估。8.一种适用于北斗的完好性支持信息参数生成系统，其特征在于，所述系统被处理器运行时执行如权利要求1-7任一项所述的完好性支持信息参数生成方法。

技术总结
本发明提出了一种适用于北斗的完好性支持信息参数生成方法及系统，在采集北斗系统各轨道卫星的观测数据并相应计算用户距离误差得到初始样本数据集后，通过FCM聚类算法对初始样本数据集进行分类得到多类样本数据集，选取多类样本数据集各类尾部的最差情况的URE分布对北斗系统地面监测站的播报URA进行评估，得到最符合北斗系统各卫星的播报URA发送给用户，使得到的播报URA更符合北斗系统完好性监测的要求，进而使地面监测站播报的ISM参数符合北斗系统性能，减小采用ARAIM时的完好性风险。险。险。


技术研发人员：王志鹏 方堃 谢玉文
受保护的技术使用者：北京航空航天大学
技术研发日：2021.11.12
技术公布日：2022/3/8