【技术实现步骤摘要】
本专利技术涉及卫星定位，具体涉及一种定位卫星选择方法、装置及存储介质。
技术介绍
1、随着低轨卫星星座的不断建设和发展，接收机能获得的可见卫星数目得到了显著的增加，为导航定位性能的提升提供了客观条件，然而也增加了接收机的信号处理负担。因此如何在大量可见卫星中选择合适的卫星组合，在满足定位需求的同时减少计算量，成为了研究的热点。
2、现有选星方法主要是使用几何精度因子（gdop）最优选星算法，通过遍历所有可见卫星组合来寻找使gdop值最小的组合，然而这种选星方法计算量大，影响实时性，因此有部分学者通过递归优化算法来减少选择的卫星总数，然而递归算法运算量大，且会陷入局部gdop贡献导致排除卫星过多后性能大幅度下滑的问题出现；在大规模卫星星座可视卫星数目过多时，这些传统选星方法的计算效率将明显下降，从而影响定位的实时性。在遮挡环境下，原有的基于均匀分布的卫星选择算法也会导致定位精度的下降。
3、由此可见，为克服传统选星方法的不足，研究面向大规模卫星星座的卫星定位，尤其是面向大规模卫星星座的定位卫星选择方法，可以进一步提升导航定位的精度、实时性和可靠性，对于国内导航定位领域的进一步发展具有至关重要的意义。
技术实现思路
1、本专利技术主要解决的技术问题是在面向大规模卫星星座时，如何进行定位卫星的选择。
2、根据第一方面，一种实施例中提供一种定位卫星选择方法，包括：
3、从当前设备能观测到的卫星星座中确定当前设备的选星区，获取该选星区的目标函数
4、利用优化算法从该选星区内中选择能够最小化所述目标函数的卫星；其中，所述目标函数是基于该选星区内预设数量的卫星的位置而得到的；
5、将所述能够最小化所述目标函数的卫星用于定位。
6、一实施例中，该选星区的目标函数的表达式为：
7、
8、；
9、其中， x i 、y i 、z i分别是该选星区内第 i个卫星在坐标轴 x轴、 y轴和 z轴上的坐标值归一化后对应的值， a1、 b1、 c1、 d1、 e1和 f1分别为各项的权重系数， n表示所述预设数量； m和 l为对应项的指数；其中，所述优化算法包括群智能优化算法或人工神经网络。
10、一实施例中， a1、 b1、 c1、 d1、 e1和 f1均等于1，m=4， l=2；所述群智能优化算法包括遗传算法、粒子群算法、蚁群算法、免疫算法、人工蜂群算法或差分进化算法。
11、一实施例中，上述定位卫星选择方法还包括：
12、获取卫星星座的导航电文，根据所述导航电文计算当前设备能观测到卫星星座中各个卫星的仰角，并将各个仰角中最小的作为实际低仰角；
13、在几何精度因子满足预设条件的情况下，获取低仰角处和高仰角处卫星数量的比例与所述实际低仰角之间的第一函数关系，并将所述实际低仰角代入所述第一函数关系，由所述第一函数关系计算得到低仰角处和高仰角处卫星数量的最大比例；
14、根据所述最大比例，选取第一数量的低仰角处的卫星和第二数量的高仰角处的卫星，并得到第一数量和第二数量之间的理论比例，获取理论高仰角、实际低仰角和理论比例之间的第二函数关系，并将所述实际低仰角和理论比例代入所述第二函数关系，由所述第二函数关系计算得到所述理论高仰角；
15、其中，所述从当前设备能观测到的卫星星座中确定当前设备的选星区，获取该选星区的目标函数，包括：
16、根据所述理论高仰角和所述实际低仰角，确定用于选择卫星的低仰角子选星区和高仰角子选星区；
17、分别获取该低仰角子选星区的目标函数和该高仰角子选星区的目标函数；其中，所述选星区包括该低仰角子选星区和该高仰角子选星区。
18、一实施例中，所述利用优化算法从该选星区内中选择能够最小化所述目标函数的卫星，包括：
19、利用优化算法从所述低仰角子选星区内中选择第一数量的能够最小化该低仰角子选星区的目标函数的卫星；
20、利用优化算法从所述高仰角子选星区内中选择第二数量的能够最小化该高仰角子选星区的目标函数的卫星；
21、其中，该低仰角子选星区的目标函数是基于该低仰角子选星区第一数量的卫星的位置而得到的，该高仰角子选星区的目标函数是基于该高仰角子选星区第二数量的卫星的位置而得到的，该第一数量与该第二数量之和等于所述预设数量。
22、一实施例中，该低仰角子选星区的目标函数的表达式为：
23、；
24、其中， x i和 y i分别是该低仰角子选星区内第 i个卫星在坐标轴 x轴、 y轴上归一化后对应的值， a2、 b2和 c2分别为各项的权重系数， n1表示所述第一数量； m和 l为对应项的指数；该高仰角子选星区的目标函数的表达式为：
25、；
26、其中， x j和 y j分别是该高仰角子选星区内第 j个卫星在坐标轴 x轴、 y轴上归一化后对应的值， d2、 e2和 f2分别为各项的权重系数，n2表示所述第二数量；所述优化算法包括群智能优化算法或人工神经网络。
27、一实施例中， a2、 b2、 本文档来自技高网...
【技术保护点】
1.一种定位卫星选择方法，其特征在于，包括：
2.如权利要求1所述的方法，其特征在于，该选星区的目标函数的表达式为：
3.如权利要求2所述的方法，其特征在于，A1、B1、C1、D1、E1和F1均等于1，m=4，l=2；所述群智能优化算法包括遗传算法、粒子群算法、蚁群算法、免疫算法、人工蜂群算法或差分进化算法。
4.如权利要求1所述的方法，其特征在于，还包括：
5.如权利要求4所述的方法，其特征在于，所述利用优化算法从该选星区内中选择能够最小化所述目标函数的卫星，包括：
6.如权利要求5所述的方法，其特征在于，该低仰角子选星区的目标函数的表达式为：
7.如权利要求6所述的方法，其特征在于，A2、B2、C2、D2、E2和F2均等于1，m=4，l=2；所述群智能优化算法包括遗传算法、粒子群算法、蚁群算法、免疫算法、人工蜂群算法或差分进化算法。
8.一种定位卫星选择装置，其特征在于，包括：
9.一种计算机可读存储介质，其特征在于，包括程序，所述程序能够被处理器执行以实现如权利要求1-7中任一项
10.一种计算机程序产品，包括计算机程序和/或指令，其特征在于，所述计算机程序和/或指令被处理器执行时实现权利要求1-7中任一项所述的方法。
...【技术特征摘要】
1.一种定位卫星选择方法，其特征在于，包括：
2.如权利要求1所述的方法，其特征在于，该选星区的目标函数的表达式为：
3.如权利要求2所述的方法，其特征在于，a1、b1、c1、d1、e1和f1均等于1，m=4，l=2；所述群智能优化算法包括遗传算法、粒子群算法、蚁群算法、免疫算法、人工蜂群算法或差分进化算法。
4.如权利要求1所述的方法，其特征在于，还包括：
5.如权利要求4所述的方法，其特征在于，所述利用优化算法从该选星区内中选择能够最小化所述目标函数的卫星，包括：
6.如权利要求5所述的方法，其特征在于，该低仰...
【专利技术属性】
技术研发人员：汪洋，郭俊琪，
申请(专利权)人：哈尔滨工业大学深圳哈尔滨工业大学深圳科技创新研究院，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。