《Electronics》：Integer Ambiguity Resolution Based on Capuchin-Cuckoo Cooperative Search Algorithm and Enhanced Sharpness-Adaptive Ratio Test
编辑推荐：
在全球导航卫星系统（GNSS）载波相位观测中，快速且准确的整周模糊度解算对于厘米级定位至关重要。随着北斗三号（BeiDou-3）和伽利略（Galileo）系统的运行，维度的增加对LAMBDA（最小二乘模糊度降相关平差）算法提出了挑战，导致其计算复杂度呈指数增长
在全球导航卫星系统（GNSS）载波相位观测中，快速且准确的整周模糊度解算对于厘米级定位至关重要。随着北斗三号（BeiDou-3）和伽利略（Galileo）系统的运行，维度的增加对LAMBDA（最小二乘模糊度降相关平差）算法提出了挑战，导致其计算复杂度呈指数增长，且高度依赖浮点解质量。本文提出了一种卷尾猴-布谷鸟协同搜索算法（CCCSA），结合了卷尾猴算法的全局探索能力和布谷鸟搜索的莱维飞行（Levy flights）机制以跳出局部最优。在模拟的整数最小二乘（ILS）实验中，相较于LAMBDA和改进型LAMBDA（M-LAMBDA），CCCSA将解算时间分别减少了67%和10%，并在12维场景下保持了超过98%的成功率；在一条42.7公里的长基线测试中，其成功率达到了77.4%，比LAMBDA高出25个百分点。为克服传统比率检验（Ratio test）的缺陷——即一个缺乏空间拓扑感知能力的一维标量比值——本文提出了一种增强型锐度自适应比率检验（ESA-Ratio），该方法融合了多维特征。全阈值扫描显示，ESA-Ratio在阈值为2.0时可安全运行，而传统比率检验需将阈值设为3.0才能降低假峰风险，此时ESA-Ratio的真实固定率为97.55%，错误固定率为0.14%。累积分布函数（CDF）分析表明，ESA-Ratio的95%置信度三维定位误差为0.0166米，而传统比率检验为0.0170米。这些结果证实，在所测试的静态单系统场景中，ESA-Ratio能在更低的阈值下同时提高可用性、完好性和定位精度。
论文解读文章
1. 研究背景与问题
全球导航卫星系统（GNSS）载波相位测量是实现高精度定位的关键技术，但其固有的整周模糊度（IA）未知参数必须被正确解算才能达到厘米级精度。整周模糊度解算本质上是一个整数最小二乘（ILS）问题。目前，最广泛使用的LAMBDA算法通过重构代价函数和搜索空间进行穷举搜索，但其性能高度依赖于浮点解的准确性。随着北斗三号和伽利略等多星座系统的建成，参与解算的卫星数量激增，导致模糊度维度可能超过10维甚至20维。在此类超高维环境下，传统LAMBDA方法的计算复杂度呈指数级增长，且对浮点解质量的依赖性更强。此外，确认固定解可靠性的比率检验（Ratio test）仅依靠最优解与次优解的残差标量比值做决策，在多峰值搜索空间中易受假峰影响而产生误判，因此工程实践中不得不采用保守阈值（≥3.0），牺牲了可用性以确保安全性。为解决上述搜索效率与可靠性确认的双重瓶颈，本研究旨在开发一种集高效搜索与精准验证于一体的综合框架。
2. 研究内容与结论
研究人员提出了一种集“搜索-确认”于一体的解算框架。在搜索阶段，设计了卷尾猴-布谷鸟协同搜索算法（CCCSA），该算法整合了卷尾猴搜索算法（CSA）的跳跃摆动行为以实现大规模全局探索，并引入布谷鸟搜索（CS）的莱维飞行（Levy flights）机制进行非高斯随机扰动，帮助逃离局部最优陷阱。在确认阶段，提出了增强型锐度自适应比率检验（ESA-Ratio），该方法利用CCCSA收敛过程中种群围绕最优解的拓扑分布特征，提取收敛锐度作为补充的空间信息，并与传统比率检验融合，构建了一个多维特征自适应的验证模型。实验结果表明：在模拟的ILS问题中，CCCSA的解算时间相比LAMBDA和M-LAMBDA分别减少了67%和10%，且在12维场景下成功率维持在98%以上，验证了其在高效搜索和高维适应性方面的优势。在42.7公里长基线实测数据测试中，CCCSA的成功率达到77.4%，显著高于LAMBDA的52.4%。对于ESA-Ratio，全阈值扫描显示其在阈值为2.0时即可安全运行，真实固定率达97.55%，错误固定率仅为0.14%，均优于传统比率检验在阈值3.0下的表现。累积分布函数（CDF）分析进一步证实，ESA-Ratio在95%置信度下的三维定位误差（0.0166米）也优于传统方法（0.0170米）。这些结论具有重要意义，表明该集成框架不仅提升了搜索效率和对高维问题的适应能力，还通过利用搜索过程的中间信息实现了更精细的可靠性校准，打破了传统方法中可用性与安全性之间的权衡。
3. 主要关键技术方法
为开展此项研究，研究人员主要采用了以下关键技术方法：
- •
卷尾猴-布谷鸟协同搜索算法（CCCSA）：一种混合元启发式算法，结合了卷尾猴搜索算法（CSA）的领导者跳跃/摆动全局探索策略与布谷鸟搜索（CS）的莱维飞行（Levy flights）局部逃逸机制。
- •
增强型锐度自适应比率检验（ESA-Ratio）：一种新型模糊度验证方法，通过计算种群中若干次优个体到全局最优个体的平均欧氏距离（即收敛锐度s），并将其作为惩罚项融入传统比率检验，形成多维特征融合的自适应决策规则。
- •
Z变换降相关处理：用于消除模糊度浮点解各维度间的相关性，改善搜索空间的形态。
- •
基准测试函数与合成ILS问题：使用12个国际公认的基准函数评估算法优化能力，并通过控制噪声标准差σ和相关系数ρ生成合成ILS问题，以验证算法在离散整数格点上的性能。
- •
实测数据验证：采用桂林电子科技大学花江校区采集的短基线（1米）单频GPS数据（693历元）和香港CORS网络HKWS-HKSL站点的长基线（42.7公里）数据（1000历元）进行工程应用验证。
4. 研究结果
5.1 测试函数与算法对比实验
通过12个基准函数（F1-F12，包括单峰和多峰函数）的测试，将CCCSA与CSA、灰狼优化器（GWO）、粒子群优化（PSO）进行了比较。结果表明，CCCSA在绝大多数函数上获得了更小的均值和标准差，表明其具有更高的优化精度和稳定性。Wilcoxon秩和检验在36组配对比较中有33组显示出统计显著性（p-值低至7.07×10-18），证实了CCCSA的优势并非偶然。收敛曲线图显示，CCCSA在早期下降迅速，后期在多峰函数上能持续阶梯式下降，体现了其全局探索与局部逃逸的协同优势。
5.2 三维整周模糊度解算实验
在3维模拟实验中，所有五种算法（CS、CSA、CCCSA、LAMBDA、M-LAMBDA）均实现了100%的成功率。CCCSA的平均解算时间为0.0203秒，分别比LAMBDA和M-LAMBDA快0.0418秒和0.0022秒，表明即使在低维场景下，CCCSA也展现出明显的速度优势。
5.3 高维整周模糊度解算实验
在6维和12维模拟实验中，CCCSA的收敛曲线显示其即使陷入局部最优也能在短时间内跳出。随着维度从3增至12，CCCSA的成功率仅从100%降至98%，而LAMBDA则从100%降至93%。在12维条件下，CCCSA的平均解算时间比LAMBDA减少约67%（0.1261秒），成功率高5个百分点。消融实验表明，单独的CSA或CS均未超越LAMBDA，CCCSA的优势源于两者的协同组合。
5.4 合成高维整数最小二乘实验
在控制相关性和条件数的合成ILS问题中，CCCSA在中等难度水平（σ=0.2）下，于18至30维范围内保持了93%-97%的成功率，非常接近精确ILS方法（LAMBDA/M-LAMBDA）的95%-98%。在高噪声水平（σ=0.35）下，所有算法的成功率均急剧下降，呈现典型的临界噪声水平附近的悬崖式行为。相关性系数ρ的实验表明，更强的相关性会提高成功率。
5.5 工程应用
- •
短基线实验：使用693历元单频GPS数据，CCCSA在40历元内收敛，在x、y、z方向实现了±0.93cm、±1.70cm、±1.03cm的厘米级定位。其成功率（95.82%）和计算效率均优于LAMBDA（93.80%）。
- •
长基线实验：使用香港CORS网络的1000历元数据（基线长42.7公里），CCCSA的成功率为77.4%，远高于LAMBDA的52.4%，差距达25个百分点。这表明CCCSA在浮点解质量较差的长基线条件下仍具优势。
6. ESA-Ratio验证性能分析
- •
TFR/FFR全阈值灵敏度测试：在693历元短基线数据上进行全范围阈值验证。结果显示，在阈值为2.0时，ESA-Ratio的真实固定率（TFR）为97.55%，错误固定率（FFR）为0.14%；而传统比率检验在阈值3.0时的TFR为95.82%，FFR为0.29%。ESA-Ratio在更低阈值下实现了更高的可用性和更低的完整性风险。
- •
CDF累积分布分析：三维定位误差的CDF曲线显示，ESA-Ratio（阈值2.0）的曲线始终位于传统比率检验（阈值3.0）之上，意味着在相同累积概率下，前者定位误差更小。在95%置信度下，ESA-Ratio的三维定位误差为0.0166米，优于后者的0.0170米。
- •
交叉验证与敏感性分析：通过将数据分为训练集和测试集进行两折交叉验证，发现ESA-Ratio的参数（惩罚系数κ和锐度比例k）在不同数据集间具有良好的可迁移性。对种群规模和迭代次数的敏感性分析显示，TFR稳定在95.5%-98.3%之间，FFR不超过0.29%。
- •
扰动研究与消融实验：通过注入多路径类偏差和放大协方差噪声来模拟恶劣环境。在轻度扰动下，ESA-Ratio显著提高了TFR（从7.79%到10.97%，p=0.042）。消融实验量化了完整ESA-Ratio相对于仅使用锐度项的变体所带来的性能提升。
5. 讨论与结论
讨论部分总结：
论文围绕搜索性能、工程适应性和验证可靠性三个维度展开讨论。在搜索性能方面，CCCSA在标准基准函数和合成ILS问题上均表现出色，其优势源于CSA的广域探索与CS莱维飞行局部逃逸的互补性，且这种优势随维度增加而扩大。在工程适应性方面，短基线实验验证了厘米级定位精度，长基线实验则凸显了CCCSA在浮点解质量恶化时保持较高成功率的潜力，但指出单纯改进搜索算法可能不足以应对大气残余误差显著增加的情况，未来需结合大气建模或部分模糊度固定策略。在验证可靠性方面，ESA-Ratio通过引入收敛锐度克服了传统比率检验的结构性缺陷，不仅在低阈值下实现了更低的FFR，而且其选定的固定解在CDF分析中也展现出系统性精度优势，证明了其通过信息增益提供了更精确的历元可靠性校准。论文强调，CCCSA与ESA-Ratio的协同作用体现在前者提供高效的全局优化能力和丰富的种群分布信息，后者则利用这些信息实现更精细的可靠性评估，这种“搜索-确认”框架的设计理念可为其他群体智能搜索算法与模糊度验证方法的协同设计提供参考范式。
研究结论部分翻译：
本研究针对整周模糊度解算中的搜索效率和可靠性确认两个核心问题，提出了一种结合CCCSA搜索算法与ESA-Ratio验证方法的集成“搜索-确认”解算框架。在搜索组件中，CCCSA整合了卷尾猴搜索算法的跳跃-摆动全局探索机制和布谷鸟搜索的莱维飞行局部逃逸机制；在确认组件中，ESA-Ratio利用CCCSA收敛过程中种群的拓扑分布特征，通过收敛锐度增强了传统的比率检验。实验中提出的三项先验假设均得到验证：H1（在高维场景下，相对于LAMBDA的时间减少至少30%）、H2（成功率不低于95%）以及H3（在宽松阈值2.0下，TFR≥95%且FFR≤0.5%）。该框架的设计理念——利用搜索过程的中间信息反馈至确认阶段——不仅适用于CCCSA-ESA-Ratio组合，也为其他群体智能搜索算法与模糊度验证方法的协同设计提供了参考范式。
