基于实时流的完整性监控，用于GNSS精确轨道和时钟校正，确保可靠的RT-PPP（实时精密定位）

《Advances in Space Research》：Real-time stream-based integrity monitoring for GNSS precise orbit and clock corrections enabling reliable RT-PPP

　　摘要
精确轨道和时钟校正的完整性监测在实现可靠的精确点定位（PPP）中发挥着重要作用。然而，现有的精确校正完整性监测策略主要基于离线后处理，这限制了它们在实时PPP（RT-PPP）中的应用。本研究探讨了使用实时数据流在离线实时模式下进行精确轨道和时钟校正的实时完整性监测。基于从未结合的PPP中提取的载波相位残差和模糊度消除（PPP-AR）模型，通过滑动窗口处理生成两种类型的完整性支持信息（ISM）。采用提出的优化高斯核加权边界（O-GKWB）方法计算质量指标（QI），以表征误差行为；而健康指标（HI）则基于提出的时变检测阈值（TVDT）生成，用于评估卫星健康状态。利用两个月的实时卫星数据和来自35个监测站的观测数据，评估了所提出的ISM计算策略在计算效率、统计稳定性和故障检测能力方面的表现。结果表明，ISM生成和传播的平均处理延迟保持在16毫秒以下，波动范围约为6毫秒。构成QI的残差均值和标准差分别保持在±0.005米和±0.004米以内。检测阈值的范围为0-0.05米，可以检测到的最小轨道和时钟故障分别为5.1-6.3厘米和0.18-0.29纳秒。最后，在10个验证站进行的实时PPP实验表明，结合服务端的QI和HI可以提高用户端的定位性能。三维均方根（3D-RMS）值的68%和95%分位数从约5-6厘米减少到4-5厘米，收敛时间从约8-10分钟缩短到7-9分钟。这些结果表明，所提出的实时ISM生成方法在定位精度上提高了近20%，在收敛时间上提高了超过10%，展示了其在提高RT-PPP可靠性和定位性能方面的潜在价值。

引言
近年来，全球导航卫星系统（GNSS）的精确定位已成为包括智能交通、自主平台和其他高精度服务在内的广泛应用中定位、导航和定时（PNT）的基本来源（Du等人，2021年）。尽管在复杂场景中GNSS往往不再是唯一的或主导的定位来源，但其作为唯一全球可用的PNT信息提供者的角色意味着GNSS输出的可靠性继续直接影响用户定位的可靠性。随着基于GNSS的定位超越了单纯以精度为导向的性能，用户越来越强调在实时操作条件下的定位解决方案的完整性和连续性（Zhang等人，2025年）。在这种背景下，实时精确点定位（RT-PPP）已成为实时高精度应用的关键技术。然而，RT-PPP解决方案的可靠性从根本上受到实时精确轨道和时钟校正的质量和可靠性的限制（Zhang等人，2024年）。这突显了对实时精确轨道和时钟校正进行完整性监测的必要性，以便及时识别潜在的质量下降并向用户传达。完整性概念起源于民用航空领域，涉及对导航信息的信任程度（Zhu等人，2018年）。在航空应用中，完整性监测主要用于支持飞行安全，并已建立了一个相对成熟的技术框架。代表性技术包括接收机自主完整性监测（RAIM），最初是为GPS星座的水平引导开发的（Angrisano等人，2019年），以及高级RAIM（ARAIM），它是为了满足多频率和多星座环境下的更严格引导要求而引入的（GEAS，2010年）。与RAIM相比，ARAIM引入了完整性支持信息（ISM）以向用户提供系统性能信息（Blanch等人，2015年），并进一步区分了离线和在线ARAIM框架下ISM的传播特性（Blanch等人，2014年）。虽然航空中的ISM旨在支持生命安全关键操作，但本研究中考虑的ISM并不是针对航空级别的安全保证。本研究关注于服务端对精确轨道和时钟校正的产品级完整性监测，目的是支持可靠的RT-PPP，而不是满足航空应用中的严格生命安全要求。ARAIM框架内开发的ISM概念，特别是关于ISM的结构和利用，为本研究中采用的ISM生成策略的设计提供了概念和方法论参考。在民用航空应用中，定位精度要求相对较低，通常可以使用伪距观测实现米级定位，广播星历作为主要外部产品。为了表征广播星历和空间信号精度的可靠性，广播导航消息中提供了与完整性相关的信息，如卫星健康标志和用户距离精度（URA）或空间信号精度（SISA）（Chen等人，2018年；Hu等人，2024年）。然而，这些指标通常基于长期统计特征或名义精度假设得出，因此捕捉瞬时异常或运动误差变化的能力有限。为了解决这些限制，进一步的研究调查了广播星历的完整性评估。一方面，空间信号范围误差（SISRE）已被广泛采用作为表征广播轨道和时钟精度和完整性的指标。通过将轨道和时钟误差投影到用户-卫星视线方向上，SISRE提供了与用户相关的空间信号性能度量（Montenbruck等人，2015年）。长期SISRE分析用于评估不同GNSS星座的统计行为和边界能力，揭示了声明的精度指标与实际误差分布之间的时间变异性和不一致性（Díaz等人，2015年；Wang等人，2018年；Wang等人，2023年）。另一方面，由于基于SISRE的分析依赖于后处理的参考精确星历，也提出了基于伪距残差的替代方法。这些方法从伪距残差构建统计样本，并应用检测阈值来识别广播星历中的故障卫星（Heng等人，2010年；Jiang等人，2018年）。然而，上述方法主要针对广播星历的完整性监测，其监测结果主要用于基于伪距观测的低精度定位应用。因此，这些方法不能直接扩展到支持高精度定位所需的精确星历的完整性监测。与民用航空应用相比，高精度GNSS定位，特别是在厘米级别，对精度和可靠性提出了更为严格的要求。在高精度定位技术中，PPP依赖于多个误差组分的精确状态估计，因此更直接且严格地依赖于精确轨道和时钟校正的精度和可靠性。因此，精确轨道和时钟校正的完整性成为决定PPP结果可靠性的关键因素。为了解决这个问题，现有研究使用多种方法对精确轨道和时钟校正的完整性进行了监测。一类方法基于SISRE（Xiao等人，2023年；Huang等人，2024年）进行监测。另一类主要方法利用来自PPP处理的载波相位残差。代表性研究使用了无电离层或未结合PPP浮点解模型的载波相位残差（Wang等人，2020年；Zhou等人，2025年；Wang等人，2025年），后续工作进一步结合了来自PPP固定解模型的载波相位残差以提高异常检测能力（Li等人，2024年；Xie等人，2025a）。近年来，基于残差的指标已被纳入先进的异常检测框架，包括基于机器学习的方法（如隔离森林（Li等人，2024年；Xue等人，2025b）以及位置域解分离技术（Xie等人，2025b），以提高轨道和时钟异常的识别能力。尽管这些方法利用了实时精确星历，但它们的统计建模和参数估计通常在离线处理和后分析中进行。因此，它们难以直接应用于具有严格实时要求的操作场景，实际应用于高精度RT-PPP用户的可行性仍然有限。为了解决上述限制，本研究首次开发了一种在完全离线操作模式下进行实时完整性监测的算法，通过生成和传播精确轨道和时钟校正的ISM来支持可靠的RT-PPP。具体而言，基于从未结合的PPP和模糊度消除（PPP-AR）模型中提取的载波相位残差，计算两种类型的ISM，包括质量指标（QI）和健康指标（HI）。对于QI生成，提出了优化高斯核加权边界（O-GKWB）方法，以实现残差的稳健统计建模并表征精确轨道和时钟校正的实时质量特性。对于HI生成，提出了时变检测阈值（TVDT）方法，使检测阈值能够动态适应实时的残差变化，从而确保可靠的异常识别和准确的HI计算。生成的QI和HI共同构成了精确轨道和时钟校正的ISM，然后将其引入RT-PPP随机模型以提高定位可靠性。

第2节介绍了精确轨道和时钟校正的实时完整性监测方法。首先介绍了测试统计量的构建，然后详细描述了基于滑动窗口处理的QI和HI的生成过程。接着描述了生成的ISM在RT-PPP用户处理中的应用。第3节描述了本研究中使用的数据集及其对应的数据处理策略。第4节提供了全面的实验结果，包括ISM生成的实时计算效率评估、QI计算的统计分析、HI计算的检测性能分析以及可靠RT-PPP的定位验证。最后，第5节总结了本文的主要发现。

方法论
为了支持GNSS精确轨道和时钟校正的实时完整性监测，构建适当的测试统计量是必要的前提。这些测试统计量为表征质量行为和检测异常提供了基本量，第2.1节对此进行了简要介绍。本 study 的主要方法论重点在第2.2节中提出，其中通过滑动窗口处理计算实时QI和HI。

数据集和处理策略
本节描述了实验中使用的数据集以及实时精确轨道和时钟校正完整性监测的相应处理策略。图2展示了精确轨道和时钟校正实时完整性监测流程图的处理流程。流程图包括三个阶段：数据输入、实时完整性监测和用户接收。实时GNSS数据流通过NTRIP（互联网传输RTCM结果）提供。

结果与分析
第4节对GNSS精确轨道和时钟校正的实时完整性监测及其在可靠RT-PPP中的应用进行了全面评估。4.1节评估了ISM生成的实时计算效率，以验证操作部署的可行性。4.2节重点讨论了QI的计算。具体来说，将从未结合的PPP-AR解决方案构建的测试统计量与从未结合的PPP中得到的统计量进行了比较。

结论
本研究探讨了在完全离线条件下使用实时数据流进行精确轨道和时钟校正的实时完整性监测。在服务端，基于滑动窗口处理生成了两种类型的ISM，其中提出了O-GKWB方法来计算QI，提出了TVDT方法来支持HI的生成。随后将ISM传播给用户端，以提高RT-PPP的可靠性。主要结论如下：

未引用的参考文献
Angrisano等人，2020年；Bulut和Singh，2005年；Diaz等人，2015年；Dong和Bock，1989年；Du等人，2025年；Euler和Schaffrin，1991年；GPS进化架构研究（GEAS），2010年；Heng等人，2012年；Huang等人，2023年；Rousseeuw和Croux，1993年；Sheather和Jones，1991年；Silverman，2018年；Wang和Shen，2020年。

利益冲突声明
作者声明他们没有已知的财务利益或个人关系可能会影响本文报告的工作。

致谢
作者衷心感谢CAS实时分析中心提供实时校正流，以及相关机构在中国持续运行的参考站提供的观测数据流的支持。本项工作得到了山东省重点研发计划（2024CXGC010116）、国家自然科学基金（42174038）、北京诺瓦计划（20230484329）以及中国青年创新促进会的支持。参与研究的人员包括：Zhen Lyu、Ningbo Wang、Zishen Li、Jacek Paziewski、Pawel Wielgosz、Yang Li、Mingqiang Xie 和 Bingcheng Liu。