Nội dung được dịch bởi AI, chỉ mang tính chất tham khảo
Phương pháp điều chỉnh bền vững để xác định trọng số của quan sát quán tính trong định vị điểm chính xác
Tóm tắt
Việc xác định trọng số chính xác cho các quan sát quán tính là rất quan trọng để cải thiện thời gian hội tụ và chất lượng định vị của Định vị Điểm Chính xác (PPP). Hiện tại, trọng số của một quan sát quán tính chủ yếu được xác định bằng các mô hình ngẫu nhiên thực nghiệm. Tuy nhiên, trong môi trường phức tạp, do không thể thích nghi với những biến đổi động của môi trường người dùng, các mô hình ngẫu nhiên thực nghiệm thường không phản ánh chính xác mức độ lỗi thực tế của các quan sát quán tính. Để giải quyết vấn đề này, một phương pháp điều chỉnh bền vững để xác định trọng số của các quan sát quán tính được đề xuất, trong đó xây dựng mô hình ước lượng và thổi phồng theo thời gian thực cho phương sai của lỗi đa đường quán tính và tiếng ồn đo đạc nhằm thay thế mô hình ngẫu nhiên thực nghiệm để xác định trọng số của các quan sát quán tính. Một tập dữ liệu thử nghiệm GPS tĩnh và động được sử dụng để xác minh tính hiệu quả của phương pháp được đề xuất. Kết quả thử nghiệm chỉ ra rằng mô hình ước lượng theo thời gian thực có thể cung cấp một đại diện tốt hơn về độ chính xác của quán tính, và hiệu suất định vị của PPP sử dụng mô hình ước lượng theo thời gian thực tốt hơn so với mô hình ngẫu nhiên thực nghiệm. So với mô hình ngẫu nhiên thực nghiệm tối ưu, độ chính xác định vị của PPP với mô hình ước lượng theo thời gian thực được cải thiện ít nhất 20%, và thời gian hội tụ giảm ít nhất 50%.
Từ khóa
#xác định trọng số #quan sát quán tính #mô hình ngẫu nhiên thực nghiệm #định vị điểm chính xác #lỗi đa đường #tiếng ồn đo đạc #ước lượng thời gian thực #hiệu suất định vị.Tài liệu tham khảo
Bijjahalli, S., & Sabatini, R. (2021). A high-integrity and low-cost navigation system for autonomous vehicles. IEEE Transactions on Intelligent Transportation Systems, 22(1), 356–369.
Blanco, D. N., Haag, M. (2011). Multipath analysis using code-minus-carrier for dynamic testing of GNSS receivers. In: International conference on localization and GNSS (ICL-GNSS), pp. 25–30.
Braasch, M. S. (2017). Multipath. In P. J. G. Teunissen (Ed.), Global navigation satellite systems (pp. 443–468). Springer.
Dovis, F., Muhammad, B., & Cianca, E. A. K. (2015). A run-time method based on observable data for the quality assessment of GNSS positioning solutions. IEEE Journal on Selected Areas in Communications, 33(11), 2357–2365.
Elmezayen, A., & EI-Rabbany, A. (2020). Real-time GNSS precise point positioning using improved robust adaptive Kalman filter. Survey Review, 53(381), 528–542.
Gao, Z., Shen, W., Zhang, H., Ge, M., & Niu, X. (2016). Application of Helmert variance component based adaptive Kalman filter in multi-GNSS PPP/INS tightly coupled integration. Remote Sensing, 8(7), 553–571.
Guo, F., Li, X. X., Zhang, X. H., & Wang, J. L. (2017). Assessment of precise orbit and clock products for Galileo, BeiDou, and QZAA from IGS Multi-GNSS Experiment (MGEX). GPS Solutions, 21(1), 279–290.
Lau, L. (2017). Wavelet packets based denoising method for measurement domain repeat-time multipath filtering in GPS static high-precision positioning. GPS Solutions, 21(2), 461–474.
Lee, H., Lee, C., Jeon, H., et al. (2020). Interference-compensating magnetometer calibration with estimated measurement noise covariance for application to small-sized UAVs. IEEE Transactions on Industrial Electronics, 67(10), 8829–8840.
Liu, Y. H., Ning, X. L., Li, J. L., et al. (2021). Adaptive central difference Kalman filter with unknown measurement noise covariance and its application to airborne POS. IEEE Sensor Journal, 21(8), 9927–9936.
Ma, H. Y., Psychas, D., Xing, X. H., Zhao, Q. L., Verhagen, S., & Liu, X. L. (2021). Influence of the inhomogeneous troposphere on GNSS positioning and integer ambiguity resolution. Advanced in Space Research, 67(6), 1914–1928.
Pan, Z. P. (2018). Theory and method of GNSS precise point positioning and its quality control. Master’s Thesis, PLA Strategic Support Force Information Engineering University, China.
Pan, L., Gao, X., Hu, J. H., Ma, F. J., Zhang, Z. Y., & Wu, W. W. (2021). Performance assessment of real-time multi-GNSS integrated PPP with uncombined and ionospheric-free combined observables. Advances in Space Research, 67(1), 234–252.
Parvazi, K., Farzaneh, S., Safari, A. (2020). Role of the RLS-VCE estimated stochastic model for improvement of accuracy and convergence time in multi-GNSS precise point positioning. Measurement, 165, Article 108073.
Seepersad, G., & Bisnath, S. (2015). Reduction of PPP convergence period through pseudorange multipath and noise mitigation. GPS Solutions, 19(3), 369–379.
Shen, N., Chen, L., Lu, X., et al. (2022). Interactive multiple-model vertical vibration detection of structures based on high-frequency GNSS observations. GPS Solutions, 26(2), 48–66.
Stpniak, L., Bogusz, J., Klos, A., Wielgosz, P. (2015). Assessment of tropospheric delay estimation methods on Precise Point Positioning time series. In: 26th international union of geodesy and geophysics, Prague, Czech.
Tétreault, P., Kouba, J., Héroux, P., et al. (2005). CSRS-PPP: An internet service for GPS user access to the Canadian Spatial Reference Frame. Geomatica, 59(1), 17–28.
Wang, L., Feng, Y., & Wang, C. (2013). Real-time assessment of GNSS observation noise with single receivers. Journal of Global Positioning Systems, 12(1), 73–82.
Yang, Y. (2019). Resilient PNT concept frame. Journal of Geodesy and Geoinformation Science, 2(3), 1–7.
Yang, Y., & Gao, W. (2006). An optimal adaptive Kalman filter. Journal of Geodesy, 80(4), 177–183.
Zhang, H. Y., Ji, S. Y., Wang, Z. J., & Chen, W. (2018). Detailed assessment of GNSS observation noise based using zero baseline data. Advances in Space Research, 62(9), 2454–2466.
Zhang, L., Sidoti, D., Bienkowski, A., et al. (2020). On the identification of noise covariances and adaptive Kalman filtering: A new look at a 50 year-old problem. IEEE Access, 8, 59362–59388.
Zhang, Q. Q., Zhao, L., & Zhou, J. H. (2019a). A novel weighting approach for variance component estimation in GPS/BDS PPP. IEEE Sensors Journal, 19(10), 3763–3771.
Zhang, Q. Q., Zhao, L., & Zhou, J. H. (2019b). Improved method of single and multiple GNSS faults exclusion based on consensus voting. The Journal of Navigation, 74(2), 1–20.
Zheng, J. Z., & Guo, F. (2016). An adaptive stochastic model for GPS observations and its performance in precise point positioning. Empire Survey Review, 48(349), 296–302.