Segédlet az előadáshoz
Download
Report
Transcript Segédlet az előadáshoz
GNSS elmélete és felhasználása
Fázismérések lineáris kombinációi.
A ciklustöbbértelműség feloldása.
Lineáris kombinációk
A két vivőfázissal mért fázistávolságok kombinálásával mesterséges frekvenciákat
állíthatunk elő.
Cél: a frekvenciától függő mérési hibák csökkentése / kiejtése.
Probléma: A hibaforrások tovaterjednek a lineáris kombinációkra, így akár zajosabb
mérésekhez is juthatunk.
Lineáris kombinációk általános alakja:
f n,m nf1 mf2
Első közelítésben n és m egész számok, de akár lehetnek valós számok is.
Lineáris kombinációk hullámhossza
A tetszőleges n,m lineáris kombináció hullámhossza:
n , m
c
f n,m
c
c
nf1 m f2 n c m c
1
1
n
1
m
2
12
n2 m1
2
Az ionoszféra hatása a lineáris kombinációkra
Az ionoszféra hatása tetszőleges lineáris kombinációra:
dionn,m
nf1dion1 m f2 dion2
nf1 m f2
Bevezetve az ionoszferikus skálatényezőt (ami az f1 frekvencián és a kombinált
frekvenciákon végzett észlelésekre kifejtett ionoszféra-hatások aránya:
f2
f 22
nf1 m
dion2
nf1 f 2 m
dion2
dionn ,m
1
dion1
dion1
isf
dion1
nf1 m f2
f2
nf1 m f2
1 nf1 f 2 m f12
f1 nf2 m f1
f 2 nf1 m f2
f 2 nf1 m f2
Végtelen sok ionoszféra mentes
kombináció lehetséges
A mérési zaj a lineáris kombinációkra
Levezetés nélkül:
n,m
2 n 2 m 2
nsf 1 , ahol nsf
n2 m1
Kiinduló adatok:
1 19,0cm
2 24,4cm
1 3m m
A Wide lane lineáris kombináció (L5)
n=1, m=-1
f L5 f1 f 2 3410,23MHz 347.82MHz
12
L 5
86,4cm
2 1
f1 f 2 f1
1,3
isf
f 2 f1 f 2
2 2
L5 nsfL5 1
19,4mm
2 1 Magas zajszint!
Ciklustöbbértelműség feloldása!
A narrow lane lineáris kombináció
n=1, m=1
f NL f1 f 2 27410,23MHz 2803,02MHz
NL
isf NL
NL
12
10,7cm
2 1
f1 f 2 f 1
1,3
f 2 f1 f 2
2 2
nsfNL 1
2,4mm
2 1
Alacsony zajszint!
Legpontosabb eredmény!
Ionoszféra-mentes lineáris kombináció (L3)
Vegyük a két frekvencián mért fázistávolságokat, majd kombináljuk őket az alábbi módon:
2
1
2
2
f
f
L3 2
L1 2
L2
2
2
f1 f 2
f1 f 2
-1,55
2,55
Ekkor az ionoszféra hatása kiesik, hiszen
kj , L1 ti kj ti kj , ti ctk ti ct j ti kj L1 N kj, L1
Tk ti I kj ti v j
k , L1
ti
kj , L2 ti kj ti kj , ti ctk ti ct j ti kj L2 N kj, L2
Tk ti I ti v j
j
k
k , L2
ti
f12
2
f2
Ionoszféra-mentes lineáris kombináció (L3)
n 2,55; m 1,55
f L3 5920,10MHz
L3 5,4cm
isf L3 0
L3 nsfL3 1 9,8mm
Magas zajszint!
Ionoszféra hatása kiesik!
A magas zajszint miatt
10km alatt célszerű L1
frekvenciát feldolgozni.
Egy további ionoszféra mentes lineáris kombináció
77
60
n
; m
77 60
77 60
10,7cm
isf 0
f1 nf 2 mf 1
isf
f 2 nf1 mf 2
n
f1
m
f2
2
2
n
m
2
nsf 1 9,8mm
nsf
Minden ionoszféra mentes lineáris kombinációra! n2 m1
A ciklustöbbértelműség feloldásának menete
Problémák:
1. a műholdak, a vevők hardverkésései, órahibái miatt a fázismérések esetében a
ciklustöbbértelműség nem egész szám;
2. A fent említett hibahatásokat nem ismerjük, de különbségképzéssel ki tudjuk
küszöbölni;
3. Ezt követően felhasználhatjuk a kettős különbségek közvetítő egyenleteit a
ciklustöbbértelműségek (és a koordináták) megoldására;
4. Ha meghatároztuk a ciklustöbbértelműség értékeit (L1, L2), akkor ezeket
felhasználva a ciklustöbbértelműségeket az egész számok halmazán kell
megkeresnünk. Ezt hívják ciklustöbbértelműség feloldásnak.
5. Erre számos technika áll rendelkezésre, közös bennük, hogy valamiféle
keresési/optimalizálási eljáráson alapulnak.
A ciklustöbbértelműség feloldásának menete
Nézzünk egy példát, írjuk fel a wide-lane lineáris kombinációk kettős különbségét:
2bkj, L 1bkj, L
12
2
N L1 N L 2 I L1
ak ,1xA ak , 2y A ak ,3z A
2 1
2 1
1
1
2
j ,l
j ,l
2bAB
b
,L
1 AB , L
ak ,1x A ak , 2y A ak ,3z A
2 1
12
12
12
12
j
j
l
N A,WL
N B ,WL
N A,WL
N Bj ,WL
2 1
2 1
2 1
2 1
2 j
2 j
2 l
2 l
I A, L1 I B , L1 I A, L1 I B , L1
1
1
1
1
1
2
Ionoszféra hatását modellezni kell!
A Wide-lane ciklustöbbértelműségek
megoldhatóak (jó a priori koordináták).
Pl. hármas különbségek megoldásából
A ciklustöbbértelműség feloldásának menete
A wide-lane ciklustöbbértelműségek feloldása egész számként, majd az ionoszféra
mentes lineáris kombináció megoldása (ismét jó előzetes koordinátákkal):
22bkj, L 12bkj, L
ak ,1x A ak , 2y A ak ,3z A
2
2
2 1
1
2
12 2
12
2
NWL
N L1
2
2 1
1 2
Itt is a kettős különbségeket felhasználva kiejthető a vevő és a műhold órahiba, és a
pályahiba is, valamint az ionoszféra. Mivel NWL már ismert az előbbiekből, NL1
meghatározható.
A kiegyenlítésből kapott előzetes értékek alapján az NL1 ciklustöbbértelműséget
fel tudjuk oldani egész számként.
NL1 és NWL ismeretében az NL2 már számítható.
A ciklustöbbértelműség feloldásának módszerei
Hogyan oldhatjuk fel a ciklustöbbértelműséget egész számként?
Kiinduló értékek pl. legkisebb négyzetek módszerével végrehajtott kiegyenlítésből, majd
az így kapott információkból meghatározható(?) az egész számú ciklustöbbértelműség.
Módszerek:
- kerekítés;
- keresés;
- szigma;
- és még számos egyéb módszer (pl. LAMBDA, FARA, stb.)
Kerekítés
Ez a leggyengébb módszer, általában nem is használják.
A lényege, hogy a valós számként meghatározott ciklustöbbértelműségeket
egyszerűen a legközelebbi egész számra kerekítjük.
Problémák:
- A mérésekben található hibák torzíthatják a becsléseket;
- Figyelmen kívül hagyjuk a kiegyenlítésből származó kovariancia-információkat.
Keresés
Legyen p a kiegyenlítésből származó (valós) ciklustöbbértelműségek értéke:
p ( p1 , p2 ,....pu )
Legyen Q a kiegyenlítésből származó kofaktor mátrix, és
02
az a posteriori varianciafaktor
Számítsuk ki egy tetszőleg ciklustöbbértelműség középhibájá, illetve két
ciklustöbbértelműség különbsége középhibáját:
mi 0 Qii
mij 0 Qii 2Qij Q jj
Keresés
A középhibák ismeretében alkossunk egy adott konfidenciaszinthez tartozó
Student-eloszlás alapján egy konfidenciaintervallumot:
pi mi p Ai pi mi , i 1,2,...,u
pij mij p Aij pij mij , i, j 1,2,...,u; i j.
Állítsuk elő az egész számokat tartalmazó ciklustöbbértelműség vektorokat,
amelyek minden olyan lehetséges kombinációt tartalmaznak, amelyek kielégítik
a fenti egyenleteket:
p Ah , h 1,...,N
A különböző vektorokat felhasználva, újra elvégezzük a kiegyenlítést (most már a
vektorokban található egész értékekkel, mint rögzített értékekkel).
Keresés
Ezáltal minden egyes vektorhoz előáll a kiegyenlítést jellemző középhiba, vagy
variancia:
σh , h 1,..., N
Az a ciklustöbbértelműség vektor lesz az elfogadott megoldás, amely a legkisebb
középhibát adja, hacsak:
- A középhiba nagyságrendekkel nagyobb, mint az a priori érték, vagy
valamilyen referencia érték;
- van még legalább egy olyan p vektor, amelyre a kapott értékek közel
azonosak.
Referencia variancia
Ratio
Vagy az összes ciklustöbbértelműséget feloldja, vagy egyiket sem!
Szigma módszer
Legyen p a kiegyenlítésből származó (valós) ciklustöbbértelműségek értéke:
p ( p1 , p2 ,....pu )
Legyen Q a kiegyenlítésből származó kofaktor mátrix, és
02
az a posteriori varianciafaktor
Számítsuk ki egy tetszőleg ciklustöbbértelműség középhibájá, illetve két
ciklustöbbértelműség különbsége középhibáját:
mi 0 Qii
mij 0 Qii 2Qij Q jj
Tegyük sorrendbe az összes ciklustöbbértelműséget saját középhibájuk szerint
(növekvő sorrend).
Szigma módszer
Egy iterációs lépésben maximálisan Nmax ciklustöbbértelműséget oldunk fel oly
módon, hogy a ciklustöbbértelműség értékét a legközelebbi egész számra
kerekítjük, amennyiben:
- a ciklustöbbértelműség középhibája kisebb, mint egy előre meghatározott
határérték;
- a megfelelő konfidenciaszinthez tartozó konfidenciaintervallumba (lásd a
keresés módszernél) pontosan egyetlen egész szám található.
Az iterációs lépések addig folytatódnak, míg:
- Minden ciklustöbbértelműséget sikerült feloldani;
- az utolsó iterációs lépésben már egyetlen ciklustöbbértelműséget sem sikerült
feloldani.
Nem kell, hogy minden ciklustöbbértelműség fel legyen oldva!
Köszönöm a figyelmet!