Remerciez-le!

Remerciez @Admin pour avoir partagé cet document gratuitement, de la manière la plus simple, en partageant sur les réseaux sociaux.

90 de la valeur PDOP. Le nombre de satellites valides équivaut à un sur une seu

90 de la valeur PDOP. Le nombre de satellites valides équivaut à un sur une seule époque pour cet échantillon de données de la première heure. Figure 5.10 Nombre de satellites observés et PDOP au PRDS Figure 5.11 Nombre de satellites observés et PDOP en 1 st Heure 91 Les figures 5.12 à 5.14 présentent les tendances des erreurs de latitude, de longitude et de hauteur dans 9 échantillons de traitement d'une heure pour la station PRDS. Les lignes claires (roses) représentent les changements d'erreur avec le modèle traditionnel, tandis que les lignes foncées (bleues) font référence au nouveau modèle P1-P2CP. La plupart des échantillons fonctionnent assez bien avec de petites erreurs de convergence, mais le 8 e et 9 e les échantillons convergent vers des valeurs non nulles comparativement élevées pour les deux modèles. Et avec le modèle traditionnel, le 2 nd L'heure d'échantillonnage converge également vers une valeur élevée, en particulier dans la composante de longitude. La raison de la grande convergence non nulle sera discutée plus loin dans cette section. Afin de démontrer les changements d'erreur de positionnement après un traitement d'une heure, la figure 5.15 montre les erreurs de coordonnées dans un traitement de 9 heures en utilisant le même jeu de données avec le modèle P1-P2CP, qui sont utilisées comme résultats de référence. Les erreurs de coordonnées finales convergentes sont - 0,009 m, -0,102 m et 0,029 m pour la latitude, la longitude et la hauteur respectivement, qui sont en accord avec le budget d'erreur PPP tel que discuté dans les méthodes de traitement PPP. Figure 5.12 Erreur de latitude de neuf traitements d'une heure au PRDS 92 Figure 5.13 Erreur de longitude de neuf traitements d'une heure au PRDS Figure 5.14 Erreur de hauteur de neuf traitements d'une heure au PRDS 93 Figure 5.15 Erreurs de coordonnées d'un traitement de 9 heures au PRDS La figure 5.16 montre l'estimation du décalage d'horloge du récepteur avec le modèle P1-P2-CP dans 9 échantillons de traitement d'une heure pour la station PRDS, où une horloge atomique a été installée. Habituellement, le décalage d'horloge atomique est dans une variation très stable, telle qu'un changement linéaire. À titre de comparaison, la figure 5.17 montre l'estimation du décalage d'horloge du récepteur avec le modèle P1-P2-CP dans un traitement de 9 heures, qui peut être traitée comme la vraie variation d'horloge du récepteur. La comparaison entre ces deux chiffres montre que les estimations de décalage d'horloge dans les échantillons d'une heure 8 et 9 se sont éloignées de la piste supposée être. Ce changement irrégulier correspond à la mauvaise convergence des estimations de positionnement pour ces deux échantillons de traitement. 94 Figure 5.16 Estimation du décalage d'horloge du récepteur en neuf traitements d'une heure Figure 5.17 Estimation du décalage d'horloge du récepteur d'un traitement de 9 heures au PRDS Afin de découvrir les causes de la convergence incorrecte, les résultats de l'heure 9 sont analysés. La figure 5.18 montre le nombre de satellites observés et les valeurs PDOP correspondantes. Une moyenne de 5,3 satellites contribue à l'ajustement des moindres carrés pour ce traitement d'une heure. Avec le nouveau modèle P1-P2-CP, quinze observations peuvent être obtenues lorsque cinq 95 les satellites sont observés. Cependant, le nombre d'inconnues est également de 15, y compris les cinq paramètres fondamentaux (X, Y, Z, Trop et le décalage de l'horloge du récepteur) et les 10 ambiguïtés. Avec le modèle traditionnel, le nombre d'inconnues et le nombre d'observations sont tous deux de 10 lorsque cinq satellites sont observés. Par conséquent, les erreurs non modélisées ne peuvent pas être compensées par l'ajustement des moindres carrés et entièrement absorbées dans l'estimation des paramètres. Comme le montre la figure 5.10, par rapport aux heures d'échantillonnage 8, 9, d'autres échantillons ont un nombre moyen plus élevé de satellites observés. Figure 5.18 Nombre de satellites observés et PDOP dans 9 e Heure Les figures 5.19 et 5.20 affichent les erreurs convergentes de latitude, de longitude et de hauteur de tous les 36 échantillons pour les modèles traditionnel et nouveau respectivement. Il y a quatre échantillons sur 36 convergeant vers les valeurs comparativement grandes non nulles lorsque le modèle traditionnel est utilisé, tandis qu'un seul échantillon échoue lorsque le nouveau modèle est appliqué. 96 Figure 5.19 Erreurs de position convergente avec la méthode traditionnelle en 1 heure de traitement Figure 5.20 Erreurs de position convergente avec la méthode P1-P2-CPM en 1 heure de traitement 97 Le tableau 5.2 donne la MOYENNE, le SIGMA, le RMS des erreurs indiquées dans les figures 5.19 et 5.20. Les valeurs d'erreur absolues sont utilisées pour calculer la MOYENNE. En ce qui concerne la variance d'estimation, le nouveau modèle a des valeurs plus petites sur la moyenne, le sigma et le RMS que le modèle traditionnel. Les améliorations du facteur moyen sont respectivement de 33%, 49% et 57% pour la latitude, la longitude et la hauteur. Tableau 5.2 Erreur de position moyenne, STD et RMS après 1 heure de traitement Paramètre Positionner Composant Latitude Longitude Hauteur Latitude Longitude Hauteur Latitude Longitude Hauteur P1-P2-CP 0,059 0,121 0,147 0,046 0,122 0,172 0,074 0,172 0,226 Traditionnel 0,088 0,237 0,346 0,082 0,373 0,622 0,120 0,442 0,711 Amélioration Rapport 33% 49% 57% 44% 67% 72% 38% 61% 68% Moyenne (m) Sigma (m) RMS (m) La définition du temps de convergence d'un filtre peut varier d'un utilisateur à l'autre. Cela dépend en grande partie de la précision requise. Dans cet article, le temps de convergence est défini comme lorsque les erreurs de convergence des coordonnées sont inférieures à 40 cm, et est décrit en unité de secondes ou d'époques. La figure 5.21 montre le temps de convergence en unité d'époques pour tous les 36 échantillons de traitement, dont les valeurs moyennes et RMS sont données dans le tableau 5.3. Il y a un léger 98 amélioration du modèle P1-P2-CP par rapport au modèle traditionnel en termes de facteur de temps de convergence. Figure 5.21 Temps de convergence de 36 ensembles de données d'échantillons d'une heure Tableau 5.3 Moyenne et variance du temps de convergence avec deux méthodes Paramètre Moyenne Variance Nouveau 1350 500 Traditionnel 1550 530 La convergence du traitement peut également être observée à travers des estimations d'ambiguïté. Figures 5.22 à 5.24 démontrer les estimations d'ambiguïté avec le modèle P1-P2-CP pour les satellites PRN1, PRN27 et PRN28 sur des échantillons de traitement d'une heure. Habituellement, après environ une demi-heure, l'estimation de l'ambiguïté peut atteindre une valeur de convergence. On voit également clairement que ces échantillons d'une heure au centre des parcelles fonctionnent beaucoup mieux. C'est parce que l'erreur 99 le résidu des effets troposphériques dus à l'erreur de la fonction de cartographie est plus petit pendant cette période avec un angle d'élévation du satellite élevé. Les figures 5.25 et 5.26 montrent la variation de l'angle d'élévation pour les satellites PRN 27 et 28, indiquant un angle d'élévation plus grand au milieu de la période de visibilité des satellites. En conséquence, on peut conclure que l'angle de faible élévation apporte encore une grande incertitude à l'estimation troposphérique en raison de l'erreur de la fonction de cartographie, bien que le retard du trajet zénithal humide troposphérique soit traité comme un paramètre inconnu. Les figures 5.27 à 5.29 démontrent également une estimation d'ambiguïté avec le modèle P1-P2-CP pour les satellites PRN1, PRN27 et PRN28 sur plusieurs heures de traitement. Figure 5.22 Estimation de l'ambiguïté du PRN01 de l'heure 1 à l'heure 3 100 Figure 5.23 Estimation de l'ambiguïté du PRN27 de l'heure 1 à l'heure 6 Figure 5.24 Estimation de l'ambiguïté du PRN28 de l'heure 2 à l'heure 8 101 Figure 5.25 Angle d'élévation du PRN27 de l'heure 1 à l'heure 6 Figure 5.26 Angle d'élévation du PRN28 de l'heure 2 à l'heure 8 102 Figure 5.27 Estimation de l'ambiguïté de PRN01 Figure 5.28 Estimation de l'ambiguïté du PRN27 103 Figure 5.29 Estimation de l'ambiguïté du PRN28 À titre de comparaison, les figures 5.30 et 5.31 montrent des estimations d'ambiguïté avec le modèle traditionnel pour les satellites PRN1 et PRN27 sur des échantillons de traitement d'une heure. L'axe Y est exprimé en mètres au lieu de cycles, comme indiqué dans les graphiques du modèle P1-P2-CP. L'estimation d'ambiguïté dans ces graphiques représente la correction de la valeur initiale qui est calculée à partir des observations de code et de phase. Après chaque traitement d'une heure, la valeur initiale est réinitialisée. Il faut environ 30 minutes pour que les ambiguïtés convergent en moins d'un cycle avec le modèle traditionnel, ce qui est en accord avec les résultats de positionnement. 104 Figure 5.30 Estimation de l'ambiguïté du PRN01 de l'heure 1 à l'heure 3 Figure 5.31 Estimation de l'ambiguïté du PRN27 de l'heure 1 à l'heure 6 Pour résumer, le modèle P1-P2-CP proposé a des résultats plus lisses, une variance d'estimation plus petite et une convergence légèrement plus rapide et, par conséquent, a une meilleure performance globale que le modèle traditionnel. 105 5.5 Résultats numériques de la correction partielle d'ambiguïté Une conclusion du traitement statique est qu'il n'y a pas beaucoup d'amélioration du temps de convergence avec l'utilisation du uploads/Sante/02-20170-xiaobingshen-106-140.pdf