Ingeniería, políticas y diseño de sistemas globales de navegación por satéliteCon un receptor Multi-GNSS de frecuencia única de bajo costoAunque el posicionamiento de punto preciso (PPP) se ha limitado en gran medida a aplicaciones en entornos abiertos que utilizan receptores GNSS de gama alta, los resultados de pruebas recientes demuestran que un nuevo sistema PPP con un receptor de mercado masivo puede mejorar significativamente la precisión del posicionamiento en entornos urbanos.ZHITAO LIU y YANG GAO, Universidad de CalgaryEl posicionamiento preciso para aplicaciones de mercado masivo enfrenta varios desafíos.Entre ellos, solo los receptores GNSS de bajo costo en forma de módulos y chips de tamaño pequeño se emplean ampliamente en esas aplicaciones.Estos sufren grandes niveles de ruido en seudodistancia y desfases de ciclo más frecuentes en las observaciones de la fase portadora, en comparación con los receptores GNSS de gama alta.Además, las aplicaciones del mercado masivo a menudo se llevan a cabo en entornos de señal desafiantes con bloqueo y atenuación severos de la señal de navegación.Finalmente, los algoritmos actuales de posicionamiento de puntos precisos (PPP) están diseñados principalmente para receptores GNSS de gama alta.PPP requiere correcciones de representación espacial de estado (SSR) para mitigar la órbita del satélite, el reloj y otras fuentes de errores y efectos en las mediciones GNSS.Estas correcciones SSR están disponibles gratuitamente a través de muchas organizaciones científicas, como el Servicio GNSS internacional (IGS) y de proveedores comerciales, como RTX de Trimble y TerraStar-X de Hexagon, a través de un enlace satelital o una conexión a Internet.Impulsados ​​por las aplicaciones emergentes del mercado masivo que exigen información de ubicación precisa, se están desarrollando nuevos servicios de corrección, como los datos de asistencia TruePoint.io GNSS de RX Networks, el servicio de corrección Skylark de Swift y el servicio de corrección SAPA de Sapcorda.Aunque la alta precisión se ha demostrado ampliamente con las técnicas PPP, todavía se limita en gran medida a aplicaciones en entornos abiertos y al uso de receptores GNSS de alta gama.Los efectos de trayectos múltiples y las señales sin visibilidad directa (NLOS) constituyen dos obstáculos importantes para el uso de GNSS en entornos urbanos, con errores de hasta cientos de metros.Se han desarrollado varios métodos para mejorar la precisión del posicionamiento en entornos urbanos, incluida la integración de receptores GNSS de bajo costo con sensores múltiples (por ejemplo, unidad de medición inercial (IMU), odometría visual (VO), Wi-Fi y Bluetooth) y mapas 3D (3DMA) Métodos de posicionamiento GNSS.Un enfoque de solo GNSS es rentable debido a que no se requieren sensores adicionales y ha sido ampliamente investigado, por ejemplo, una antena de doble polarización, una verificación de coherencia utilizando algoritmos de monitoreo autónomo de integridad del receptor (RAIM) y métodos de aprendizaje automático como máquina de vectores de soporte (SVM) y aprendizaje profundo.Cada uno tiene sus propias ventajas y desventajas.Aquí nos enfocamos en un nuevo sistema PPP basado en un receptor GNSS de frecuencia única de bajo costo.Primero se describe un método basado en aprendizaje automático para la detección de señales NLOS.Con la información NLOS detectada, se aplica un nuevo esquema de ponderación para mitigar los errores NLOS en las observaciones de fase portadora, tasa de fase y pseudodistancia en entornos urbanos.Con el efecto NLOS mitigado, se diseña un algoritmo de dos filtros para el procesamiento de mediciones para mejorar la precisión y confiabilidad del posicionamiento.Los resultados de posicionamiento de dos pruebas cinemáticas de vehículos terrestres indican que se puede lograr una mejora significativa en la precisión del posicionamiento en entornos urbanos utilizando este sistema.El nuevo sistema de APP incluye tres componentes principales:• un clasificador basado en SVM para detectar observaciones NLOS y generar sus probabilidades.• un esquema de ponderación para mapear las probabilidades NLOS en varianzas de observación GNSS para su aplicación por el estimador GNSS.• un enfoque de dos filtros para el procesamiento de observaciones GNSS y la determinación de la posición en entornos urbanos.La detección precisa y el manejo adecuado de las observaciones NLOS son fundamentales para mejorar la precisión del posicionamiento en entornos urbanos.Aquí aplicamos el SVM para detectar las observaciones NLOS.El SVM es un clasificador canónico que se ha aplicado ampliamente en muchos campos.No solo es computacionalmente eficiente, sino que también puede utilizar un margen no lineal para clasificar características multidimensionales cuando está equipado con el kernel de función de base radial (RBF).Nuestro nuevo sistema PPP utiliza un clasificador RBF SVM, que incluye seis características calculadas a partir de las observaciones GNSS para predecir las probabilidades de las observaciones GNSS como señales LOS o NLOS, a saber, PLOS o PNLOS en lo siguiente.Las seis características incluyen la C/N0, la ambigüedad de diferencia única, la fase de doble diferencia de tiempo, el pseudorango de doble diferencia de tiempo, la consistencia de fase y pseudorango calculada a partir de la discrepancia entre la medición predicha de tasa de fase y la medición observada.Se pueden encontrar más detalles en nuestro artículo "Un esquema de peso basado en SVM para mejorar la precisión del posicionamiento GNSS cinemático con un receptor GNSS de bajo costo en entornos urbanos", en la revista Sensors, diciembre de 2020.Cuando se detectan observaciones NLOS, la probabilidad NLOS pronosticada a partir de la salida del clasificador SVM puede ser un buen indicador de la magnitud de las observaciones que se ven afectadas por las señales NLOS y multitrayecto.Por lo tanto, se puede utilizar para crear un esquema de ponderación efectivo para mitigar el impacto de las señales NLOS y multirruta.Este esquema de ponderación mapea la probabilidad NLOS en la varianza de la observación, que consta de un componente LOS y un componente NLOS, y se puede escribir como:donde Cdj, CPj y CLj representan la varianza de las observaciones de velocidad de fase, seudodistancia y fase del GNSS para el satélite j, respectivamente.σd,l denota la desviación estándar de la parte LOS de la observación de la tasa de fase (0,06 m/s en este trabajo).b es un valor empírico constante que debe ajustarse.e es el número de Euler, e≈2.718.PNLOS es la probabilidad NLOS del clasificador SVM.El valor máximo de PNLOS se establece en 0,95 para evitar valores de varianza astronómica que dañarán el estimador basado en ancho de datos flotantes de 64 bits.a es un valor empírico constante a ajustar;ele es el ángulo de elevación en rad.d es el factor de escala para la varianza de observación LOS de fase y pseudodistancia (0,01 para fase y 1 para pseudodistancia en este trabajo).c es una variable empírica constante que debe ajustarse y tendrá diferentes valores para las observaciones de pseudodistancia y fase.Cuando el PNLOS es inferior a 0,4, la observación se considerará como señal LOS.Las ecuaciones de observación de frecuencia única L1 con múltiples constelaciones para el posicionamiento de puntos precisos (SFPPP) se pueden escribir como:donde P y L son las observaciones de fase y pseudodistancia GNSS sin procesar.r representa la distancia del satélite al receptor.dT y dt indican los sesgos del reloj del satélite y del reloj del receptor, respectivamente, y deben estimarse individualmente para diferentes sistemas de navegación.c es la velocidad de la luz en el vacío.dorb, dtrop, diono son los errores orbitales, troposféricos e ionosféricos respectivamente.bPr y bPs son los sesgos de hardware de pseudodistancia del receptor y del satélite.bLr y bLs son los sesgos de hardware de fase del receptor y del satélite.N y λ son la ambigüedad de fase y la longitud de onda de la fase portadora, ε(P) y ε(L) representan el ruido de observación para el pseudorango y la fase, respectivamente.Las fuentes de error en las ecuaciones de observación deben corregirse o estimarse para una determinación precisa de la posición.El error orbital, el sesgo del reloj del satélite y el retraso ionosférico se corregirán utilizando los productos en tiempo real del Centro Nacional Francés de Estudios Espaciales (CNES).La parte húmeda cenital y la parte hidrostática del error troposférico se corrigen utilizando el modelo de Saastamonion.Los sesgos de fase del receptor y del satélite bLr y bLs son estables durante un período corto, por lo que pueden ser absorbidos por los términos de ambigüedad que se estimarán junto con los parámetros de coordenadas de posición.El sesgo de código bPs se corrige utilizando el producto de sesgo de código diferencial (DCB) de 30 días del Centro para la Determinación de Órbitas en Europa (CODE).Aunque el esquema de ponderación basado en SVM propuesto puede mitigar significativamente el efecto del error NLOS y de rutas múltiples, aún existen preocupaciones en entornos de bloqueo de señal severo con geometría satelital muy pobre.Para mejorar aún más la solidez de la solución de posición en entornos urbanos, hemos adoptado un modelo cinemático basado en la velocidad para restringir la solución de posición con respecto a la información de velocidad estimada.Tradicionalmente, se usa un solo filtro Kalman para procesar todas las mediciones GNSS disponibles para estimar simultáneamente la posición y la velocidad del receptor.Sin embargo, esto puede sufrir de poca robustez en sus soluciones de posicionamiento debido a errores NLOS no detectados en todas las observaciones.En nuestro trabajo, se emplean dos filtros de Kalman separados, que incluyen un filtro de velocidad para la determinación de la velocidad utilizando solo observaciones de velocidad de fase y un filtro de posición para la determinación de la posición utilizando observaciones de pseudorango y fase.Este enfoque de dos filtros puede proporcionar una solución de velocidad más confiable que puede mejorar la solidez y precisión del filtro de posición.Los vectores de estado correspondientes para los dos filtros de Kalman son:donde x1 y x2 son el vector de estado para el filtro de velocidad y el filtro de posición, respectivamente.v es el vector de velocidad, es la deriva del reloj del receptor;r es el vector de posición, dtG, dtR y dtE indican la polarización del reloj del receptor para los sistemas GPS, GLONASS, Galileo y BeiDou, respectivamente.N representa la ambigüedad de fase para cada satélite.Los estados de velocidad, deriva del reloj del receptor y polarización del reloj del receptor se modelan como un proceso de caminata aleatoria, mientras que el término de ambigüedad es un proceso aleatorio constante.Los métodos y algoritmos propuestos para SFPPP con múltiples constelaciones y receptores GNSS de bajo costo se han implementado en el sistema de software P3-SF desarrollado en la Universidad de Calgary.P3-SF se puede integrar en un receptor GNSS de bajo costo como un motor de posicionamiento en tiempo real.También se implementa una verificación de coherencia basada en una prueba de chi-cuadrado entre el filtro de velocidad y el filtro de posición para garantizar la integridad del sistema de posicionamiento.Para mejorar aún más la integridad del sistema de posicionamiento en la presentación de errores de clasificación NLOS/LOS, también se implementa una verificación de consistencia basada en la prueba de chi-cuadrado en el filtro de velocidad y el filtro de posición.Para evaluar el rendimiento del sistema SFPPP propuesto con un receptor GNSS de bajo costo en entornos urbanos, desarrollamos un sistema de adquisición de datos basado en vehículos.Como se muestra en la Figura 1 en la parte superior izquierda, se instaló una cámara de ojo de pez hacia arriba en el techo del vehículo para capturar los entornos circundantes y brindar visibilidad satelital sobre el terreno para el entrenamiento y las pruebas del modelo SVM.Se utiliza un sistema NovAtel SPAN, como se muestra en la Figura 1 en la parte inferior izquierda, que incluye un receptor GNSS Novatel Propak6 de gama alta y una IMU táctica con un giroscopio de fibra óptica incorporado, para proporcionar las soluciones de referencia de posición (precisión en decímetros). -nivel en entornos urbanos).Se utilizan un receptor multi-GNSS de frecuencia única u-blox M8T de bajo costo y un receptor multi-GNSS de frecuencia dual u-blox F9P de bajo costo (que comparten el mismo divisor de señal GNSS con el sistema Novatel SPAN) como se muestra en la Figura 1 a la derecha.Solo las observaciones GNSS sin procesar del u-blox M8T se usan para determinar la posición usando P3-SF, mientras que las salidas de posición del otro receptor se usarán para comparar el rendimiento.Una computadora de placa única (Odroid N2) recopila datos de todos los receptores GNSS y la cámara de ojo de pez (la etiqueta de tiempo de sus marcos de imagen está correctamente alineada con la hora GNSS).Se realizaron dos pruebas de campo cinemáticas utilizando el sistema de adquisición de datos basado en vehículos en el centro de Calgary, el 4 de agosto (prueba de campo 1) y el 12 de octubre (prueba de campo 2) de 2020. Las Figuras 2 y 3 muestran las rutas de prueba, respectivamente.Además de los edificios altos a ambos lados de las calles, hay muchos túneles cortos y puentes peatonales que conectan los edificios (ver los triángulos amarillo y verde).Por lo tanto, a lo largo de las rutas de prueba existen graves bloqueos de señales y efectos de trayectos múltiples.El vehículo de prueba se movió a una velocidad de alrededor de 50 km/h (el límite de velocidad en las zonas urbanas de Calgary) durante ambas pruebas de campo.La prueba de campo 1 duró aproximadamente 10 minutos y el conjunto de datos se usó para entrenar y probar el clasificador de señales SVM.La prueba de campo 2 duró aproximadamente 30 minutos y el conjunto de datos se utilizó para evaluar la precisión del posicionamiento.En cuanto a las configuraciones de adquisición de datos GNSS, el receptor u-blox M8T se configuró para rastrear GPS, GLONASS y Galileo, ya que el número máximo de constelaciones simultáneas que puede observar el receptor es tres.La tasa de muestreo de datos fue de 10 Hz y el ángulo de corte de elevación se estableció en 5 grados para permitir que haya más satélites disponibles en entornos de bloqueo severo de la señal.La visibilidad del satélite se puede calcular con precisión comparando la imagen de la cámara de ojo de pez segmentada con su ubicación en ella.Hay 6078 imágenes capturadas por la cámara de ojo de pez hacia arriba en la prueba de campo 1 que se segmentaron manualmente usando una herramienta de etiquetado desarrollada en la Universidad de Calgary para calcular la realidad de campo de visibilidad satelital para todas las observaciones GNSS.El 70 % de los datos se utilizó para entrenar el clasificador SVM, mientras que el 30 % restante se utilizó para evaluar el rendimiento del posicionamiento.La precisión general de la clasificación alcanza el 86,05%.La clasificación puede ejecutarse en tiempo real en un dispositivo de bajo consumo como una Raspberry Pi.Primero se evaluó el rendimiento del nuevo sistema PPP comparándolo con el posicionamiento típico de un solo punto (llamado sistema tradicional de ahora en adelante) que utiliza un filtro único para procesar las mediciones de pseudodistancia y realizar la determinación de la posición en entornos urbanos.Para ambos casos, el producto en tiempo real de CNES se aplica para mitigar los errores orbitales, de reloj satelital y ionosféricos y el producto DCB de 30 días de CODE se usa para mitigar el sesgo de código.Además, el esquema de ponderación basado en SVM se aplica para determinar la varianza de las observaciones de pseudodistancia en el sistema tradicional y las varianzas de las observaciones de pseudodistancia, fase y tasa de fase en el nuevo sistema PPP.La principal diferencia es que las mediciones de fase se convierten en el principal observable para la determinación de la posición y se emplean dos filtros separados más en el nuevo sistema PPP.En las Figuras 4 y 5 se muestran los errores de posicionamiento y su función de distribución acumulativa (CDF) obtenidos del sistema tradicional y el nuevo sistema PPP, respectivamente, utilizando los datos del receptor multi-GNSS de frecuencia única u-blox M8T de bajo costo. .Los resultados de la Figura 4 indican soluciones de posicionamiento muy deficientes debido al efecto de las observaciones NLOS significativas y la geometría satelital deficiente en entornos urbanos.La precisión de posicionamiento horizontal es de 47,9 m, mientras que la precisión de posicionamiento vertical es de 83,7 m en términos de errores de raíz cuadrada media (RMS).Los resultados de la Figura 5 indican que el nuevo sistema PPP puede reducir significativamente los errores de posicionamiento tanto en dirección horizontal como vertical.La precisión de posicionamiento horizontal es de 7,9 m, mientras que la precisión de posicionamiento vertical es de 5,8 m en errores RMS.Esto corresponde a una mejora del 83,6% y 93,1% sobre el sistema tradicional en los sentidos horizontal y ascendente, respectivamente.A modo de comparación, vemos que el 95 % de CDF de los errores de posicionamiento con el sistema tradicional supera los 40 metros en las direcciones este, norte y hacia arriba, mientras que el nuevo sistema PPP reduce el 95 % de CDF a 5 m, 10 m y 12 m en las direcciones tres direcciones coordinadas.Esto confirma la importancia de las observaciones de fase para la determinación de la posición debido al nivel mucho más bajo de ruidos de observación y efectos de trayectos múltiples en comparación con las mediciones de pseudodistancia.La solución de velocidad robusta de un filtro de velocidad separado también juega un papel crucial para el posicionamiento cinemático en entornos urbanos, ya que las mediciones de tasa de fase se ven menos afectadas por las señales NLOS y los efectos de trayectos múltiples.En la Figura 5, notamos que hay un pico de error de posición significativo en la época 550 en la dirección este y otros dos picos de error de posición más pequeños en la época 180 y 1120 en las direcciones este y norte, que también se pueden observar en los tres coordinar ubicaciones.Esto puede deberse a una clasificación errónea por parte del clasificador de señales basado en SVM, así como a una mala visibilidad de la señal GNSS en entornos con graves bloqueos de señal.Una integración con una IMU de bajo costo podría proporcionar más información para mejorar la confiabilidad de la detección NLOS.Además de los errores de posicionamiento y las gráficas CDF, la Figura 6 muestra las pistas de posición de las soluciones de posición del sistema tradicional y el nuevo sistema PPP.Numerosos errores de posición importantes están presentes en el sistema tradicional, especialmente en la dirección de la calle transversal, en un rango de hasta cientos de metros en algunos lugares.En comparación, el seguimiento de la posición del nuevo método PPP se mantiene cerca de la verdad del suelo la mayoría de las veces.Además de esta evaluación interna, se compara el desempeño del nuevo sistema PPP con la salida de los receptores comerciales.Esto proporciona una evaluación externa independiente.Como se mencionó anteriormente, se utilizó un receptor adicional (un receptor multi-GNSS de frecuencia dual u-blox F9P de bajo costo) en las pruebas de campo además del receptor multi-GNSS de frecuencia única u-blox M8T de bajo costo, conectado a la misma antena a través de un divisor de señal GNSS.La salida de posición SBAS en el receptor del u-blox M8T y la salida de posición RTK en el receptor del F9P se comparan con las soluciones de posición del nuevo sistema PPP con el u-blox M8T.Los resultados se muestran en la Tabla 1. Podemos ver que la disponibilidad de soluciones RTK con ambigüedad fija del receptor es baja para el receptor GNSS multifrecuencia u-blox (16,8 %).La mejora de la precisión de posicionamiento en las direcciones horizontal y ascendente por el nuevo sistema PPP que usa un receptor GNSS de frecuencia única (u-blox M8T) sobre la salida de posición en el receptor es 49.5% y 83.7% para el u-blox M8T SBAS y 11.7 % y 70,3 % para u-blox F9P RTK.Un nuevo sistema PPP con un receptor GNSS de frecuencia única de bajo costo puede mejorar la precisión del posicionamiento en entornos urbanos.Con la fase de la portadora como principal observable, el sistema emplea un esquema de ponderación novedoso y un algoritmo de dos filtros para mejorar la precisión del posicionamiento GNSS en entornos urbanos.Los resultados de posicionamiento de dos pruebas cinemáticas de vehículos terrestres demuestran que la precisión de posicionamiento podría mejorarse en un 83,6 % y un 93,1 % en dirección horizontal y ascendente en comparación con el sistema tradicional.En comparación con la salida del receptor independiente en tiempo real, la nueva solución del sistema PPP supera a los receptores comerciales en entornos urbanos de prueba.El nuevo esquema de peso y el algoritmo de dos filtros tienen el potencial de mejorar el rendimiento de RTK y PPP multifrecuencia en entornos urbanos.Para mejorar aún más la solidez y la precisión del sistema desarrollado, se debe investigar una integración con una IMU de bajo costo.Zhitao Lyu como Ph.D.estudiante del Departamento de Ingeniería Geomática, Universidad de Calgary, Canadá.Su interés de investigación cubre varios campos, incluido el posicionamiento GNSS en entornos desafiantes y el desarrollo de algoritmos de navegación multisensor.Yang Gao es profesor en el Departamento de Ingeniería Geomática de la Universidad de Calgary, .Su investigación incluye aspectos teóricos y aplicaciones prácticas de los sistemas de posicionamiento y navegación basados ​​en satélites.Su investigación actual se centra en el posicionamiento GNSS de alta precisión y los sistemas de navegación integrados multisensor.Washington View – Deja Vu de nuevo: ¿La red 5G de Ligado está configurada para un curso de colisión con GPS?Punto de vista de Bruselas: la comunidad espacial de la UE habla sobre seguridad, defensa y GalileoCopyright © Inside GNSS Media & Research LLC.Reservados todos los derechos.|Política de privacidadCalle Ancha 157, Suite 307 |Red Bank, Nueva Jersey EE. UU. 07701, Teléfono (732) 741-1964Washington View – Deja Vu de nuevo: ¿La red 5G de Ligado está configurada para un curso de colisión con GPS?Punto de vista de Bruselas: la comunidad espacial de la UE habla sobre seguridad, defensa y Galileo