CC BY
44УДК 621.396.9
ПОВЫШЕНИЕ ТОЧНОСТИ ПОЗИЦИОНИРОВАНИЯ ПОДВИЖНЫХ ОБЪЕКТОВ ПРИ ПОМОЩИ СИГНАЛОВ ГЛОБАЛЬНЫХ НАВИГАЦИОННЫХ СПУТНИКОВЫХ СИСТЕМ
Рябов Игорь Владимирович
доктор технических наук, профессор кафедры проектирования и производства ЭВС ФГБОУ ВПО «Поволжский государственный технологический университет».
E-mail: ryabov22@mail.ru.
Чернов Денис Алексеевич
аспирант кафедры проектирования и производства электронно-вычислительных систем ФГБОУ ВПО «Поволжский государственный технологический университет».
E-mail: evsxx1@gmail.com. Адрес: 424000, г. Йошкар-Ола, пл. Ленина, 3. Аннотация: Рассмотрены способы повышения точности местоопределения с использованием сигналов глобальных навигационных спутниковых систем. Предложен алгоритм повышения точности с использованием сигналов глобальных навигационных спутниковых систем с учетом 3D карты местности. Изложен учет сигналов спутниковых сигналов, обусловленных многолучевостью, и сигналов, прошедших сквозь здания. Авторы представляют способ работы навигационного оборудования при сильном ослаблении навигационного сигнала. Приведены результаты работы алгоритма.
Ключевые слова: многолучевые сигналы, алгоритм повышения точности позиционирования, границы зданий на небесной карте, видимость навигационных спутников, линия прямой видимости.
Введение
Глобальные навигационные спутниковые системы определяют местоположение, скорость и точное время. Существенным фактором, влияющим на точность работы наземного навигационного оборудования, является количество видимых на небосклоне спутников. Для гарантированной работы GPS необходимо открытое пространство, когда в поле зрения находится максимальное число спутников, и отсутствуют отраженные сигналы.
Позиционирование с помощью глобальных навигационных спутниковых систем (ГНСС) является особенно сложной задачей в городских условиях, где разнообразие природных и техногенных объектов может ухудшить распространение сигналов с прямой линии видимости к пользователю. Недостаточное количество спутников или «плохая геометрия» (т.е. плохое распределение имеющихся спутниковых сигналов в данной местности) возникает в результате обструкции сигнала и ограничивает доступность и точность позиционных решений. В городской среде ситуация усугубляется тем, что имеющиеся сигналы с трудом достигают приемник пользователя по линии прямой
видимости, но могут возникнуть в результате косвенного распространения (отражения и дифракции) сигналов с прямой линии видимости. Данные явления значительно ухудшают достижимую точность позиционирования по сравнению с работой в условиях открытого пространства. Многоуровневая система приемника ГНСС (например, GPS + ГЛОНАСС), как правило, обеспечивают больше наблюдений спутников, чем односистемный приемник, что позволяет обеспечить более высокую точность. Тем не менее, в городской среде учет распространения сигналов с не прямой линии видимости также имеет большую важность. Характерным примером является работа навигационного приемника вблизи стены дома, когда физически половина небосвода закрыта. Поэтому становится актуальной проблема повышения точности местоопределения с помощью алгоритмов дополнительной обработки навигационных сообщений [1].
В настоящее время данные алгоритмы базируются на двух основных принципах: методе конечных точек (метод счисления пути) и методе сопоставления с картой [2]. При использовании методов счисления пути для решения
навигационных задач (НЗ) используются датчики, измеряющие производные от навигационных параметров. При применении способа сопоставления с картой опираются на две базовые концепции. Во-первых, в отличие от существующих решений, они решают проблему определения местоположения по имеющимся слабым сигналам спутников с линии прямой видимости. Во-вторых, в данном способе учитываются сигналы от спутников в пределах непрямой линии видимости, обусловленные многолучевостью.
Цель работы: предоставить результаты работы алгоритма поиска решений навигационной задачи в затененной области на основе сопоставления принятых сигналов с 3D картой местности и выполнить его физическую реализацию для обработки сигналов GLN+GPS в условиях городского ландшафта.
1. Решения в области навигации при работе в городских условиях
Существующие методы для решения при ограниченной ЛПВ (линии прямой видимости) в городских районах базируются на вычислении прямого пути между несколькими известными точками (Dead Reckoning (DR)) или сопоставлении с картой (Map Matching) в тех местах, где сигналы спутников слабы или вовсе отсутствуют. Определенная степень улучшения достигается путем совмещения ГНСС с инерци-альными бортовыми (DR) системами (спидометр и т.д.). Данные решения в большинстве случаев являются заметно грубыми при отсутствии сигналов на ЛПВ. В таких условиях решающее большинство ГНСС устройств становятся бесполезными и неспособными обеспечить заявленную производителем точность решения навигационной задачи [3].
Для решения в подобных условиях Бен-Моше, Элкин, Леви и Вейзман предложили в 2011 году способ, который базируется на двух концепциях. Во-первых, в отличие от существующих решений, которые полагаются на информацию, напрямую не соотносящуюся с проблемой прямой видимости, такие, как скорость транспортного средства, положение дороги, они решают проблему определения ме-
стоположения по имеющимся слабым сигналам от ЛПВ с помощью ЛПВ-алгоритмов. Во-вторых, в данном способе учитываются сигналы от спутников в пределах непрямой линии видимости (НЛВ), обусловленные многолуче-востью [4]. Имея данную информацию, навигационный процессор получает вероятную зону нахождения приемника, совмещая зоны, получаемые с помощью слабых навигационных сигналов с картой области, в которой предположительно находится приемник. Таким образом, они получают зону, в которой приемник может находиться с определенной долей вероятности и при этом уменьшается область ошибки.
В данном способе существуют области с вероятностями положения, поэтому для успешного приближения к решению навигационной задачи необходимо вводить весовые коэффициенты, величина которых определяется мощностью принимаемых сигналов.
Данный алгоритм учитывает три составляющих: статус спутников в прямой видимости, область карты, определяемую ЛПВ спутниками, построение карты с наиболее вероятными положениями.
Величина мощность сигнала, принимаемая ГНСС приемником, зависит от нескольких факторов:
• глобальных параметров (мощности передатчика, частоты передачи - это фиксированные параметры);
• пространственно-временными характеристиками между передатчиком и приемником, состоянием тропосферы и ионосферы;
• состояние ЛПВ и многолучевым распространением (траектория распространения сигнала относительно возможного «радиоканала» к приемнику).
Для данной ГНСС (например, GPS L1, L2) глобальные параметры являются фиксированными. Ошибка положения и временные параметры находятся в пределах 5 дБ. Типичный сигнал ЛПВ по крайней мере на 10 дБ сильнее, чем уровень отраженного сигнала НЛВ [5]. Поэтому довольно просто классифицировать подмножества записанных сигналов ЛПВ и НЛВ.
Вычисление вероятного положения на карте города относительно положения спутника может быть сделано путем проецирования зданий на карту звездного неба (положение спутника в данном случае можно принять в бесконечности). Предложенная учеными реализация инкапсулирует ЛПВ карту каждого захваченного сигнала в виде 2D матриц, заполненных (0 и 1) двоичными значениями, каждая из которых указывает, может ли приемник иметь ЛПВ соответствующего спутника в пределах одного квадратного метра. Вычисление значений карты является относительно простым алгоритмом, который использует положение спутника в 2,5D области.
Фундаментально сложнее в данном алгоритме определение значимой информации из слабых сигналов НЛВ спутников. Принятый слабый сигнал почти всегда указывает на отсутствие ЛПВ с соответствующим спутником и поэтому классифицируется (с использованием SigBench (порога мощности сигнала, по которому приёмник делит спутники на видимые, если мощность сигнала выше порога, и невидимые, если мощность ниже)) в подмножестве невидимые спутники [6]. Зная, что приемник не может видеть спутник с текущего места, можно сделать вывод, что он не находится в местах, где этот спутник можно увидеть. Из этого наблюдения можно строить дополнительные ЛПВ-карты (переключения 1 и 0 значений) невидимых спутников, которые принадлежат вероятностным слоям, несущим информацию о том какие видимые спутники не видны в данных слоях. Кроме того, поскольку обсуждаемый алгоритм ориентирован на городские условия, где ЛПВ может ухудшиться до подмножества невидимых спутников, новые карты невидимых спутников стали важным источником информации для формирования агрегированной карты вероятности.
Для улучшения определения ЛПВ/НЛВ спутников в данном алгоритме введены весовые коэффициенты, которые отличают в данном единичном месте все ЛПВ спутники на бинарные видимые и невидимые спутники для уточнения построения агрегированной карты.
Агрегированная карта вероятности реализована в виде 2D матрицы, заполненной действительными числами, каждое из которых представляет вероятность того, что приемник будет расположен в определенном месте (например, в пределах 1 квадратного метра). Матрица строится путем умножения каждой матрицы ЛПВ с весом, что означает амплитуду сигнала от соответствующего спутника и суммированием всех взвешенных матриц. Результатом этих действий является одна 2D матрица, где каждая точка представляет собой вероятность положения и высочайшее значение матрицы является наиболее вероятным местом положения. Эта вероятностная матрица строится путем суммирования значительного количества (примерно от 8 до 18) частных (уже дифференцированных весами) матриц, максимальное значение матрицы имеет малое количество промахов. В общем эмпирическом случае алгоритм определяет одно уникальное максимальное значение и приемник будет находится в этом положении, представленным максимальным значением. Если же встречается несколько максимально приближенных положений, алгоритм использует эвристические методы (например, ближайшая точка к последнему решению приемника), чтобы выбрать точку, которая будет местоположением [7].
В результате при синтетических тестах данный алгоритм позволил определять местоположение в условиях плотной городской застройки (п-ов Манхэттэн) со временем холодного старта приема 1 секунда с максимальной ошибкой определения положения в 2 метра от истинного местоположения [2,8].
2. Алгоритм повышения точности место-определения в городском ландшафте
В 2013 году Рябов И.В., Толмачев С.В. и Чернов Д.А. выполнили модификацию алгоритма сопоставления с картой для работы с 3D картой местоположения и данными от спутников ГНСС. Данный алгоритм работы в затененных условиях имеет две фазы - автономный этап (подготовительный этап) и онлайн фазу. Автономный этап проводится для формирования сетки вероятностных границ положения. В
начале онлайн фазы определяется первое положение пользователя, например, с использованием стандартного позиционирования (SPP) с ГНСС псевдодальностями. Второй шаг определяет область поиска для затененной части. На третьем этапе прогнозируется видимость спутника на каждой позиции сетки с использованием 3D модели города. После этого оценивается с помощью специальной схемы сходство видимости спутника между предсказанием и наблюдением, обеспечивая рейтинг в каждой точке сетки в области поиска. Наконец, находится решение в затененной части, благодаря алгоритму поиска соседних k-решений, который сопоставляет средние значения точек в сетке с наивысшей полученной оценкой (рис.1).
В автономной фазе формируются границы зданий на сетке местоположений. Граница зданий строится с перспективы положения ГНСС пользователя, край здания определяется для каждого азимута (от 0 до 360°) в виде серии углов. Для каждого здания хранится также атрибут высоты над уровнем моря. Результат этого этапа показывает, где расположены края зданий в пределах небесной координатной сетки (рис. 2). Как только определена граница относительно небесной координатной сетки, она может быть сохранена и легко повторно использована в онлайн фазе для предсказания
видимости спутника простым сравнением высоты спутника с высотой здания в том же азимуте.
На втором шаге активной фазы поиска решения определяется область, в которой находятся вероятные решения местоположения в затененной области. Область поиска определяется на основе первоначального положения, генерируемого на первом шаге определения координат на ЛПВ спутниках. Простейшей реализацией является фиксированная окружность с центром в известной координате, однако здесь могут применятся и более совершенные алгоритмы позиционирования
Например, если исходное положение генерируется с использованием обычного решения ГНСС, геометрия сигнала, и, следовательно, точность позиционирования, будет намного лучше вдоль направления улицы, чем через улицу. Связано это с влиянием городского ландшафта на геометрию распространения сигнала. Сигналы, идущие перпендикулярно улице, имеют больше шансов быть заблокированными, чем сигналы, идущие вдоль улицы. Традиционное решение ГНСС имеет меньшую точность перпендикулярно улице и более высокую точность вдоль улицы, таким образом можно дополнить алгоритм поиска в затененной области [9].
0
Рис. 2. Граница здания на небесной координатной сетке
Таким образом, решение, принятое о местоположении вдоль улицы, генерирует более точную область поиска затененного решения
Рис. 1. Алгоритм повышения точности место-определения при работе в затененной области городского ландшафта
местоположения, чем может предоставить решение, найденное при движении перпендикулярно улице. Расширенный алгоритм поиска решения в затененной области сильно зависит от начальных условий определения местоположения.
Результатом данного этапа является сетка, в узлах которой находится вероятное местоположение пользователя, с определённым шагом, который в конечном счете определяет точность решения НЗ (т.е. область, в которой находится пользователь, определяемую серией максимальных отклонений вокруг истинного местоположения). Величина шага ограничивается аппаратной чувствительностью приемника навигационных сигналов и вычислительными затратами, которые требуются на обработку каждого узла сетки.
На третьем шаге осуществляется сравнение высоты спутника с высотой зданий в том же азимуте. Спутник будет виден, если он находится над границей определенного известного здания. На этом этапе предсказывается конфигурация видимых и невидимых спутников для каждого узла сетки, определенной на предыдущем этапе.
Уже на четвертом шаге оценивается сходство между прогнозируемой видимостью и фактически наблюдаемой. Кандидат-позиция (узел сетки) с лучшим совпадением видимости спутников будет взвешиваться выше в решении при затененной задаче. Существуют два этапа вычисления оценки для кандидата позиции. Первый: определение по оценочным схемам о наблюдаемом угле. Второй: функция оценки выдает положение между наблюдаемым сигналом и его оценкой. Она описывается формулой
(У) = (и У, 55), (1)
где (/) - оценка позиции для точки сетки у, /5аг(г,у,55)- оценка положения спутника 7 в сетке у с помощью оценочной матрицы 55.
К концу этого этапа каждый кандидат положения должен иметь оценку, которая представляет серию углов, указывающих на видимость спутников. Таким образом, мы определяем вероятные конфигурации видимых и не-
видимых спутников для каждого узла сетки. Последний шаг в решении затененной навигационной задачи - определение положения с помощью полученных бальных оценок путем сопоставления кандидатов с образцом. Здесь производится поиск максимально совпадающих оценок реально наблюдаемых конфигураций видимых и невидимых спутников с предсказанными конфигурациями спутников.
В работе используется метод соседних к-решений для определения местоположения путем усреднения максимальных значений в сетках позиционирования. При такой системе оценки баллы принимают целые или полуцелые значения. Таким образом, несколько точек сетки обычно разделяются высоким баллом. Точки сетки с наивысшими баллами считаются ближайшими соседями. Для вычисления координат для L ближайших соседей используются формулы (2) и (3)
N=I*V"n,
L 1 о
E = -* Vе е. ,
L ^г=1 г
(2)
(3)
где N, E - координаты приемника, щ и е^ координаты точек сетки с наивысшей i - ой оценкой позиции.
Кроме того, данный алгоритм предусматривает использование дополнительных источников о местоположении в своем применении, например, WI-FI позиционирование может учитываться при решении НЗ в затененном решении.
3. Обработка многолучевых сигналов в алгоритме повышения точности местоопредления
Важным этапом работы алгоритма является разделение сигналов спутников на подмножества сигналов ЛПВ и НЛВ.
После того, как входной сигнал глобальной спутниковой навигационной системы (ГНСС) был корректно обнаружен, навигационный приемник (НП) сначала должен определить спутники на линии видимости. Эти спутники будут служить опорными точками для определения позиции (подмножество ЛПВ), решение
будет достигнуто путем измерения времени, которое требуется передаваемому сигналу для достижения приемника пользователя. Сигнал считается принятым, когда величина корреляции всех вариаций принятого сигнала, содержащих кодовую задержку и допплеровский сдвиг, с локально генерируемой репликой сигнала достигнет величины, большей порогового значения обнаружения сигнала [10]. Время минимального когерентного накопления (CI) между операциями поиска данного пика (Nscode) составляет период псевдослучайного кода.
В большинстве решений на открытом пространстве достаточно одного периода псевдослучайного кода для обнаружения конфигурации спутников над приемником. Величина времени составляет всего 1 мс при работе с сигналами GPS - L1 C / A. Проблемы возникают при перемещении в затененных областях, так как большая величина затухания сигнала затрудняет получение сигналов. Такую проблему чувствительности можно компенсировать продолжительным временем поиска сигнала, во время которого будет происходить фильтрация сигнала. К сожалению, данный способ, который теоретически возможен, не может быть применен на практике в связи с наличием двух основных ограничений, которые мешают увеличения времени поиска неограниченно [11]:
1. Принятый сигнал представляет собой модулированные данные и существует риск отмены работы, если появляется новый бит передачи сигнала, в то время как происходит когерентное накопление сигнала. Средние потери в таких ситуациях равны
NcNSC0de\ 3Nsbit )'
где Nsbit количество выборок за битовый период, Nc - количество периодов поиска. Эти потери не могут быть предотвращены, так как биты данных навигационного сообщения до сих пор неизвестны на данном этапе приема;
2. Принятый сигнал зависит от остаточных ошибок частоты и существует риск отмены работы, когда CI превысит заданную длитель-
Lc = -10logw (l
ASNR(dB) = 20 log10
ности времени. Такая возможность объясняется на основе анализа увеличения отношения сигнал-шум (SNR). Данная величина задается
БШ(яFeГcodeNc) _ бШЫ7^) -101од10Ыс.
Ее зависимость от разной частоты ошибок представлена на рис. 3. Рисунок показывает, что, чем меньше сдвиг остаточной частоты, тем больше операций С1 может быть выполнено до того, как увеличение SNR падает из-за фазового переноса. Этот эффект предполагает компромисс между коэффициентом увеличения SNR и вычислительной нагрузкой, которая возрастает в связи с увеличением требований к количеству вычислений из-за появления до-пплеровского сдвига частоты.
CI.F 0Гц
CI.F SOOfi CI.F 1кГц
9
Рис.
Количество iiiöcpoi. 4 095 Msps) 3. ASNR для CI и NCI c различными отклонениями частоты
Увеличение вычислительной нагрузки не единственное ограничение реализации длинных промежутков CI. Помимо сказанного, наличие фазового шума из-за нестабильности генератора также может вызывать последовательно накапливаемую ошибку фазы. Именно по этой причине в практическом применении время CI не может неограниченно возрастать. В этих условиях нет выбора, кроме как прибегнуть к комбинации CI и некогерентного времени накопления (NCI) для дальнейшего расширения общего времени интеграции и улучшению чувствительность приемника.
Кроме этого, сопоставляя принятые навигационные данные и 3D карту местности, можно
определить, какие сигналы от каких спутников являются многолучевыми и определить возникающие задержки многолучевости [12].
Поскольку спутники движутся по орбите над землей, сигналы на земной поверхности можно принять как параллельные лучи. На рис. 4 представлены два луча в виде сплошных линий: прямой и отраженный. Эти два луча распространяются с одной и той же скоростью, так что, когда прямой сигнал достигает центра антенны (А), косвенный сигнал достигает воображаемую антенну, обозначенную как точка В на рис. 4. Из точки В отраженный сигнал должен проделать дополнительный путь, чтобы достичь антенну. Дополнительный путь можно разложить на две части, обозначаемые как dl и d2. Если мы знаем перпендикулярное расстояние D от антенны к отражателю и падающего угла Ф (известный из азимута и высоты спутника и от ориентации отражателя), то легко увидеть геометрическую связь между задержками на трассе и углом падения
(4)
° (5)
¡зад = + 4 2 :
й1 =
^(Ф)
42 = С08(Ф + Ф) = С08(2Ф) . (6)
Значения d2 может иметь негативное значение в случае, когда отражатель ближе к спутнику, по сравнению с воображаемой антенной (точка В за стеной).
Подставляя (5) и (6) в (4), получаем
¡зад = 2В 008(Ф). (7)
Однако ситуация с одним отражением в городском каньоне достаточна редка. Мы должны рассмотреть ситуацию с несколькими отражающими поверхностями. Стандартным городским ландшафтом является ряд зданий по обе стороны улицы. Для расчета предположим две плоские зеркальные стены, антенна помещается на улице и между двумя зданиями. Высота и длина препятствий можно варьироваться. Ориентация улицы заранее известна. Возможно несколько сценариев. Рассмотрим ситуацию на рис. 5, где сигнал отражается три раза, чтобы достичь антенны. Принцип такой же, как для одиночного отражения.
Рис. 5. Мультиотражение в городском каньоне (вид сверху)
Общая величина задержки определяется
¡зад = 41 + 4 2 + 43 +
где d4 может быть отрицательным. Каждый отдельный путь d может рассчитываться отдельно, если мы знаем перпендикулярные расстояния от антенны до отражателя D1 и D2 угол Ф сигнала.
Первые три расстояния задержки могут быть легко рассчитаны
dl = -
, d 2 = d3 = D±A
,-2 3 ■ (9)
шз(Ф) 2 3 cos(Ф)
С отношениями прямоугольного треугольника А (антенна), В (мнимая антенна) и R1 (первая точка отражения на здании) оставшуюся задержку d4 можно рассчитать, используя теорему Пифагора
d4 = д/ АЯ1 + АВ , (10)
где AR1 - расстояние между антенной А и первой точкой отражения R1 и АВ - расстояние между антенной А и мнимой антенной В. Координаты для точек отражения R1, R2 и R3 можно рассчитать, используя отдельные задержки пути от d1 до d3 из выражения (9). Расстояние АВ является кратчайшим расстоянием от антенны к пути входящего отраженного сигнала и может быть вычислено следующим образом
— AXsat * ARJI
AB =
WAX..
(11)
Кроме мультиотраженных сигналов, антенна может принять сигналы, прошедшие через здание. Самый первый источник деградации точности местоопределения - работа с многократно ослабленными сигналами, прошедшими через здания. Внешние строительные препятствия, такие, как крыши или фасад, могут внести до 50 дБ затухания в преломленный сигнал, проникающий в закрытое помещение. В дополнение к этому, дополнительное затухание сигнала вносят стены, мебель, пол и любые другие внутренние препятствия.
Первый вопрос, который необходимо решить при работе в подобных условиях -надежное обнаружение заданных ослабленных сигналов. Ответом служит хорошо изученная теория статистического обнаружения сигналов, в которой говорится, что усиление на 3 дБ получают каждый раз, когда интервал С1 удва-
ивается, а для NCI - только 1,5 дБ [13]. Согласно этому результату, количество CI, Nc, должны быть увеличено в 105 раз, чтобы восстановить 50 дБ затухания сигналов, прошедших сквозь здания. Для некогерентных интервалов измерения ситуация несколько хуже, так как потребуется уже 1010. Эти цифры дают представление о величине времени минимального накопления для обнаружения ГНСС сигналов, прошедших сквозь здание, по сравнению с сигналами, полученными с ЛПВ. На практике комбинация CI и NCI адаптирована под различные уровни чувствительности [14].
Для оценки времени задержки, говорящей о точности местоопределения, используется неравенство Крамера-Рао (CRB). Для GPS-L1 сигналов, прошедших здание, среднеквадрати-ческая ошибка по времени, вызванная появлением дополнительной составляющей из-за различных условий распространения сигнала внутри здания, дает ошибку определения местоположения порядка 30 м. В зависимости от геометрии спутников эта ошибка времени может превратиться в ошибки позиционирования от 60 до 180 м, что, естественно, не дает какой-либо значимой информации для повышения точности. С теоретической точки зрения подобные сигналы ГНСС кажутся возможной проблемой. Тем не менее, жесткие границы, такие, как статистические границы Зива-Закаи, реалистично определяют время задержки при очень низких C/N0 (отношение несущей к спектральной плотности шума) значениях.
4. Некоторые результаты работы алгоритма повышения точности
Работа данного алгоритма была проверена в условиях 9-этажного микрорайона «Сомбат-хей» г.Йошкар-Ола в мае 2014 года. Обработка данных, поступающих на мультисистемный приемник GPS/ГЛОНАСС сообщений GEOS-3 КБ «Геостар-Навигация», производилась на одноплатном компьютере CubieBoard c 1GHz ARMv7 процессором с последующим выводом информации с помощью Google Earth.
Исследование проводилось при движении на автомашине. Большая часть отклонений от траектории наблюдается в условиях, когда
часть небосклона скрыта зданиями. Кроме того, видны два места, где решение навигационной задачи выполнялось без спутников с прямой линии видимости.
метры
Широта
-6
метры
Решение НЗ
ISPP Алгоритм
Долгота
Решение НЗ
б 5 4 3 2 1 О -1 -2 -3
SPP
■Алгоритм
Рис. 6. Результаты работы с алгоритмом повышения точности и при работе без него
На рис. 6 представлены результаты работы алгоритма на протяжении времени при движении на автомобиле. Как видно из рисунка, применение алгоритма увеличивает точность определения координат. Кроме того, на рисунке видно, что погрешность определения координат при движении вдоль улицы (долгота) содержит меньшую величину ошибки, чем при движении поперек улицы (широта). Однако при использовании точной 3Б - карты местности алгоритм эффективнее повышает точность в пространстве измерений, содержащих большее количество ошибок.
В результате работы мы получили успешное решение навигационной задачи в условиях
городскои застроики в затененных районах навигации с максимальным отклонением от истинного местоположения в 2,5 метра с вероятностью 89%, исходя из статистической обработки данных эксперимента с использованием одноплатного компьютера CubieBoard c 1GHz ARMv7 процессором сопряженным с модулем приема сигналов GPS/GLN GEOS-3 КБ «Гео-стар-Навигация».
Заключение
Таким образом, в работе предложено решение задачи повышения точности местоопределения в условиях плотной городской застройки с помощью 3D карты. Предложен алгоритм, который использует 3D карту местности для определения видимости спутников в каждой точке решения навигационной задачи. При поиске решения учитываются сигналы, обусловленные многолучевостью и сигналы, которые проходят сквозь здания. Кроме того, указано, как влияет учет данных параметров на время холодного старта приемника при работе с данным алгоритмом. Показаны результаты работы алгоритма в условиях городской застройки при движении на автомашине.
Литература
1. Рябов И.В., Чернов Д.А. Применение процессора 1892ВМ10Я для повышения точности определения координат глобальной навигационной системы // Вестник ПГТУ. 2012, №1. - С. 58-72.
2. Вейзман А., Бен-Моше Б., Элкин Е.,Леви Г. Повышение точности ГНСС устройств в городских каньонах // 23 Канадская конференция вычислительной геометрии.- Toronto, 2011. - С. 1175-1193.
3. Пинана-Диаз C., Толедо Р., Бетаилле Д, Обнаружение и исключение многолучевых сигналов спутников GPS с использованием дополнительных карт // In Proceedings of IEEE ITSC 2011: The 14th IEEE Conference on Intelligent Transportation Systems.- Вашингтон , 2011. - С. 276-289.
4. Грувс П.Д. Сопоставление с картой: новая ГНСС техника позиционирования в городских каньонах // Журнал Навигация. 2011, 64. - С. 417-430.
5. Грувс П.Д. Повышение точности позиционирования с использованием предсказания видимости спутников // In Proceedings of ION GNSS 2012- Не-швиль, 2012. - С. 66-89.
6. Макгоугон Г.Д. Высокочувствительные устройства GPS: анализ производительности в плохих условиях приема // UCGE Report.- Торонто,
2003. - С. 201-276.
7. Уайт К.Е. Некоторые алгоритмы сопоставления с картой для навигаторов. // Исследования для транспорта // Исследования для транспорта. 2000, №8. - С. 91-108.
8. Бен-Моше Б. Повышение точности ГНСС с помощью скоростных переключений "теневых" сеток // IEEE Устройства для интеллектуальных транспортных систем. 2014, №1. - С. 1113-1122.
9. Рябов И.В., Толмачев С.В., Чернов Д.А. Разработка алгоритма повышения точности место-определения в условиях городского ландшафта с использование сигналов GPS и ГЛОНАСС // Труды конференции DSPA-2014. - Москва, 2014. - С. 355359.
10. Девидсон П., Коллин Дж. Улучшенное позиционирование транспорта в городской среде // Динамические системы: измерение и управление.
2004, №126. - С. 255-264.
Поступила 10 сентября 2014 г.
11. Рябов И.В., Толмачев С.В., Чернов Д.А. Выделение значимой информации из слабых сигналов навигационных систем для алгоритмов повышения точности // Радиолокация, навигация, связь (RLNC-2014). - Воронеж: НПФ «САКВОЕЕ», 2014. - С. 476-480
12. Ноланд Р.Б. Интегрированные алгоритмы сопоставления с картой // Исследования для транспорта. 2006, №11. - С. 283-302.
13. Лау, Л., Кросс, П. Новая сигнал-шум модель для высокоточных ГНСС измерений в присутствии многолучевости // 19th интернациональная техническая встреча института навигации (ION GNSS 2006).-Техас, 2006.- С.456-471.
14. Макгоугон, Г.Д. Влияние плохих условий приема на точность позиционирования GPS // In Proceedings of ION GNSS 2012.- Нешвиль, 2012.- С. 204-216.
English
Accuracy increase of positioning mobile objects by means of signals of global navigation satellite systems
Igor Vladimirovich Ryabov - Doctor of Engineering, Professor Department of Computing Equipment Engineering and Production «Volga region state technological university».
E-mail: ryabov22@mail.ru.
Denis Alekseevich Chernov - post-graduate student Department of Computing Equipment Engineering and Production «Volga region state technological university».
E-mail: evsxx1@gmail.com.
Address: 424000, Ioshkar Ola, Lenin Sqr., 3.
Abstract: The significant factor influencing operation accuracy of land navigation equipment is the number of visible objects in the sky satellite systems. Positioning by means of global navigation satellite systems is a very challenging task in urban areas where diversity of natural and techno genic objects can degrade propagation of signals from a direct line of visibility to the user. Insufficient number of satellites or «poor geometry» (i.e. poor distribution of available satellite signals in the given area), as a rule, results from obstruction of a signal and restricts availability and accuracy of position solutions. The paper suggests the algorithm of increasing position accuracy based on matching 3D area maps with signals of global navigation satellite system. All algorithms are divided into two types: a map matching method and a dead reckoning method. A map matching method does not depend on the factors indirectly connected with the problem of radio visibility in contrast to a dead reckoning method. The implementation of an algorithm based on a 3D map matching method includes five basic steps: determination of the last successful solution of a navigation task, determination of the search area in the shaded region, a forecast of visibility of satellites for expected points of solution, an estimation of actual visibility of satellites, solution of a navigation task. Successful implementation of an algorithm involves processing multipath signals. The result of the developed algorithm is the solution of the navigation task under the conditions of urban building in shaded regions of navigating with 2,5 meters accuracy and 89 % probability.
Key words: multipath signals, algorithm of positioning accuracy increase, boundaries of buildings on a sky map, visibility of GPS satellites, a line of sight.
References
1. Ryabov I.V., Chernov D.A. Application of 1892BM10.3 processor for positioning accuracy increase of a global navigator. - Bulletin of PGTU. 2012, №1. - P. 58-72.
2. Veyzman A., Ben Moshe B., Elkin E., Levi G. Accuracy increase of GNSS devices in urban canyons. - 23 Canadian conference of computing geometry. - Toronto, 2011. - P.1175-1193.
3.Pinana Diaz S., Toledo R, Betaille, D, Discovery and exclusion of multipath signals of GPS sallelites. - In Proceedings of IEEE ITSC 2011: The 14th IEEE Conference on Intelligent Transportation Systems. - Washington, 2011. -P. 276-289.
4. Gruvs P. D. Map matching: new GNSS of positioning in urban canyons. - Zhurnal Navigatsya . 2011. -P.417-430.
5. Gruvs P. D. Positioning accuracy increase with the usage of satellites visibility forecast. - In Proceedings of ION GNSS 2012- Neshvil, 2012. - P. 66-89.
6. Makgougon G. D. Highly sensitive GPS devices: performance review under the conditions of poor reception. - UCGE Report. - Toronto, 2003. - P.201-276.
7. White K.E. Some algorithms of map matching for navigators. - Issledovanya dlya transporta //Probes for TpaHcnopra.2000, №8. - P.91-108.
8. Ben Moshe B. Accuracy increase of GNSS by means of velocity switching of "shadow" nets. - IEEE Devices for intelligent transport systems. 2014, №1. - P. 1113-1122.
9. Ryabov I.V., Tolmachyov S.V., Chernov D.A. Development of algorithm of positioning accuracy increase under the conditions of an urban landscape with the usage of signals of GPS and GLONASS. - Transactions of conference of DSPA-2014. - Moscow, 2014. - P. 355-359.
10. Davidson P, Colleen J. Enhanced transport positioning in the urban region. - Dynamic systems: measuring and control. 2004, №126. -P.255-264.
11. Ryabov I.V., Tolmachyov S.V., Chernov D.A. Selection of the significant information from poor signals of navigators for algorithms of accuracy increase. - Radiolocation, navigating(shipping season), connection (RLNC-2014). - Voronezh: NPF "SAKVOYEE", 2014. - P. 476-480.
12. Noland R.B. Integrated algorithms of map matching. - Issledovania dlya transporta. 2006, №11. - P. 283-302.
13. Lau L Cross P New signal-noise model for high-precision GNSS measuring at multipath presence. - 19th International engineering meeting of navigating institute (ION GNSS 2006). - Texas, 2006. - P.456-471.
14. Makgougon, G.D. Influence of poor receiving conditions on the positioning accuracy of GPS. - In Proceedings of ION GNSS 2012. - Neshvil, 2012. - P. 204-216.
