بهبود دقت موقعیت یابی GNSS در محیط های پیچیده مرور بر روش های ترکیبی ناوبری، یادگیری ماشین و مدل های بهینه سازی

سال انتشار: 1403
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 170

فایل این مقاله در 10 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ECMECONF22_067

تاریخ نمایه سازی: 4 اسفند 1403

چکیده مقاله:

موقعیت یابی دقیق با استفاده از سامانه های ماهواره ای ناوبری جهانی (GNSS) در بسیاری از کاربردهای حیاتی مانند هوانوردی، ناوبری دریایی، حمل ونقل شهری، و سیستم های خودمختار اهمیت دارد. بااین حال، عوامل متعددی مانند اثرات چندمسیری (Multipath)، سیگنال های غیرمستقیم (NLOS)، خطاهای اتمسفری، و محدودیت های سخت افزاری باعث کاهش دقت موقعیت یابی می شوند. در این مقاله، به بررسی جدیدترین روش های ترکیبی برای بهبود دقت موقعیت یابی GNSS پرداخته شده است. روش های تلفیقی ناوبری اینرسی (INS/GNSS) برای مقابله با قطعی های موقت GPS، استفاده از یادگیری ماشین برای تصحیح خطاهای شبه برد، و مدل های بهینه سازی مانند فیلتر کالمن توسعه یافته و فیلترهای اطلاعاتی برای کاهش خطاهای موقعیت یابی بررسی شده اند. همچنین، کاربردهای موقعیت یابی دقیق نقطه ای (PPP) و تصحیحات تفاضلی (RTK/DGPS) در محیط های شهری و دریایی تحلیل شده است. نتایج بررسی ها نشان می دهند که ترکیب GNSS با سیستم های ناوبری اینرسی (SINS) در وسایل نقلیه هوایی و هایپرسونیک، استفاده از داده های ماهواره ای چندمنظومه ای (Multi-GNSS) در PPP، و به کارگیری روش های یادگیری ماشین برای بهبود دقت در محیط های شهری، منجر به افزایش استحکام و کاهش خطاهای موقعیت یابی شده است. آزمایش های انجام شده در شرایط واقعی نشان داده اند که الگوریتم های مبتنی بر یادگیری ماشین، دقت موقعیت یابی GPS را تا ۷۰ درصد بهبود داده و استفاده از روش های تصحیح سطح دریا در ناوبری دریایی موجب کاهش ۷۹ درصد خطای عمودی شده است. علاوه بر این، روش های پردازشی پیشرفته مانند فیلتر اطلاعاتی ریشه مربع (SRIF) در مقایسه با فیلتر کالمن، عملکرد پایدارتری را در شرایط عددی نامناسب ارائه می دهند. در نهایت، این مطالعه نشان می دهد که برای بهبود دقت موقعیت یابی GNSS در محیط های پیچیده، استفاده از ترکیب فناوری های ناوبری، یادگیری ماشین، و مدل های تصحیح خطا ضروری است. تلفیق سیستم های GNSS/INS، بهره گیری از داده های چندمنظومه ای، توسعه الگوریتم های یادگیری ماشین برای تشخیص و تصحیح سیگنال های معیوب، و بهینه سازی فیلترهای ناوبری از جمله راهکارهایی هستند که می توانند دقت موقعیت یابی را تا حد قابل توجهی افزایش دهند. رای کاهش خطاهای اینرسی خواهد بود.

نویسندگان

یوسف قربانی

دانشجوی کارشناسی ارشد فناوری ماهواره دانشگاه علم و صنعت

مهدی نصیری سروی

استادیار گروه فناوری ماهواره، دانشگاه علم و صنعت