بهبود موقعیت‌یابی در گیرنده‌های gps با فیلترینگ مشاهدات شبه‌فاصله و مدل سازی همبستگی‌های فضایی بین آنها

با گسترش روزافزون نیاز به تعیین دقیق موقعیت، یکی از رویکردهایی که همواره دنبال می‌شود، بهبود عملکرد گیرنده‌های gps است. در تعیین موقعیت با gps، مشاهدات شبه‌فاصله نقش اصلی را ایفا می‌کنند. خطای شبه‌فاصله به دلیل تاثیر گرفتن از شرایط محلی با روش‌هایی مانند استفاده از ایستگاه‌های مرجع قابل اصلاح نیست؛ اما با استفاده از مشاهدات دقیق فاز حامل و به کارگیری یک فیلتر بهینه آماری می‌توان خطا را به میزان قابل توجهی کاهش داد. به علاوه، با مدل سازی همبستگی بین مشاهدات می‌توان به نتایج دقیق‌تری رسید. در این مقاله، با فیلترینگ مشاهدات شبه‌فاصله بر مبنای داده‌های فاز حامل و با مدل سازی همبستگی‌های فضایی بین مشاهدات، دقت تعیین موقعیت در روش حداقل مربعات بازگشتی افزایش داده شده است. بدین منظور، الگوریتم فیلترینگ بازگشتی حداقل مربعات بر روی گیرنده ublox zed9 پیاده‌سازی شده و برای افزایش دقت، از مدل تصادفی پیشنهادی مبتنی بر همبستگی بین مشاهدات در الگوریتم بیان شده استفاده شده است. نتایج آزمایشات عملی نشان می‌دهند روش پیشنهادی موجب بهبود حداقل 40 درصدی نتایج موقعیت‌یابی نسبت به روش حداقل مربعات خطا و بهبود حداقل 10 درصدی در مقایسه با روش‌های مبتنی بر ماتریس واریانس کوواریانس غیرقطری می‌شود. همچنین، به منظور بررسی میزان پیچیدگی مدل‌های ارائه شده، از یک پردازنده آرم stm32h743 استفاده شد. نتایج نشان داد که به میزان کمی که پیچیدگی مدل ارائه شده نسبت به مدل‌های قبلی افزایش یافته است، دقت موقعیت‌یابی بهبود قابل توجهی دارد.

improving the positioning in gps receivers by filtering pseudo-range observations and modeling their spatial correlations

with the ever-increasing need for accurate positioning, one of the approaches that is always followed is to improve the performance of gps receivers. in determining the position with gps, pseudo-range observations play the main role. the pseudo-range error cannot be corrected due to being affected by local conditions with methods such as using reference stations. however, by using accurate carrier phase observations and using an optimal statistical filter, the error can be significantly reduced. in addition, more accurate results can be reached by modeling the correlation between observations. in this paper, by filtering pseudo-range observations based on carrier phase data and by modeling spatial correlations of observations, the accuracy of positioning has been increased in the recursive least squares method. for this purpose, the recursive least squares filtering has been implemented on the ublox-zed9 receiver. also, to increase the accuracy, the proposed stochastic model based on the spatial correlation between observations has been used in the positioning algorithm. the experimental results show that the proposed method improves positioning results by at least 40% compared to the least squared method and at least 10% compared to non-diagonal variance-covariance matrix-based methods. to evaluate the complexity of the proposed models, an arm stm32h743 processor was employed. the findings indicate a modest increase in the proposed model complexity compared to earlier models, along with a substantial improvement in positioning accuracy.