تعیین موقعیت نقطه ای استاندارد (spp) کینماتیکی در شرایط طوفان ژئو مغناطیسی شدید با استفاده از فیلتر کالمن و مشاهدات کد c/a

تعیین موقعیت نقطه ای استاندارد (spp )با استفاده از یک گیرنده تک فرکانسه gps با یک چالش اصلی به خاطر بایاس های محیطی (بخصوص تاثیرات یونسفری) مواجه است. هدف اصلی مقاله حاضر، آن است که تاثیرات یونسفریک را با استفاده از یک مدل یونسفری غیر دقیق مانند مدل کلابچار مدلسازی نماید و سپس آن را با مشاهدات غیر دقیق کد (a/c)در شرایط طوفان ژئومغناطیسی شدید تلفیق نماید و با بکارگیری الگوریتم فیلتر کالمن به دقت هایی در سطح دسی متر برسد. برای این منظور مشاهدات کد a/c در روزهای 26 فوریه 2018 و 20 دسامبر 2015 در ایستگاه دائمی تهران جمع آوری شده است. نتایج حاصل از فیلترینگ کالمن، نشان دهنده دستیابی به دقت هایی در سطح چند دسی متر برای تمام مولفه های مختصاتی در شرایططوفان ژئومغناطیسی شدید است که در بسیاری از کاربردهای کینماتیکی می تواند پراهمیت باشد. همچنین، آنالیز نتایج نشان می دهد که با بکارگیری مدل کلابچار، دقت تعیین موقعیت نقطه ای spp حدود %20 در روز 26 فوریه 2018 و حدود %21 در روز 20 دسامبر 2015 بهبود می یابد.

kinematic standard point positioning (spp) based on kalman filter and c/a code observations under intense geomagnetic storm conditions

in this paper, we discussed standard point positioning technique based on the single frequency code-based (c/a) receivers. then, we presented its performance by means of different measures. however, the use of one single frequency gps receiver to obtain high-precision positioning make a major challenge due to the environmental biases, in particular the ionospheric effects are handled. the main objective of the present study is to integrate a inospheric model such as klobuchar inospheric model (kim) with imprecise code (c/a) observations under intense geomagnetic storm conditions, then, to obtain dm level positioning accuracy using kalman filter. for this purpose we used code (c/a) observations on two different days (february 26, 2018 and december 20, 2015) at tehran station. the results show that we could obtain multi-dm level positioning accuracy under geomagnetic storm condition by using kalman filter that will be important in the field of kinematic applications.