Это опция возвращает прежний вид Главной страницы Подробно о трехмерной графике , разворачивая свернутые и закрытые рубрики и блоки.

Восстановить вид Подробно о трехмерной графике.


ИМИТАЦИОННОЕ МОДЕЛИРОВАНИЕ АЛГОРИТМОВ ПРЕДВАРИТЕЛЬНОЙ ОБРАБОТКИ ИЗМЕРЕНИЙ ГЛОНАСС

ИМИТАЦИОННОЕ МОДЕЛИРОВАНИЕ АЛГОРИТМОВ ПРЕДВАРИТЕЛЬНОЙ ОБРАБОТКИ ИЗМЕРЕНИЙ ГЛОНАСС

Организация эфемеридно-временного обеспечения (ЭВО) КНС ГЛОНАСС на основе беззапросных измерительных технологий подразумевает обработку большого объема информации. Непосредственное изучение ЭВО является затрудненной задачей из-за большого числа факторов, негативно влияющих на точность беззапросных измерений. Использование имитационного моделирования измерительного сегмента КНС ГЛОНАСС для исследования и улучшения системы ЭВО оказывается эффективным и выгодным. Разрабатываемый во ФГУП СНИИМ программный имитатор призван решить обширный круг задач, таких как: ?S отработка методов, алгоритмов оценивания и восстановления измерительной информации, получаемой с КА; S сравнительный анализ методов и алгоритмов уточнения орбит по данным измерений наклонных дальностей; отработка математических моделей возмущений, действующих на КА и математических моделей погрешностей измерений наклонных дальностей; S обобщение накопленных методик и алгоритмов моделирования массивов измерений в единый программный пакет с удобным для дальнейшего исследования и учета информации интерфейсом под средой Windows. разработка методик и алгоритмов моделирования измерений с пунктов сети лазерных дальномеров, с пунктов сети запросных измерительных систем (ЗИС).

Обозначенный круг задач позволяет проводить отработку беззапросных и запросных технологий траекторных измерений, а также формировать эфемеридно-временное обеспечение. Остановимся подробнее на задаче улучшения измерительной информации ГЛО-НАСС. Программный имитатор позволяет исследовать возможно сть применения алгоритмов фильтрации для предварительной обработки измерений. Предварительная обработка предполагает фильтрацию шума, исключение аномальных значений в составе измерений и восполнение пропущенных данных. Для проведения исследования, описанного в работе, потребовались модель сети БИС и модель измерительного канала. В качестве модели сети БИС предлагается задание сети беззапросных измерительных станций в виде набора геоцентрических координат. В зонах видимости БИС производится расчет геометрических дальностей от КА до БИС. Погрешность измерений по каждому каналу КА-БИС имитируется с помощью математических моделей: 1. ухода часов БИС и часов КА; 2. тропосферной поправки; 3. ионосферной поправки; 4. шума измерения. Шум измерения представляет композицию распределения двух случайных процессов.

Первый процесс является высокочастотным случайным сигналом малой амплитуды, распределенным по нормальному закону и имитирующим погрешности кодовых и фазовых измерений. Второй процесс является импульсным шумом большой амплитуды, имитирующим аномальные выбросы измерений. Кроме того, «кусочным» обнулением модельного трека измерений имитируется возможная потеря синхронизации при приеме сигнала со спутника. Модель измерительных каналов связана с моделированием беззапросных кодовых и фазовых измерений навигационных сигналов, транслируемых с борта КА КНС. В общем случае расчетные аналоги кодовых и фазовых измерений определяются выражениями: Р = D + с (ДТвис – ATKA) +ADHOH +ADJP +ADM, L с / f= D + с (ДТБис – ATRA) -АБион +ADTP +ADM + NX, где P – псевдодальность, измеряемая в единицах длины; L – фаза несущей, измеряемая в циклах на частоте несущей; с — скорость света; f — несущая частота навигационного сигнала; D – наклонная дальность между БИС и КА, рассчитанная с учетом времени распространения сигнала; АТБИС – поправка часов БИС; АТКА – поправка часов КА; ADHOH – ионосферная поправка; ADTP – тропосферная поправка; ДОш – шумовая поправка – неоднозначность фазовых измерений; X – длина волны несущей. Ошибки любых измерений, как правило, содержат две составляющие: 1. Случайные погрешности. 2. Систематические, в том числе медленно меняющиеся погрешности. При большом числе измерений, что характерно для беззапросных измерений, случайные ошибки практически не оказывают влияния на точность получаемых данных, в то время как систематические погрешности наряду с применяемыми моделями и методами обработки определяют качество уточняемой ЭВИ. Для обработки модельных измерений применялись следующие алгоритмы: 1. Алгоритм классического фильтра Калмана. 2. Алгоритм адаптивного фильтра Калмана. 3. Алгоритм медианной и сплайновой фильтрации. Исследования алгоритма классического фильтра Калмана для восстановления орбиты КА по зашумленным измерениям показали его эффективность. При погрешностях измерений наклонных дальностей в виде гауссовского центрированного случайного процесса с СКО = 10 см по каждому каналу измерения КА-БИС алгоритм калмановского типа дает СКО не более 0,5 мм по каждой проекции. При решении системы алгебраических уравнений относительно координат КА в ряде случаев возникают выбросы, связанные с вырождением решаемой системы. Выбросы связаны с геометрическим взаимным расположением пунктов сети БИС и исчезают при ее изменении.

Рекуррентные алгоритмы в аналогичных случаях выбросов не дают. Недостатки классического фильтра Калмана заключаются в необходимости задания подробной априорной информации о характеристики шума, а также в неспособности эффективно сглаживать аномальные выбросы измерений. Кроме того, при пропусках исходного сигнала на входе фильтра, имитирующих потерю синхронизации, фильтр начинает расходиться. Учет влияющих помех и пропуски в измерениях способны компенсировать различные модификации классического фильтра Калмана, что и подтвердил эксперимент. Адаптивный фильтр Калмана в процессе работы анализирует невязку измерений прогнозируемого и измеренного сигнала. В случае существенного расхождения между величинами (а это и есть аномальный выброс или пропуск измеряемого сигнала) в фильтре «обнуляется» коэффициент усиления, и на выход фильтра поступает прогноз измерения (сигнал с предиктора). Но недостатком данного подхода явилась неспособность адаптивного фильтра Калмана устойчиво работать по своему прогнозу на длительном интервале времени. Исследования показали эффективность алгоритмов медианной и сплайновой фильтрации для восстановления искаженных шумами фазовых измерений КА. Первичный этап обработки зашумленных фазовых измерений проводился медианным фильтром, выход которого определяется как медиана элементов, попавших в апертуру фильтра. Медианный фильтр характеризуется хорошей способностью сглаживать импульсный шум, тогда как низкочастотный шум с небольшой амплитудой сглаживается значительно хуже, что и показал эксперимент. Устранение «остаточных шумов» после медианной фильтрации и исключение разрывов в измерениях проводилось аппроксимацией сглаживающими сплайнами. Вычислительный эксперимент, построенный на программном имитаторе, показал хорошие результаты обработки.

При относительном уровне шумов 50 % относительная погрешность приближения функции не превышает ЗхЮ”4 %, что составляет 75 м при величине сигнала порядка 25×103 км. Кроме того, обработка фазовых измерений медианным фильтром и последующей аппроксимацией сглаживающими сплайнами требует небольших вычислительных затрат, что позволяет использовать данные алгоритмы для оперативной обработки измерений. Таким образом, проведенное исследование показывает, что алгоритмы Калмановско-го типа являются эффективными, но требуют больших вычислительных затрат при увеличении размерности вектора измерений. Алгоритм медианной и сплайновой фильтрации работает быстрее, но проигрывает по точности обработки. Кроме того, использование медианного фильтра сопряжено с дополнительной трудностью. Сигнал на выходе фильтра смещен на апертуру фильтра. При обработке измерений в реальном времени сигнал на выходе фильтра будет запаздывать. Дальнейшей задачей научного исследования является поиск оптимального алгоритма оценивания измерительной информации. Возможно, в программном имитаторе будет реализована совокупность алгоритмов. К тому же, исследованы не все алгоритмы фильтрации. Дальнейший эксперимент предполагает исследование робастного, оптимального фильтров Калмана и псевдо-фильтра Калмана .

Оставить комментарий или два