Maschinelle Übersetzung, nicht von einem Muttersprachler geprüft. Englisch ist die maßgebliche Fassung.

Seiten zu den SzenariotypenAuf GitHub bearbeitenQuelle: docs/kinds/by-kind/leo-ppp.md

leo-ppp (Szenarioart)

Szenarioart der Engine v0.40.0, Familie Low-Earth-orbit navigation. Hinweis (beratend): Analyseausgabe eines Forschungs- und Engineering-Werkzeugs, keine typzugelassene Navigationsausrüstung und kein Safety-of-Life-Dienst. Jede Bezeichnung hier stammt von der Engine oder der Verifikationsmatrix; eine Szenarioart ist MODELLED, sofern die Matrix nichts anderes sagt (wie eine Bezeichnung erworben wird: der Abschnitt Evidence der README).

Was es tut#

Konvergenz der präzisen Punktpositionierung (PPP) nur mit GNSS und mit LEO-Stützung: ein erweitertes Kalman-Filter mit Float-Lösung auf ionosphärenfreiem Code und ionosphärenfreier Trägerphase mit den statischen Stationskoordinaten, einer weißen Empfängeruhr, einem Inter-System-Bias je zusätzlichem System, einer als Random Walk modellierten zenitalen feuchten Verzögerung, abgebildet mit 1/sin(Elevation), und einer Float-Mehrdeutigkeit je Satellitenbogen; der präzise Bahn-und-Uhr-Fehler ist weiß und für Code und Phase eines Satelliten gemeinsam, sodass jeder Satellit eine korrelierte Zweizeilen-Aktualisierung in Joseph-stabilisierter Form ist. Die Messungen werden aus demselben Modell mit Seed-Rauschen über mehrere Standorte und Seeds simuliert, und jeder Fall (zuerst nur GNSS, dann jedes [[case]] von LEO-Systemen, beliebige Konstellation oder Voreinstellung) gibt die mediane Konvergenzzeit an (die erste Epoche, nach der die horizontalen und vertikalen Fehler unter den Schwellen bleiben, standardmäßig 10 cm), den konvergierten Anteil, die medianen Fehlerkurven und die Konsistenz des Filters (das über die Läufe gemittelte Positions-NEES gegen das zweiseitige 95-%-Chi-Quadrat-Band). Optional neben den veröffentlichten Zahlen für mittlere Breiten von Li et al. (2019, J. Geod. 93:749, doi 10.1007/s00190-018-1195-2): 9,6 min für Multi-GNSS, verkürzt auf 7,0, 3,2, 2,1 und 1,3 min mit 60, 96, 192 und 288 LEO-Satelliten. MODELLED: ein Konsistenzvergleich des Trends, keine Reproduktion der Konstellationen, des Rauschens oder der Stationen jener Studie; keine Auflösung der Mehrdeutigkeit, keine Cycle Slips, kein Phase-Wind-up, keine Gezeiten und keine zeitkorrelierten Produktfehler.

Ein Lauf von scenarios/leo-ppp-convergence.toml fasst sich so zusammen: PPP convergence to 0,10 m horizontal / 0,10 m vertical, 12 runs per case, 96 GNSS satellites GNSS only 0 LEO median 7,4 min converged 100% NEES mean 3,13 60 LEO 60 LEO median 4,8 min converged 100% NEES mean 3,08 96 LEO 96 LEO median 3,2 min converged 100% NEES mean 2,74 192 LEO 192 LEO median 2,7 min converged 100% NEES mean 2,65 288 LEO 288 LEO median 2,3 min converged 100% NEES mean 3,06 Li et al. 2019 (published, min) vs modelled: 0:9.6/7.4 60:7.0/4.8 96:3.2/3.2 192:2.1/2.7 288:1.3/2.3

Eingaben#

Aus dem Schema (kshana kinds --json):

  • Pflichtfelder: keine
  • Optionale Felder: seed, duration_s, step_s, runs, criterion_horizontal_m, criterion_vertical_m, compare_li_2019, noise, site, gnss, case

Das Beispiel scenarios/leo-ppp-convergence.toml setzt unter anderem:

Feld Wert Einheit
case[0].name 60 LEO Text
case[0].system[0].mask_deg 7 deg
case[0].system[0].name LEO-60 Text
case[0].system[0].shell[0].altitude_km 1000 km
case[0].system[0].shell[0].inclination_deg 60 deg
case[0].system[0].shell[0].phasing 1 nicht angegeben
case[0].system[0].shell[0].planes 6 nicht angegeben
case[0].system[0].shell[0].total 60 nicht angegeben
case[1].name 96 LEO Text
case[1].system[0].mask_deg 7 deg
case[1].system[0].name LEO-96 Text
case[1].system[0].shell[0].altitude_km 1000 km

Ausführen#

kshana scenarios/leo-ppp-convergence.toml

Was es liefert#

Die skalaren Ergebnisse dieses Laufs, mit den Einheiten, die die Engine angibt:

Ergebnis Wert Einheit
criterion_horizontal_m 0.1 m
criterion_vertical_m 0.1 m
duration_s 1800 s
evidence.id_rule die stabile Kennung der Matrixzeile (die ID Text
evidence.matrix docs/VERIFICATION-MATRIX.md Text
evidence.tier MODELLED Text
n_gnss 96 Anzahl
noise.amb0_sigma_m 30 m
noise.clock_sigma_m 1000 m
noise.isb0_sigma_m 10 m

Ergebnisbezeichnung (der Engine): MODELLED Float-PPP (ionosphärenfreier Code und ionosphärenfreie Phase, weiße Uhr, als Random Walk modellierte feuchte Verzögerung, Float-Mehrdeutigkeiten je Bogen) auf simulierten Messungen aus demselben Modell; die Zahlen von Li et al. (2019) sind ein Vergleich des Trends, keine Reproduktion

Das Diagramm, das die Engine für scenarios/leo-ppp-convergence.toml schreibt, Szenarioart leo-ppp

Nachweise#

MODELLED: die Zeilen der Verifikationsmatrix, die diese Art nennen.

  • MODELLED Ein erweitertes Kalman-Filter mit Float-PPP auf ionosphärenfreiem Code und ionosphärenfreier Phase: statische Koordinaten, eine weiße Empfängeruhr, ein Inter-System-Bias je zusätzlichem System, eine als Random Walk modellierte zenitale feuchte Verzögerung, abgebildet mit 1/sin(Elevation), eine Float-Mehrdeutigkeit je Satel Tests: leo_fusion_scenarios.rs.

Die Zeilen, die der Lauf selbst ausgeübt hat, mit der unabhängigen Referenz, die die Matrix jeder gibt (die öffentlichen Quellen sind dort genannt):

  • MODELLED Deterministisch, szenario-gehasht, SBOM- und plattformübergreifende Golden-Gates. Unabhängige Referenz (ExternalDataset): SBOM-Übereinstimmung mit dem offiziellen CycloneDX-1,5-JSON-Schema (+ gültige SPDX-Kennungen) — ein externer veröffentlichter Standard, null Validierungsfehler über den gesamten Abhängigkeitsgraphen; der Teil FoM-Determinismus / Byte-Reproduzierbarkeit bleibt eine festgelegte Selbstkonsistenzprüfung, daher bleibt die Zeile MODELLED
  • MODELLED Ein erweitertes Kalman-Filter mit Float-PPP auf ionosphärenfreiem Code und ionosphärenfreier Phase: statische Koordinaten, eine weiße Empfängeruhr, ein Inter-System-Bias je zusätzlichem System, ein als Random Walk. Orakel (ExternalDataset): Der NEES-Chi-Quadrat-Test ist eine Prüfung der internen Konsistenz (Wahrheit und Filter teilen das Modell). Der Trend wird verglichen mit Li et al., LEO constellation-augmented multi-GNSS for rapid PPP convergence, J. Geod. 93:749-764 (2019), doi 10.1007/s00190-018-1195-2: Multi-GNSS 9,6 min, verkürzt auf 7,0, 3,2, 2,1 und 1,3 min mit 60, 96, 192 und 288 LEO-Satelliten. Das mitgelieferte Szenario ergibt 7,4, 4,8, 3,2, 2,7 und 2,3 min mit i

Einschränkungen#

Was der eigene Bericht des Laufs als nicht modelliert oder nicht validiert nennt:

  • MODELLED Float-PPP (ionosphärenfreier Code und ionosphärenfreie Phase, weiße Uhr, als Random Walk modellierte feuchte Verzögerung, Float-Mehrdeutigkeiten je Bogen) auf simulierten Messungen aus demselben Modell; die Zahlen von Li et al. (2019) sind ein Vergleich des Trends, keine Reproduktion (Ergebnis label)
  • MODELLED: ein Konsistenzvergleich des Trends, keine Reproduktion der Konstellationen, des Rauschens oder der Stationen jener Studie; keine Auflösung der Mehrdeutigkeit, keine Cycle Slips, kein Phase-Wind-up, keine Gezeiten und keine zeitkorrelierten Produktfehler. (Szenarioarten-Katalog (kshana kinds --json))
  • Die vier LEO-Konstellationen hier sind repräsentative Walker-Delta-Schalen bei 1000 km und 60 deg mit 60, 96, 192 und 288 Satelliten; sie sind NICHT die Designs der Veröffentlichung, und das Rauschen, die Stationen und die Konvergenzdefinition (horizontale und vertikale Fehler unter 10 cm bis zum Ende des Laufs) sind die dieses Modells. Der Vergleich ist daher eine MODELLED Konsistenzprüfung des Trends: Die Konvergenz muss sich monoton mit t verkürzen (Kommentar in der Szenariodatei, Zeilen 10 bis 14)
  • Reproduzierbarkeit und Software-Assurance ist MODELLED, nicht validiert: Eine Teilbehauptung ist extern geprüft, aber die gesamte Fähigkeit setzt sich aus modellierten Teilen zusammen, daher bleibt die Fähigkeit modelliert. (Verifikationsmatrix (docs/MODELLED-RATIONALE.md))
  • Die Konvergenz der präzisen Punktpositionierung nur mit GNSS und mit LEO-Stützung ist MODELLED, nicht validiert: Eine Teilaussage wird extern geprüft, aber die gesamte Fähigkeit setzt sich aus modellierten Teilen zusammen, daher bleibt die Fähigkeit modelliert. (Verifikationsmatrix (docs/MODELLED-RATIONALE.md))

Siehe auch#