Traduction automatique, non relue par un locuteur natif. L'anglais fait foi.

Pages des types de scénarioModifier sur GitHubSource : docs/kinds/by-kind/leo-ppp.md

leo-ppp (type de scénario)

Type de scénario du moteur v0.40.0, famille Navigation en orbite basse. À titre consultatif : résultat d'analyse issu d'un outil de recherche et d'ingénierie, et non un équipement de navigation homologué ni un service de sauvegarde de la vie humaine. Chaque étiquette ici est celle du moteur ou de la matrice de vérification ; un type de scénario est MODELLED sauf indication contraire de la matrice (comment une étiquette s'obtient : section Evidence du README).

Ce qu'il fait#

Convergence du positionnement ponctuel précis (PPP) avec le GNSS seul et avec augmentation LEO : un filtre de Kalman étendu flottant sur le code et la phase de la porteuse sans ionosphère avec les coordonnées de station statiques, une horloge de récepteur blanche, un biais inter-systèmes par système supplémentaire, un retard humide zénithal en marche aléatoire projeté par 1/sin(élévation) et une ambiguïté flottante par arc de satellite ; l'erreur d'orbite et d'horloge précises est blanche et commune au code et à la phase d'un satellite, de sorte que chaque satellite est une mise à jour corrélée à deux lignes sous forme stabilisée de Joseph. Les mesures sont simulées à partir du même modèle avec un bruit à graine fixe sur plusieurs sites et plusieurs graines, et chaque cas (GNSS seul d'abord, puis chaque [[case]] de systèmes LEO, toute constellation ou tout préréglage) rapporte le temps de convergence médian (la première époque après laquelle les erreurs horizontale et verticale restent sous les seuils, 10 cm par défaut), la fraction convergée, les courbes d'erreur médianes et la cohérence du filtre (le NEES de position moyenné sur les exécutions par rapport à la bande bilatérale du khi-deux à 95 %). Facultativement à côté des chiffres de latitude moyenne publiés de Li et al. (2019, J. Geod. 93:749, doi 10.1007/s00190-018-1195-2) : 9,6 min pour le multi-GNSS, ramenées à 7,0, 3,2, 2,1 et 1,3 min avec 60, 96, 192 et 288 satellites LEO. MODELLED : une comparaison de cohérence de la tendance, et non une reproduction des constellations, du bruit ou des stations de cette étude ; ni résolution d'ambiguïté, ni sauts de cycle, ni enroulement de phase, ni marées, ni erreurs de produits corrélées dans le temps.

Une exécution de scenarios/leo-ppp-convergence.toml se résume ainsi : 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

Entrées#

D'après le schéma (kshana kinds --json) :

  • Champs requis : aucun
  • Champs facultatifs : seed, duration_s, step_s, runs, criterion_horizontal_m, criterion_vertical_m, compare_li_2019, noise, site, gnss, case

L'exemple scenarios/leo-ppp-convergence.toml définit, entre autres :

Champ Valeur Unité
case[0].name 60 LEO texte
case[0].system[0].mask_deg 7 deg
case[0].system[0].name LEO-60 texte
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 non indiqué
case[0].system[0].shell[0].planes 6 non indiqué
case[0].system[0].shell[0].total 60 non indiqué
case[1].name 96 LEO texte
case[1].system[0].mask_deg 7 deg
case[1].system[0].name LEO-96 texte
case[1].system[0].shell[0].altitude_km 1000 km

L'exécuter#

kshana scenarios/leo-ppp-convergence.toml

Ce qu'il donne#

Les résultats scalaires de cette exécution, avec les unités que le moteur indique :

Résultat Valeur Unité
criterion_horizontal_m 0.1 m
criterion_vertical_m 0.1 m
duration_s 1800 s
evidence.id_rule l'identifiant stable de la ligne de la matrice (l'ID texte
evidence.matrix docs/VERIFICATION-MATRIX.md texte
evidence.tier MODELLED texte
n_gnss 96 nombre
noise.amb0_sigma_m 30 m
noise.clock_sigma_m 1000 m
noise.isb0_sigma_m 10 m

Étiquette du résultat (celle du moteur) : PPP flottant MODELLED (code et phase sans ionosphère, horloge blanche, retard humide en marche aléatoire, ambiguïtés flottantes par arc) sur des mesures simulées à partir du même modèle ; les chiffres de Li et al. (2019) sont une comparaison de tendance, et non une reproduction

Le graphique que le moteur écrit pour scenarios/leo-ppp-convergence.toml, type de scénario leo-ppp

Preuves#

MODELLED : les lignes de la matrice de vérification qui nomment ce type de scénario.

  • MODELLED Un filtre de Kalman étendu PPP flottant sur le code et la phase sans ionosphère : coordonnées statiques, une horloge de récepteur blanche, un biais inter-systèmes par système supplémentaire, un retard humide zénithal en marche aléatoire projeté par 1/sin(élévation), une ambiguïté flottante par satel Tests : leo_fusion_scenarios.rs.

Les lignes que l'exécution elle-même a exercées, avec la référence indépendante que la matrice donne pour chacune (les sources publiques y sont nommées) :

  • MODELLED Déterministe, hachée par scénario, avec des barrières SBOM + références d'or multiplateformes. Référence indépendante (ExternalDataset) : respect du schéma JSON officiel CycloneDX 1,5 par la SBOM (+ identifiants SPDX valides) — une norme publiée externe, zéro erreur de validation sur tout le graphe de dépendances ; la partie déterminisme du FoM / reproductibilité à l'octet près reste un contrôle d'autocohérence figé, de sorte que la ligne reste MODELLED
  • MODELLED Un filtre de Kalman étendu PPP flottant sur le code et la phase sans ionosphère : coordonnées statiques, une horloge de récepteur blanche, un biais inter-systèmes par système supplémentaire, une mar. Référence indépendante (ExternalDataset) : le test du khi-deux sur le NEES est un contrôle de cohérence interne (la vérité et le filtre partagent le modèle). La tendance est comparée à 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 : le multi-GNSS à 9,6 min raccourci à 7,0, 3,2, 2,1 et 1,3 min avec 60, 96, 192 et 288 satellites LEO. Le scénario fourni donne 7,4, 4,8, 3,2, 2,7 et 2,3 min avec i

Limites#

Ce que le rapport propre à l'exécution dit n'être pas modélisé ou pas validé :

  • PPP flottant MODELLED (code et phase sans ionosphère, horloge blanche, retard humide en marche aléatoire, ambiguïtés flottantes par arc) sur des mesures simulées à partir du même modèle ; les chiffres de Li et al. (2019) sont une comparaison de tendance, et non une reproduction (résultat label)
  • MODELLED : une comparaison de cohérence de la tendance, et non une reproduction des constellations, du bruit ou des stations de cette étude ; ni résolution d'ambiguïté, ni sauts de cycle, ni enroulement de phase, ni marées, ni erreurs de produits corrélées dans le temps. (catalogue des types de scénario (kshana kinds --json))
  • Les quatre constellations LEO ici sont des coquilles delta de Walker représentatives à 1000 km et 60 deg avec 60, 96, 192 et 288 satellites ; ce ne sont PAS les conceptions de l'article, et le bruit, les stations et la définition de la convergence (erreurs horizontale et verticale sous 10 cm jusqu'à la fin de l'exécution) sont ceux de ce modèle. La comparaison est donc un contrôle de cohérence MODELLED sur la tendance : la convergence doit se raccourcir de façon monotone avec t (commentaire du fichier de scénario, lignes 10 à 14)
  • La reproductibilité et l'assurance logicielle sont MODELLED, et non validées : une sous-affirmation est vérifiée de l'extérieur, mais la capacité entière compose des éléments modélisés, de sorte qu'elle reste modélisée. (matrice de vérification (docs/MODELLED-RATIONALE.md))
  • La convergence du positionnement ponctuel précis avec le GNSS seul et avec augmentation LEO est MODELLED, et non validée : une sous-affirmation est vérifiée en externe, mais la capacité entière compose des éléments modélisés, de sorte que la capacité reste modélisée. (matrice de vérification (docs/MODELLED-RATIONALE.md))

Voir aussi#