Tłumaczenie maszynowe, niezweryfikowane przez osobę, dla której polski jest językiem ojczystym. Wzorcem jest wersja angielska.

Strony rodzajów scenariuszyEdytuj na GitHubieŹródło: docs/kinds/by-kind/leo-ppp.md

leo-ppp (rodzaj scenariusza)

Rodzaj scenariusza silnika v0.40.0, rodzina Nawigacja z niskiej orbity okołoziemskiej. Wyłącznie doradczo: wynik analizy z narzędzia badawczo-inżynieryjnego; nie jest to sprzęt nawigacyjny z zatwierdzeniem typu ani usługa bezpieczeństwa życia. Każda etykieta tutaj pochodzi z silnika lub z macierzy weryfikacji; rodzaj jest MODELLED, chyba że macierz stanowi inaczej (jak zdobywa się etykietę: sekcja Evidence w README).

Co robi#

Zbieżność precyzyjnego pozycjonowania punktowego (PPP) tylko z GNSS i ze wspomaganiem LEO: zmiennoprzecinkowy rozszerzony filtr Kalmana na kodzie i fazie nośnej wolnych od jonosfery, ze statycznymi współrzędnymi stacji, białym zegarem odbiornika, jednym biasem międzysystemowym na każdy dodatkowy system, zenitalnym opóźnieniem wilgotnym o błądzeniu losowym odwzorowanym przez 1/sin(elewacja) i zmiennoprzecinkową niejednoznaczością na łuk satelity; błąd precyzyjnej orbity i zegara jest biały i wspólny dla kodu i fazy satelity, więc każdy satelita jest jedną skorelowaną dwuwierszową aktualizacją w postaci stabilizowanej Josepha. Pomiary są symulowane z tego samego modelu z szumem z ziarnem (seed) dla kilku miejsc i ziaren, a każdy przypadek (najpierw tylko GNSS, potem każdy [[case]] systemów LEO, dowolna konstelacja lub ustawienie wstępne) podaje medianę czasu zbieżności (pierwsza epoka, po której błędy poziome i pionowe pozostają poniżej progów, domyślnie 10 cm), odsetek zbieżnych, mediany krzywych błędu oraz spójność filtra (uśredniony po przebiegach NEES położenia względem dwustronnego pasma chi-kwadrat 95%). Opcjonalnie obok opublikowanych wartości Li et al. (2019, J. Geod. 93:749, doi 10.1007/s00190-018-1195-2) dla średnich szerokości: 9,6 min dla multi-GNSS skraca się do 7,0, 3,2, 2,1 i 1,3 min z 60, 96, 192 i 288 satelitami LEO. MODELLED: porównanie spójności trendu, a nie odtworzenie konstelacji, szumu ani stacji z tamtego badania; bez rozwiązywania niejednoznaczności, poślizgów cyklu, wind-up fazy, pływów ani skorelowanych w czasie błędów produktów.

Jeden przebieg scenarios/leo-ppp-convergence.toml podsumowuje się tak: 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

Wejścia#

Ze schematu (kshana kinds --json):

  • Pola wymagane: brak
  • Pola opcjonalne: seed, duration_s, step_s, runs, criterion_horizontal_m, criterion_vertical_m, compare_li_2019, noise, site, gnss, case

Przykład scenarios/leo-ppp-convergence.toml ustawia między innymi:

Pole Wartość Jednostka
case[0].name 60 LEO tekst
case[0].system[0].mask_deg 7 deg
case[0].system[0].name LEO-60 tekst
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 nie podano
case[0].system[0].shell[0].planes 6 nie podano
case[0].system[0].shell[0].total 60 nie podano
case[1].name 96 LEO tekst
case[1].system[0].mask_deg 7 deg
case[1].system[0].name LEO-96 tekst
case[1].system[0].shell[0].altitude_km 1000 km

Uruchom#

kshana scenarios/leo-ppp-convergence.toml

Co daje#

Wyniki skalarne tego przebiegu, z jednostkami podanymi przez silnik:

Wynik Wartość Jednostka
criterion_horizontal_m 0.1 m
criterion_vertical_m 0.1 m
duration_s 1800 s
evidence.id_rule stabilny identyfikator wiersza macierzy (ID tekst
evidence.matrix docs/VERIFICATION-MATRIX.md tekst
evidence.tier MODELLED tekst
n_gnss 96 liczba
noise.amb0_sigma_m 30 m
noise.clock_sigma_m 1000 m
noise.isb0_sigma_m 10 m

Etykieta wyniku (silnika): MODELLED zmiennoprzecinkowe PPP (kod i faza wolne od jonosfery, biały zegar, opóźnienie wilgotne o błądzeniu losowym, zmiennoprzecinkowe niejednoznaczności na łuk) na symulowanych pomiarach z tego samego modelu; wartości Li et al. (2019) to porównanie trendu, a nie odtworzenie

Wykres zapisany przez silnik dla scenarios/leo-ppp-convergence.toml, rodzaj leo-ppp

Dowody#

MODELLED: wiersze macierzy weryfikacji, które wymieniają ten rodzaj.

  • MODELLED Zmiennoprzecinkowy rozszerzony filtr Kalmana PPP na kodzie i fazie wolnych od jonosfery: współrzędne statyczne, biały zegar odbiornika, jeden bias międzysystemowy na każdy dodatkowy system, zenitalne opóźnienie wilgotne o błądzeniu losowym odwzorowane przez 1/sin(elewacja), zmiennoprzecinkowa niejednoznaczność na satel Testy: leo_fusion_scenarios.rs.

Wiersze, które sam przebieg wykorzystał, wraz z wyrocznią, jaką macierz podaje dla każdego (publiczne źródła są tam wymienione):

  • MODELLED Deterministyczne, haszowane na poziomie scenariusza, bramki SBOM i złotych wyników między platformami. Wyrocznia (ExternalDataset): zgodność SBOM z oficjalnym schematem JSON CycloneDX 1,5 (+ prawidłowe identyfikatory SPDX): zewnętrzny opublikowany standard, zero błędów walidacji w całym grafie zależności; część dotycząca determinizmu wskaźników jakości i odtwarzalności bajt w bajt pozostaje przypiętą kontrolą samospójności, więc wiersz pozostaje MODELLED
  • MODELLED Zmiennoprzecinkowy rozszerzony filtr Kalmana PPP na kodzie i fazie wolnych od jonosfery: współrzędne statyczne, biały zegar odbiornika, jeden bias międzysystemowy na każdy dodatkowy system, błądz. Wyrocznia (ExternalDataset): test chi-kwadrat NEES jest kontrolą spójności wewnętrznej (prawda i filtr dzielą model). Trend porównano z 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 skraca się do 7,0, 3,2, 2,1 i 1,3 min z 60, 96, 192 i 288 satelitami LEO. Dołączony scenariusz daje 7,4, 4,8, 3,2, 2,7 i 2,3 min z i

Ograniczenia#

Co raport samego przebiegu podaje jako niemodelowane lub niesprawdzone względem niezależnego wzorca:

  • MODELLED zmiennoprzecinkowe PPP (kod i faza wolne od jonosfery, biały zegar, opóźnienie wilgotne o błądzeniu losowym, zmiennoprzecinkowe niejednoznaczności na łuk) na symulowanych pomiarach z tego samego modelu; wartości Li et al. (2019) to porównanie trendu, a nie odtworzenie (wynik label)
  • MODELLED: porównanie spójności trendu, a nie odtworzenie konstelacji, szumu ani stacji z tamtego badania; bez rozwiązywania niejednoznaczności, poślizgów cyklu, wind-up fazy, pływów ani skorelowanych w czasie błędów produktów. (katalog rodzajów (kshana kinds --json))
  • Cztery tutejsze konstelacje LEO to reprezentatywne powłoki Walkera typu delta na 1000 km i 60 deg z 60, 96, 192 i 288 satelitami; NIE są to projekty z artykułu, a szum, stacje i definicja zbieżności (błędy poziome i pionowe poniżej 10 cm do końca przebiegu) pochodzą z tego modelu. Porównanie jest więc MODELLED kontrolą spójności trendu: zbieżność musi się skracać monotonicznie wraz z t (komentarz w pliku scenariusza, wiersze 10 do 14)
  • Odtwarzalność i zapewnienie jakości oprogramowania jest MODELLED, nie jest sprawdzona względem niezależnego wzorca: jedno twierdzenie składowe jest sprawdzone zewnętrznie, ale cała możliwość składa się z elementów obliczonych na podstawie modelu, więc pozostaje obliczona na podstawie modelu. (macierz weryfikacji (docs/MODELLED-RATIONALE.md))
  • Zbieżność precyzyjnego pozycjonowania punktowego tylko z GNSS i ze wspomaganiem LEO jest MODELLED, nie jest sprawdzona względem niezależnego wzorca: podtwierdzenie jest sprawdzone zewnętrznie, ale cała możliwość składa się z elementów obliczonych na podstawie modelu, więc możliwość pozostaje oznaczona jako obliczona na podstawie modelu. (macierz weryfikacji (docs/MODELLED-RATIONALE.md))

Zobacz też#