Tradução automática, não revista por um falante nativo. O inglês é a referência.

Páginas de tipos de cenárioEditar no GitHubFonte: docs/kinds/by-kind/leo-ppp.md

leo-ppp (tipo de cenário)

Tipo de cenário do motor v0.40.0, família Navegação em órbita terrestre baixa. Consultivo: saída de análise de uma ferramenta de pesquisa e engenharia, não um equipamento de navegação homologado e não um serviço de segurança da vida humana. Todo rótulo aqui é do motor ou da matriz de verificação; um tipo de cenário é MODELLED, a menos que a matriz diga outra coisa (como um rótulo é conquistado: a seção Evidence do README).

O que faz#

Convergência do posicionamento preciso por ponto (PPP) apenas com GNSS e com aumentação por LEO: um filtro de Kalman estendido flutuante sobre código e fase da portadora livres de ionosfera, com as coordenadas estáticas da estação, um relógio de receptor branco, um viés entre sistemas por sistema adicional, um atraso úmido zenital em passeio aleatório mapeado por 1/sin(elevação) e uma ambiguidade flutuante por arco de satélite; o erro de órbita e relógio preciso é branco e comum ao código e à fase de um satélite, de modo que cada satélite é uma atualização correlacionada de duas linhas em uma forma estabilizada de Joseph. As medições são simuladas a partir do mesmo modelo com ruído com semente em vários locais e sementes, e cada caso (primeiro apenas GNSS, depois cada [[case]] de sistemas LEO, de qualquer constelação ou predefinição) informa o tempo mediano de convergência (a primeira época depois da qual os erros horizontal e vertical permanecem abaixo dos limiares, 10 cm por padrão), a fração convergida, as curvas medianas de erro e a consistência do filtro (o NEES de posição médio da execução contra a faixa de qui-quadrado bilateral de 95%). Opcionalmente ao lado dos valores publicados de Li et al. (2019, J. Geod. 93:749, doi 10.1007/s00190-018-1195-2) em latitudes médias: 9,6 min para multi-GNSS reduzidos a 7,0, 3,2, 2,1 e 1,3 min com 60, 96, 192 e 288 satélites LEO. MODELLED: uma comparação de consistência da tendência, não uma reprodução das constelações, do ruído ou das estações desse estudo; sem resolução de ambiguidades, saltos de ciclo, phase wind-up, marés nem erros de produtos correlacionados no tempo.

Uma execução de scenarios/leo-ppp-convergence.toml resume-se assim: convergência do PPP para 0,10 m na horizontal / 0,10 m na vertical, 12 execuções por caso, 96 satélites GNSS apenas GNSS 0 LEO mediana 7,4 min convergidas 100% NEES médio 3,13 60 LEO 60 LEO mediana 4,8 min convergidas 100% NEES médio 3,08 96 LEO 96 LEO mediana 3,2 min convergidas 100% NEES médio 2,74 192 LEO 192 LEO mediana 2,7 min convergidas 100% NEES médio 2,65 288 LEO 288 LEO mediana 2,3 min convergidas 100% NEES médio 3,06 Li et al. 2019 (publicado, min) contra modelado: 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

Entradas#

A partir do esquema (kshana kinds --json):

  • Campos obrigatórios: nenhum
  • Campos opcionais: seed, duration_s, step_s, runs, criterion_horizontal_m, criterion_vertical_m, compare_li_2019, noise, site, gnss, case

O exemplo scenarios/leo-ppp-convergence.toml define, entre outros:

Campo Valor Unidade
case[0].name 60 LEO texto
case[0].system[0].mask_deg 7 deg
case[0].system[0].name LEO-60 texto
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 não indicado
case[0].system[0].shell[0].planes 6 não indicado
case[0].system[0].shell[0].total 60 não indicado
case[1].name 96 LEO texto
case[1].system[0].mask_deg 7 deg
case[1].system[0].name LEO-96 texto
case[1].system[0].shell[0].altitude_km 1000 km

Execute#

kshana scenarios/leo-ppp-convergence.toml

O que ele fornece#

Os resultados escalares dessa execução, com as unidades que o motor declara:

Resultado Valor Unidade
criterion_horizontal_m 0.1 m
criterion_vertical_m 0.1 m
duration_s 1800 s
evidence.id_rule o id estável da linha da matriz (o ID texto
evidence.matrix docs/VERIFICATION-MATRIX.md texto
evidence.tier MODELLED texto
n_gnss 96 contagem
noise.amb0_sigma_m 30 m
noise.clock_sigma_m 1000 m
noise.isb0_sigma_m 10 m

Rótulo do resultado (o do motor): PPP flutuante MODELLED (código e fase livres de ionosfera, relógio branco, atraso úmido em passeio aleatório, ambiguidades flutuantes por arco) sobre medições simuladas a partir do mesmo modelo; os valores de Li et al. (2019) são uma comparação de tendência, não uma reprodução

O gráfico que o motor gera para scenarios/leo-ppp-convergence.toml, tipo de cenário leo-ppp

Evidências#

MODELLED: as linhas da matriz de verificação que nomeiam este tipo de cenário.

  • MODELLED Um filtro de Kalman estendido de PPP flutuante sobre código e fase livres de ionosfera: coordenadas estáticas, um relógio de receptor branco, um viés entre sistemas por sistema adicional, um atraso úmido zenital em passeio aleatório mapeado por 1/sin(elevação), uma ambiguidade flutuante por satél Testes: leo_fusion_scenarios.rs.

As linhas que a própria execução exercitou, com a referência independente que a matriz dá a cada uma (as fontes públicas são nomeadas ali):

  • MODELLED Portões determinísticos, com hash de cenário, de SBOM e de golden entre plataformas. Referência independente (ExternalDataset): aderência à norma do SBOM ao JSON Schema oficial do CycloneDX 1,5 (+ identificadores SPDX válidos) — um padrão externo publicado, zero erros de validação em todo o grafo de dependências; a parte de determinismo das FoMs / reprodutibilidade byte a byte continua sendo uma verificação de autoconsistência fixada, de modo que a linha permanece MODELLED
  • MODELLED Um filtro de Kalman estendido de PPP flutuante sobre código e fase livres de ionosfera: coordenadas estáticas, um relógio de receptor branco, um viés entre sistemas por sistema adicional, um passeio alea. Referência independente (ExternalDataset): O teste de qui-quadrado do NEES é uma verificação de consistência interna (a verdade e o filtro compartilham o modelo). A tendência é comparada com 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 reduzidos a 7,0, 3,2, 2,1 e 1,3 min com 60, 96, 192 e 288 satélites LEO. O cenário incluído dá 7,4, 4,8, 3,2, 2,7 e 2,3 min com i

Limitações#

O que o próprio relatório da execução diz que não é modelado ou não é validado:

  • PPP flutuante MODELLED (código e fase livres de ionosfera, relógio branco, atraso úmido em passeio aleatório, ambiguidades flutuantes por arco) sobre medições simuladas a partir do mesmo modelo; os valores de Li et al. (2019) são uma comparação de tendência, não uma reprodução (resultado label)
  • MODELLED: uma comparação de consistência da tendência, não uma reprodução das constelações, do ruído ou das estações desse estudo; sem resolução de ambiguidades, saltos de ciclo, phase wind-up, marés nem erros de produtos correlacionados no tempo. (catálogo de tipos de cenário (kshana kinds --json))
  • As quatro constelações LEO aqui são camadas Walker delta representativas a 1000 km e 60 graus com 60, 96, 192 e 288 satélites; elas NÃO são os projetos do artigo, e o ruído, as estações e a definição de convergência (erros horizontal e vertical abaixo de 10 cm até o fim da execução) são os deste modelo. A comparação é, portanto, uma verificação de consistência MODELLED da tendência: a convergência deve encurtar monotonicamente com t (comentário do arquivo de cenário, linhas 10 a 14)
  • Reprodutibilidade e garantia de software é MODELLED, não validada: uma subafirmação é verificada externamente, mas a capacidade inteira compõe peças modeladas, de modo que a capacidade permanece modelada. (matriz de verificação (docs/MODELLED-RATIONALE.md))
  • A convergência do posicionamento preciso por ponto apenas com GNSS e com aumentação por LEO é MODELLED, não validada: uma subafirmação é conferida externamente, mas a capacidade inteira compõe peças modeladas, de modo que a capacidade permanece modelada. (matriz de verificação (docs/MODELLED-RATIONALE.md))

Veja também#