Please use this identifier to cite or link to this item: http://dx.doi.org/10.14279/depositonce-8503
Main Title: GNSS inter-system bias estimation, modeling, and prediction
Translated Title: GNSS Inter-System-Bias-Schätzung, Modellierung und Vorhersage
Author(s): Jiang, Nan
Advisor(s): Schuh, Harald
Xu, Guochang
Referee(s): Schuh, Harald
Weber, Robert
Xu, Guochang
Granting Institution: Technische Universität Berlin
Type: Doctoral Thesis
Language Code: en
Abstract: Up to now, the precise point positioning (PPP) has stepped from the single system mode into the multi-GNSS combination. The key point of multi-GNSS integrated PPP is to carefully calibrate the inter-system-bias (ISB) between different systems. If ISB can be modeled, this error will be well corrected. It will significantly increase the usability of satellites and enhance compatibility and interoperability between different systems. The main objective of this thesis was to generate a high-accuracy ISB model that can calibrate the deviations between different satellite systems, and utilize the prediction ISB derived from this model as an a priori information to obtain benefits for the integrated PPP. In this context, effective methods, including the optimization choice of the function - and the stochastic model, and the preprocessing of precise clock products have been applied. The primary research approaches and the derived results of this thesis are summarized as follows: Usually, the data processing models for ISB are divided into two categories. One represents the function model that mainly focuses on the parameter setting and error correcting. The second is the stochastic model, primarily dealing with the weight distribution and the precision configuration. Both directly determine the accuracy and reliability of the parameter estimation. Thus, two different function models for ISB estimation were investigated and analyzed, followed by the equivalence proof of these two models in theory. Then, data of GPS/BDS and GPS/Galileo constellations are used for revealing the numerical equivalence between these two functions. The results indicate they are closely resembling. Therefore, the equivalence of these two models is successfully verified, both in theory and numerical analysis. Thus, this part of the study guided us to choose a candidate for a functional model for the ISB estimation. Four different stochastic models for ISB estimation have been assessed and studied. The results of convergence time and positioning accuracy indicated the highest accuracy and shortest convergence time would be achieved when the same ISB stochastic model in the PPP solutions as in the step of generation of the precise clock product executed by analysis centers (ACs) is applied. In other words, when using precise products from different ACs, the matched ISB stochastic model needs to be utilized. Because ISB has a strong correlation with the satellite clock, a method of precise clock product preprocessing has to be deployed to detect and repair the ISB jumps. Here it was learned, the true reason for ISB jumps is caused by the extreme values (maxima and/or minima) of satellite clock data in the frequency domain. After all extreme points had been detected, we classified them into three types. To smooth the ISB jumps, a different preprocessing method for each kind of the extreme points have been used. The result of the ISB continuity processing depicts that ISB jumps can be effectively detected and repaired by the proposed method of the precise clock product preprocessing. Relying on this part of the study, a smooth and sequential ISB series could be achieved, as the basis for the consecutive modeling. In the last step, a high accuracy and effective ISB model has been established. The test of the fitting accuracy denotes that the proposed ISB model has high fitting precision and is suitable for ISB prediction. After comparing the predicted ISB with the real ISB values, it was found that the prediction accuracy dropped day by day. Thus, the optimum prediction duration was set to one day. Three schemes, namely "Normal", "Cons", and "Fix" were designed to investigate the influence of the ISB model for the combined PPP. Compared with scheme “Normal” with ISB estimation, the convergence times of schemes “Cons.” with ISB constraints and “Fix” with fixed ISB can be shortened mainly in the Up component, while they can achieve the same accuracy positioning level. In the case of poor observation conditions that likely occur in, e.g., urban areas, deep gorges, and forest areas, the integrated PPP using schemes “Cons.” and “Fix” clearly indicate advantages over the “Normal” PPP mode because of the fewer parameter (ISB) estimations.
In den vergangenen 20 Jahren hat sich das Precise-Point-Positioning (PPP) vom Single-System-Modus zu einer Multi-GNSS-Kombination entwickelt. Der entscheidende Punkt bei Multi-GNSS-integrierten PPPs ist dabei die sorgfältige Kalibrierung des sogenannten Inter-System-Bias (ISB) zwischen den verschiedenen Systemen. Kann der ISB modelliert werden, sind Fehler sehr gut zu korrigieren. Dadurch wird die Nutzbarkeit von Satelliten erheblich erhöht und die Kompatibilität und Interoperabilität zwischen den verschiedenen Systemen verbessert. Das wesentliche Ziel dieser Arbeit war die Erstellung eines hochpräzisen ISB-Modells, das die Unterschiede zwischen verschiedenen Satellitensystemen kalibrieren und dessen Vorhersagedaten a priori zur Optimierung der integrierten PPP nutzen kann. Dabei kamen effektive Methoden wie die Optimierung der Wahl des Funktionsmodells und des stochastischen Modells sowie die Vorverarbeitung der genauen Satellitenuhrprodukte zum Einsatz. Die wesentlichen Forschungsansätze und die Ergebnisse dieser Arbeit sind wie folgt zusammengefasst: Normalerweise sind die Datenverarbeitungsmodelle in zwei Kategorien unterteilt: Eines stellt das Funktionsmodell dar, das hauptsächlich die Parametereinstellungen und die Fehlerkorrekturen steuert. Das andere ist das stochastische Modell, welches in erster Linie die Gewichtsverteilung und die Präzisionskonfiguration prozessiert. Beide zusammen bestimmen direkt die Genauigkeit und Zuverlässigkeit der Parameterschätzung. Zunächst wurden zwei verschiedene Funktionsmodelle für die ISB-Schätzung untersucht und analysiert. Zudem wird der Äquivalenznachweis dieser beiden Modelle theoretisch ermittelt. Anschließend werden Daten der GPS-Konstellationen BDS und Galileo verwendet, um die numerische Äquivalenz zwischen beiden Funktionen darzulegen. Die Ergebnisse ähneln einander sehr stark, wodurch die Gleichwertigkeit beider Modelle sowohl theoretisch als auch numerisch erfolgreich überprüft wurde. Diese Teilstudie wurde nun genutzt einen Kandidaten für ein Funktionsmodell für die ISB-Schätzung auszuwählen. In einem nächsten Schritt wurden vier verschiedene stochastische Modelle für die ISB-Schätzung bewertet und untersucht. Die Ergebnisse zeigten, dass bei Verwendung des gleichen ISB Stochastik Modells in den PPP-Lösungen wie im Schritt der Erzeugung eines genauen Uhrprodukts, das von Analysezentren (ACs) ausgeführt wird, die höchste Genauigkeit in der Positionierung und die kürzeste Konvergenzzeit erreicht werden. Daraus war abzuleiten, dass bei Verwendung der genauen Produkte verschiedener ACs, das passende stochastische ISB-Modell verwendet werden muss. ISB weist eine hohe Korrelation zur Satellitenuhr auf. Daher wurde eine Methode der präzisen Vorverarbeitung von Uhrprodukten verwendet, um die ISB-Sprünge erkennen und reparieren zu können. Dabei stellte sich heraus, dass die ISB-Sprünge durch Extremwerte (Maxima und/oder Minima) der Satellitentaktdaten im Frequenzbereich verursacht werden. Nachdem alle Extrempunkte erkannt waren, wurden sie in drei Typen klassifiziert. Um die ISB-Sprünge zu glätten, wurde für jede Art des Extrempunkts eine andere Vorverarbeitungsmethode gewählt. Das Ergebnis der ISB-Kontinuität zeigt, dass ISB-Sprünge durch das vorgeschlagene Verfahren der präzisen Vorverarbeitung von Uhrprodukten effektiv erkannt und repariert werden können. Basierend auf diesem Teil der Studie konnte eine glatte und sequenzielle ISB-Serie prozessiert werden, die die Grundlage der folgenden ISB-Modellierung bildete. In einem letzten Schritt wird ein hochgenaues und effektives ISB-Modell etabliert. Der Test der Passgenauigkeit zeigt an, dass das vorgeschlagene ISB-Modell eine hohe Genauigkeit aufweist und sich für die ISB-Vorhersage eignet. Bei einem Vergleich der vorhergesagten ISB mit realen ISB-Werten konnte festgestellt werden, dass die Vorhersagegenauigkeit von Tag zu Tag abnimmt. Somit wurde die optimale Vorhersagedauer auf einen Tag festgelegt. Mit drei verschiedenen Schemata ("Normal", "Cons" und "Fix") wurde der Einfluss des ISB-Modells auf das kombinierte PPP untersucht. Verglichen mit dem Schema "Normal" mit ISB-Schätzung, können die Konvergenzzeiten der Schemata "Cons." mit ISB-Einschränkungen und "Fix" mit festem ISB hauptsächlich in der Up-Komponente verkürzt werden und dabei trotzdem das gleiche Genauigkeitsniveau in der Positionierung erreichen. Bei schlechten Beobachtungsbedingungen wie sie z.B. in Stadtgebieten, tiefen Schluchten und Waldgebieten vorkommen, hat das integrierte PPP mit den Schemata "Cons." und "Fix" Vorteile gegenüber dem "Normal" PPP-Modus, da weniger ISB Parameter abgeschätzt werden müssen.
URI: https://depositonce.tu-berlin.de/handle/11303/9447
http://dx.doi.org/10.14279/depositonce-8503
Exam Date: 17-Jan-2019
Issue Date: 2019
Date Available: 17-Jun-2019
DDC Class: 550 Geowissenschaften
Subject(s): GNSS
inter-system-bias
function model
stochastic model
ISB modeling
ISB prediction
Inter-System-Bias
Funktionsmodell
stochastisches Modell
ISB-Modellierung
ISB Vorhersage
License: https://creativecommons.org/licenses/by/4.0/
Appears in Collections:FG Satellitengeodäsie » Publications

Files in This Item:
File Description SizeFormat 
jiang_nan.pdf11.17 MBAdobe PDFThumbnail
View/Open


This item is licensed under a Creative Commons License Creative Commons