Vous êtes sur la page 1sur 35

55

L'équation (3.15) montre la combinaison avec la longueur d'onde L1.

• F • F12
φ ()
L 3 =1α 1 φ L 1()+ α 2 φ L 2 =()•• φ 1()L - 2 ⋅ L •• ⋅ φ 2()
• F1 • F12 - F 2 2

F1 • F1 • F1•
= •• •⋅ ρ • •• • ⋅ c (dt - dT) + • F• 1••⋅ ré orbe • •c ••• • ⋅ ré trop + (3,15)
• c• • c• • c•

N 3,+une• F 1• •• ⋅ ( ré mult / φ ( L 3) + ε (φ ( L 3)))


• c•

N 3, a = α 1 N 1 + α 2 N 2 (3,16)

F12 - F 1 F 2 = - 1,984
α=
1 2
≈ 2,546 α 2 = 2 2
(3,17)
F1- 2 F2 F1- F 2

L'équation (3.18) montre la combinaison avec la longueur d'onde L2.

• F • F22
φ L()3 2
= βφ
1
L()+ 1β φ L = 2•• φ
() L2- 1 ⋅ φ L ••()⋅ 2 () 1
• F2 • F12 - F 2 2

F2 • F2 • F2 • F2 •
= •• • ⋅ ρ + •• • ⋅ c (dt - dT) + • • •⋅ ré orbe • •• • ⋅ ré trop + (3,18)
• c• • c• • c• • c•
F
N 3, b
• •• 2 • • ⋅ ( ré mult / φ ( L 3) + ε (φ ( L 3)))
• c•

N 3, b = β 1 N 1 + β 2 N 2 (3,19)

ff1 2 - F22
β 1= 2
≈ 1,984 β 2 = 2
= - 1,54 (3,20)
F1- 2 F2 F1 2- F 2
56

Lorsqu'elles sont exprimées en unité métrique, les équations (3.15) et (3.18) ont la même forme que celle-ci:

F1 2Φ⋅ ( L 1) - F 2 2 ⋅Φ ( L 2)
Φ SI =
F12- 2
F2

cf 1 N 1 - cf 2 N 2
= ρ + c (dt - dT) + d orbe + ré trop + + ré mult / Φ ( L 1+ L 2) (3,21)
2 2
F1- F 2

+ ε ( Φ L( 1+ L 2) )

Quelle que soit la longueur d'onde utilisée, les termes d'ambiguïté N 3, une et N 3, b sont les linéaires

combinaison de L1 et L2 avec des coefficients non entiers, l'ambiguïté combinée résultante ne peut être estimée que sous la forme

d'une valeur flottante.

La combinaison équivalente de pseudo-plage L3 peut s'écrire:

( F 2 ⋅-( L 22
F 2 ⋅ PL 1) P)
P ( L 3) = 1
F12- 2
F2 (3,22)

= ρ + c (dt - dT) + d orbe + ré trop + ré mult / P (L 3) + ε ( PL 3))

L'utilisation de combinaisons L3 peut présenter certains inconvénients. Premièrement, les combinaisons ne sont pas totalement

exemptes d'ionosphère. Ils ne peuvent pas supprimer l'ordre supérieur des effets ionosphériques car l'équation (2.6) n'est que

l'approximation du premier ordre. Bien que les effets ionosphériques d'ordre élevé couvrent généralement moins de 0,1% des effets

totaux, ils peuvent encore représenter plusieurs dizaines de centimètres d'erreur de portée pendant les périodes de TEC élevé

[Parkinson et Klobuchar, 1996]. Deuxièmement, le niveau de bruit de la combinaison L3 augmente de près d'un facteur de trois par

rapport au niveau de bruit du code original correspondant et des observables de phase de porteuse.
57

3.4.2 Modèle d'observation

Le modèle traditionnel PPP utilise le code traditionnel sans ionosphère et les combinaisons de phase telles qu'exprimées dans

les équations (3.21) et (3.22) et réécrites comme suit:

F12⋅ PL 1) - F ⋅ PL 2)
P SI = 2 2

F12- 2
F2 (3,23)

= ρ + c (dt - dT) + d orbe + ré trop + ré mult / P (L 1+ L 2) + ε ( PL 1+ L 2))

F1 2Φ⋅ ( L 1) - F 2 2 ⋅Φ ( L 2)
Φ SI =
F12 - F 2 2

= ρ + c (dt - dT) + d orbe + ré trop + cf 1 N 1 - cf 2 N 2+ ré mult / Φ ( L 1+ L 2) (3,24)


F12 - F 2 2

+ ε ( Φ ( L 1+ L 2))

L'application des corrections précises d'orbite et d'horloge aux équations (3.23) et (3.24) aboutit aux équations suivantes:

'( P SI )
PSI'= ρ - c ⋅ dT + d trop + ε (3,25)

' ' '


Φ SI = ρ - ⋅ dT c+ d trop + N + ε ( Φ SI ) (3,26)

où,

P SI
' le code corrigé sans ionosphère est-il observable en mètres,

'
Φ SI
est la phase corrigée sans ionosphère observable en mètres,

N' est le terme d'ambiguïté combiné en unité de mètres, et


58

ε '() est la partie du bruit aléatoire, y compris les erreurs résiduelles des données précises d'orbite et d'horloge, les trajets

multiples et le bruit.

Les inconnues du modèle comprennent les composantes tridimensionnelles, le décalage d'horloge du récepteur, les effets

troposphériques et les paramètres d'ambiguïté combinés pour chaque satellite observé.

Ce modèle a été appliqué à la mise en œuvre du logiciel PPP par plusieurs instituts de recherche, dont RNCan du Canada et JPL

des États-Unis. Certains de leurs résultats ont été présentés dans les articles de [Kouba et Héroux, 2000] et [Muellerschoen,

2001], qui ont montré une précision de positionnement inférieure au mètre en mode cinématique en temps réel avec un code lissé

et une précision de plusieurs centimètres en post-traitement mode statique avec des observations de code et de phase. Dans les

deux cas, le temps de traitement avant qu'une valeur de convergence puisse être atteinte est généralement supérieur à une

demi-heure.

Trois faiblesses doivent être relevées pour cette méthode traditionnelle de traitement des PPP. Premièrement, le terme d'ambiguïté

combiné dans la nouvelle phase suggérée par l'équation (3.24) ne peut être estimé que comme un flottant unique inconnu. Par

conséquent, les caractéristiques entières d'ambiguïté ne peuvent pas être exploitées, ce qui indique que l'estimation de la convergence

des paramètres ne peut être faite que progressivement avec l'accumulation des observations et le changement de géométrie.

Deuxièmement, les termes de bruit de mesure dans les équations (3.23) et (3.24) sont trois fois plus grands que les observations de

code et de phase correspondantes d'origine. Enfin, la combinaison traditionnelle sans ionosphère ne peut pas supprimer les effets

ionosphériques d'ordre supérieur, qui, bien que couvrant moins de 0,1% de la


59

effets totaux, peut être de plusieurs dizaines de centimètres d'erreur de portée pendant les périodes de TEC élevé [Parkinson et

Klobuchar, 1996].

Les effets ionosphériques d'ordre supérieur et toute autre erreur non modélisée sont généralement fusionnés dans le terme de bruit

de mesure. Plus le bruit est élevé, plus l'erreur de position convergée est grande et plus le temps de convergence sera long.

Généralement, avec le modèle traditionnel PPP, environ 30 minutes sont nécessaires avant qu'une solution de position convergée

puisse être atteinte à un niveau de précision décimétrique dans un traitement statique.

3.4.3 Budget d'erreur résiduelle dans le modèle traditionnel

Après différents types d'atténuation des erreurs avec le modèle traditionnel PPP, des résidus existent toujours au niveau du

centimètre pour de nombreuses erreurs GPS. Le tableau 3.2 répertorie les principaux résidus d'erreur. Avec le modèle traditionnel

PPP, les erreurs résiduelles pour le code sans ionosphère et les observations de phase sont respectivement d'environ 32 cm et 9 cm

sans tenir compte des trajets multiples. Les observations de code et de phase jouent des rôles différents dans le traitement PPP,

généralement la taille du résidu d'erreur de code est l'élément clé pour déterminer le temps nécessaire à la position de converger, et

la contrepartie de phase pèse davantage sur la précision de positionnement convergente. Dans les chapitres sur les résultats

numériques et l'analyse, ces relations seront discutées en détail entre deux modèles de traitement PPP.
60

Tableau 3.2 Budget d'erreur résiduelle du modèle traditionnel PPP (un sigma)

Orbite satellite <5 cm


Horloge satellite <3 cm
Troposphère <5 cm ( 1)

Ionosphère <5 cm ( 2)
Bruit 3 σ ( 3)
(4)
Multipath --

Autres <1 ~ 2 cm
<32 cm (pour le code) <9 cm
Total
(pour la phase)

(1): 5 cm est une valeur moyenne de l'erreur de la fonction de mappage mise à l'échelle par le retard de chemin du zénith;

(2): 5 cm est une valeur d'ordre élevé typique des effets ionosphériques dans un TEC relativement stable

état;

(3): σ est le bruit de mesure des observations de code ou de phase. Avec GPS haut de gamme

récepteurs, les niveaux de bruit de code et de phase sont respectivement d'environ 10 cm et 0,3 cm, par

conséquent, les combinaisons sans ionosphère ont un bruit d'environ 30 cm et 1 cm respectivement pour le code et

la phase;

(4): L'effet multi-trajets dépend de l'environnement et n'est donc pas répertorié ici.
61

CHAPITRE 4

DÉVELOPPEMENT DU MÉTHODE DE TRAITEMENT ANEWPPP

Bien que le modèle traditionnel PPP présenté dans le chapitre précédent soit simple à mettre en œuvre, il présente plusieurs

inconvénients. Premièrement, le bruit de mesure dans le modèle traditionnel est trois fois plus important que le bruit de

mesure d'origine correspondant. Deuxièmement, la combinaison traditionnelle sans ionosphère ne peut pas supprimer les

effets ionosphériques d'ordre supérieur, ce qui entraîne des résidus d'erreur plus importants. Troisièmement, le terme

d'ambiguïté est une seule inconnue combinée de N 1 et n 2 sur deux porteuses, seule une solution flottante peut être obtenue

car ce terme combiné ne préserve pas les caractéristiques entières d'ambiguïté de phase de porteuse. Généralement, la

convergence des paramètres d'ambiguïté, ainsi que la convergence des paramètres de position, est fonction du nombre

d'inconnues et du niveau total de bruit de mesure et d'erreurs non modélisées. Avec le modèle traditionnel, plus de 30 minutes

sont nécessaires avant qu'une solution de position convergente soit obtenue dans un mode statique de post-traitement [Gao

et Shen, 2001]. Pour réduire le temps de convergence requis, il convient d'appliquer soit moins d'inconnues, soit un niveau de

bruit de mesure inférieur.

Dans ce chapitre, un nouveau modèle d'observation P1-P2-CP est proposé, capable de réduire le niveau de bruit et l'erreur

résiduelle, et de permettre une approche de fixation d'ambiguïté pour diminuer le nombre d'inconnues.
62

4.1 Modèle P1-P2-CP

Cette section décrit d'abord une combinaison de phase de code et ses caractéristiques. Sur la base de la combinaison, le

modèle d'observation est discuté, suivi de sa description d'erreur et de la comparaison du modèle avec le modèle

traditionnel PPP.

4.1.1 Combinaison code-phase

Les observables de code et de phase sur la même fréquence subissent la même quantité d'effet ionosphérique mais avec un

signe opposé, par conséquent, leur somme est exempte d'ionosphère. Une nouvelle observable construite à partir de la

combinaison du code et des observations de phase a la forme suivante.

P i = 0,5 ( PL i) + Φ ( L je ))
(4,1)
= ρ + c (dt - dT) + d orbe + ré trop + 0,5 ré mult / P (L) + 0,5 ε ( PL i) + Φ ( L je )) - 0,5 λ je N je
je

où je représente L1 ou L2. L'utilisation de 0,5 rend la combinaison réduite à la portée du récepteur

satellite.

La combinaison code-phase est plus que sans ionosphère. Il réduit le niveau de bruit de moitié par rapport aux

observations du code d'origine. Ceci est très important car plus la somme du bruit et des résidus d'erreur non modélisés est

petite, plus la convergence est rapide et plus l'estimation de l'ion positif convergé sera précise. Le tableau 4.1 affiche la

taille des résidus d'erreur des combinaisons de code sans ionosphère et de phase de code. Les résidus d'erreur de l'orbite

des satellites,
63

L'horloge satellite et la troposphère sont les mêmes pour les deux combinaisons, tandis que la combinaison code-phase a un

bruit beaucoup plus faible que la combinaison de code sans ionosphère traditionnelle, qui, par conséquent, génère un niveau

d'erreur résiduel d'erreur total beaucoup plus faible. Dans la section analyse numérique, les relations entre le résidu d'erreur

et le temps de convergence ainsi que la précision de positionnement convergé seront discutées en détail à travers la

comparaison des résultats avec différentes méthodes de traitement.

Tableau 4.1 Comparaison des erreurs résiduelles entre deux combinaisons de codes

Sans ionosphère Code-Phase


Combinaison de codes Combinaison

Orbite satellite <5 cm <5 cm

Horloge satellite <3 cm <3 cm

Troposphère <5 cm <5 cm

Ionosphère <5 cm <5 cm

1
Bruit 3 σ ** σ **
2

Multipath * -- --

Autres <1 ~ 2 cm <1 ~ 2 cm

Total <32 cm <10 cm

*: L'effet de trajets multiples dépend de l'environnement et n'est donc pas répertorié ici.

* *: σ est le bruit de mesure des observations de code ou de phase. Avec les récepteurs GPS haut de gamme, les
niveaux de bruit de code et de phase sont d'environ 10 cm et 0,3 cm
64

Par conséquent, les combinaisons sans ionosphère ont respectivement environ 30 cm et 1 cm de bruit pour le code et la

phase respectivement.

4.1.2 Modèle d'observation

Le modèle d'observation P1-P2-CP comprend les combinaisons de phase de code sur les fréquences L1 et L2, ainsi

que la combinaison de phase sans ionosphère traditionnelle, qui ont les expressions suivantes:

P SI, L 1 = 0,5 ( PL 1) + Φ ( L 1))

= ρ + c (dt - dT) + d orbe + ré trop + 0,5 λ 1 N 1 + (4,2)

0,5 ré mult / P (L 1) + 0,5 ε ( PL 1) + Φ ( L 1))

P SI, L 2 = 0,5 ( PL 2) + Φ ( L 2))

= ρ + c (dt - dT) + d orbe + ré trop + 0,5 λ 2 N 2 + (4,3)

0,5 ré mult / P (L 2) + 0,5 ε ( PL 2) + Φ ( L 2))

2 2
F 1 ⋅ Φ L 1()
- F 2 ⋅ Φ ( L 2)
Φ =SI
F12 - F 2 2

cf 1 cf 2
(4,4)
= ρ + c dt
( - dT) + d orbe + ré trop + 2

N1
+ 2 -F2 2

N2
+
F12 - F 2 F1

ré mult / Φ ( L 1+ L 2) + ε ( Φ ( L 1 + L 2))

L'application des corrections précises d'orbite et d'horloge aux équations (4.2) à (4.4) aboutit aux équations

suivantes:

P SI,
' L1=ρ - c ⋅ dT + d trop + 0,5 λ 1 N 1 + ε P SI, L 1 ) ( '
(4,5)
65

P SI
' L, 2= ρ - c ⋅ dT + d trop + 0,5 λ 2 N + ε ( P 2' SI, L 2) (4,6)

'= ρ - c ⋅ dT + d trop F12 F22


Φ SI
+ 2 2
⋅λN
1
+1 2 2 ⋅ λ 2 N 2+ε ( Φ ' SI )
(4,7)
F 1- F 2 F 1- F 2

où,

P SI,
' Li le code corrigé est-il observable ( i = 1 ou 2) en mètres,

'
Φ SI
est la phase corrigée observable en mètres, et

ε () est la partie du bruit aléatoire, y compris les erreurs résiduelles des données précises d'orbite et d'horloge, les effets

ionosphériques d'ordre supérieur non modélisés, les trajets multiples et le bruit.

Ce modèle d'observation, comparé à celui appliqué dans le modèle traditionnel, a un niveau de bruit et d'erreur résiduel plus

faible. Mais le gain le plus important est la faisabilité de l'estimation d'ambiguïté fixe, car les ambiguïtés L1 et L2 peuvent être

estimées séparément. Par conséquent, une technique de recherche et de correction d'ambiguïté peut être mise en œuvre pour

améliorer encore la convergence de positionnement, qui est le résultat de la réduction des paramètres inconnus.

Les inconnues du modèle comprennent trois composantes de coordonnées, le décalage de l'horloge du récepteur, le retard du trajet

zénithal troposphérique humide et les paramètres d'ambiguïté L1 et L2 pour chaque satellite observé.

Le tableau 4.2 résume les caractéristiques des deux modèles de traitement des PPP et leurs différences sont mises en

évidence. Premièrement, le modèle P1-P2-CP a trois observations pour chaque satellite observé avec une observation de

code de plus que le modèle traditionnel, qui, en contrepartie,


66

ajoute un nombre d'ambiguïtés doublé à estimer dans le modèle P1-P2-CP. Deuxièmement, l'estimation séparée des

ambiguïtés sur L1 et L2 avec le modèle P1-P2-CP permet de réaliser à la fois des solutions d'ambiguïté flottante et fixe, alors

que le modèle traditionnel n'a qu'une solution flottante. Troisièmement, le modèle P1-P2-CP a un niveau de bruit plus petit, ce

qui entraîne une erreur résiduelle plus petite que le modèle traditionnel.

Tableau 4.2 Comparaison entre le modèle traditionnel et le modèle P1-P2-CP

Modèle traditionnel Modèle P1-P2-CP

Deux par satellite, un code et une Trois par satellite: deux codes et une
Observations
phase phase

Trois fois le niveau de bruit du code Environ la moitié du niveau de


Bruit
d'origine bruit du code d'origine

Ambiguïté L1 et L2, pseudo-entier, les


Ambiguïté combinée L1 / L2, valeur flottante
Ambiguïté solutions fixes et flottantes peuvent être
exécutées

Coordonnées tridimensionnelles, Coordonnées tridimensionnelles,


Inconnu Retard de zénith humide troposphérique, Retard de zénith humide troposphérique,
Paramètres décalage d'horloge du récepteur, décalage d'horloge du récepteur,
N ambiguïtés 2 × N ambiguïtés

4.2 Procédure d'ajustement de la variance pour P1-P2-CP

Le terme de bruit dans les équations d'observation est la somme du bruit de mesure et des erreurs et résidus d'erreur non

modélisés. Par rapport à la combinaison de codes dans le modèle traditionnel, le niveau de bruit du nouveau code est

beaucoup plus faible.


67

L'influence du bruit de mesure doit être modélisée stochastiquement et correctement dans le processus d'estimation des paramètres.

Des informations stochastiques inappropriées pourraient non seulement dégrader la solution d'estimation en estimations

sous-optimales, mais également fournir de faux résultats statistiques essentiels pour le contrôle et l'analyse de la qualité des données.

Pour garantir des données stochastiques plus précises au départ du filtre, une procédure de modélisation stochastique a été proposée

avec le modèle P1-P2-CP. Cette procédure comprend deux parties: une procédure d'estimation de la variance en deux étapes à

utiliser à l'époque initiale et un ajustement de la variance à utiliser aux époques suivantes.

Basée sur la théorie selon laquelle «même des données de mauvaise qualité fournissent des informations et devraient donc

augmenter la précision de la sortie du filtre» [Maybeck, 1979], la procédure d'estimation de la variance en deux étapes est conçue

pour dériver les données de variance initiales pour le filtre , y compris les estimations appropriées pour tous les paramètres inconnus

et les informations stochastiques fiables pour les observations:

une) Premièrement, seules les combinaisons traditionnelles de codes sans ionosphère sont utilisées pour calculer les

estimations initiales de paramètres inconnus, dont la précision est décrite par la matrice de variance-covariance

correspondante. Utiliser un seul type d'observable peut

donne un meilleur calcul de la variance a posteriori du poids unitaire σ̂ 2 0, lequel

aidé par la variance a priori du poids unitaire σ 2 0, est utilisé pour mettre à l'échelle le prédéfini

écart type de l'observation du code. Ces résultats sont ensuite utilisés comme informations a priori pour

l'estimation des moindres carrés à effectuer dans la deuxième étape.


68

b) Deuxièmement, le nouveau modèle d'observation P1-P2-CP est utilisé pour dériver les estimations finales de la position, de

l'horloge du récepteur, du retard du trajet zénithal humide troposphérique de la station, ainsi que des paramètres

d'ambiguïté.

Une mise en œuvre détaillée de la procédure en deux étapes est donnée ci-après.

Lors de la première étape, le modèle traditionnel PPP avec uniquement des observations de code est utilisé. Le

facteur de variance (la variance a priori du poids unitaire) σ 2 0 et le code sans ionosphère

variance de combinaison σ 2 sont tous les deux réglés sur un.


P SI

2
σ 20 = σ P =SI1.0 (4,8)

Après traitement avec l'estimation des moindres carrés, la variance a posteriori du poids unitaire σ̂ 2 0 est

calculé sur la base de l'équation suivante:

V T C - 1lV
σ ˆ02= (4,9)
r

où,

V est le vecteur résiduel d'observation,

Cl est la matrice de variance-covariance d'observation, et

r est la redondance du système, qui correspond généralement au nombre d'observations moins le nombre

d'inconnues. Mais une manière plus précise est de résumer les

numéro de redondance r je pour chaque observation, qui est la fonction de la géométrie


69

et la précision d'observation et a l'expression suivante

[Mackenzie, 1985; voir aussi l'annexe A] ([] ii dans l'équation représente

l'élément diagonal sur la ligne je ):

T C l- UNE)1- A)T C - 1
ri [(C l - A (A
1

= l] ii
(4.10)

Basé sur la variance a posteriori σ̂ 2 et la variance


0
a priori σ 2 0, une estimation plus précise

de la variance d'observation du code σ 2 P SIpeut être obtenu avec l'expression suivante:

2
2 2
σ̂ 0 = σ P SI
⋅ σ̂ 2
σ̂ P = σ P ⋅ 2
2

SI SI σ0 0 (4,11)

Selon la théorie de la propagation des erreurs, le σ 2 qui représente la variance du


P,SI

combinaison de codes sans ionosphère, peut également être exprimée avec l'équation suivante [Abidin, 1993]:

2 2
• F12 • 2
• F 22 • 2 2 2
σ 2 P = ••
SI 2 2 •• σ ( 1)
PL+ •• 2 - 2 ••
σ PL 2) = 2,39 σ PL 1) + 6,48 σ ( 2) PL
(4,12)
• F1- F 2 • • F1 F 2•

où σ 2 P (Li) est la variance des observations de code d'origine sur le L je ( i = 1 ou 2) fréquence.

En supposant que la précision du code est la même sur L1 et L2: σ PL 1) = σ PL 2) = σ P, donne

σ̂ 2P= σ̂ 2 PSI/ 8,87 = σ 2 σ̂ 2P/ SI8,87


0
(4,13)
70

En conséquence, la variance de la combinaison sans ionosphère en phase de code décrite dans les équations (4.2) et (4.3) peut

être déterminée comme suit:

1 ˆ2
(4,14)
2
σ̂ 2 P (SI σ̂ 2
, L 1) = P (SI, L 2) =
σ̂ 2 P = σ P σ 0jeF/ 35,5
4

La variance pour la combinaison de phase sans ionosphère traditionnelle décrite dans l'équation (4.4) a une expression

similaire à l'équation (4.12).

σ̂ 2Φ = 2,39 σ 2 φ ( L)1+ 6,48 σ 2 φ L()2


(4,15)
SI

où σ 2 Φ ( Li) est la variance des observations de phase d'origine sur le L je ( i = 1 ou 2)

la fréquence.

La différence numérique entre les observations de code et de phase équivaut à l'ambiguïté de phase si toutes les erreurs sont

corrigées. Bien que les erreurs GPS ne puissent pas être supprimées complètement, la différence peut encore être une bonne

approximation de l'ambiguïté de phase. Le suivant

équation donne l'initialisation approximative de L 1 ambiguïté avec l'effet ionosphérique calculé à partir des observations

du code à double fréquence.

λ 1 N ' 1 = PL 1 ) −Φ ( L 1 ) - 2 ⋅ ré ion, 1

• F12•
= PL()1()
- Φ L1- ⋅ 2 PL
(()1 ())
- PL / •• 1 - • (4,16)
2 •
• F22•

2 ⋅ F 2 2) ⋅ PL ) 2⋅F22
= (1+ 1 - ⋅ PL 2) −Φ ( 1 ) L
F12- 2
F2 F12- 2
F2
71

La variance correspondante pour L 1 l'ambiguïté initiale, après avoir négligé le bruit de mesure de phase, peut alors être

déterminée par

2 ⋅ F22 2 ⋅σ2 2 ⋅ F2)2 2 ⋅ σ 2= 26h30 ⋅ σ 2


σ̂ 2 '= ( 1+ 2 2) P+( 2 P P= 2,97 ⋅ σ 2 σ ˆP 2SI 0
(4,17)
N1
F1- F 2 F1 2- F 2

De même, la valeur initiale de L 2 l'ambiguïté peut être calculée comme l'équation (4.16) et la variance correspondante est

donnée par

2
σ̂ 2N=' 42,67 ⋅ σ 2 = 4,80
P
⋅σ2 σ̂
PSI 0
(4,18)
2

En résumé, après avoir effectué l'ajustement des moindres carrés à la première époque, des informations stochastiques plus

précises pour les observations et les paramètres inconnus peuvent être dérivées, ce qui est bénéfique pour le traitement aux

époques ultérieures.

Après la première époque, la précision de l'observation du code peut encore varier en raison de la procédure de lissage de phase.

En conséquence, la variance d'observation doit être ajustée en conséquence à chaque époque. Cet ajustement peut être effectué

par mise à l'échelle avec la variance a posteriori du poids unitaire. Pour différents types d'observation, la variance a posteriori du

poids unitaire est différente et peut être exprimée comme [Mackenzie, 1985]:

v T C - 1l v j
σ̂ 20, =j j (4,19)
∑r je

où j désigne le type d'observation.


72

4.3 Initialisation de l'ambiguïté

Comme discuté dans la section précédente, les ambiguïtés initiales et leur variance peuvent être estimées à l'aide des

équations (4.16) à (4.18). Pour des raisons de commodité, ils sont répétés une fois de plus:

λ je N i = PL je ) −Φ ( L je ) - 2 ⋅ ré ion, je (4.20)

2
σ̂ 2N= 26,3 ⋅ σ 2 = 3 ⋅ σ
1 P
2
P SIσ̂ 0 (4,21)

σ̂ 2 '= 42,667 ⋅ σ 2 P= 4,8 ⋅ σ 2 σ̂


P SI 2 0
(4,22)
N2

où l'effet ionosphérique est calculé sur la base d'observations de codes à double fréquence.

Bien que la valeur initialisée basée sur l'équation ci-dessus ne soit qu'une approximation avec un écart type de

quelques mètres, elle est toujours importante et a un effet positif pour le traitement de la convergence.

4.4 Critères de pseudo-correction et de correction des ambiguïtés

L'estimation d'ambiguïté sur L1 et L2 avec le modèle P1-P2-CP apporte la possibilité d'une résolution d'ambiguïté

fixe. Cependant, c'est le concept de pseudo-fixation car les termes d'ambiguïté L1 et L2 incluent une phase initiale

non nulle résultant de la désynchronisation des signaux émis par satellite et générés par le récepteur [Teunissen,

1998]. L'ampleur de la
73

la phase initiale non nulle est toujours inférieure à un cycle. Étant donné que les erreurs d'estimation de l'ambiguïté en PPP peuvent

aller de plusieurs cycles à plus de dix cycles à partir de leur valeur réelle avant que la convergence ne soit atteinte, un processus de

recherche d'ambiguïté peut être développé pour accélérer l'ambiguïté et la convergence de position. Les ambiguïtés fixes, qui sont

les résultats du processus de recherche, n'ont qu'une erreur d'une fraction d'un cycle si elles sont trouvées avec succès. Par

conséquent, ils sont d'une bien meilleure précision que les estimations d'ambiguïté flottante lors du traitement initial, et une

meilleure solution de positionnement peut être garantie. Mais dans la longue période de traitement, l'estimation d'ambiguïté flottante

convergée peut être très précise lorsque l'information s'accumule. La solution pseudo-fixe, étant une estimation tronquée et pas

aussi précise que la solution flottante convergée, elle ne peut atteindre qu'une précision de niveau décimétrique. Par conséquent,

l'approche de pseudo-fixation n'est utile que pour la cinématique et les applications statiques rapides qui n'ont besoin que d'une

précision de positionnement au décimètre.

Tout comme le critère de seuil résiduel utilisé dans la résolution d'ambiguïté à double différence, le principal critère pour

valider la paire d'ambiguïté en pseudo-fixation est de rechercher le plus petit facteur de variance a posteriori.

v̂ T C l-v̂1
σ ˆ02= (4,23)
r

v̂ est le vecteur résiduel,

Cl est la matrice de variance d'observation, et

r est la redondance du système de réglage.


74

σ̂ 2 0 est un facteur important dans l'ajustement des moindres carrés car l'estimation des moindres carrés est basée

sur la minimisation de la somme résiduelle pondérée au carré v̂ T C - 1 l v̂. Théoriquement, le a

le facteur de variance posteriori avec le nombre entier correct doit avoir la plus petite valeur.

Comme l'ambiguïté est à l'origine une valeur non entière, deux entiers - la borne supérieure et la borne inférieure de l'ambiguïté

à valeur flottante - pourraient théoriquement générer le plus petit et le second

le plus petit σ̂ 2 0. Une fois que les résultats de la recherche montrent les paires d'ambiguïté avec les plus petits et

deuxième plus petit σ̂ 2 0 sommes n et n ± 1, alors l'ambiguïté est fixée à leur moyenne - un flottant

évaluer:

N1+N2
N= (4,24)
2

où N 1, N 2 sont les ambiguïtés entières avec le plus petit et le deuxième plus petit a posteriori

facteur de variance, et ils ont la relation de N 1 = N 2 ± 1.

Afin d'augmenter la fiabilité de la recherche d'ambiguïté, un autre critère - le contrôle résiduel d'observation - peut être

combiné avec le contrôle de la somme résiduelle pondérée au carré et a l'expression suivante.

λN 1
λ N2 2)
R = P SI, L 1 - P SI, L 2 + (1 -
2 2 (4,25)
= ré multipath ( ∑ P SI, Li) + ε ( ∑ P SI, Li)
75

Avec la bonne paire d'ambiguïté, la partie restante R est égal à la somme de l'effet de trajets multiples et du bruit de mesure. Par

conséquent, le contrôle résiduel d'observation ne peut pas être utilisé dans un environnement à trajets multiples et bruyant. Mais

avec le lissage de phase, le bruit de mesure du code peut être réduit de manière significative, il peut donc être un bon indicateur.
76

CHAPITRE 5

RÉSULTATS NUMÉRIQUES ET ANALYSE: TRAITEMENT STATIQUE

Pour évaluer les performances du modèle P1-P2-CP proposé dans un mode de traitement statique, des calculs numériques

pour le modèle P1-P2-CP et le modèle traditionnel ont été effectués et leurs résultats sont présentés dans ce chapitre. Une

comparaison des performances entre les deux modèles a été effectuée en termes de convergence solution / ambiguïté et de

précision de positionnement.

La section 5.1 donne une description des données de test. Le filtre séquentiel et son implémentation PPP sont présentés dans la

section 5.2. Les analyses des résultats sur les solutions flottantes sont données dans les sections 5.3 et 5.4. Ensuite, le chapitre se

termine par des résultats de pseudo-fixation ambigus dans la section 5.5.

5.1 Description des données

Les données utilisées pour le calcul numérique ont été recueillies le 15 août 2001 auprès de huit stations permanentes du CACS,

soit ALBH, DRA2, PRDS, YELL, CHUR, ALGO, NRC1 et STJ0 (voir la figure 3.2). Des récepteurs bifréquences AOA BENCHMARK

ACT ou similaires ont été utilisés dans ces stations. La fréquence d'échantillonnage des données était de 1 Hz. Le nombre de

satellites visibles était compris entre 5 et 10 pendant la majeure partie de la période d'essai.
77

Les éphémérides finales de l'IGS au format SP3 à un intervalle d'échantillonnage de 15 minutes et les corrections d'horloge

satellite précises du CACS dans un format exclusif de RNCan à un intervalle de 30 secondes ont été utilisées pour corriger les

erreurs orbitales et d'horloge du satellite. Afin d'avoir une 1 seconde de débit de sortie d'estimation en accord avec le débit de

données d'observation, une technique d'interpolation basée sur des polynômes de Chebychev a été appliquée pour calculer les

positions du satellite et les corrections d'horloge à chaque époque, et cette technique d'interpolation n'aurait apparemment aucun

effet de dégradation sur les précisions de positionnement [http://www.geod.nrcan.gc.ca/site/index_e/ products_e / cacs_e / clock_e /

clock_f.html].

Les paramètres inconnus à estimer comprennent trois coordonnées de position, un décalage d'horloge du récepteur, un retard de

trajectoire zénithale humide troposphérique et les paramètres d'ambiguïté de tous les satellites visibles.

Un filtre séquentiel est utilisé, où les informations des paramètres sont transmises d'époque en époque à travers la matrice

de variance-covariance.

5.2 Filtre séquentiel et son implémentation dans le traitement PPP

Différents paramètres ont des caractéristiques différentes selon les époques. Lors de l'application d'un filtre séquentiel dans le

traitement PPP, un ajustement doit être effectué sur la matrice de variance de variance des paramètres pour refléter ce changement.

Le filtre séquentiel dans le processus des moindres carrés nécessite le traitement des paramètres comme des

pseudo-observables avec la matrice de variance-covariance correspondante comme observation


78

précision. Les paramètres, ou les états d'un système, sont typiquement un vecteur de variables aléatoires scalaires, et leur

matrice de variance-covariance exprime l'incertitude des états. Chaque terme diagonal de la matrice est la variance d'une

pseudo-observable, ou l'écart quadratique moyen de la variable par rapport à sa moyenne, et la racine carrée est son écart

type. Les termes hors diagonale de la matrice sont les covariances qui décrivent les corrélations entre les paires de

variables. Ensuite, les équations d'observation paramétriques pour les observables réels et les paramètres pondérés à

l'époque je sont représentés comme:

l i = f (X); C li (5,1)

l X, i = X je - 1ˆ; C l X, je = CX (5,2)
je - 1

où,

l je est le vecteur d'observation,

C li est la matrice de variance-covariance d'observation,

l X, je est le vecteur des pseudo-observations des paramètres à l'époque je ,

X je - 1 est le vecteur des estimations de paramètres à l'époque je - 1 et

C l, C X, je X je - 1
sont la matrice de variance-covariance des pseudo-observations l X, je et

estimations des paramètres X je - 1 respectivement.

Les paramètres estimés X je à l'époque je sont ensuite calculés à partir de


79

-1 w
X̂ =je X̂ - ( UNE
je - 1
T C-1
A + C - 1 ) - 1l X,UNE
li , je T C l, je
(5,3)

où,

UNE est la matrice de conception, qui est exprimée par

∂F
A= (5,4)
∂ X X = X̂ je - 1

w est le vecteur d'erreur de fermeture et a l'expression suivante

w = f (X 0) - l = f (X̂ -)je-1 l je (5,5)


X 0 = X je - 1

l = l je

La matrice de variance-covariance correspondante des paramètres est donnée par

C X=) (Un T C - 1l,Aje + C - 1 )l - 1


je X, je
(5,6)

Et les vecteurs résiduels pour les observables réels et pseudo-observables sont respectivement:

)
V̂ = A δ + w (5,7)

)
Vˆ X = δ (5,8)

Le traitement des paramètres pondérés de la station comme des observables aboutit au calcul de la variance a

posteriori du poids unitaire par l'équation suivante:

-1
V T C -l 1VV
+X
T ClVX
σ̂ =
2
(5,9)
je X, je

0
r

où r est la redondance du système.


80

5.2.1 Ajustement de la variance des paramètres entre les époques

Le post-traitement PPP comprend généralement quatre types de paramètres inconnus: les coordonnées de la station tridimensionnelle, le

décalage de l'horloge du récepteur, le retard du trajet zénithal humide troposphérique et les ambiguïtés de phase de la porteuse. Par

conséquent, pour propager la variance-covariance des paramètres

informations d'époque je- 1 à je , bruit de processus C ε ∆ t tel qu'exprimé dans l'équation (5.10) doit être ajouté en fonction de la dynamique

de l'utilisateur, du comportement de l'horloge du récepteur et de l'activité atmosphérique, qui sont indiqués dans l'équation (5.11).

C l X, je = C X+ ε je - 1
C ∆t (5,10)

• C ε ( X) ∆t
0 0 0 0 0 •
• •
0 C ε ( y) ∆ t 0 0 0 0
• •
• 0 0 C ε ( z) ∆ t 0 0 0 •
C ε∆t =• • (5,11)
0 0 0 C ε ( dt) ∆ t 0 0
• •
• 0 0 0 0 C ε ( zpd) ∆ t 0 •
• •
0 0 0 0 0 C ε ( N j ( j = 1, nsat)) ∆ t •

Dans tous les cas, ambiguïté du processus de bruit C ε ( N j (j = 1, nsat)) ∆ t est égal à zéro puisque la porteuse-

les ambiguïtés de phase restent constantes dans le temps lorsqu'il n'y a pas de glissement de cycle. En mode statique, la position de

l'utilisateur est également constante et par conséquent C ε ( X) ∆ t = C ε ( y) ∆ t = C ε ( z) ∆ t = 0. En mode cinématique, il est augmenté en fonction de la

dynamique de l'utilisateur. Le bruit du processus d'horloge du récepteur peut varier en fonction de la stabilité de fréquence, mais il est

généralement réglé sur un bruit blanc avec une grande C ε ( dt) ∆ t

valeur pour tenir compte de l'occurrence imprévisible des réinitialisations d'horloge. Un processus de marche aléatoire
81

bruit de 5 mm / heure est affecté au délai de chemin zénith C ε ( zpd) ∆ t [ Kouba et Héroux,

2000].

5.2.2 Critères de performance du modèle

Pour évaluer les performances de deux méthodes PPP susmentionnées traitées dans un filtre séquentiel, trois critères: la

stabilité du modèle, la variance d'estimation et le temps de convergence doivent être analysés séparément. Chaque critère

démontre un aspect de la performance d'un modèle, et la combinaison des trois donne une image complète de la façon dont un

modèle fonctionne.

La stabilité du modèle fait référence à la variation d'estimation de paramètres inconnus entre des époques

consécutives en raison de la participation de nouvelles observations à l'ajustement des moindres carrés. Par

conséquent, il mesure comment la variance de mesure choisie influence la détermination des paramètres

inconnus (voir Figure 5.1). Une variation moindre de l'estimation au fil du temps refléterait une plus grande

stabilité du processus d'estimation. La stabilité du modèle est fonction de deux paramètres stochastiques:

l'écart type (valeur sigma) pour la précision de la mesure et la matrice de variance-covariance pour les

paramètres inconnus. La relation disproportionnée entre les deux paramètres stochastiques entraînerait une

fausse variation de l'estimation des paramètres. En traitement statique, la stabilité du modèle peut être

étudiée en comparant les estimations entre les époques voisines,


82

σ 2 = ( 0,1) 2 = 0,01 σ 2= 1 σ 2 = 0,0001


La vraie valeur de la constante aléatoire X = - 0,37727 est donné par le trait plein, le bruyant
mesures par les croix et estimation du filtre par la courbe restante. La vraie mesure
le bruit a un 0,1 RMS.

Figure 5.1 Simulation de la stabilité du modèle [Welch et Bishop, 2001]

La variance de l'estimation montre la différence entre les estimations et la valeur «vraie» une fois que le filtre converge. Elle peut

être mesurée par la moyenne et la variance des valeurs convergées d'un groupe d'échantillons de traitement. La variance

d'estimation peut être décrite comme la précision de positionnement.

Le temps de convergence montre combien de temps il faut à un filtre pour atteindre une condition stable. Dans les applications

cinématiques GPS nécessitant moins de haute précision, ce facteur peut être le plus important car de telles applications nécessitent

généralement une convergence rapide au début et une reconvergence rapide pendant l'opération pour surmonter les problèmes

mécaniques ou la perte de verrouillage du satellite.

La performance d'un modèle idéal traité dans un filtre séquentiel aurait une convergence rapide au début du

traitement et des estimations stables une fois la convergence atteinte. Cependant, cette bonne performance

repose sur la combinaison de plusieurs facteurs: des mesures de haute précision, des valeurs d'écart-type

correctes illustrant la précision de


83

et les informations correctes de variance-covariance décrivant la précision des paramètres inconnus.

5.3 Résultats numériques: analyse de stabilité du modèle

Pour tester la stabilité du P1-P2-CP proposé et des modèles traditionnels, et démontrer leur comportement, une courte période de

traitement de 10 minutes est utilisée pour tous les ensembles de données collectés aux huit stations CACS. Toutes les 10 minutes, le filtre

est réinitialisé. Par conséquent, les graphiques générés peuvent bien démontrer comment les deux modèles fonctionnent en termes de

stabilité du modèle.

Les graphiques suivants montrent les informations relatives à la station NRC1, où, pendant la période d'essai, le

nombre de satellites observés varie de 5 à 8, et la valeur PDOP correspondante varie de 0,6 à 1,1 comme le montre la

figure 5.2.

Figure 5.2 Nombre de satellites observés et PDOP à NRC1


84

Les figures 5.3 à 5.5 montrent les variations d'erreur de latitude, de longitude et de hauteur dans douze échantillons de traitement de

10 minutes pour la station NRC1. Les lignes de couleur claires (roses) représentent le changement d'erreur avec le modèle

traditionnel, tandis que les lignes sombres (bleues) concernent le nouveau modèle P1-P2-CP. On observe clairement que les lignes

de couleur claire présentent des variations plus fréquentes et plus importantes. Ce comportement moins stable indique les

informations stochastiques disproportionnées du modèle traditionnel, tandis que la procédure d'ajustement de la variance du modèle

P1-P2-CP peut générer de meilleures informations stochastiques.

Figure 5.3 Erreur de latitude de douze traitements de 10 minutes à NRC1


85

Figure 5.4 Erreur de longitude de douze traitements de 10 minutes à NRC1

Figure 5.5 Erreur de hauteur de douze traitements de 10 minutes à NRC1

La figure 5.6 montre les estimations d'ambiguïté L1 et L2 pour le satellite PRN1. Par rapport aux estimations de

positionnement des figures ci-dessus, les estimations d'ambiguïté présentent des variations similaires. Comme le

traitement n'inclut que la période de dix minutes, la position et


86

les estimations d'ambiguïté n'ont pas pu converger complètement pour certains échantillons de traitement. Cependant, il peut être

démontré à partir des résultats que la valeur réelle de l'ambiguïté PRN01 L1 est comprise entre 130129308 et 130129310 cycles et

que l'ambiguïté L2 est comprise entre 101399422 et 101399424 cycles.

Figure 5.6 Estimation de l'ambiguïté du PRN01

La stabilité du modèle dans le traitement de filtre séquentiel statique peut être étudiée en comparant les estimations de

positionnement entre les époques voisines. La moyenne de variation et les valeurs de déviation standard peuvent montrer

comment un modèle fonctionne en termes de stabilité du modèle. La figure 5.7 montre les différences de hauteur par

rapport aux 8 stations avec un échantillon de 10 minutes pour chaque station. La ligne de couleur claire (rose) représente

les résultats avec le nouveau modèle, tandis que la ligne sombre (bleue) fait référence au modèle traditionnel. Au début

du traitement, la mesure a trop de poids sur l'estimation des paramètres, le filtre est plus sensible au bruit de mesure, ce

qui entraîne une plus grande variation d'estimation. Afin de réduire l'influence d'une telle variation importante au début du

traitement sur le calcul final du


87

les valeurs moyennes et l'écart-type, les 100 premières époques ont été supprimées de chaque échantillon, et les graphiques

révisés sont présentés respectivement aux figures 5.8 et 5.9 pour le modèle traditionnel et le modèle P1P2-CP.

Figure 5.7 Variation de l'erreur de hauteur entre les époques voisines

Figure 5.8 Variation de l'erreur de hauteur entre les époques voisines avec le modèle traditionnel
88

Figure 5.9 Variation d'erreur de hauteur entre les époques voisines avec NewModel

Le tableau 5.1 montre les valeurs moyennes et RMS des variations suggérées dans les figures 5.8 et 5.9. Des valeurs de variation absolues

sont utilisées. Les résultats démontrent que le nouveau modèle a des résultats plus lisses et des variations plus faibles.

Tableau 5.1 Moyenne et RMS de la variation entre les époques voisines

Positionner P1-P2-CP Traditionnel


Statistiques Composant Modèle Modèle

Latitude 0,001 0,002


Moyenne
Longitude 0,001 0,001
(mètre)
Hauteur 0,003 0,004

Latitude 0,002 0,002


RMS
Longitude 0,001 0,001
(mètre)
Hauteur 0,004 0,005
89

5.4 Variance d'estimation et analyse du temps de convergence

La variance de l'estimation montre la différence entre l'estimation et la valeur «vraie» une fois que le filtre converge. Elle peut être

mesurée par la moyenne et la RMS des valeurs de convergence d'un groupe d'échantillons de traitement. Le temps de convergence

montre combien de temps il faut à un filtre pour atteindre une condition stable.

Pour afficher ces deux caractéristiques, un traitement d'une heure est nécessaire car une moyenne d'une demi-heure de temps de

convergence est une occurrence courante pour un positionnement précis des points. Au total, 36 ensembles de données d'une heure

provenant des huit stations ont été traités. Pour l'analyse de la variance d'estimation entre les deux modèles, les résultats d'erreur de

dernière époque de chaque échantillon d'une heure sont traités comme des erreurs de coordonnées convergentes, et la moyenne et le

RMS des 36 échantillons au total sont calculés. De même, la moyenne et le RMS pour le temps de convergence sont calculés et

comparés entre les deux modèles.

Les graphiques suivants montrent les résultats relatifs à la station PRDS. La figure 5.10 montre le nombre de satellites observés et ses

changements au cours de la période d'essai. Le nombre maximum de satellites est neuf, mais à certaines époques, il n'y a qu'un seul

satellite valide pour l'ajustement des moindres carrés. La valeur PDOP correspondante montre également de grandes variations. Afin

de mieux observer le changement du nombre de satellites au fil du temps, la figure 5.11 montre les informations de la première heure -

un tracé agrandi de la figure 5.10. Le nombre de satellites observés au cours de la première heure varie principalement de 5 à 7. À

certaines époques, le nombre tombe à 4, ce qui entraîne une forte augmentation