[صفحه اصلی ]   [Archive] [ English ]  
:: صفحه اصلي :: درباره نشريه :: آخرين شماره :: تمام شماره‌ها :: جستجو :: ثبت نام :: ارسال مقاله :: تماس با ما ::
بخش‌های اصلی
صفحه اصلی::
اطلاعات نشریه::
آرشیو مجله و مقالات::
برای نویسندگان::
داوران::
ثبت نام و اشتراک::
تماس با ما::
تسهیلات پایگاه::
بایگانی مقالات زیر چاپ::
آمار نشریه::
::
جستجو در پایگاه

جستجوی پیشرفته
..
دریافت اطلاعات پایگاه
نشانی پست الکترونیک خود را برای دریافت اطلاعات و اخبار پایگاه، در کادر زیر وارد کنید.
..
آمار سایت
مقالات منتشر شده: 317
نرخ پذیرش: 63
نرخ رد: 37
میانگین داوری: 209 روز
میانگین انتشار: 347 روز
..
:: دوره 5، شماره 2 - ( 6-1396 ) ::
جلد 5 شماره 2 صفحات 18-1 برگشت به فهرست نسخه ها
بهینه سازی الگوریتم ایستگاه مرجع مجازی ((VRS با استفاده از مدل های تجربی تابع تغییرنما
جمال عسگری* ، اردلان ملک زاده ، علیرضا امیری سیمکوئی
دانشگاه اصفهان
چکیده:   (4574 مشاهده)
الگوریتم شبکه تعیین موقعیت کینماتیک آنی با هدف غلبه بر مشکلات موجود در سیستم سنتی تعیین موقعیت کینماتیک آنی ایجاد شده است. هدف اصلی در این مقاله معرفی الگوریتمی جدید برای شبکه تعیین موقعیت کینماتیک آنی و افزایش دقت بخش درون­یابی تصحیحات می­باشد. در ابتدا، برای خطوط مبنای شبکه الگوریتم پردازش طول بلند باید انجام شود .سپس باقیمانده­های یونسفری و تروپسفری برای هر خط مبنا تفکیک می­شوند. در ادامه به معرفی دو روش درون­یابی با نام­های خطی و کریجنیگ معمولی پرداخته می­شود. باقیمانده­های یونسفری و تروپسفری برای راستای موردنظر درون­یابی ­می­شوند. سپس به معرفی دو الگوریتم کلاسیک و جدید برای شبکه تعیین موقعیت کینماتیک آنی پرداخته می­شود. در الگوریتم کلاسیک، باقیمانده­های درون­یابی شده در قالب تصحیحات با علامت معکوس به مشاهدات تفاضلی مرتبه اول اعمال شده اما در الگوریتم جدید، این تصحیحات به مشاهدات مجازی غیر­تفاضلی اعمال می­شوند. در بخش اول نتایج، به مقایسه عملکرد دو الگوریتم مذکور پرداخته که در آن از دو روش درون­یابی خطی و کریجینگ معمولی استفاده می­شود. در اینجا روش کریجینگ معمولی بر اساس تابع کواریانس محاسبه شده است. نتایج به دست آمده حاکی از برتر بودن الگوریتم جدید شبکه تعیین موقعیت کینماتیک آنی است. همچنین روش کریجینگ معمولی عملکرد بهتری نسبت به روش خطی دارد. در بخش دوم نتایج، با هدف افزایش دقت بخش درون­یابی تصحیحات در الگوریتم جدید از روش کریجینگ معمولی بر اساس تابع تغییر­نما استفاده می­شود. برای محاسبه این تابع از سه مدل تجربی کروی، نمایی و گوسی استفاده می­شود. با انجام ارزیابی­ آماری، مدل گوسی به عنوان بهترین مدل تجربی انتخاب می­شود. با استفاده از تصحیحات درون­یابی مدل گوسی، الگوریتم جدید شبکه تعیین موقعیت کینماتیک آنی مجددا محاسبه می­شود. نتایج بخش دوم نشان می­دهد که استفاده از تابع تغییرنما به جای تابع کواریانس می­تواند دقت برآورد مولفه­های شمالی، شرقی و ارتفاعی را در راستای موردنظر به اندازه 50، 73 و 24 درصد بیشتر بهبود دهد.
واژه‌های کلیدی: شبکه تعیین موقعیت کینماتیک آنی، ایستگاه مرجع مجازی، کریجینگ معمولی، تابع تغییرنما، اثر دوران زمین
متن کامل [PDF 1099 kb]   (1395 دریافت)    
نوع مطالعه: پژوهشي | موضوع مقاله: ژئودزی (عمومی)
دریافت: 1396/7/15 | پذیرش: 1396/7/15 | انتشار: 1396/7/15
فهرست منابع
1. [1] C. Rizos and S. Han, "Reference Station Network Based RTK Systems - Concepts and Progress," Wuhan University Journal of Natural Sciences, vol. 8, no. 2, pp. 566-574, 2003. [DOI:10.1007/BF02899820]
2. [2] H. Landau, U. Vollath and X. Chen, "Virtual Reference Station Systems," Journal of Global Positioning Systems, vol. 1, no. 2, pp. 137-143, 2002. [DOI:10.5081/jgps.1.2.137]
3. [3] M. E. Cannon and G. Fotopoulos, "An Overview of Multi-Reference Station Methods for Cm-Level Positioning," GPS Solutions, vol. 4, no. 3, pp. 1-10, 2001. [DOI:10.1007/PL00012849]
4. [4] X. Chen, S. Han, C. Rizos and P. Goh, "Improving Real Time Positioning Efficiency Using the Singapore Integrated Multiple Reference Station Network (ION GPS 2000)," in Proceedings of 13th International Technical Meeting of the Satellite Division of the U.S Institute of Navigation, Salt Lake City, utah, USA, 2000.
5. [5] B. Hoffmann-Wellenhof, H. Lichtenegger and E. Wasle, GNSS – Global Navigation Satellite Systems, SpringerWienNewYork, 2008.
6. [6] E. Wei, H. Chai, Z. An and J. Liu, "VRS Virtual Observations Generation Algorithm," Journal of Global Positioning Systems, vol. 5, no. 1, pp. 76-81, 2006. [DOI:10.5081/jgps.5.1.76]
7. [7] A. Malekzadeh, J. Asgari and A. R. Amiri-Simkooei, "An Algorithm for Network Real Time Kinematic Processing," in The 3rd ISPRS International Conference on Sensors and Models in Photogrammetry and Remote Sensing, Kish, Iran, 2015. [DOI:10.5194/isprsarchives-XL-1-W5-441-2015]
8. [8] L. Dai, H. Shaowei, J. Wang and C. Rizos, "A Study on GPS/GLONASS Multiple Reference Station Techniques for Precise Real-Time Carrier Phase-Based Positioning," in 14th International Technical Meeting of the Satellite Division of The Institute of Navigation (ION GPS 2001), Salt Lake, 2001.
9. [9] L. Dai, H. Shaowei, J. Wang and C. Rizos, "Comparison of Interpolation Algorithms in Network-Based GPS Techniques," NAVIGATION, Journal of the Institute of Navigation, vol. 50, no. 4, pp. 277-293, 2004. [DOI:10.1002/j.2161-4296.2003.tb00335.x]
10. [10] L. Wanninger, "Improved Ambiguty Resolution by Regional Differential Modelling of the Ionosphere," in ION GPS, Palm Springs, California, 1995.
11. [11] G. Wubbena, A. Bagge, G. Seeber, V. Boder and P. Hankemeier, "Reducing Distance Dependent Errors for Real-Time Precise DGPS Applications by Establishing Reference Station Networks," in Institute of Navigation (ION GPS), Kansas, 1996.
12. [12] N. A. Cressie, Statistics for Spatial Data (Revised Edition), New York, Chichester, Torento, Brisbane, Singapore: Wiley, 1993.
13. [13] H. Wackernagel, Multivariate Geostatistics, Berlin: Springer-Verlag Berlin Heidelberg, 2003.
14. [14] M. Ouassou, A. B. O. Jensen, J. G. O. Gjevestad and O. Kristiansen, "Next Generation Network Real Time Kinematic Interpolation Segment to Improve the User Accuracy," International Journal of Navigation and Observation, vol. 2015, 2015.
15. [15] J. Asgari, A. R. Amiri Simkooei and F. Zangeneh Nejad, "A Virtual Reference Station Algorithm Development for a Network RTK System," Journal of Geomatics Science and Technology, vol. 2, no. 4, pp. 73-88, 2013.
16. [16] A. R. Amiri-Simkooei, "Least-Squares Variance Component Estimation: Theory and GPS Applications," Delft University of Technology, Delft, Netherlands, 2007.
17. [17] P. Teunissen, D. Simons and C. Tiberius, Probability and Observation Theory, Delft,Netherlands: Department of Earth Observation and Space systems (DEOS), 2005.
18. [18] Y. Ghiasi and V. Nafisi, "The Improvement of Strain Estimation Using Universal Kriging," Acta Geodetica et Geophysica, vol. 50, no. 4, pp. 479-490, 2015. [DOI:10.1007/s40328-015-0103-y]
19. [19] G. Bohling, "Introduction to Geostatistics," in Hydrogeophysics: Theory, Methods, and Modeling, Boise, Idaho, USA, 2007.
20. [20] D. E. Myers, "On Variogram Estimation," in Proceeding of ICOSCO-I, the First International Conference on Statistical Computing, New York, USA, 1991.
21. [21] A. M. Al Shaery, S. Lim and C. Rizos, "Functional Models of Ordinary Kriging for Medium Range Real-time Kinematic Positioning Based on the Virtual Reference Station Technique," in Proceedings of the 23rd International Technical Meeting of The Satellite Division of the Institute of Navigation (ION GNSS 2010), Portland, USA, 2010.
22. [22] H. Zhang, "Optimal Interpolation and the Appropriateness of Cross-Validating Variogram in Spatial Generalized Linear Mixed Models," Journal of Computational and Graphical Statistics, vol. 12, pp. 1-16, 2003. [DOI:10.1198/1061860032265]
23. [23] M. Eriksson and P. P. Siska, "Understanding Anisotropy Computations," Mathematical Geology, vol. 32, no. 6, pp. 683-700, 2000. [DOI:10.1023/A:1007590322263]
24. [24] G. Seeber, Satellite Geodesy, Berlin: Walter de Gruyter, 2003.
25. [25] A. Leick, GPS Satellite Surveying, Wiley, 2004.
26. [26] A. Leick, L. Rapoport and D. Tatarnikov, GPS Satellite Surveying, New Jersey USA, Canada: Wiley, 2015. [DOI:10.1002/9781119018612]
27. [27] J. Asgari, "Etude de Modeles Predictifs Dans Un Reseau de Stations GPS Permanentes," Ecole Doctorale Astronomie & Astrophysique d'Ile de France, Paris,France, 2005.
28. [28] N.Cressie, "The origins of kriging," Mathematical Geology, vol. 22, no. 3, pp. 239-252, 1990. [DOI:10.1007/BF00889887]
29. [29] P. Goovaerts, Geostatistics for Natural Resources Evaluation, New York: Oxford University Press, 1997.
ارسال پیام به نویسنده مسئول



XML   English Abstract   Print


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

Asgari J, Malekzade A, Amiri Simkooei A. Optimization of Virtual Reference Station Algorith Using Empirical Models of Variogram Function . jgit 2017; 5 (2) :1-18
URL: http://jgit.kntu.ac.ir/article-1-463-fa.html

عسگری جمال، ملک زاده اردلان، امیری سیمکوئی علیرضا. بهینه سازی الگوریتم ایستگاه مرجع مجازی ((VRS با استفاده از مدل های تجربی تابع تغییرنما . مهندسی فناوری اطلاعات مکانی. 1396; 5 (2) :1-18

URL: http://jgit.kntu.ac.ir/article-1-463-fa.html



بازنشر اطلاعات
Creative Commons License این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است.
دوره 5، شماره 2 - ( 6-1396 ) برگشت به فهرست نسخه ها
نشریه علمی-پژوهشی مهندسی فناوری اطلاعات مکانی Engineering Journal of Geospatial Information Technology
Persian site map - English site map - Created in 0.05 seconds with 38 queries by YEKTAWEB 4660