نبذة مختصرة : Tesi en modalitat de cotutela: Universitat Politècnica de Catalunya i Shandong University
(English) The present thesis focuses on the resilient terrestrial and marine technological integration for navigation and positioning based on the Global Navigation Satellite System (GNSS), the Inertial Navigation System (INS), the Long Baseline Sonar (LBL) and the Conductivity, Temperature and Depth (CTD) Profile. The conclusions of the research are: 1. In multi-GNSS kinematic Precise Point Positioning (PPP), three stochastic models are studied: white noise, random and constant walk, as well as the simple difference for Intersystem time (ISB). The equivalence between the white noise model and the simple difference is theoretically demonstrated. The urban kinematic and fixed station pseudokinematic results show that the constant ISB model improves the positioning accuracy and convergence time. 2. To rationally distribute the weights of observations among different constellations, the robust Helmert Variance Component Estimate (HVCE) algorithm is proposed to post-fit stochastic models for pseudorange and phase observations in Multi-GNSS double-difference relative positioning. Experimental results show that HVCE improves positioning performance. Furthermore, the HVCE unit weight of multi-GNSS observations is stable, whose monthly averages are effective in improving the positioning accuracy of next month data, reducing the processing time. 3. A resilient functional model has been designed based on the stationarity detection algorithm for GNSS/INS integration in vehicles, mitigating the divergence of the INS error during GNSS absences. According to the characteristic frequencies of the engine at idle, a stationarity detection method based on sliding window Fast Fourier Transform (FFT) is proposed, which achieves a correction rate of 99.7% in our tests. This thesis also proposes to take into account the angular velocity of the Earth rotation for the yaw constraint. The results of the vehicle tests demonstrate the effectiveness of the proposed method. 4. For maritime navi
(Català) Aquesta tesi es centra en la integració tecnològica resilient terrestre i marina per a la navegació i el posicionament basada en el Sistema Global de Navegació per Satèl·lit (GNSS), el Sistema de Navegació Inercial (INS), el Sonar de Línia de Base Llarga (LBL) i el Perfil de Conductivitat, Temperatura i Profunditat (CTD). Les conclusions de la investigació són: 1. A Posicionament Puntual Precís (PPP) cinemàtic multi-GNSS, s'estudien tres models estocàstics: soroll blanc, passeig aleatori i constant, així com la diferència senzilla per al temps Intersistema (ISB). Es demostra teòricament l'equivalència entre el model de soroll blanc i la diferència senzilla. Els resultats cinemàtics urbans i pseudocinemàtics d’estació fixa mostren que el model constant ISB millora la precisió de posicionament i temps de convergència. 2. Per distribuir raonadament els pesos de les observacions entre diferents constel·lacions, es proposa el robust algorisme Helmert Variance Component Estimate (HVCE) per ajustar a posteri els models estocàstics per a observacions de pseudorang i fase en posicionament relatiu de doble diferències Multi-GNSS. Els resultats experimentals mostren que HVCE millora el rendiment del posicionament. A més, el pes unitari HVCE de les observacions multi-GNSS és estable, les mitjanes mensuals del qual són efectives per millorar la precisió del posicionament de dades del següent mes, reduint el temps de processament. 3. S'ha dissenyat un model funcional resilient basat en l'algoritme de detecció d'estacionament per a la integració GNSS/INS a vehicles, mitigant la divergència de l'error INS durant absències de GNSS. D'acord amb les freqüències característiques del motor en ralentí, es proposa un mètode de detecció d'estacionament basat en la Transformada Ràpida de Fourier (FFT) de finestra lliscant, que aconsegueix una taxa de correcció del 99,7% a les nostres proves. Aquesta tesi també proposa tenir en compte la velocitat angular de rotació de la Terra per
(Español) Esta tesis se centra en la integración tecnologica resiliente terrestre y marina para la navegación y el posicionamiento basada en el Sistema Global de Navegación por Satélite (GNSS), el Sistema de Navegación Inercial (INS), el Sonar de Línea de Base Larga (LBL) y el Perfil de Conductividad, Temperatura y Profundidad (CTD). Las conclusiones de la investigación son: 1. En Posicionamiento Puntual Preciso (PPP) cinemático multi-GNSS, se estudian tres modelos estocásticos: ruido blanco, paseo aleatorio y constante, así como la diferencia sencilla para el tiempo Intersistema (ISB). Se demuestra teóricamente la equivalencia entre el modelo de ruido blanco y la diferencia sencilla. Los resultados cinemáticos urbanos y pseudocinemáticos de estación fija muestran que el modelo constante ISB mejora la precisión de posicionamiento y tiempo de convergencia. 2. Para distribuir razonadamente los pesos de las observaciones entre diferentes constelaciones, se propone el robusto algoritmo Helmert Variance Component Estimate (HVCE) para ajustar a posteri los modelos estocásticos para observaciones de pseudorango y fase en posicionamiento relativo de doble diferencias Multi-GNSS. Los resultados experimentales muestran que HVCE mejora el rendimiento del posicionamiento. Además, el peso unitario HVCE de las observaciones multi-GNSS es estable, cuyas medias mensuales son efectivas para mejorar la precisión del posicionamiento de datos del siguiente mes, reduciendo el tiempo de procesamiento. 3. Se ha diseñado un modelo funcional resiliente basado en el algoritmo de detección de estacionamiento para la integración GNSS/INS en vehículos, mitigando la divergencia del error INS durante ausencias de GNSS. De acuerdo con las frecuencias características del motor en ralentí, se propone un método de detección de estacionamiento basado en la Transformada Rápida de Fourier (FFT) de ventana deslizante, que logra una tasa de corrección del 99,7% en nuestras pruebas. Esta tesis también prop
Postprint (published version)
Processing Request
No Comments.