modelo estocástico para dados gnss e séries temporais de coordenadas gnss
DESCRIPTION
Modelo Estocástico para Dados GNSS e Séries Temporais de Coordenadas GNSS. Doutoranda: Heloísa Alves da Silva Orientador: João Francisco Galera Monico Co-orientadores: Paulo de Oliveira Camargo Marcio Aquino. Introdução. Posicionamento GNSS - PowerPoint PPT PresentationTRANSCRIPT
Modelo Estocástico para Dados GNSS e Séries Temporais de Coordenadas GNSS
Doutoranda: Heloísa Alves da Silva
Orientador: João Francisco Galera Monico
Co-orientadores: Paulo de Oliveira Camargo
Marcio Aquino
04/19/23 Heloísa Alves da Silva 2/15
Introdução
Posicionamento GNSS Técnica mais utilizada nos levantamentos
geodésicos e topográficos
Processamento de dados mais realísticos Modelo funcional
Descreve as propriedades determinísticas da realidade física
Modelo estocástico Descreve as propriedades estocásticas na forma da
MVC
04/19/23 Heloísa Alves da Silva 3/15
Introdução
Processamento de dados GNSS – MMQ Observáveis – mesma precisão e estatisticamente
independentes
Modelos estocásticos não-realísticos Precisões otimistas
Implementação de modelagem estocástica mais adequada Cintilação ionosférica
04/19/23 Heloísa Alves da Silva 4/15
Introdução
Efeitos não-modelados (ruídos) Séries temporais das coordenadas GNSS
Caracterização dos ruídos baseada nas componentes white-noise, flicker noise e random walk Estimação das componentes: MMQ
Construção de um novo modelo estocástico das componentes Melhor representação e entendimento das séries
temporais
04/19/23 Heloísa Alves da Silva 5/15
Objetivo
Investigar os modelos estocásticos Observáveis originais GNSS, Séries temporais das coordenadas estimadas
Objetivos secundários: Considerar os efeitos de cintilação ionosférica na
modelagem estocástica do processamento de dados GNSS Investigar a correlação das séries temporais das
coordenadas GNSS no tempo e espaço, visando determinar componentes comuns entre elas, além de determinar um modelo válido para uma grande extensão (Brasil, por exemplo)
04/19/23 Heloísa Alves da Silva 6/15
Justificativa
Os modelos referentes às séries temporais que estão disponíveis na literatura se concentram basicamente na componente temporal, sem fazer análises baseadas no espaço, ou seja, análise multivariada
Disponibilização de uma metodologia que contribuirá com as análises geofísicas a partir das séries temporais de coordenadas GNSS
04/19/23 Heloísa Alves da Silva 7/15
Fundamentos Teóricos
Modelo estocástico de diferentes precisões – processamento GNSS
2
2
2
2
2
2
ns2
ns1
1is2
1is1
is2
is1
sr
00000
00000
00000
00000
00000
00000
22
22
22
ns2
ns1
1is2
1is1
is2
is1
is2r,1rSD
000
000
000
22222
22222
22222
ns2,1
bs2,1
bs2,1
bs2,1
bs2,1
bs2,1
bs2,1
1is2,1
bs2,1
bs2,1
bs2,1
bs2,1
bs2,1
is2,1
bs2,1
is,bs2r,1rDD
222
bs2
bs1
bs2,1
222is
2is
1is2,1
e
04/19/23 Heloísa Alves da Silva 8/15
Fundamentos Teóricos
Modelo em função da cintilação ionosférica Receptores GSV4004 da Novatel Extração de parâmetros da cintilação ionosférica Baseado nos modelos de Conker et al. (2002)
Variância de rastreio na saída de PLL:
variância do oscilador do
receptor/satélite
variância do ruído termal
variância da cintilação da
fase
2222OSCTSs
r
04/19/23 Heloísa Alves da Silva 9/15
Fundamentos Teóricos
Séries temporais das coordenadas GNSS
q
1kkkkk0 t)(senbt)cos(arty)}t(y{E
onde, y0, r, ak, bk e k são desconhecidos (incógnitas)
Modelo funcional
Modeloestocástico
rw2rwf
2f
2wy QQI
onde:
I é uma matriz identidade quadrada de ordem m
Qf e Qrw são as matrizes cofatoras relacionadas
com as componentes flicker noise e random walk
04/19/23 Heloísa Alves da Silva 10/15
Fundamentos Teóricos
Tipos de ruídos
Ruídos Densidade espectral
white noise
flicker noise
random walk
0w f/1)f(S
1f f/1)f(S
2rw f/1)f(S
white noise flicker noise random walk
04/19/23 Heloísa Alves da Silva 11/15
Metodologia
Processamento GNSS - Modelagem estocástica já implementada - Mestrado
Posicionamento relativo – GPSeq Posicionamento por ponto – PP_Sc
Séries temporais GNSS Realizar testes para identificar as componentes
white-noise, flicker noise e random walk Construir um modelo estocástico para avaliar as componentes da
série temporal Realizar análise multivariada envolvendo várias estações
Identificar elementos comuns, em termos de sazonalidade (anual, semi-anual, etc.).
Uma vez identificado os elementos comuns que caracterizam a região de estudo, objetiva-se construir um campo de variabilidade sazonal da região
04/19/23 Heloísa Alves da Silva 12/15
Metodologia
Dados a serem utilizados Séries temporais
Brasil – RBMC Modelo estocástico dos dados GPS
Regiões equatoriais – Brasil Altas latitudes
04/19/23 Heloísa Alves da Silva 13/15
Cronograma
A. Obtenção dos créditos junto ao PPGCC;B. Revisão bibliográfica sobre o assunto;C. Preparo e realização do exame de
qualificação;D. Implementação de algoritmos para a
modelagem estocástica dos dados GNSS;E. Implementação de algoritmos para a
caracterização dos ruídos das séries temporais de coordenadas GNSS;
F. Definição e coleta dos dados;G. Testes e Análise dos resultados;H. Alterações e melhorias na
implementação;I. Eventuais correções;J. Redação da tese de doutorado e
defesa.
04/19/23 Heloísa Alves da Silva 14/15
Créditos
04/19/23 Heloísa Alves da Silva 15/15
Obrigada pela atenção!