Analyse von Verteilungsmustern zur Identifikation von Integritätsrisiken in GNSS-Positionslösungen von Alexander Peuker | ISBN 9783947623525

Analyse von Verteilungsmustern zur Identifikation von Integritätsrisiken in GNSS-Positionslösungen

von Alexander Peuker
Buchcover Analyse von Verteilungsmustern zur Identifikation von Integritätsrisiken in GNSS-Positionslösungen | Alexander Peuker | EAN 9783947623525 | ISBN 3-947623-52-6 | ISBN 978-3-947623-52-5
Inhaltsverzeichnis 1

Analyse von Verteilungsmustern zur Identifikation von Integritätsrisiken in GNSS-Positionslösungen

von Alexander Peuker
Die Integrität für Satellitennavigationslösungen wird immer wichtiger, da sich das
Einsatzgebiet der Satellitennavigation ausweitet. Gleichzeitig nimmt die Menge der zu
verarbeitenden Messdaten durch die Verwendung von Multi-Konstellation zu. Die simultane
Betrachtung mehrerer GNSS Konstellationen, wie GPS und Galileo oder Glonass, steigert die
Verfügbarkeit, insbesondere in urbanen Szenarien, da dort typischerweise mit Abschattung
durch Gebäude zu rechnen ist. Ein Nachteil aktueller Integritätsalgorithmen ist dabei, dass der
Rechenaufwand mit jedem Satelliten exponentiell steigt. Dies ist primär der Funktionsweise
geschuldet, welche häufig auf einem Derivat der Solution Separation beruht.
In dieser Arbeit wird ein Integritätsalgorithmus vorgeschlagen, welcher mit steigender Anzahl
an Satelliten maximal linear skaliert.
Er beruht auf der Auswertung von Verteilungsmustern der durch das Lösen der Satelliten-
Navigationsgleichung entstehenden Residuen.
Dazu werden eine detaillierte Analyse der Residuen sowie ihrer beeinflussenden Faktoren
durchgeführt. Beginnend mit der Quelle des GNSS-Signals, dem Satelliten, wird entlang der
Übertragungsstrecke bis zum Empfänger die jeweilige Einflussnahme auf die gemessene
Schrägentfernung analytisch charakterisiert und quantisiert.
Es kann gezeigt werden, dass Rauschen, welches aus verschiedenen Quellen entlang des
Signalweges stammt, einer der primären Einflussfaktoren ist. Darüber hinaus lässt sich das
Rauschen als weitestgehend normalverteilt charakterisieren, was sich zudem auf die Residuen
übertragen lässt. Dies gilt jedoch nur für den nominellen Zustand, wenn kein Hazardously
Misleading Information (HMI) Event, wie ein defekter Satellit, vorliegt.
Kommt es beispielsweise zu einer weichen Störung, wie einer unsynchronisierten Atomuhr
auf einem der Satelliten, verändert sich die zu diesem Satelliten gemessene Schrägentfernung
und somit auch das dazugehörige Residuum. Die Gesamtheit der Residuen folgt dann nicht
mehr einer Normalverteilung, sondern bildet verschiedene Gruppen.
Durch Mustererkennung, basierend auf einem Gaussian Mixture Model, werden die Gruppen
parametrisiert und ihre Beziehungen zueinander analysiert. Als Ergebnis kann sowohl eine
Schätzung der Integrität sowie eine Schätzung der potentiellen Störung in Quantität und Form
vorgenommen werden. Zudem wird für den Navigationsprozess ein Protection Level (PL)
abgeleitet, welches zusammen mit dem Alert Limit (AL) operativ genutzt werden kann.
Eine Verifikation des vorgeschlagenen Algorithmus erfolgt abschließend mittels Monte-Carlo-
Simulation und der Auswertung in einem Stanford-Diagramm.