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!