BR112012005941A2

BR112012005941A2 - método implementado por computador, sistema de computador, e, meio de armazenamento legível por computador

Info

Publication number: BR112012005941A2
Application number: BR112012005941-6A
Authority: BR
Inventors: Ronald R. Hatch; Liwen L. Dai
Original assignee: Navcom Technology, Inc.
Priority date: 2009-10-15
Filing date: 2010-10-11
Publication date: 2020-07-28
Also published as: EP2488827B1; EP2488827A1; BR112012005941B1; WO2011046866A1; AU2010307015B2; BR112012005941B8; CN102597701A; US20110090116A1; AU2010307015A1; US8416133B2; EP2488827A4; CN102597701B

Abstract

MÉTODO IMPLEMENTADO POR COMPUTADOR, SISTEMA DE COMPUTADOR, E, MEIO DE ARMAZENAGEM LEGÍVEL POR COMPUTADOR. Medições de navegações de satélite de sinais são recebidas de satélites de navegação global para uma época de medição (402 ma figura 4). Um filtro de Kalman é usado para calcular um estado dos satélites de navegação global para época de medição com base nas medições de navegação da satélite (404), em que dito estado dos satéli0tes de navegação global é calculado usando uma primeira equação de atualização de forma fechada. Uma medição defeituosa na pluralidade de medições de navegação de satélite para a época de medição é detectada (406). Um estado revisado, da pluralidade de satélites de navegação global para a época de medição que compensa a medição defeituosa, é calculado, (408) usando dito estado calculado da pluralidade de satélites de navegação global e usando uma equação de atualização de forma revisada compreendendo a primeira equação de atualização de forma fechada modificada com respeito à medição defeituosa.

Description

“MÉTODO IMPLEMENTADO POR COMPUTADOR, SISTEMA DE COMPUTADOR, E, MEIO DE ARMAZENAMENTO LEGÍVEL POR COMPUTADOR”

PEDIDOS RELACIONADOS 5 Este pedido reivindica prioridade para Pedido Provisório US 61/252.104, "System and Method for Compensating for Faulty Satellite Navigation Measurements", depositado em 15 de outubro de 2009, que está incorporado aqui por referência em sua totalidade.

CAMPO TÉCNICO As concretizações expostas relacionam-se geralmente a compensar medições defeituosas.

FUNDAMENTO Um filtro de Kalman pode ser usado para resolver parâmetros estáticos e dinâmicos em um sistema dinâmico tendo medições ruidosas. Um tal sistema é um Sistema de Satélite de Navegação Global (GNSS), em que medições de navegação de satélite são afetadas por várias fontes de ruído (por exemplo, efeitos de multitrajeto, efeitos ionosféricos, efeitos troposféricos, etc.). Há duas motivações principais para usar um filtro de Kalman em resolver estes parâmetros estáticos e dinâmicos, que são chamados geralmente um vetor de estado, usando medições que são uma função desses parâmetros. Primeiro, o filtro de Kalman permite a inserção de forças atuantes estatísticas que afetam os parâmetros dinâmicos. Segundo, o filtro de Kalman permite a um jogo de medições tomado a uma época de medição específica ser processado como medições únicas em lugar de como um bloco de medições, que requerem a inversão de matrizes. Enquanto a habilidade para processar uma medição de cada vez é uma vantagem de processamento distinta para o filtro de Kalman, apresenta um problema visto que os resíduos de medição com respeito à atualização de medição final do vetor de estado não estão disponíveis até que todas as medições da época de medida tenham sido processadas. Infelizmente, medições defeituosas não podem ser detectadas até que todas as medições da época de medição tenham sido processadas. Porém, uma vez que as medições defeituosas foram processadas, os efeitos das medições defeituosas no vetor 5 de estado e matriz de covariância já foram incluídos no vetor de estado e matriz de covariância, respectivamente. Remover os efeitos das medições defeituosas tipicamente requer abandonar a atualização de medição do vetor de estado e a atualização da matriz de covariância pela época de medição, e reprocessar o conjunto de medição inteiro sem as medições defeituosas. Porém, reprocessar todas as medições para uma época de medição pode ser computacionalmente caro e demorado. Por exemplo, considere um filtro de Kalman que rastreia as órbitas de 30 satélites de navegação global usando 80 estações de referência localizadas ao redor do mundo. Neste exemplo, aproximadamente 800 medições de navegação de satélite são processadas durante cada época de medição (por exemplo, com base em uma média de 10 satélites de navegação global à vista a cada uma das 80 estações de referência). Se ambas medições de código corrigidas em refração e medições de fase de portadora corrigidas em refração forem processadas, 1.600 medições são processadas a cada época de medição. Assim, reprocessar a época de medição inteira para remover as medições defeituosas não é uma solução prática. Conseqüentemente, é altamente desejável prover um sistema e método para compensar medições defeituosas sem os problemas acima mencionados.

SUMÁRIO Para tratar os problemas acima mencionados, algumas concretizações provêem um sistema, um meio de armazenamento legível por computador incluindo instruções, e um método implementado por computador para compensar medições de navegação de satélite defeituosas.

Uma pluralidade de medições em um sistema é recebida para uma época de medição.

Um filtro de Kalman é usado para calcular um estado do sistema para a época de medição com base na pluralidade de medições, em que o estado do sistema para a época de medição é calculado usando uma primeira 5 equação de atualização de forma fechada.

Uma medição defeituosa é detectada na pluralidade de medições para a época de medição e um estado revisado do sistema para a época de medição que compensa a medição defeituosa é calculado, usando o estado calculado do sistema para a época de medição como uma entrada para o cálculo de estado revisado, e usando uma equação de atualização de forma revisada fechada incluindo a primeira equação de atualização de forma fechada modificada com respeito à medição defeituosa.

Em algumas concretizações, a medição defeituosa na pluralidade de medições para a época de medição é detectada como segue.

Para cada medição na pluralidade de medições, uma tendência discrepante para a medição é calculada.

É determinado se a tendência discrepante para a medição é maior do que um primeiro limiar.

Se a tendência discrepante para a medição for maior do que o primeiro limiar, é determinado que a medição é uma medição defeituosa.

Em algumas concretizações, o estado revisado do sistema para a época de medição que compensa a medição defeituosa é calculado como segue.

É determinado se a tendência discrepante para a medição defeituosa está acima de um segundo limiar, em que o segundo limiar é maior do que o primeiro limiar.

Se a tendência discrepante for maior do que o segundo limiar, o efeito da medição defeituosa é removido do estado do sistema: calculando um ganho de Kalman revisado correspondendo à medição defeituosa usando o negativo de um valor de uma covariância para a medição defeituosa, onde a covariância para a medição defeituosa é determinada de uma matriz de covariância correspondendo ao estado calculado do sistema, revisando a primeira equação de atualização de forma fechada com base no ganho de Kalman revisado para produzir uma primeira equação de atualização de forma fechada revisada, e calculando o estado revisado do sistema aplicando a primeira equação de atualização de forma fechada revisada ao estado 5 calculado do sistema para a época de medição para remover o efeito da medição defeituosa do estado do sistema.

Em algumas concretizações, uma segunda equação de atualização de forma fechada baseada no ganho de Kalman revisado é revisada para produzir uma segunda equação de atualização de forma fechada revisada.

Uma matriz de covariância revisada associada com o estado revisado do sistema é então calculada aplicando a segunda equação de atualização de forma fechada revisada a uma matriz de covariância associada com o estado do sistema para a época de medição para remover o efeito da medição defeituosa da matriz de covariância associada com o estado do sistema.

Em algumas concretizações, o segundo limiar é um limiar de erro mínimo detectável.

Em algumas concretizações, se a tendência discrepante estiver entre o primeiro limiar e o segundo limiar, o efeito da medição defeituosa no estado do sistema é reduzido: calculando um ganho de Kalman revisado correspondendo à medição defeituosa usando uma fração do valor da covariância para a medição defeituosa, revisando a primeira equação de atualização de forma fechada com base no ganho de Kalman revisado para produzir uma primeira equação de atualização de forma fechada revisada, e calculando o estado revisado do sistema aplicando a primeira equação de atualização de forma fechada revisada ao estado calculado do sistema para a época de medição para reduzir o efeito da medição defeituosa no estado do sistema.

Em algumas concretizações, uma segunda equação de atualização de forma fechada é revisada com base no ganho de Kalman revisado para produzir uma segunda equação de atualização de forma fechada revisada e uma matriz de covariância revisada associada com o estado revisado do sistema é calculado aplicando a segunda equação de atualização 5 de forma fechada revisada para uma matriz de covariância associada com o estado do sistema para a época de medição para reduzir o efeito da medição defeituosa na matriz de covariância associada com o estado do sistema.

Em algumas concretizações, se a tendência discrepante estiver abaixo do primeiro limiar, é determinado que a medição não é uma medição defeituosa.

Em algumas concretizações, o sistema é um receptor de navegação de satélite, em que a pluralidade de medições inclui medições de sinais recebidos de uma pluralidade de satélites de navegação global, e em que o estado do receptor de navegação de satélite inclui uma posição do receptor de navegação de satélite, uma velocidade do receptor de navegação de satélite, e um tempo.

Em algumas concretizações, sinais de correção que compensam erros em órbitas preditas e relógios da pluralidade de satélites de navegação global são recebidos e o estado do receptor de navegação de satélite é ajustado com base nos sinais de correção.

Em algumas concretizações, o sistema é uma pluralidade de satélites de navegação global, em que a pluralidade de medições inclui medições de sinais recebidos da pluralidade de satélites de navegação global, e em que o estado da pluralidade de satélites de navegação global inclui uma posição de cada satélite de navegação global na pluralidade de satélites de navegação global, uma velocidade de cada satélite de navegação global na pluralidade de satélites de navegação global, e um tempo informado por cada satélite de navegação global na pluralidade de satélites de navegação global.

Em algumas concretizações, o estado revisado da pluralidade de satélites de navegação global é usado para calcular sinais de correção que compensam erros em órbitas preditas e relógios da pluralidade de satélites de navegação global e os sinais de correção são transmitidos para um ou mais receptores de navegação de satélite. 5 Em algumas concretizações, o sistema inclui uma rede de distribuição de energia incluindo uma ou mais instalações de energia e uma ou mais redes de energia, em que a pluralidade de medições é recebida de uma pluralidade de sensores para uma rede de distribuição de energia, e em que o estado do sistema inclui um estado da rede de distribuição de energia e inclui uma magnitude, freqüência, e relação de fase da uma ou mais instalações de energia, fluxo de combustível para acionar geradores da uma ou mais instalações de energia, e uma quantidade de energia solicitada pela rede de energia. Em algumas concretizações, o sistema é um sistema meteorológico, em que a pluralidade de medições é recebida de uma pluralidade de sensores meteorológicos distribuídos por uma pluralidade de locais geográficos no sistema meteorológico, e em que o estado do sistema meteorológico inclui temperatura de ar e velocidade de vento na pluralidade de locais geográficos. Em algumas concretizações, o sistema é um sistema de radar, em que a pluralidade de medições inclui sinais de radar refletidos da pluralidade de objetivos de radar, e em que o estado do sistema de radar inclui uma distância a cada alvo de radar, uma velocidade de cada alvo de radar, e um tempo.

DESCRIÇÃO BREVE DOS DESENHOS Figura 1A é um diagrama de bloco ilustrando sistema de navegação de satélite global, de acordo com algumas concretizações. Figura 1B é um diagrama de bloco ilustrando um sistema, de acordo com algumas concretizações.

Figura 2 é um diagrama de bloco ilustrando um receptor de navegação de satélite, de acordo com algumas concretizações.

Figura 3A é um diagrama de bloco ilustrando um sistema de computador, de acordo com algumas concretizações. 5 Figura 3B é um diagrama de bloco ilustrando um sistema de computador, de acordo com algumas concretizações.

Figura 4 é um fluxograma de um método para compensar uma medição de navegação de satélite defeituosa, de acordo com algumas concretizações.

Figura 5 é um fluxograma de um método para detectar a medição de navegação de satélite defeituosa, de acordo com algumas concretizações.

Figura 6 é um fluxograma de um método para calcular um estado revisado de uma pluralidade de satélites de navegação global para uma época de medição que compensa a medição defeituosa, de acordo com algumas concretizações.

Figura 7 é um fluxograma de um método para remover o efeito da medição defeituosa do estado da pluralidade de satélites de navegação global, de acordo com algumas concretizações.

Figura 8 é um fluxograma de um método para calcular uma matriz de covariância revisada associada com um estado revisado da pluralidade de satélites de navegação global, de acordo com algumas concretizações.

Figura 9 é um fluxograma de um método para reduzir o efeito da medição defeituosa no estado da pluralidade de satélites de navegação global, de acordo com algumas concretizações.

Figura 10 é um fluxograma de um método para calcular uma matriz de covariância revisada associada com um estado revisado da pluralidade de satélites de navegação global, de acordo com algumas concretizações.

Figura 11 é um fluxograma de um método para transmitir sinais de correção para receptores de navegação de satélite, de acordo com algumas concretizações. 5 Figura 12 é um fluxograma de um método para compensar uma medição defeituosa, de acordo com algumas concretizações.

Figura 13 é um fluxograma de um método para detectar a medição defeituosa, de acordo com algumas concretizações.

Figura 14 é um fluxograma de um método para calcular um estado revisado de um sistema para uma época de medição que compensa a medição defeituosa, de acordo com algumas concretizações.

Figura 15 é um fluxograma de um método para remover o efeito da medição defeituosa do estado do sistema, de acordo com algumas concretizações.

Figura 16 é um fluxograma de um método para calcular uma matriz de covariância revisada associada com um estado revisado do sistema, de acordo com algumas concretizações.

Figura 17 é um fluxograma de um método para reduzir o efeito da medição defeituosa no estado do sistema, de acordo com algumas concretizações.

Figura 18 é um fluxograma de um método para calcular uma matriz de covariância revisada associada com um estado revisado do sistema, de acordo com algumas concretizações.

Figura 19 é um fluxograma de um método para ajustar o estado de um receptor de navegação de satélite com base em sinais de correção, de acordo com algumas concretizações.

Figura 20 é um gráfico ilustrando um parâmetro de não centralidade usado no cálculo de um erro detectável mínimo, de acordo com algumas concretizações.

Mesmos numerais de referência se referem a partes correspondentes ao longo dos desenhos.

DESCRIÇÃO DE CONCRETIZAÇÕES Algumas concretizações provêem um sistema, meio de 5 armazenamento legível por computador incluindo instruções, e um método implementado por computador para compensar os efeitos de medições de navegação de satélite defeituosas no estado calculado de uma pluralidade de satélites de navegação global e uma matriz de covariância correspondente para o estado da pluralidade de satélites de navegação global reprocessando só aquelas medições que são determinadas serem medições defeituosas. Algumas concretizações provêem um sistema, meio de armazenamento legível por computador incluindo instruções, e um método implementado por computador para compensar os efeitos de medições de navegação de satélite defeituosas no estado calculado de um receptor de navegação de satélite e uma matriz de covariância correspondente para o estado do receptor de navegação de satélite reprocessando só aquelas medições que são determinadas serem medições defeituosas. Estas concretizações reduzem o processamento desnecessário requerido pela técnica de força bruta descrita acima. Figura 1A é um diagrama de bloco ilustrando o sistema de navegação de satélite global 100, de acordo com algumas concretizações. O sistema de navegação de satélite global 100 inclui satélites de navegação global 110-1 a 110-N. Os satélites de navegação global 110-1 a 110-N cada um transmite pelo menos dois sinais de portadora. No caso do Sistema de Posicionamento Global (GPS), os pelo menos dois sinais de portadora incluem os sinais L1 e L2 tendo freqüências de 1,5754 GHz e 1,2276 GHz, e comprimentos de onda de 0,1903 m e 0,2442 m, respectivamente. O GPS de próxima geração oferecerá um terceiro sinal de portadora, L5, que terá uma freqüência de 1,1765 GHz e um comprimento de onda de 0,2548 m. Note que embora as concretizações descritas aqui sejam descritas com respeito a GPS, outros Sistemas de Satélite de Navegação Global (GNSS), tais como GLONASS e Galileo, podem ser usados.

Em algumas concretizações, os sinais de portadora são 5 recebidos por um receptor de navegação de satélite 120. O receptor de navegação de satélite pode ser usado por um usuário 121 para navegação ou para determinar uma posição atual do usuário 121. A fim de executar operações de navegação e/ou determinação de posição, o receptor de navegação de satélite 120 recebe sinais de um subconjunto dos satélites de navegação global 110-1 a 110-N (isto é, o subconjunto inclui os satélites de navegação global em vista do receptor de navegação de satélite 120). O receptor de navegação de satélite 120 então faz medições de navegação de satélite baseadas nos sinais e calcula um estado do receptor de navegação de satélite 120 com base nas medições de navegação de satélite.

Em algumas concretizações, o estado do receptor de navegação de satélite inclui uma posição do receptor de navegação de satélite (por exemplo, X, Y e Z, ou latitude, longitude e componentes de zênite de posição), uma velocidade do receptor de navegação de satélite, e um tempo.

O receptor de navegação de satélite 120 é descrito em mais detalhe abaixo com respeito à Figura 2. Em algumas concretizações, os sinais de portadora são recebidos por estações de referência 140-1 a 140-M em locais conhecidos (por exemplo, locais inspecionados). As estações de referência incluem um receptor de GNSS que recebe sinais dos satélites de navegação global 110-1 a 110-N.

A qualquer momento, o receptor de GNSS recebe sinais só dos satélites de navegação global 110 que estão em vista da antena do receptor.

Estações de referência 140-1 a 140-M são tipicamente usadas para executar operações diferenciais de GPS e/ou rastrear as órbitas de satélites de navegação global 110-1 a 110-N.

A fim de executar estas operações, cada uma das estações de referência 140-1 a 140-M recebe sinais de um subconjunto dos satélites de navegação global 110-1 a 110-N (isto é, o subconjunto de satélites de navegação global 110-1 a 110-N que estão em vista de cada uma das estações de referência 140-1 a 140-M) e faz medições de navegação de satélite baseadas nos sinais.

Em algumas concretizações, as 5 estações de referência 140-1 a 140-M transmitem a medição de navegação de satélite para um sistema de computador 130 por rede 150. Em algumas concretizações, as estações de referência 140-1 a 140-M executam operações diferenciais de GPS e transmitem correções para receptor de navegação de satélite 120. Em algumas concretizações, o sistema de computador 130 processa as medições de navegação de satélite recebidas de estações de referência 140-1 a 140-M para determinar o estado de satélites de navegação global 110-1 a 110-N.

Em algumas concretizações, o estado dos satélites de navegação global inclui uma posição de cada um de satélites de navegação global 110-1 a 110-N (por exemplo, X, Y e Z, ou latitude, longitude e componentes de zênite de posição), uma velocidade de cada um dos satélites de navegação global 110-1 a 110-N, e um tempo.

Sistema de computador 130 então gera sinais de correção 132 (às vezes chamados sinais de ajuda) que corrigem divergências orbitais de satélites de navegação global 110-1 a 110- N.

Note que erros em órbitas preditas e relógios de satélites de navegação global 110-1 a 110-N são chamadas divergências orbitais nesta especificação.

Sistema de computador 130 envia sinais de correção 132 para satélites de comunicação 160-1 a 160-P, que em troca, transmitem sinais de correção 132 para receptor de navegação de satélite 120 e/ou estações de referência 140-1 a 140-M.

Alternativamente, o sistema de computador 130 envia sinais de correção 132 para receptor de navegação de satélite 120 e/ou estações de referência 140-1 a 140-M por uma rede (por exemplo, rede 150). Sistema de computador 130 é descrito em mais detalhe abaixo com respeito à Figura 3A.

Rede 150 pode geralmente incluir qualquer tipo de canal de comunicação por fios ou sem fios capaz de acoplar nós de computação juntos.

Isto inclui, mas não está limitado a, uma rede local, uma rede de área ampla, ou uma combinação de redes.

Em algumas concretizações, a rede 150 inclui a Internet. 5 Note que há dois tipos de medições de GPS (isto é, medições de navegação de satélite) que são feitas normalmente (por exemplo, pelo receptor de navegação de satélite 120 e/ou as estações de referência 140-1 a 140-M): medições de pseudo-alcance e medições de fase de portadora.

As operações usadas para determinar o estado do receptor de navegação de satélite 120 e as operações usadas para determinar o estado dos satélites de navegação global 110-1 a 110-N baseadas nestas medições de navegação de satélite são bem conhecidas na arte e portanto uma explicação detalhada dessas operações não é provida nesta especificação.

Figura 1B é um diagrama de bloco ilustrando o sistema 172, de acordo com algumas concretizações.

Sistema 172 inclui sensores 174-1 a 174-M.

Os sensores 174-1 a 174-M podem ser qualquer tipo de sensor físico ou sensor de condição operacional, tais como acelerômetros, magnetômetros, giroscópios, sensores de temperatura, sensores de software (por exemplo, carga de CPU, uso de memória, uso de disco, largura de banda de monitor, etc.), sensores de volume, sensores de peso, sensores de sinal de navegação de satélite, etc.

Cada um dos sensores 174-1 a 174-M produz uma ou mais medições das suas variáveis físicas respectivas ou variáveis de condição operacional durante uma época de medição.

Sensores 174-1 a 174-M transmitem suas medições respectivas para um sistema de computador 131 para processamento pela rede 150. Figura 2 é um diagrama de bloco ilustrando o receptor de navegação de satélite 120, de acordo com algumas concretizações.

O receptor de navegação de satélite 120 tipicamente inclui uma ou mais unidades de processamento (CPU) 202, uma ou mais redes ou outras interfaces de comunicações 204, memória 210, e um ou mais barramentos de comunicação 209 para interconectar estes componentes.

Os barramentos de comunicação 209 pode incluir circuitos (às vezes chamado um 'chipset') que interconectam e controlam comunicações entre componentes de sistemas.

O receptor de 5 navegação de satélite 120 pode opcionalmente incluir uma interface de usuário 205 incluindo um dispositivo de exibição 206 e um ou mais dispositivos de entrada 208 (por exemplo, um ou mais de um teclado, mouse, tela de toque, bloco de teclas, etc.). O receptor de navegação de satélite 120 também inclui uma ou mais antenas de GNSS configuradas para receber sinais transmitidos pelos satélites de navegação global 110-1 a 110-N.

Memória 210 inclui memória de acesso aleatório de alta velocidade, tais como DRAM, SRAM, DDR RAM ou outros dispositivos de memória de acesso aleatório de estado sólido; e pode incluir memória não volátil, tal como um ou mais dispositivos de armazenamento de disco magnético, dispositivos de armazenamento de disco óptico, dispositivos de memória flash, ou outros dispositivos de armazenamento de estado sólido não voláteis.

Memória 210 pode opcionalmente incluir um ou mais dispositivos de armazenamento localizados remotamente das CPUs 202. Memória 210, ou alternadamente os dispositivos de memória não voláteis dentro de memória 210, incluem um meio de armazenamento legível por computador não transitório.

Em algumas concretizações, a memória 210 ou o meio de armazenamento legível por computador de memória 210 armazena os programas, módulos e estruturas de dados seguintes, ou um subconjunto disso: - um sistema operacional 212 que inclui procedimentos para operar vários serviços básicos de sistema e para executar tarefas dependentes de hardware; - um módulo de comunicação 214 que é usado para conectar o receptor de navegação de satélite 120 a outros sistemas de computador pela uma ou mais interfaces de comunicação 204 (por fios ou sem fios) e uma ou mais redes de comunicação, tal como a Internet, outras redes de área ampla, redes locais, rede de área metropolitana, e assim por diante; - um módulo de interface de usuário 216 que recebe comandos do usuário pelos dispositivos de entrada 208 e gera objetos de interface de 5 usuário no dispositivo de exibição 206; - um módulo de GNSS 218 que recebe e processa sinais dos satélites de navegação global 110-1 a 110-N por uma ou mais antenas de GNSS 260, o módulo de GNSS 218 incluindo um módulo de filtro de Kalman 220 configurado para estimar um estado 226 do receptor de navegação de satélite 120 com base em medições de navegação de satélite 224 obtidas de sinais recebidos dos satélites de navegação global 110 em vista da antena 260 do receptor, e um módulo de medição defeituosa 222 que detecta e compensa medições defeituosas (como descrito em mais detalhe abaixo com respeito às Figuras 12-19); - dados de efemérides 228 que incluem um conjunto de parâmetros usados pelo receptor 120 para predizer órbitas e relógios dos satélites de navegação global; e - sinais de correção 132 (por exemplo, sinais recebidos de um serviço que provê sinais de correção de GNSS, como representado por sistema 130 na Figura 1A) para erros nas órbitas preditas e relógios dos satélites de navegação global 110-1 a 110-N.

Em algumas concretizações, os sinais de correção 132 incluem correções não só para erros nas órbitas preditas (por exemplo, posição e velocidade orbital) e relógios dos satélites, mas também para correções para compensar efeitos troposféricos e efeitos ionosféricos, tendências de fase fracionária de pista larga e pista estreita de satélite, e/ou tendências inter- freqüência no código e medições de fase de portadora.

Cada um dos elementos identificados acima pode ser armazenado em um ou mais dos dispositivos de memória previamente mencionados, e corresponde a um conjunto de instruções para executar uma função descrita acima.

O conjunto de instruções pode ser executado por um ou mais processadores (por exemplo, as CPUs 202). Os módulos ou programas identificados acima (isto é, conjuntos de instruções) não precisam 5 ser implementados como programas de software separados, procedimentos ou módulos, e assim vários subconjuntos destes módulos podem ser combinados ou caso contrário rearranjados em várias concretizações.

Em algumas concretizações, a memória 210 pode armazenar um subconjunto dos módulos e estruturas de dados identificados acima.

Além disso, a memória 210 pode armazenar módulos e estruturas de dados adicionais não descritas acima.

Embora Figura 2 mostre um "receptor de navegação de satélite", Figura 2 é planejada mais como descrição funcional das várias características que podem estar presentes em um receptor de navegação de satélite do que como um esquemático estrutural das concretizações descritas aqui.

Na prática, e como reconhecido por aqueles de habilidade ordinária na arte, itens mostrados separadamente poderiam ser combinados e alguns itens poderiam ser separados.

Em algumas concretizações, cada uma das estações de referência 140-1 a 140-M inclui um receptor de navegação de satélite que inclui componentes e módulos como descritos com respeito à Figura 2. Figura 3A é um diagrama de bloco ilustrando o sistema de computador 130, de acordo com algumas concretizações.

Sistema de computador 130 inclui tipicamente uma ou mais unidades de processamento (CPUs) 302, uma ou mais redes ou outras interfaces de comunicações 304, memória 310, e um ou mais barramentos de comunicação 309 para interconectar estes componentes.

Os barramentos de comunicação 309 podem incluir circuitos (às vezes chamados um 'chipset') que interconectam e controlam comunicações entre componentes de sistema.

Sistema de computador 130 opcionalmente pode incluir uma interface de usuário 305 incluindo um dispositivo de exibição 306 e um ou mais dispositivos de entrada 308 (por exemplo, um ou mais de um teclado, mouse, tela de toque, bloco de teclas, etc.). Memória 310 inclui memória de acesso aleatório de alta velocidade, tais como DRAM, SRAM, DDR RAM ou outros dispositivos de 5 memória de estado sólido de acesso aleatório; e podem incluir memória não volátil, tais como um ou mais dispositivos de armazenamento de disco magnético, dispositivos de armazenamento de disco óptico, dispositivos de memória flash, ou outros dispositivos de armazenamento de estado sólido não voláteis.

Memória 310 pode opcionalmente incluir um ou mais dispositivos de armazenamento localizados remotamente das CPUs 302. Memória 310, ou alternadamente os dispositivos de memória não voláteis dentro de memória 310, incluem um meio de armazenamento legível por computador não transitório.

Em algumas concretizações, a memória 310 ou o meio de armazenamento legível por computador de memória 310 armazena os programas, módulos e estruturas de dados seguintes, ou um subconjunto disso: - um sistema operacional 312 que inclui procedimentos para operar vários serviços básicos de sistema e para executar tarefas dependentes de hardware; - um módulo de comunicação 314 que é usado para conectar o sistema de computador 130 a outros sistemas de computador pela uma ou mais interfaces de comunicação 304 (por fios ou sem fios) e uma ou mais redes de comunicação (por exemplo, a rede 150 da Figura 1A), tal como a Internet, outras redes de área ampla, redes locais, rede de área metropolitana, ou uma combinação de tais redes; - um módulo de rastreamento de satélite 318 que recebe e processa sinais de satélites de navegação global 110-1 a 110-N por estações de referência 140-1 a 140-M, o módulo de rastreamento de satélite 318 incluindo um módulo de filtro de Kalman 320 configurado para estimar um de estado 326 de satélites de navegação global 110-1 a 110-N com base em medições de navegação de satélite 324 obtidas de um conjunto de estações de referência 140 (Figura 1A), e um módulo de medição defeituosa 322 que detecta e compensa medições defeituosas (como descrito em mais detalhe 5 abaixo com respeito às Figuras 12-19); - dados de efemérides 328, que incluem um conjunto de parâmetros usados por sistema de computador 130 para predizer órbitas e relógios dos satélites de navegação global; e - um módulo de correção 330 que usa o estado 326 dos satélites de navegação global 110-1 a 110-N para gerar os sinais de correção 132 que corrigem divergências orbitais (isto é, erros nas órbitas preditas e relógios) dos satélites de navegação global 110-1 a 110-N relativo às órbitas preditas e relógios radiodifundidos dos satélites.

Como notado na descrição do receptor de navegação de satélite 120 (Figura 2), as medições de navegação de satélite 324 obtidas de um conjunto de estações de referência 140 estão baseadas em sinais recebidos pelas estações de referência dos satélites de navegação global 110-1 a 110-N.

Também como notado acima, os sinais de correção 132 gerados pelo módulo de correção podem incluir correções que compensam fontes adicionais de erros de sinal de navegação, além de erros nas órbitas preditas e relógios dos satélites de navegação global 110, tais como efeitos troposféricos e efeitos ionosféricos, tendência de fase fracionária de pista larga e pista estreita fase de satélite, e/ou tendências inter-freqüência no código e medições de fase de portadora.

O conjunto de instruções pode ser executado por um ou mais processadores (por exemplo, as CPUs 302). Os módulos ou programas identificados acima (isto é, conjuntos de instruções) não precisam ser implementados como programas de software, procedimentos ou módulos separados, e assim vários subconjuntos destes módulos podem ser combinados ou caso contrário rearranjados em várias concretizações.

Em 5 algumas concretizações, a memória 310 pode armazenar um subconjunto dos módulos e estruturas de dados identificados acima.

Além disso, a memória 310 pode armazenar módulos e estruturas de dados adicionais não descritas acima.

Embora Figura 3A mostre um "sistema de computador", Figura 3A é planejada mais como descrição funcional das várias características que podem estar presentes em um conjunto de sistemas de computador do que como um esquemático estrutural das concretizações descritas aqui.

Por exemplo, alguns itens mostrados separadamente na Figura 3A poderiam ser implementados em sistemas de computador único e itens únicos poderiam ser implementados por um ou mais sistemas de computador.

O número real de sistemas de computador e como características são alocadas entre eles variará de uma implementação para outra, e pode depender em parte da quantidade de tráfego de dados que o sistema deve operar durante períodos de uso de pico como também durante períodos de uso médio.

Figura 3B é um diagrama de bloco ilustrando o sistema de computador 131, de acordo com algumas concretizações.

O sistema de computador 131 tipicamente inclui uma ou mais unidades de processamento (CPUs) 352, uma ou mais redes ou outras interfaces de comunicações 354, memória 360, e um ou mais barramentos de comunicação 359 para interconectar estes componentes.

O barramento de comunicação 359 pode incluir circuitos (às vezes chamado um 'chipset') que interconectam e controlam comunicações entre componentes de sistema.

O sistema de computador 131 opcionalmente pode incluir uma interface de usuário 355 incluindo um dispositivo de exibição 356 e um ou mais dispositivos de entrada 358 (por exemplo, um ou mais de um teclado, mouse, tela de toque, 5 bloco de teclas, etc.). Memória 360 inclui memória de acesso aleatório de alta velocidade, tais como DRAM, SRAM, DDR RAM ou outros dispositivos de memória de estado sólido de acesso aleatório; e pode incluir memória não volátil, tal como um ou mais dispositivos de armazenamento de disco magnético, dispositivos de armazenamento de disco óptico, dispositivos de memória flash, ou outros dispositivos de armazenamento de estado sólido não voláteis.

Memória 360 pode opcionalmente incluir um ou mais dispositivos de armazenamento localizados remotamente das CPUs 352. Memória 360, ou alternadamente os dispositivos de memória não voláteis dentro de memória 360, inclui um meio de armazenamento legível por computador não transitório.

Em algumas concretizações, a memória 360 ou o meio de armazenamento legível por computador de memória 360 armazena os programas, módulos e estruturas de dados seguintes, ou um subconjunto disso: - um sistema operacional 362 que inclui procedimentos para operar vários serviços básicos de sistema e para executar tarefas dependentes de hardware; - um módulo de comunicação 364 que é usado para conectar o sistema de computador 131 a outros sistemas de computador pela uma ou mais interfaces de comunicação 354 (por fios ou sem fios) e uma ou mais redes de comunicação (por exemplo, a rede 150 de Figura 1B), tal como a Internet, outras redes de área ampla, redes locais, rede de área metropolitana, ou uma combinação de tais redes; e - um módulo de estimação de estado 368 que recebe e processa sinais dos sensores 174-1 a 174M, o módulo de rastreamento de satélite 368 incluindo um módulo de filtro de Kalman 370 configurado para estimar um de estado 376 de sistema 172 (Figura 1B) com base nas medições 374 recebidas dos sensores 174-1 a 174-M, e um módulo de medição defeituosa 372 que detecta e compensa medições defeituosas (como descrito em mais detalhe 5 abaixo com respeito às Figuras 12-19). Cada um dos elementos identificados acima pode ser armazenado em um ou mais dos dispositivos de memória previamente mencionados, e corresponde a um conjunto de instruções para executar uma função descrita acima.

O conjunto de instruções pode ser executado por um ou mais processadores (por exemplo, as CPUs 352). Os módulos ou programas identificados acima (isto é, conjuntos de instruções) não precisam ser implementados como programas de software, procedimentos ou módulos separados, e assim vários subconjuntos destes módulos podem ser combinados ou caso contrário rearranjados em várias concretizações.

Em algumas concretizações, a memória 360 pode armazenar um subconjunto dos módulos e estruturas de dados identificados acima.

Além disso, a memória 360 pode armazenar módulos e estruturas de dados adicionais não descritas acima.

Embora Figura 3B mostre um "sistema de computador", Figura 3B é planejada mais como descrição funcional das várias características que podem estar presentes em um conjunto de sistemas de computador do que como um esquemático estrutural das concretizações descritas aqui.

Por exemplo, alguns itens mostrados separadamente na Figura 3B poderiam ser implementados em sistemas de computador único e itens únicos poderiam ser implementados por um ou mais sistemas de computador.

O número real de sistemas de computador e como características são alocadas entre eles variará de uma implementação para outra, e pode depender em parte da quantidade de tráfego de dados que o sistema tem que controlar durante períodos de uso de pico como também durante períodos de uso médio.

Estimação de Filtro de Kalman Padrão 5 Antes de proceder com a discussão sobre compensar medições defeituosas, é instrutivo discutir uma implementação de filtro de Kalman padrão.

Note que um filtro de Kalman, como usado nesta especificação, inclui filtros de Kalman padrão, como também filtros de Kalman estendidos e modificados.

As concretizações descritas aqui podem ser aplicadas a quaisquer destes tipos de filtros de Kalman.

Filtros de Kalman têm duas fases de computação para cada época de medição: uma fase de predição e uma fase de atualização.

Além disso, um filtro de Kalman geralmente prediz e atualiza ambos um estado estimado do dispositivo ou sistema sendo rastreado pelo filtro de Kalman, e uma covariância de estimativa predita (freqüentemente simplesmente chamada a covariância ou covariância de estimativa), representando a precisão estimada do estado computado.

O filtro de Kalman é tipicamente um procedimento (ou módulo), ou conjunto de procedimentos (ou módulos), executado por um ou mais processadores.

O filtro de Kalman é executado repetidamente (por exemplo, uma vez por segundo), cada vez usando novas medições de código (também chamadas medições de pseudo-alcance) e medições de fase de portadora, para atualizar o estado de filtro de Kalman.

Enquanto as equações usadas por filtros de Kalman são complexas, filtros de Kalman são extensamente usados no campo de navegação, e portanto só aqueles aspectos dos filtros de Kalman que são pertinentes à presente invenção precisam ser discutidos em qualquer detalhe.

Deveria ser enfatizado que enquanto filtros de Kalman são usados extensamente em receptores de GPS e outros sistemas de navegação, muitos aspectos desses filtros de Kalman variarão de uma implementação para outra.

Por exemplo, os filtros de Kalman usados em alguns receptores de GPS podem incluir estados que não estão incluídos em outros filtros de Kalman, ou podem usar equações um pouco diferentes daquelas usadas em outros filtros de Kalman.

Deixe conjuntos de medições de navegação de satélite 5 tomados em seqüência de tempo serem denotados como L1, L2, …, Ln, onde a subscrição denota o tempo ao qual a medição de navegação de satélite é levada e onde cada conjunto de medição de navegação de satélite está definido como um vetor de medição.

Os vetores de estado desconhecidos a cada época de medição são denotados como X1, X2, …, Xn, respectivamente.

A relação entre o valor esperado das medições de navegação de satélite como uma função dos parâmetros de estado desconhecidos pode ser descrita como E(Lk) = F(Xk). A diferença entre as medições de navegação de satélite e seu valor esperado, às vezes chamado os resíduos pré-fixos, é designado como Z.

O modelo linear observacional cuja norma é para ser minimizada é dado por:

onde Vk é o vetor residual (isto é, atualização de pós-medição), X-k é o parâmetro de vetor de estado antes da atualização de medição, H é a sensibilidade das medições de navegação de satélite aos parâmetros de estado desconhecidos (derivadas parciais de f(X-k) com respeito aos parâmetros de vetor de estado), δX+k é a correção ao vetor de estado que minimiza a norma do vetor residual.

Em processamento de filtro de Kalman padrão, as medições de navegação de satélite são assumidas terem um ruído, ε, que é não correlatada entre épocas de medição.

Além disso, as medições de navegação de satélite individuais a uma época de medição específica também são assumidas serem não correlatadas.

Note que quando as medições de navegação de satélite estão correlatadas, é freqüentemente possível remover a correlação em uma etapa de pré-processamento.

A matriz de covariância para uma dada época de medição está definida pela matriz diagonal R:

onde ri, é o i-ésimo elemento diagonal da matriz de covariância R, representando a covariância da i-ésima medição de navegação de satélite. 5 Em algumas formas da implementação de filtro de Kalman, o inverso da matriz R é usado em vez de R.

O inverso de R também é chamada a matriz de peso W, em que os elementos wi de W são simplesmente o inverso dos elementos individuais de R (isto é, wi = 1/ri). A relação entre épocas seqüenciais do vetor X1, X2, ... , Xn é estabelecida estatisticamente como:

onde Xk é o vetor de estado desconhecido na época k, φk,k-1 é uma matriz (também chamada a matriz de transição) que relaciona Xk-1 a Xk, e Uk é um vetor cujos elementos são uma seqüência de ruído branco (isto é, uma seqüência de valores aleatórios de média zero que são não correlatados). A matriz de covariância associada com Uk é assumida ser conhecida e é denotada como:

onde UTj é a transposição de Uj, que é igual a não transposição de Uj porque Uj é uma matriz diagonal.

A estimativa de filtro de Kalman do estado depois de k-1 épocas é X+k-1 com uma covariância correspondente de P+k-1. O estado predito e matriz de covariância correspondente na próxima época, k, é:

onde: X+k-1 e P+k-1 são estados estimados e variância de filtro de Kalman, respectivamente, para a k-1 época, φk,k-1 e Qk são matrizes de transição e dinâmica de estado de filtro de Kalman, respectivamente, entre k-1 e k épocas, e X-k e P-k são estados preditos e variância de filtro de Kalman, 5 respectivamente, para época k.

O estado estimado e variância de filtro de Kalman às vezes são chamados o estado e variância (ou o estado e variância calculados) do objeto ou sistema cujo estado está sendo rastreado pelo filtro de Kalman.

A fim de atualizar os resultados usando o vetor de medição na época k (a equação de observação), as fórmulas seguintes são usadas.

A matriz de ganho de Kalman, K, é:

A atualização de medição de vetor de estado (parâmetro), X+k, também chamado o estado estimado de filtro de Kalman ou o estado computado do objeto ou sistema, é;

A atualização de medição de matriz de covariância, P+k, também chamada a covariância estimada de filtro de Kalman ou a covariância computada do objeto ou sistema, é:

onde I é a matriz de identidade.

Quando as medições a uma época de medição são não correlatadas e processadas uma de cada vez, as equações (7) por (9) podem ser escritas para processar a j-ésima medição como segue.

O ganho de Kalman (agora um vetor de coluna) que envolvia um inverso na forma de matriz de equação (7) é agora realizado com uma simples divisão para uma 5 única medição;

onde kj é a j-ésima coluna (vetor) de ganhos e inclui um elemento para cada parâmetro de estado do estado, Pkj-1 é a matriz de covariância que é computada na atualização de medição com a (j-1)-ésima medição, hj é a j-ésima coluna (vetor) da matriz de sensibilidade H, e rj é o j-ésimo elemento diagonal da matriz de covariância de medição, R.

A atualização de medição de vetor de estado é:

onde zj é o j-ésimo elemento dos resíduos de prefixo Z, kj é o vetor de coluna de ganho de Kalman computado na equação (10), e os sobrescritos (j e j-1) em X agora indicam a atualização da (j-1)-ésima a j-ésima medição.

A atualização de medição de matriz de covariância é:

onde o sobrescrito j da matriz de covariância Pk indica a matriz de covariância Pk (que inclui os efeitos da (j-1)-ésima medição foi atualizado pela j-ésima medição, kj é o vetor de coluna computado na equação (10), hj é a j-ésima coluna (vetor) da matriz de sensibilidade H, e I é a matriz de identidade.

Note que o mesmo resultado final é obtido independente da ordem na qual as medições individuais são incorporadas no vetor de estado e sua matriz de covariância associada.

A habilidade para processar as medições de navegação de satélite em qualquer ordem só é possível quando não há nenhuma correlação entre as medições.

Removendo uma Medição Defeituosa de um Conjunto de Medições 5 A fim de habilitar a remoção de uma medição defeituosa da implementação de filtro de Kalman, a implementação de filtro de Kalman é reformulada em termos de uma implementação de mínimos quadrados ponderados equivalentes (WLS) usando uma atualização de medição de WLS.

A medição defeituosa é então removida da implementação de WLS.

Na implementação de WLS, o inverso da matriz de covariância de estado e o inverso da matriz de covariância de medição são usados.

Como discutido acima, desde que as medições de navegação de satélite são independentes, a matriz de covariância de medição, R, é uma matriz diagonal.

Portanto, o inverso de R, que é chamado a matriz de peso W, também é uma matriz diagonal na qual os elementos diagonais são o inverso dos elementos diagonais individuais de matriz de covariância R.

A matriz de covariância do vetor de estado (isto é, a matriz P), tem um inverso que é freqüentemente chamada a matriz de informação M.

Usando a nomenclatura anterior, a atualização de medição leva a forma seguinte para a implementação de WLS.

A matriz de informação M é atualizada primeiro usando: Equação (13)

onde o sobrescrito "mais" em M+k denota a matriz de informação depois de ser atualizada por uma nova medição e o sobrescrito "menos" em M-k denota a matriz de informação antes de ser atualizada pela nova medição.

O vetor de estado é então atualizado:

onde o sobrescrito "mais" em X+k denota a matriz de estado depois de ser atualizada por uma nova medição e o sobrescrito "menos" em X-k indica a matriz de estado antes de ser atualizada por uma nova medição.

Usando um expoente "menos um" para denotar uma inversão 5 de matriz (por exemplo, A-1), as equações (13) e (14) podem ser escritas em termos da implementação de filtro de Kalman como:

Pode ser mostrado usando regras de manipulação de matriz padrão que as equações (15) e (16) são equivalentes às equações (7)-(9) acima.

Usando a nomenclatura desenvolvida acima para incluir medições únicas (isto é, equações (10)-(12)), as equações (13) e (14) podem ser escritas na forma seguinte assumindo que há m medições disponíveis na época k:

onde hj é a j-ésima coluna (vetor) da matriz de sensibilidade H, wj é o j-ésimo elemento diagonal de W (isto é, o inverso do j-ésimo elemento diagonal de R), e zj é o j-ésimo elemento de Z.

Equações (17) e (18) podem ser rescritas para incluir só a j- ésima medição (como indicado pelos sobrescritos e subscritos "j"):

Das equações (19) e (20), é aparente que para remover uma medição defeituosa que foi incluída previamente, o sinal na medição defeituosa é mudado e então a atualização definida por equações (19) e (20) é executada. Por exemplo, a medição defeituosa pode ser removida mudando 5 simplesmente o sinal do elemento de matriz de peso associado, wj, como mostrado nas Equações (21) e (22). Note que a fim de remover a medição defeituosa, a medição defeituosa deve ser removida primeiro do vetor de estado, como realizado por Equação (21), antes que a medição defeituosa possa ser removida da matriz de informação, como realizado por Equação (22).

Convertendo as Equações (21) e (22) de volta em uma forma de filtro de Kalman produz: Usando manipulação de matriz padrão, as equações (23) e (24) podem ser rescritas na forma das equações (10), (11) e (12). Quando isto é feito, só a equação (10) para o ganho é afetada. Equações (11) e (12) não são afetadas. Equação (10) se torna:

Assim, o efeito de uma medição defeituosa no vetor de estado e na matriz de covariância em um filtro de Kalman pode ser removido, depois que todas as medições para a época específica foram incluídas, reprocessando a medição defeituosa com a variância de medição fixada ao negativo de seu 5 valor original.

Mais especificamente, levando o estado do filtro de Kalman X+k que resulta de aplicar as medições da época atual, incluindo a medição defeituosa, o efeito da medição defeituosa é removido primeiro computando a Equação (25), que tem um sinal negativo para rj em vez de um sinal mais para rj como na Equação (10), então ajustando o estado usando a Equação (11) e a covariância usando a Equação (12). O resultado destas computações é a remoção da medição defeituosa.

Note que o processo acima mencionado pode ser repetido para cada medição defeituosa para remover cada medição defeituosa do estado e matrizes de covariância.

Aplicando um Peso Diferente a uma Medição Em alguns exemplos, medições de navegação de satélite têm resíduos pós-fixos que indicam um problema com essas medições, mas não excedem um limiar predefinido ao qual as medições são para serem excluídas.

Por exemplo, no problema de determinação de órbita de satélite, uma estação de referência particular pode estar sujeita a mais erros de multitrajeto do que outras estações de referência.

Se este for o caso, pode ser desejável, na base dos resíduos pós-fixos de raiz quadrada média, reduzir a ponderação de medição para essa estação de referência para processamento de mínimos quadrados ou aumentar a variância de ruído de medição para essa estação de referência para processamento de filtro de Kalman.

Uma técnica de força bruta para realizar esta tarefa é remover primeiro a medição, e então adicioná-la de volta com a ponderação ou variância de ruído desejada.

Porém, as duas etapas requereriam o processamento da medição duas vezes: uma vez para remover a medição e uma vez para adicionar de volta a medição com a ponderação ou variância de ruído desejada.

É possível combinar as duas etapas em uma, usando uma remoção parcial da medição.

Usando a mesma lógica como discutida acima para remover a medição completa, uma ponderação reduzida da medição pode 5 ser alcançada como segue.

Assuma que a nova medição é para ser reduzida de w a uma fração de w (isto é, fw). A ponderação é alcançada processando a medição aplicando o peso seguinte à medição:

A variância de ruído de medição equivalente a nomear para reprocessar a medição no filtro de Kalman é o inverso do peso:

Usando esta técnica, medições podem ser nomeadas a uma nova variância de ruído em uma única etapa de reprocessamento.

Em algumas concretizações, um limiar de duas dobras é usado em que um primeiro limiar é usado para determinar quando remover medições defeituosas do estado e matrizes de covariância e um segundo limiar é usado para determinar se reduzir a ponderação da medição defeituosa como aplicada ao estado e matrizes de covariância.

Isto é explicado em mais detalhe abaixo.

Detectando Medições Defeituosas Em algumas concretizações, a presença de uma medição defeituosa em uma pluralidade de medições de navegação de satélite é detectada a um dado nível de confiança executando um teste qui-quadrado.

Medições defeituosas ou conjuntos de medições defeituosas às vezes são detectados por um teste de relação onde os resíduos individuais pós-fixos ou conjuntos de resíduos pós-fixos são divididos pela raiz quadrada média (rms) dos resíduos obtidos do conjunto inteiro de medições para a época.

Quando essa relação excede um limiar predefinido, por exemplo um limiar na gama de 3 a 5, a medição é declarada defeituosa. Tipicamente, um processo iterativo é usado para detectar (ou verificar) múltiplos valores atípicos. Em algumas concretizações, cada iteração do processo detecta no máximo um valor atípico 5 (por exemplo, o pior valor atípico restante, se qualquer), que tem o maior valor de relação (por exemplo, do resíduo pós-fixo à raiz quadrada média dos resíduos, como definido acima). Depois que um valor atípico (também chamado uma medição de falha) é identificado em uma iteração respectiva, a medição defeituosa é removida usando variância negativa ou aplicando um peso diferente à medição defeituosa. Os resíduos pós-fixos são recomputados com a medição defeituosa removida, ou dado um menor peso, e os resíduos pós-fixos recomputados são então usados para detectar (ou verificar) outro valor atípico em uma próxima iteração. Este processo é tipicamente repetido até que a relação maior de qualquer resíduo individual pós-fixo para o resíduo de raiz quadrada média não exceda o limiar predefinido. Em algumas concretizações, depois que uma medição é determinada estar defeituosa, a medição defeituosa é testada para determinar se a tendência da medição defeituosa excede um ou mais limiares especificados. Em algumas concretizações, depois que todos os valores atípicos potenciais detectados foram removidos dos estados de filtro de Kalman e estimação de variância, a magnitude da tendência discrepante pode ser derivada para cada medição j usando a equação (28).

onde bj é magnitude do código ou tendência discrepante de fase para a j-ésima medição, Hj é a j-ésima coluna da matriz de sensibilidade H, e δX+k está definido acima. Aplicando a lei de propagação de erro e assumindo que não há nenhuma correlação entre o valor atípico e os estados de filtro de Kalman estimados, a variância associada é calculada usando a equação (29):

onde Rbj é a variância para a tendência bj e rj está definido acima.

Uma medição de confiabilidade interna é quantificada como o Erro Detectável Mínimo (MDE) e é o mais baixo limite para valores atípicos 5 detectáveis.

O MDE é a magnitude do erro menor que pode ser detectado para um nível específico de confiança e potência do teste.

Em algumas concretizações, o MDE é calculado usando a equação (30):

onde σ0 = σI + σII é o parâmetro de não centralidade, que depende dos dados erros de Tipo I (σI) e Tipo II (σII), ilustrados na Figura 20. Tipicamente, a potência do teste é mantida a um valor predeterminado (por exemplo, 80%) e um nível de confiança predeterminado (por exemplo, 95-99%) para a determinação do MDE.

Em algumas concretizações, um teste de significação é executado na tendência discrepante bj com base no limiar de MDE para confirmar se a j-ésima medição é ou não é um valor atípico.

Em algumas concretizações, se a tendência de código bj exceder o limiar de MDE, a tendência, variância, e MDE são informados e a j-ésima medição defeituosa é removida do estado e matrizes de covariância como descrito acima.

Em algumas concretizações, se a tendência de código não exceder o limiar de MDE, a medição defeituosa é retida no estado e matrizes de covariância.

Note que se uma tendência real, na realidade, existir, mas não excede o limiar de MDE, é um caso de uma detectada perdida.

Em algumas concretizações, se a tendência de fase bj exceder o limiar de MDE, o estado de ambigüidade é reajustado usando o novo bj estimado e variância Rbj.

Em algumas concretizações, se a tendência de fase não exceder o limiar de MDE, a medição é retida e o estado de ambigüidade não é reajustado.

Note que se uma tendência real existisse na medição de fase, mas não excede o limiar de MDE, é um caso de uma detectada perdida.

Determine um Estado para uma Pluralidade de Satélites de Navegação Global 5 O processo descrito acima com respeito às equações (1) a (30) pode ser usado para determinar um estado de uma pluralidade de satélites de navegação global (por exemplo, para rastrear as órbitas dos satélites), como descrito abaixo com respeito às Figuras 4-11. Figura 4 é um fluxograma de um método 400 para compensar uma medição de navegação de satélite defeituosa, de acordo com algumas concretizações.

O módulo de rastreamento de satélite 318 recebe (402) uma pluralidade de medições de navegação de satélite (por exemplo, as medições de navegação de satélite 324) de sinais de uma pluralidade de satélites de navegação global (por exemplo, os satélites de navegação global 110-1 a 110- N) para uma época de medição, em que a pluralidade de medições de navegação de satélite é recebida de uma pluralidade de estações de referência em locais conhecidos (por exemplo, as estações de referência 140-1 a 140-M, Figura 1A). Módulo de filtro de Kalman 320 usa (404) um filtro de Kalman para calcular um estado da pluralidade de satélites de navegação global (por exemplo, o estado 326 dos satélites de navegação global 110-1 a 110-N) para a época de medição com base na pluralidade de medições de navegação de satélite.

Em algumas concretizações, o estado da pluralidade de satélites de navegação global inclui uma posição de cada satélite de navegação global na pluralidade de satélites de navegação global, uma velocidade de cada satélite de navegação global na pluralidade de satélites de navegação global, e um tempo informado por cada satélite de navegação global na pluralidade de satélites de navegação global.

Em algumas concretizações, o estado da pluralidade de satélites de navegação global para a época de medição é calculado usando uma primeira equação de atualização de forma fechada (por exemplo, Equação (11)). Módulo de medição defeituosa 322 detecta (406) uma medição defeituosa na pluralidade de medições de navegação de satélite para a época de medição.

Note que a etapa 406 é descrita em mais detalhe abaixo com respeito à Figura 5. Módulo de medição defeituosa 322 então 5 calcula (408) um estado revisado da pluralidade de satélites de navegação global para a época de medição que compensa a medição defeituosa, usando o estado calculado da pluralidade de satélites de navegação global para a época de medição como uma entrada para o cálculo de estado revisado, e usando uma equação de atualização de forma fechada revisada incluindo a primeira equação de atualização de forma fechada modificada com respeito à medição defeituosa (por exemplo, usando as Equações (11) e (25)). Note que a etapa 408 é descrita em mais detalhe abaixo com respeito à Figura 6. Figura 5 é um fluxograma de um método para detectar (406, Figura 4) uma medição de navegação de satélite defeituosa, de acordo com algumas concretizações.

Para cada medição de navegação de satélite na pluralidade de medições de navegação de satélite, o módulo de medição defeituosa 322 calcula (502) uma tendência discrepante para a medição de navegação de satélite e determina (504) se a tendência discrepante para a medição de navegação de satélite é maior do que um primeiro limiar.

Se a tendência discrepante para a medição de navegação de satélite for maior do que o primeiro limiar (506, sim), o módulo de medição defeituosa 322 determina (508) que a medição de navegação de satélite é uma medição defeituosa.

Se a tendência discrepante estiver abaixo do primeiro limiar (506, não), o módulo de medição defeituosa 322 determina (510) que a medição de navegação de satélite não é uma medição defeituosa.

Este processo é tipicamente repetido para cada e toda uma da medição de navegação de satélite que foi usada no filtro de Kalman para atualizar o estado do objeto ou sistema sendo rastreado pelo filtro de Kalman.

Opcionalmente, em algumas circunstâncias, o processo de detecção de medição defeituosa é executado em um subconjunto (menos que todas) das medições de navegação de satélite recebidas para uma época respectiva.

Por exemplo, se o número de medições defeituosas para uma época detectada exceder um nível predefinido, as medições restantes podem ser assumidas serem igualmente defeituosas, em 5 qual caso o estado pode ser revisado para excluir o efeito de todas as medições para essa época.

Figura 6 é um fluxograma de um método para calcular (408, Figura 4) um estado revisado de uma pluralidade de satélites de navegação global para uma época de medição que compensa a medição defeituosa, de acordo com algumas concretizações.

Módulo de medição defeituosa 322 determina (602) se a tendência discrepante para a medição defeituosa está acima de um segundo limiar, em que o segundo limiar é maior do que o primeiro limiar.

Em algumas concretizações, o segundo limiar é o limiar de erro mínimo detectável (por exemplo, como descrito com respeito à Equação (30)). Se a tendência discrepante for maior do que o segundo limiar (604, sim), o módulo de medição defeituosa 322 remove (606) o efeito da medição defeituosa do estado da pluralidade de satélites de navegação global.

Etapa 606 é descrita em mais detalhe com respeito à Figura 7, que é um fluxograma de um método para remover (606) o efeito da medição defeituosa do estado da pluralidade de satélites de navegação global, de acordo com algumas concretizações.

Módulo de medição defeituosa 322 calcula (702, Figura 7) um ganho de Kalman revisado correspondendo à medição defeituosa usando o negativo de um valor de uma covariância para a medição defeituosa (por exemplo, Equação (25)), onde a covariância para a medição defeituosa é determinada de uma matriz de covariância correspondendo ao estado calculado da pluralidade de satélites de navegação global.

Módulo de medição defeituosa 322 então revisa (704) a primeira equação de atualização de forma fechada (por exemplo, Equação (11)) com base no ganho de Kalman revisado para produzir uma primeira equação de atualização de forma fechada revisada (por exemplo, Equações (11) e (25)). Módulo de medição defeituosa 322 calcula (706) o estado revisado da pluralidade de satélites de navegação global aplicando a primeira equação de atualização de forma fechada revisada 5 para o estado calculado da pluralidade de satélites de navegação global para a época de medição para remover o efeito da medição defeituosa do estado da pluralidade de satélites de navegação global.

Depois que o estado revisado da pluralidade de satélites de navegação global para a época de medição foi calculado, uma matriz de covariância revisada é calculada.

Figura 8 é um fluxograma de um método 800 para calcular uma matriz de covariância revisada associada com um estado revisado da pluralidade de satélites de navegação global, de acordo com algumas concretizações.

Módulo de medição defeituosa 322 revisa (802) uma segunda equação de atualização de forma fechada (por exemplo, Equação (12)) com base no ganho de Kalman revisado (por exemplo, Equação (25)) para produzir uma segunda equação de atualização de forma fechada revisada (por exemplo, Equações (12) e (25)). Módulo de medição defeituosa 322 então calcula (804) uma matriz de covariância revisada associada com o estado revisado da pluralidade de satélites de navegação global aplicando a segunda equação de atualização de forma fechada revisada para uma matriz de covariância associada com o estado da pluralidade de satélites de navegação global para a época de medição para remover o efeito da medição defeituosa da matriz de covariância associada com o estado da pluralidade de satélites de navegação global.

Retornando à Figura 6, se a tendência discrepante estiver entre o primeiro limiar e o segundo limiar (604, não e 608, sim), o módulo de medição defeituosa 322 reduz (610) o efeito da medição defeituosa no estado da pluralidade de satélites de navegação global.

Etapa 610 é descrita em mais detalhe com respeito à Figura 9, que é um fluxograma de um método para reduzir o efeito da medição defeituosa no estado da pluralidade de satélites de navegação global, de acordo com algumas concretizações.

Módulo de medição defeituosa 322 calcula (902) um ganho de Kalman revisado correspondendo à medição defeituosa usando uma fração do valor da 5 covariância para a medição defeituosa (por exemplo, Equações (25) e (27)). Módulo de medição defeituosa 322 então revisa (904) a primeira equação de atualização de forma fechada com base no ganho de Kalman revisado para produzir uma primeira equação de atualização de forma fechada revisada (por exemplo, Equações (11), (25), e (27)). Módulo de medição defeituosa 322 calcula (906) o estado revisado da pluralidade de satélites de navegação global aplicando a primeira equação de atualização de forma fechada revisada para o estado calculado da pluralidade de satélites de navegação global para a época de medição para reduzir o efeito da medição defeituosa no estado da pluralidade de satélites de navegação global.

Figura 10 é um fluxograma de um método 1000 para calcular uma matriz de covariância revisada associada com um estado revisado da pluralidade de satélites de navegação global, de acordo com algumas concretizações.

Módulo de medição defeituosa 322 revisa (1002) uma segunda equação de atualização de forma fechada (por exemplo, Equação (12)) com base no ganho de Kalman revisado (por exemplo, Equações (25) e (27)) para produzir uma segunda equação de atualização de forma fechada revisada (por exemplo, Equações (12), (25), e (27)). Módulo de medição defeituosa 322 então calcula (1004) uma matriz de covariância revisada associada com o estado revisado da pluralidade de satélites de navegação global aplicando a segunda equação de atualização de forma fechada revisada para uma matriz de covariância associada com o estado da pluralidade de satélites de navegação global para a época de medição para reduzir o efeito da medição defeituosa na matriz de covariância associada com o estado da pluralidade de satélites de navegação global.

Retornando à Figura 6, se a tendência discrepante estiver abaixo do primeiro limiar (608, não), o processo retorna à etapa 510 na Figura 5 5. Em algumas concretizações, o estado revisado dos satélites de navegação global é usado para calcular sinais de correção (por exemplo, os sinais de correção 132) que corrigem divergências orbitais dos satélites de navegação global 110-1 a 110-N.

Figura 11 é um fluxograma de um método 1100 para transmitir sinais de correção para receptores de navegação de satélite, de acordo com algumas concretizações.

O módulo de correção 330 usa (1102) o estado revisado da pluralidade de satélites de navegação global para calcular sinais de correção que compensam divergências orbitais da pluralidade de satélites de navegação global.

Como notado acima, em algumas concretizações, correções para efeitos troposféricos e/ou efeitos ionosféricos são computadas usando técnicas bem conhecidas àqueles qualificados na arte, e essas correções são incluídas nos sinais de correção.

O módulo de correção 330 então transmite (1104) os sinais de correção para um ou mais receptores de navegação de satélite.

Determinando um Estado de um Receptor de Navegação de Satélite O processo descrito acima com respeito a equações (1) a (30) pode ser usado para determinar um estado do receptor de navegação de satélite 120 (Figura 1A) ou, em geral, um estado de sistema 172 (Figura 1B), como descrito abaixo com respeito às Figuras 12-19. Em algumas concretizações, o processo descrito abaixo pode ser executado para cada uma das estações de referência 140-1 a 140-P.

Figuras 12-18 são descritas geralmente com respeito a sistema 172 (Figura 1B) e (em parênteses) com referência específica à aplicação particular de determinar o estado do receptor de navegação de satélite 120.

Figura 12 é um fluxograma de um método 1200 para compensar uma medição defeituosa, de acordo com algumas concretizações.

Módulo de estimação de estado 318 (ou módulo de GNSS 218) recebe (1202) uma pluralidade de medições (ou as medições navegação de satélite 224) de 5 uma pluralidade de sensores (por exemplo, os sensores 174) de sistema 172 (ou satélites de navegação global 110-1 a 110-N) para uma época de medição.

Módulo de filtro de Kalman 320/370 (ou módulo de filtro de Kalman 220) usa (1204) um filtro de Kalman para calcular um estado de sistema 172 (ou o estado 226 do receptor de navegação de satélite 120) para a época de medição com base na pluralidade de medições de sensor (ou as medições de navegação de satélite). Em algumas concretizações, o estado do receptor de navegação de satélite 120 inclui uma posição do receptor de navegação de satélite, uma velocidade do receptor de navegação de satélite, e um tempo.

Em algumas concretizações, o estado de sistema 172 (ou receptor de navegação de satélite 120) para a época de medição é calculado usando uma primeira equação de atualização de forma fechada (por exemplo, Equação (11)). Módulo de medição defeituosa 372 detecta (1206) uma medição defeituosa na pluralidade de medições de sensor (ou as medições de navegação de satélite) para a época de medição.

Cada referência para módulo de medição defeituosa 372 nesta descrição das Figuras 12-18 é para ser entendida também ser aplicável a módulo de medição defeituosa 222 (Figura 2) e módulo de medição defeituosa 322 (Figura 3A). Operação 1206 é descrita em mais detalhe abaixo com respeito à Figura 13. Módulo de medição defeituosa 372 então calcula (1208) um estado revisado de sistema 172 (ou receptor de navegação de satélite 120) para a época de medição que compensa a medição defeituosa, usando o estado calculado de sistema 172 (ou receptor de navegação de satélite 120) para a época de medição como uma entrada para o cálculo de estado revisado, e usando uma equação de atualização de forma fechada revisada incluindo a primeira equação de atualização de forma fechada modificada com respeito à medição defeituosa (por exemplo, usando as Equações (11) e (25)). Note que a etapa 1208 é descrita em mais detalhe abaixo com respeito à Figura 14. Figura 13 é um fluxograma de um método para detectar (1206) 5 a medição defeituosa (ou a medição de navegação de satélite), de acordo com algumas concretizações.

Para cada medição (ou a medição de navegação de satélite) na pluralidade de medições (ou as medições de navegação de satélite), o módulo de medição defeituosa 372 calcula (1302) uma tendência discrepante para a medição de navegação de satélite.

Módulo de medição defeituosa 372 determina (1304) se a tendência discrepante para a medição (ou a medição de navegação de satélite) é maior do que um primeiro limiar.

Se a tendência discrepante para a medição (ou a medição de navegação de satélite) for maior do que o primeiro limiar (1306, sim), o módulo de medição defeituosa 372 determina (1308) que a medição (ou a medição de navegação de satélite) é uma medição defeituosa.

Se a tendência discrepante estiver abaixo do primeiro limiar (1306, não), o módulo de medição defeituosa 372 determina (1310) que a medição (ou a medição de navegação de satélite) não é uma medição defeituosa.

Este processo é tipicamente repetido para cada e toda uma das medições (ou as medições de navegação de satélite) que foram usadas no filtro de Kalman para atualizar o estado do objeto (por exemplo, o receptor de navegação de satélite 120) ou sistema sendo rastreado pelo filtro de Kalman.

Opcionalmente, em algumas circunstâncias, o processo de detecção de medição defeituosa é executado em um subconjunto (menos que todas) das medições (ou as medições de navegação de satélite) recebidas para uma época respectiva.

Por exemplo, se o número de medições defeituosas para uma época detectada exceder um nível predefinido, as medições restantes podem ser assumidas serem defeituosas igualmente, em qual caso o estado pode ser revisado para excluir o efeito de todas as medições para essa época.

Figura 14 é um fluxograma de um método para calcular (1208, Figura 12) um estado revisado de sistema 172 (ou receptor de navegação de satélite 120) para uma época de medição que compensa a medição defeituosa, de acordo com algumas concretizações.

Módulo de medição defeituosa 372 5 determina (1402) se a tendência discrepante para a medição defeituosa está acima de um segundo limiar, em que o segundo limiar é maior do que o primeiro limiar.

Em algumas concretizações, o segundo limiar é o limiar de erro mínimo detectável (por exemplo, como descrito com respeito à Equação (30)). Se a tendência discrepante for maior do que o segundo limiar (1404, sim), o módulo de medição defeituosa 372 remove (1406) o efeito da medição defeituosa do estado de sistema 172 (ou receptor de navegação de satélite 120). Etapa 1406 é descrita em mais detalhe com respeito à Figura 15, que é um fluxograma de um método para remover (1406) o efeito da medição defeituosa do estado de sistema 172 (ou receptor de navegação de satélite 120), de acordo com algumas concretizações.

O módulo de medição defeituosa 372 calcula (1502, Figura 15) um ganho de Kalman revisado correspondendo à medição defeituosa usando o negativo de um valor de uma covariância para a medição defeituosa (por exemplo, Equação (25)), onde a covariância para a medição defeituosa é determinada de uma matriz de covariância correspondendo ao estado calculado do receptor de navegação de satélite.

Módulo de medição defeituosa 372 revisa (1504) a primeira equação de atualização de forma fechada (por exemplo, a Equação (11)) com base no ganho de Kalman revisado para produzir uma primeira equação de atualização de forma fechada revisada (por exemplo, Equações (11) e (25)). Módulo de medição defeituosa 372 calcula (1506) o estado revisado de sistema 172 (ou o receptor de navegação de satélite 120) aplicando a primeira equação de atualização de forma fechada revisada para o estado calculado de sistema 172 (ou receptor de navegação de satélite 120) para a época de medição para remover o efeito da medição defeituosa do estado de sistema 172 (ou receptor de navegação de satélite 120). Depois que o estado revisado de sistema 172 (ou receptor de navegação de satélite 120) para a época de medição foi calculado, uma matriz 5 de covariância revisada é calculada.

Figura 16 é um fluxograma de um método 1600 para calcular uma matriz de covariância revisada associada com um estado revisado de sistema 172 (ou receptor de navegação de satélite 120), de acordo com algumas concretizações.

Módulo de medição defeituosa 372 revisa (1602) uma segunda equação de atualização de forma fechada (por exemplo, a Equação (12)) com base no ganho de Kalman revisado (por exemplo, Equação (25)) para produzir uma segunda equação de atualização de forma fechada revisada (por exemplo, Equações (12) e (25)). Módulo de medição defeituosa 372 então calcula (1604) uma matriz de covariância revisada associada com o estado revisado de sistema 172 (ou receptor de navegação de satélite 120) aplicando a segunda equação de atualização de forma fechada revisada para uma matriz de covariância associada com o estado de sistema 172 (ou receptor de navegação de satélite 120) para a época de medição para remover o efeito da medição defeituosa da matriz de covariância associada com o estado de sistema 172 (ou receptor de navegação de satélite 120). Retornando à Figura 14, se a tendência discrepante estiver entre o primeiro limiar e o segundo limiar (1404, não e 1408, sim), o módulo de medição defeituosa 372 reduz (1410) o efeito da medição defeituosa no estado de sistema 172 (ou receptor de navegação de satélite 120). Etapa 1410 é descrita em mais detalhe com respeito à Figura 17, que é um fluxograma de um método para reduzir o efeito da medição defeituosa no estado de sistema 172 (ou receptor de navegação de satélite 120), de acordo com algumas concretizações.

Módulo de medição defeituosa 372 calcula (1702, Figura 17) um ganho de Kalman revisado correspondendo à medição defeituosa usando uma fração do valor da covariância para a medição defeituosa (por exemplo, Equações (25) e (27)). Módulo de medição defeituosa 372 então revisa (1704) a primeira equação de atualização de forma fechada (por exemplo, Equações (11)) com base no ganho de Kalman revisado para produzir uma primeira 5 equação de atualização de forma fechada revisada (por exemplo, Equações (11), (25), e (27)). Módulo de medição defeituosa 372 calcula (1706) o estado revisado de sistema 172 (ou receptor de navegação de satélite 120) aplicando a primeira equação de atualização de forma fechada revisada ao estado calculado de sistema 172 (ou receptor de navegação de satélite 120) para a época de medição para reduzir o efeito da medição defeituosa no estado de sistema 172 (ou receptor navegação de satélite 120). Depois que o estado revisado de sistema 172 (ou receptor de navegação de satélite 120) para a época de medição foi calculado, uma matriz de covariância revisada é calculada.

Figura 18 é um fluxograma de um método 1800 para calcular uma matriz de covariância revisada associada com um estado revisado de sistema 172 (ou receptor de navegação de satélite 120), de acordo com algumas concretizações.

Módulo de medição defeituosa 372 revisa (1802) uma segunda equação de atualização de forma fechada (por exemplo, Equação (12)) com base no ganho de Kalman revisado (por exemplo, Equações (25) e (27)) para produzir uma segunda equação de atualização de forma fechada revisada (por exemplo, Equações (12), (25), e (27)). O módulo de medição defeituosa 372 calcula (1804) uma matriz de covariância revisada associada com o estado revisado de sistema 172 (ou receptor de navegação de satélite 120) aplicando a segunda equação de atualização de forma fechada revisada para uma matriz de covariância associada com o estado de sistema 172 (ou receptor de navegação de satélite 120) para a época de medição para reduzir o efeito da medição defeituosa na matriz de covariância associada com o estado de sistema 172 (ou receptor de navegação de satélite 120).

Retornando à Figura 14, se a tendência discrepante estiver debaixo do primeiro limiar (1408, não), o processo retorna à etapa 1310 na Figura 13. A discussão seguinte se aplica a concretizações nas quais os 5 métodos descritos acima são aplicados a sinais de navegação de satélite recebidos no receptor de navegação de satélite 120. Em algumas concretizações, o receptor de navegação de satélite 120 recebe sinais de correção (por exemplo, sinais de correção 132) que corrigem divergências orbitais dos satélites de navegação global.

Por exemplo, o receptor de navegação de satélite 120 pode receber os sinais de correção 132 de sistema de computador 130 por satélites de comunicação 160-1 a 160-P.

Figura 19 é um fluxograma de um método 1900 para ajustar o estado do receptor de navegação de satélite 120 com base em sinais de correção, de acordo com algumas concretizações.

Módulo de GNSS 218 recebe (1902) sinais de correção que compensam divergências orbitais da pluralidade de satélites de navegação global.

Módulo de GNSS 218 então incorpora os sinais de correção (1904) em sua computação do estado atualizado do receptor de navegação de satélite.

Por exemplo, o módulo de GNSS 218 pode incorporar os sinais de correção revisando as medições de satélite de navegação, antes do seu uso em computar um estado de atualização de receptor de navegação de satélite 120, para compensar várias fontes de erro, tal como divergência orbital dos satélites das suas órbitas preditas (por exemplo, órbitas preditas usando os dados de efemérides radiodifundidos pelos satélites de navegação; dados de efemérides para satélites de navegação também estão disponíveis do centro de operações de GNSS (por exemplo, GPS) ou outro serviço atarefado com a distribuição oportuna de dados de efemérides), efeitos troposféricos e efeitos ionosféricos.

Os métodos ilustrados nas Figuras 4-19 podem ser governados por instruções que estão armazenadas em um meio de armazenamento legível por computador e que são executadas por um ou mais processadores de um ou mais sistemas de computador (por exemplo, sistema de computador 130, receptor de navegação de satélite 120, etc.). Cada uma das operações mostradas nas Figuras 4-19 pode corresponder às instruções armazenadas em 5 uma memória de computador ou meio de armazenamento legível por computador.

O meio de armazenamento legível por computador pode incluir um dispositivo de armazenamento de disco magnético ou óptico, dispositivos de armazenamento de estado sólido tal como memória flash, ou outro dispositivo ou dispositivos de memória não volátil.

As instruções legíveis por computador armazenadas no meio de armazenamento legível por computador estão em código fonte, código de linguagem 'unidade', código de objeto, ou outro formato de instrução que é interpretado e/ou executável por um ou mais processadores.

Como discutido acima, os métodos descritos com respeito às Figuras 12-18 podem ser aplicados a qualquer sistema.

Vários sistemas exemplares são discutidos abaixo.

Em algumas concretizações, em que o sistema é uma pluralidade de satélites de navegação global, em que a pluralidade de medições inclui medições de sinais recebidas da pluralidade de satélites de navegação global, e em que o estado da pluralidade de satélites de navegação global inclui uma posição de cada satélite de navegação global na pluralidade de satélites de navegação global, uma velocidade de cada satélite de navegação global na pluralidade de satélites de navegação global, e um tempo informado por cada satélite de navegação global na pluralidade de satélites de 5 navegação global.

Em algumas concretizações, o estado revisado da pluralidade de satélites de navegação global é usado para calcular sinais de correção que compensam erros em órbitas preditas e relógios da pluralidade de satélites de navegação global e os sinais de correção são transmitidos para um ou mais receptores de navegação de satélite.

Em algumas concretizações, o sistema inclui uma rede de distribuição de energia incluindo uma ou mais instalações de energia e uma ou mais redes de energia, em que a pluralidade de medições é recebida de uma pluralidade de sensores para uma rede de distribuição de energia, e em que o estado do sistema inclui um estado da rede de distribuição de energia e inclui uma magnitude, freqüência, e relação de fase da uma ou mais instalações de energia, fluxo de combustível para acionar geradores da uma ou mais instalações de energia, e uma quantidade de energia solicitada pela rede de energia.

Em algumas concretizações, o sistema é um sistema meteorológico, em que a pluralidade de medições é recebida de uma pluralidade de sensores meteorológicos distribuídos por uma pluralidade de locais geográficos no sistema meteorológico, e em que o estado do sistema meteorológico inclui temperatura de ar e velocidade de vento na pluralidade de locais geográficos.

Em algumas concretizações, o sistema é um sistema de radar, em que a pluralidade de medições inclui sinais de radar refletidos de uma pluralidade de objetivos de radar, e em que o estado do sistema de radar inclui uma distância a cada alvo de radar, uma velocidade de cada alvo de radar, e um tempo.

A descrição precedente, para propósito de explicação, foi descrita com referência a concretizações específicas.

Porém, as discussões ilustrativas acima não são pretendidas serem exaustivas ou limitarem a invenção às formas precisas expostas.

Muitas modificações e variações são possíveis devido aos ensinamentos anteriores.

As concretizações eram escolhidas e descritas em ordem para melhor explicar os princípios da invenção e suas aplicações práticas, por esse meio para habilitar outros qualificados na arte a melhor utilizar a invenção e várias concretizações com várias modificações como são adequadas ao uso particular contemplado.

Claims

REIVINDICAÇÕES

1. Método implementado por computador, caracterizado pelo fato de que compreende: a um sistema de computador incluindo um ou mais 5 processadores e memória armazenando um ou mais programas, o um ou mais processadores executando o um ou mais programas para executar as operações de: receber uma pluralidade de medições em um sistema para uma época de medição; usar um filtro de Kalman para calcular um estado do sistema para a época de medição com base na pluralidade de medições, em que o estado do sistema para a época de medição é calculado usando uma primeira equação de atualização de forma fechada; detectar uma medição defeituosa na pluralidade de medições para a época de medição; e calcular um estado revisado do sistema para a época de medição que compensa a medição defeituosa, usando o estado calculado do sistema para a época de medição como uma entrada ao cálculo de estado revisado, e usar uma equação de atualização de forma fechada revisada incluindo a primeira equação de atualização de forma fechada modificada com respeito à medição defeituosa.

2. Método de acordo com reivindicação 1, caracterizado pelo fato de que detectar a medição defeituosa na pluralidade de medições para a época de medição inclui: para cada medição na pluralidade de medições: calcular uma tendência discrepante para a medição; determinar se a tendência discrepante para a medição é maior do que um primeiro limiar; e se a tendência discrepante para a medição for maior do que o primeiro limiar, determinar que a medição é uma medição defeituosa.

3. Método de acordo com reivindicação 2, caracterizado pelo fato de que calcular o estado revisado do sistema para a época de medição que compensa a medição defeituosa inclui: 5 determinar se a tendência discrepante para a medição defeituosa está acima de um segundo limiar, em que o segundo limiar é maior do que o primeiro limiar; e se a tendência discrepante for maior do que o segundo limiar, remover o efeito da medição defeituosa do estado do sistema: calculando um ganho de Kalman revisado correspondendo à medição defeituosa usando o negativo de um valor de uma covariância para a medição defeituosa, onde a covariância para a medição defeituosa é determinada de uma matriz de covariância correspondendo ao estado calculado do sistema; revisando a primeira equação de atualização de forma fechada com base no ganho de Kalman revisado para produzir uma primeira equação de atualização de forma fechada revisada, e calculando o estado revisado do sistema aplicando a primeira equação de atualização de forma fechada revisada para o estado calculado do sistema para a época de medição para remover o efeito da medição defeituosa do estado do sistema.

4. Método de acordo com reivindicação 3, caracterizado pelo fato de que compreende: revisar uma segunda equação de atualização de forma fechada com base no ganho de Kalman revisado para produzir uma segunda equação de atualização de forma fechada revisada, e calcular uma matriz de covariância revisada associada com o estado revisado do sistema aplicando a segunda equação de atualização de forma fechada revisada para uma matriz de covariância associada com o estado do sistema para a época de medição para remover o efeito da medição defeituosa da matriz de covariância associada com o estado do sistema.

5. Método de acordo com reivindicação 3, caracterizado pelo fato de que o segundo limiar é um limiar de erro mínimo detectável. 5

6. Método de acordo com reivindicação 3, caracterizado pelo fato de que se a tendência discrepante estiver entre o primeiro limiar e o segundo limiar, o método inclui reduzir o efeito da medição defeituosa no estado do sistema: calculando um ganho de Kalman revisado correspondendo à medição defeituosa usando uma fração do valor da covariância para a medição defeituosa; revisando a primeira equação de atualização de forma fechada com base no ganho de Kalman revisado para produzir uma primeira equação de atualização de forma fechada revisada, e calculando o estado revisado do sistema aplicando a primeira equação de atualização de forma fechada revisada para o estado calculado do sistema para a época de medição para reduzir o efeito da medição defeituosa no estado do sistema.

7. Método de acordo com reivindicação 6, caracterizado pelo fato de que compreende: revisar uma segunda equação de atualização de forma fechada com base no ganho de Kalman revisado para produzir uma segunda equação de atualização de forma fechada revisada, e calcular uma matriz de covariância revisada associada com o estado revisado do sistema aplicando a segunda equação de atualização de forma fechada revisada para uma matriz de covariância associada com o estado do sistema para a época de medição para reduzir o efeito da medição defeituosa na matriz de covariância associada com o estado do sistema.

8. Método de acordo com reivindicação 2, caracterizado pelo fato de que se a tendência discrepante estiver abaixo do primeiro limiar, o método inclui determinar que a medição não é uma medição defeituosa.

9. Método de acordo com reivindicação 1, caracterizado pelo fato de que o sistema é um receptor de navegação de satélite, em que a 5 pluralidade de medições inclui medições de sinais recebidos de uma pluralidade de satélites de navegação global, e em que o estado do receptor de navegação de satélite inclui uma posição do receptor de navegação de satélite, uma velocidade do receptor de navegação de satélite, e um tempo.

10. Método de acordo com reivindicação 9, caracterizado pelo fato de que compreende: receber sinais de correção que compensam erros em órbitas preditas e relógios da pluralidade de satélites de navegação global; e ajustar o estado do receptor de navegação de satélite com base nos sinais de correção.

11. Método de acordo com reivindicação 1, caracterizado pelo fato de que o sistema é uma pluralidade de satélites de navegação global, em que a pluralidade de medições inclui medições de sinais recebidos da pluralidade de satélites de navegação global, e em que o estado da pluralidade de satélites de navegação global inclui uma posição de cada satélite de navegação global na pluralidade de satélites de navegação global, uma velocidade de cada satélite de navegação global na pluralidade de satélites de navegação global, e um tempo informado por cada satélite de navegação global na pluralidade de satélites de navegação global.

12. Método de acordo com reivindicação 11, caracterizado pelo fato de que compreende: usar o estado revisado da pluralidade de satélites de navegação global para calcular sinais de correção que compensam erros em órbitas preditas e relógios da pluralidade de satélites de navegação global; e transmitir os sinais de correção para um ou mais receptores de navegação de satélite.

13. Método de acordo com reivindicação 1, caracterizado pelo fato de que o sistema inclui uma rede de distribuição de energia incluindo uma ou mais instalações de energia e uma ou mais redes de energia, em que a 5 pluralidade de medições é recebida de uma pluralidade de sensores para uma rede de distribuição de energia, e em que o estado do sistema inclui um estado da rede de distribuição de energia e inclui uma magnitude, freqüência, e relação de fase da uma ou mais instalações de energia, fluxo de combustível para acionar geradores da uma ou mais instalações de energia, e uma quantidade de energia solicitada pela rede de energia.

14. Método de acordo com reivindicação 1, caracterizado pelo fato de que o sistema é um sistema meteorológico, em que a pluralidade de medições é recebida de uma pluralidade de sensores meteorológicos distribuídos por uma pluralidade de locais geográficos no sistema meteorológico, e em que o estado do sistema meteorológico inclui temperatura de ar e velocidade de vento na pluralidade de locais geográficos.

15. Método de acordo com reivindicação 1, caracterizado pelo fato de que o sistema é um sistema de radar, em que a pluralidade de medições inclui sinais de radar refletidos de uma pluralidade de objetivos de radar, e em que o estado do sistema de radar inclui uma distância a cada alvo de radar, uma velocidade de cada alvo de radar, e um tempo.

16. Sistema de computador, caracterizado pelo fato de que compreende: um ou mais processadores; memória; e um ou mais programas armazenados na memória, o um ou mais programas incluindo instruções para realizar o método como definido em qualquer uma das reivindicações 1 a 15.

17. Meio de armazenamento legível por computador não transitório caracterizado pelo fato de que armazena um ou mais programas configurados para execução por um computador, o um ou mais programas compreendendo instruções para realizar o método como definido em qualquer uma das reivindicações 1 a 15.