KR20080092331A

KR20080092331A - 가변 타임-허리즌들로써 ｌｔｏ 및 클럭 모델들 계산

Info

Publication number: KR20080092331A
Application number: KR1020087004007A
Authority: KR
Inventors: 프랑크 반 디겔렌; 매튜 리벤
Original assignee: 글로벌 로케이트, 인크.
Priority date: 2006-02-07
Filing date: 2007-02-07
Publication date: 2008-10-15
Also published as: WO2007092523A3; US7693660B2; EP1984697A2; EP1984697B1; US8032301B2; KR101036846B1; US20100145616A1; US20080024361A1; WO2007092523A2; EP1984697A4; CN101346604A; CN101346604B; HK1127802A1

Abstract

궤도 및 클럭 모델 정확도를 개선하기 위해 가변 타임-허리즌들(time-horizons)을 사용하여 LTO(long term orbit) 모델들을 결정하기 위한 방법 및 장치가 개시된다. 그 방법 및 장치는 궤도 파라미터 예측 모델(LTO 모델)을 생성하기 위해 적어도 하나의 위성에 대해 이력 이페머리스 또는 이력 측정치들을 사용한다. 그 모델에 의해 예측된 파라미터는 현재의 발신 이페머리스의 궤도 파라미터에 비교된다. 그 비교의 결과(모델에 대한 정확도의 표시)는 그러한 특정 위성에 대한 궤도 파라미터 예측 모델에 대한 타임-허리즌(time-horizon)을 수립하기 위해 사용된다. 그러한 타임-허리즌(time-horizon)은 이러한 방법으로 위성 컨스텔레이션 내에서 각 위성에 대해 수립될 수 있다.

Description

가변 타임-허리즌들로써 ＬＴＯ 및 클럭 모델들 계산{COMPUTING LONG TERM ORBIT AND CLOCK MODELS WITH VARIABLE TIME-HORIZONS}

본 발명은 일반적으로는 글로벌 항법 위성 시스템(global navigation satellite system;GNSS) 수신기들에 관련되고, 더 상세하게는, 보조(assisted) GNSS 수신기들에 의해 사용되는 LTO(long term orbit) 모델들을 생성하기 위한 방법 및 장치에 관련된다.

GNSS 수신기들은 GNSS 시스템의 위성들에 대한 의사거리들(pseudo-ranges)을 계산하고 다음으로 GNSS 수신기의 위치를 계산하기 위해 위성 항법 데이터(satellite navigation data)를 요구한다. GNSS는 GPS, GLONASS, 및 GALILEO와 같은 시스템들을 포함한다. 위성 항법 데이터(즉, 통상적으로 이페머리스(ephemeris)로 불려짐)는 위성 궤도들(satellite orbits)과 클럭(clock) 모델들 둘 다를 포함한다. 전통적으로, GNSS 수신기들은 각각의 위성에 의해 전송된 발신 신호(broadcast signal)로부터 이러한 항법 데이터를 디코딩해 왔다. 더 최근에는, 보조 GNSS(Assisted-GNSS, 또는 A-GNSS) 수신기들은 대체 통신 채널, 예를 들면, 셀룰러 전화기 데이터 연결(cellular telephone data connection)을 통해 그러한 발신 데이터를 수신해 왔다. 더욱 더 최근에는 위성 항법 데이터는 장래의 장 주 기(long periods)(즉, 일(days))에 대해 모델링되어 왔고, 통신 채널을 통해, 또는 개인용 디지털 보조장치(personal digital assistant;PDA)와 개인용 컴퓨터(personal computer;PC) 사이의 도킹 포트(docking port)를 통하는 것과 같은 어떤 동기화 수단(synchronization means)을 통해 A-GNSS 수신기들에 제공되어 왔고, 여기서 PC는 인터넷에 연결되고, 데이터는 그 인터넷을 통해 제공된다.

LTO 및 클럭 모델들(Long Term Orbit and Clock models)(총괄하여 "LTO"로 불려지거나 때로는 확장된 이페머리스로 불려짐)은 장래의 장 주기(일(days))에 대해 위성 항법 데이터를 제공한다. LTO를 생성하는 한가지 방법은, 코드 위상 측정치들(code phase measurements) 또는 반송파 위상 측정치들(carrier phase measurements)을 사용하여, 위성들에 대한 거리들을 측정하고, 이러한 거리들을 표준 궤도 모델들 및 클럭 모델들에 맞춘다. 그러한 방법의 일 예는 미국 특허번호 6,542,820에 설명되어 있고, 이는 그 전체로서 본 명세서에 포함된다. 이러한 특허는 또한 LTO가 계산되는 입력 정보로서 이페머리스 데이터(즉, 발신 항법 데이터(broadcast navigation data))를 사용하여 설명한다. 장차 더 긴 LTO가 사용되면 될수록, 그것은 덜 정확해진다는 것이 알려져 왔다. 특히, 몇 일 후에, 궤도들 및 클럭 모델들에 대한 중간값 정확도(median accuracy)는 꽤 정확(즉, 몇 일 후 수 미터 이내)할 수 있으나, 최악의 경우의 정확도(worst case accuracy)는 클 수 있다(즉, 몇 일 후 수십 미터). "중간값(Median)" 및 "최악의 경우(worst case)"는 위성들의 세트의 전체에 걸친 중간값 및 최악의 경우를 의미한다. 특히, 최악의 경우의 위성 클럭 모델은 궤도 정확도(orbit accuracy)보다 훨씬 더 부정확할 수 있 다.

일반 공중에 궤도 및 클럭을 배포하기 위한 공인 미국 정부 기구는 미국해양대기관리처(National Oceanic and Atmospheric Administration)이다. 다음의 정보는 USCG 항법 센터로부터의 정보이다. 즉, '미국의 운수부(Department of Transportation)의 민간 GPS 서비스는 정확하고 시기적절한 GPS(Global Positioning System) 위성 이페머리스들("궤도들")을 일반 공중에게 제공할 책임이 있는 연방 기관(federal agency)으로 NOAA를 지정했다. 'GPS 위성 궤도들은 http://www.ngs.noaa.gov/GPS/GPS.html에서 알려질 수 있다.

제한된 장래 궤도들 뿐 아니라 이력 궤도들(예를 들면, 측량(surveying), 계속적인 표류(drifts) 측정 등을 위한 후처리 포지셔닝(post-process positioning)을 위해 사용되는)이 이용가능하다. 데이터의 유형들, 레이턴시(latency) 및 이들 궤도들 및 클럭들의 인용된 정확도는 표 1에 열거되어 있다.

데이터	레이턴시	인용된 궤도 정확도	인용된 클럭 정확도
"정규 궤도(Precise Orbits)"	14 내지 19일	< 5cm	< 0.1ns (0.1ns = 0.03m)
"고속 궤도(Rapid Orbits)"	1일	< 5cm	0.1ns (0.1ns = 0.03m)
"초고속 궤도(Ultra Rapid Orbits)"	장래의 약 18시간까지	~10cm	~ 5ns (5ns = 1.5m)

(괄호들에서는 나노세컨드(nanosecond)로 표현된 클럭 에러들에 대해 미터로 등가 의사거리(pseudo-range) 에러가 표시됨)

그러나, "초고속 궤도(Ultra Rapid Orbits)"의 최악의 경우의 클럭 정확도는 인용된 정확도보다도 몇 배로 더 나쁘다. 이는 "고속 궤도(Rapid Orbits)"로부터의 클럭 값들이 "초고속 궤도"로부터 클럭 예측들과 비교될 때 즉시 분명해진다.

도 1은 모든 위성들에 대하여 동일한 주기를 통해 고속 클럭값들과 초고속 클럭 예측값들에 대한 클럭 오프셋(offset)에서의 변화의 그래프 표현을 나타낸다. 각 위성에 대한 의사 랜덤 숫자(pseudo-random number;PRN) 코드는 각각의 그래프들의 끝에서 보여진다. 고속 클럭값들은 측정된 데이터로부터 만들어진다. 초고속 예측값들은 과거에 수집된 데이터를 사용하여 만들어진 장래의 어떤 날(day)까지의 예측값들이다. 측정된 값들과 예측값들 사이의 차이는 도 1의 눈금에서는 쉽게 보여질 수 없지만, 초고속 예측값들 마이너스 고속 클럭값들을 보여주는 도 2에서는 명확하다.

많은 위성들에 있어서, 하루 동안의 클럭들의 변화는 매우 크지는 않지만(100m 이하, 또는 0.33 마이크로세컨드(㎲)), 몇몇 위성들(예를 들면, 도 1의 PRN 6 및 25)에 있어서는 그러한 변화는 크다(몇 킬로미터로, 또는 수 마이크로세컨드). 이는 도 2에서 보여지는 바와 같이, 이들 클럭들을 예측하는 것이 얼마나 어려운가에 있어서 상당한 차이가 있다.

도 2는 초고속 클럭 예측값들과 고속 클럭값들 사이의 차이의 그래프 표현을 나타낸다. 정확도의 표에 따라, 초고속 예측값은 약 1.5 미터 내에서 고속 클럭값과 일치하는 것이 예상되고, 실제로 이는 많은 위성들에 대해 사실이지만, 최악의 경우의 위성들에 대해서는, 에러는 몇 배로 더 크다.

도 1 및 2는 당해 기술 분야에 대한 재고이며, 대부분의 위성들에 있어서, 장래의 하루에 대해 1 또는 2 미터 이내로 클럭을 예측하는 것이 가능하지만, 몇몇 위성들에 있어서는 그 예측값이 장래의 하루에 있어서 10 미터보다 더 나쁘다.

그러므로, 증가된 궤도 및 클럭 정확도로써 장래의 궤도 및 클럭 모델들을 결정하기 위한 기술이 당해 기술 분야에서 요구된다.

본 발명은 궤도 및 클럭 모델 정확도를 개선하기 위해 가변(variable) 타임-허리즌들(time-horizons)을 사용하여 LTO(long term orbit) 모델들을 결정하기 위한 방법 및 장치이다. 본 발명은 적어도 하나의 위성에 대한 궤도 파라미터 예측 모델(orbit parameter prediction model)(LTO 모델)을 생성한다. 모델에 의해 예측되는 파라미터는 현재의 발신 이페머리스(broadcast ephemeris)의 궤도 파라미터와 비교된다. 비교 결과(모델 정확도의 표시(indicia))는 그러한 특정 위성에 대한 궤도 파라미터 예측 모델을 위한 타임-허리즌(time-horizon)를 수립(establish)하기 위해 사용된다. 타임-허리즌(time-horizon) 궤도 파라미터 예측 모델이 정확한 시간의 구간(period)을 정의한다. 그러한 타임-허리즌(time-horizon)은 위성 컨스텔레이션(constellation) 내에서 각각의 위성에 대해 이러한 방식으로 개별적으로 수립될 수 있다.

도 3은 본 발명에 따라 가변(variable) 타임-허리즌들(time horizons)을 사용하여 LTO(long term orbit)를 생성하기 위해 사용되는 컴퓨터 시스템(300)을 나타낸다. 컴퓨터 시스템(300)은 중앙 처리 장치(CPU)(302), 지원 회로들(304) 및 메모리(306)를 포함한다. 프로세서(302)는 하나 또는 그 이상의 상업적으로 이용가능한 마이크로프로세서들(microprocessors) 또는 마이크로컨트롤러들(microcontrollers)일 수 있다. 지원 회로들(304)은 캐쉬(cache), 클럭 회로들, 파워 서플라이들, 입/출력 회로들 등을 포함하는 CPU(302)의 동작을 촉진하기 위해 사용되는 주지의 회로들을 포함하나, 이에 한정되지는 않는다. 메모리(306)는 랜덤 억세스 메모리(random access memory), 읽기 전용 메모리(read only memory), 광 메모리(optical memory), 디스크 드라이브들(disk drives), 이동식 스토리지(removable storage) 등을 포함하는 하나 또는 그 이상의 디지털 스토리지 회로들을 포함한다. 메모리(306)는 CPU(302)에 의해 실행될 때, CPU(302)에게 본 발명에 따른 적어도 하나의 LTO 모델을 생성하는 방법을 수행하도록 하는 LTO 소프트웨어(308)를 저장한다. LTO 소프트웨어(308)는, 특정 위성에 대한 LTO 모델이 정확한 시간의 길이를 식별하는 타임-허리즌들을 생성하기 위한 타임-허리즌 생성 모듈(312)과 LTO 모델들을 생성하기 위한 궤도 예측 모듈(310)을 포함한다. 일 실시예에서, LTO 모델들은 이페머리스 소스(314)에 의해 제공되는 이력 이페머리스를 사용하여 생성된다. 그러한 이페머리스 소스는, 그러한 정보의 서버, 이페머리스를 수집하고 그 이페머리스를 저장하기 위한 하나 또는 그 이상의 GNSS 수신기들 등을 포함할 수 있다.

다른 실시예에서, 위성 신호 측정치들은 위성들 및 위성들의 도플러 주파수들(Doppler frequences)에 대한 의사 거리들(pseudo-ranges)을 계산하기 위해 사용될 수 있다. 이러한 계산된 정보는 이페머리스 소스들(314) 대신에 사용하기 위해 이력 궤도 파라미터들을 생성하도록 사용될 수 있다.

도 4는 본 발명의 일 실시예에 따라 IGS "초고속(Ultra Rapid)" 예측값들에 의해 달성되는 정확도를 개선하는 방법(400)의 플로우 다이어그램을 나타낸다. 그러한 방법(400)은 궤도 파라미터 예측 모델을 생성하기 위해 사용된다. 이하에서 설명되는 실시예에서, 궤도 파라미터 예측 모델은 클럭 모델(clock model)이다.

단계 402에서, 적어도 하나의 위성에 대해(그러나, 일반적으로는, 위성들의 GNSS 컨스텔레이션에서의 각 위성, 또는 거기에서의 서브셋(subset)에 대해), 그러한 방법(400)은 지난 N 일(day)에 대한 발신 이페머리스로부터 클럭 모델을 수집한다(예를 들면, GPS 클럭 모델들에 대한 af0 및 af1 텀들(terms)). 일 실시예에서 N은 2이지만, 그것은 더 길거나 더 짧을 수 있다.

단계 404에서, 그러한 방법(400)은 항법 모델(navigation model)의 af1 텀들에 대해 곡선맞춤(curve fit)을 수행한다. 이들은 속도 텀들(rate terms)이다. 발신 af0 텀들이 대량의 양자화를 보이므로, 만약 그러한 방법(400)이 모든 af0 텀들에 대해 곡선맞춤을 수행한다면, 결과적인 클럭 예측값의 정확도는 나쁘다. 그러나, af1 텀들에 대한 곡선맞춤은 클럭 예측값들에서 훨씬 더 나은 결과들을 양산한다. 이러한 곡선(curve)은 클럭 모델, 즉, bf1 및 bf2 텀들에 대한 예측된 속도(rate) 및 가속도(acceleration) 텀들을 생성하기 위해 사용된다.

단계 406에서, 가장 최근의 af0 텀은 그 시점에서 LTO 클럭 오프셋(offset)으로 사용된다. 이러한 af0 텀 그 자체는 대략 1 또는 그 이상의 미터의 양자화 에러(quantization error)를 가질 수 있지만, 이러한 에러는, 그 방법이 단지 하나의 af0 텀을 사용할 뿐 수 개의 af0 텀들을 통해 곡선맞춤을 수행하지 않으므로 예측값들에 대해 일정하다. 따라서, af0의 양자화 효과는 예측된 속도 또는 가속도 파라미터들에 영향을 미치지 않는다.

단계 408에서, 그러한 방법(400)은 파라미터들 bf0, bf1 및 bf2(각각, 오프셋, 속도 및 가속도)의 텀들에서 LTO 클럭 모델을 생성한다. 가령 정확한 이력 발신 이페머리스(historical broadcast ephemeris)(또는 계산된 이력 궤도 파라미터들)는 방법(400)의 모델링들에 대한 기초로서 사용되며, 그러한 클럭 모델은 장래 약 10일까지에 대해 주어진 GPS 위성의 클럭을 예측하기 위해 사용될 수 있다.

그러한 방법(400)은 일반적으로 정확한 클럭 모델들을 생성한다. 그러나, 하루 또는 몇 일 이후에 여전히 나쁜 정확도(예를 들면, 10 미터보다 더 큰)를 갖는 몇몇 위성들이 있다. 그러한 방법(400)은, 만약, 미리, 나쁘게 모델링될 것 같은 위성들이 식별된다면, 그리고, 이들 위성들에 대해, 예측값들의 타임-허리즌이 다른(더 나은) 위성들의 타임-허리즌(time-horizon)(즉, 본 발명에 따른 가변 타임-허리즌들(time-horizon)을 사용하여) 보다 적은 어떤 타임-허리즌(time-horizon)으로 제한된다면, LTO 예측값들의 전체 정확도를 극적으로 증가시킨다.

도 5는 도 4의 방법(400)을 사용하여 생성된 클럭 모델들 각각에 대한 본 발명에 따른 타임-허리즌들(time-horizons)을 생성하기 위한 방법(500)의 플로우 다이어그램을 나타낸다. 각 위성에 대한 클럭 모델은 타임-허리즌(time-horizon)과 연관된다. 타임-허리즌(time-horizon)이 초과된 이후에, 클럭 모델은 부정확한 것으로 간주된다. 이러한 방법으로, GNSS 위성 신호들을 수신할 때 지원하기 위해 LTO 모델들을 사용하는 GNSS 수신기는 그러한 특정 위성들에 대한 정확도에 대하여 타임-허리즌(time-horizon) 내에 있는 각각의 특정 위성에 대한 모델만을 단지 사용할 것이다. 결과적으로, "부정확한" 모델들을 사용하지 않음으로써, GNSS 수신기에 의해 계산된 위치의 전체 정확도는 실질적으로 개선된다.

그러한 방법(500)은 단계 501에서 시작하고 단계 502로 진행된다. 단계 502에서, 그러한 방법(500)은, 각 위성에 대해, 충분한 양의 이력 이페머리스 데이터가 타임-허리즌(time-horizon)을 생성하기 위해 이용가능한지를 조회한다. 만약 그 조회가 부정적으로 회답된다면, 이하에서 논해지는 단계 514로 진행된다. 그러나, 만약 그 조회가 긍정적으로 회답된다면, 그러한 방법(500)은 단계 504로 진행된다.

단계 504에서, 그러한 방법(500)은 방법 400에 의해 생성된 곡선맞춤(curve fit)을 위한 잔차들(residuals)을 계산한다. 그러한 잔차들은 모델 bf1, bf2 및 이력 af1 데이터 사이의 차이이다. 이들 잔차들이 작으면 작을수록, 그 맞춤(fit)은 더 좋다. 그러한 잔차들은 그러한 모델에 대한 정확도의 제1 표시(indicia)를 형성한다.

단계 506에서, 그러한 방법(500)은 이력 이페머리스 데이터(또는 계산된 이력 궤도 파라미터들)를 사용하여, 어떤 시간 이전(이 예에서, 1일 전)에 생성된 클럭 모델을 계산하고, 그 후 방법(500)은 현재의 발신 이페머리스와 그러한 클럭 모델을 비교하고, 에러는 'dC'로 라벨링된다. 이러한 에러는 모델에 대한 정확도의 다른 표시(indicia)를 형성한다.

장래에 모델링하기에 어려운 클럭들은 일반적으로 몇 일 동안 그러한 방법으로 동작하고, 그래서 어제 모델링하기에 어려웠던 어떤 클럭은 어떤 다른 클럭보다 내일 모델링하기에 더 어려울 것이다. 또한, 모델링하기에 더 어려운 클럭들은 종종 모델링하기에 쉬운 클럭들보다 더 높은 속도들 및 가속도들을 갖는다. 따라서, 단계 508에서, 그러한 방법(500)은 잔차들, 'dC' 값, 및 속도 및 가속도 텀들을 비교한다. 만약 모든 것들이 정의된 세트의 임계값들(threshold values) 이하라면, 그 후, 단계 510에서, 클럭 예측은 예측될 전 M 일(days)에 대해 양호(good)한 높은 확률이 있다. 만약 그렇지 않다면, 그 때, 단계 512에서, 그러한 방법(500)은 더 작은 타임-허리즌(time-horizon), K를 정의한다. 본 발명의 일 실시예에서, M 및 K는 실수들(예를 들면, 0.5, 1, 1.5, 2 등)일 수 있다. 대표적인 실시예에서, 단계 508의 임계치들에 도달하지 않는 어떤 모델에 대한 타임-허리즌(time-horizon)이 임계치들을 달성하는 모델의 반이 되도록, M = 2이고 K = 1이다. 실제, 이러한 접근법은 만약 예측 시간이 모든 위성들에 대해 동일하게 고정되었다면 그 경우보다 장래의 1일 이상에 대한 LTO가 더 적은 위성들(전형적으로는 3 내지 6개보다 더 적은)을 가질 것이라는 것을 의미한다. 따라서, 위성 유용성(satellite availability)의 10% 내지 20% 하락(degradation)은 따라서 1일 이상 발생한다. 그러나, 이들 이동된 위성들의 예측값들의 최악의 경우의 정확도는 남아 있는 위성들의 최악의 경우의 정확도보다 흔히 100%보다 더 나쁘다. 이러한 방법으로, 본 발명은 정확도에서 큰 이득에 대한 유용성의 작은 손실을 교환한다.

도 4의 방법(400)은 LTO 모델로서 예측된 이페머리스를 생성하기 위해 이전의 N 일로부터 이력 이페머리스 데이터를 사용한다. 위성이 최근에 양호하지 못해왔다는 것이 종종 일어날 것이다. 이는 최근의 이페머리스가 유효하지 않고, 그러한 위성 중의 어떤 위성 관측이 아니라는 것을 의미한다. 예를 들면, 위성들의 오퍼레이터들(operators)은, 궤도들 또는 클럭들이 조정되고 있을 때 양호하지 못한 상태로 세팅한다. 따라서, 이력 이페머리스 또는 그러한 위성의 최근 관측들 어느 것도 위에서 설명된 바와 같은 궤도들 또는 클럭들을 예측하기 위해 사용될 수 없다. 이러한 경우에, 본 발명의 방법(400)은 양호하지 않은 위성에 대해 LTO 모델을 생성하기 위해 사용될 수 없다.

도 5의 단계 502에서, 그러한 방법(500)은 충분한 이력 이페머리스가 타임-허리즌(time-horizon)이 수립될 수 있도록 이용가능한지를 조회한다. 만약 그 조회가 부정적으로 회답된다면, 불충분한 이페머리스가 수신되거나 위성이 양호하지 않은 것으로 표시(mark)될 것이다. 어느 경우에나, 궤도 및/또는 클럭을 정확하게 예측하기 위해서는 충분하지 않은 정보가 이용될 수 있다. 그와 같이, 그러한 방법(500)은 단계 514로 진행된다.

단계 514에서, 그러한 방법은 현재의 양호한 발신 이페머리스가 위성에 대해 이용가능한지를 조회한다. 만약 그 조회가 긍정적으로 회답된다면, 그러한 방법(500)은 단계 516으로 진행되고, 여기서 가장 최근의 발신 이페머리스가 LTO 모델로서 사용되고, 즉, 기본적으로 이페머리스 데이터는 2 내지 4 시간 사이에서의 이페머리스의 정확도의 한계로 세팅된 타임-허리즌(time-horizon)을 갖는 LTO로서 사용된다. 만약 그렇다면, 현재의 이페머리스는 이용가능하지 않고, 즉 위성이 양호하지 않은 것으로 표시되고, 단계 518에서, 어떠한 LTO도 그러한 특정 위성에 대해 생성되지 않는다.

NANU는 "Notice Advisory to Navstar Users", 위성들의 상태를 알리기 위한 GPS 제어 세그먼트(segment)로부터의 메시지이다. 만약 어떤 위성들에 대한 예정된 변화들이 있다면, GPS 제어 세그먼트는 72시간 통지로써 이러한 변화를 예보하려고 노력한다. NANU들을 설명함에 의해, 그러한 LTO 방법은, 어떠한 LTO도 위성이 양호하지 않을 것으로 예상되는 장래의 구간 동안 생성되지 않도록 어떤 위성들의 LTO의 타임-허리즌(time-horizon)을 제한할 수 있다(즉, 여기서, 위성 클럭 또는 궤도는 예측할 수 없는 방법으로 조정될 수 있다.)

상기 방법들(400 및 500)은, 가변 타임-허리즌(time-horizon)을 구동하는 데이터로서 클럭 예측에 초점을 두었다. 이는 클럭 예측에 대한 기술의 상태(state-of-the-art)가 궤도 예측을 위한 것만큼 진보되지 않았기 때문이다. 도 2를 참조하여 설명된 바와 같이, IGS 클럭 예측들은 20일 이후에는 거의 20m까지 틀려(wrong)지고, 여기서 궤도 예측들은 더 잘 이해되고, 더 정확하다. 그러나, 가변 타임-허리즌(time-horizon)의 개념은 궤도 예측에 대해 동일하게 잘 적용될 수 있다. 클럭에 대한 위의 설명된 방법들(즉, 잔차들을 체크하는 것, 이전의 예측이 현재의 발신 데이터를 얼마나 잘 맞추(fit)는지를 체크하는 것, 임계값들에 대해 모델 파라미터들을 체크하는 것) 모두는 또한 궤도 예측들에 대해 적용한다.

본 발명의 방법은 GPS 위성 항법 시스템에 대해 시험되어 왔지만, 개념들은 동일하게 GLONASS 및 GALILEO 시스템들을 포함하여, 어떤 GNSS(global navigation satellite system)에 대해 적용한다.

앞서의 설명은 본 발명의 실시예들로서 나타났지만, 본 발명의 다른 추가적인 실시예들이, 본 발명의 기본 범위를 벗어남이 없이 안출될 수 있고, 거기에서의 범위는 다음의 청구범위들에 의해 결정된다.

위에서 열거된 본 발명의 특징들이 상세하게 이해될 수 있는 방법으로서, 위에서 간략하게 요약된 발명에 대한 더 많은 특정 설명이 실시예로 참조될 수 있고, 이들의 몇몇은 첨부되는 도면들에 나타나 있다. 그러나, 첨부되는 도면들은 단지 본 발명의 전형적인 실시예들을 설명하며, 따라서 발명은 다른 동등한 효과의 실시예들을 허용할 수 있으므로, 본 발명의 범위를 한정하는 것으로 고려되어져서는 아니된다는 점을 주목하자.

도 1은 모든 위성들에 대하여 동일한 주기를 통해 고속 클럭값들과 초고속 클럭 예측값들에 대한 클럭 오프셋(offset)에서의 변화의 그래프 표현이다.

도 2는 초고속 클럭 예측값들과 고속 클럭값들 사이의 차이의 그래프 표현을 나타낸다.

도 3은 본 발명의 일 실시예에 따라 LTO를 생성하고 그에 따라 타임-허리즌들(time-horizons)을 생성하기 위해 사용되는 컴퓨터 시스템을 나타낸다.

도 4는 본 발명의 일 실시예에 따라 LTO 클럭 모델을 생성하는 방법의 플로우 다이어그램을 나타낸다.

도 5는 본 발명의 일 실시예에 따라 위성 클럭 모델들을 위한 타임-허리즌들(time-horizons)을 생성하는 방법의 플로우 다이어그램을 나타낸다.

Claims

글로벌 항법 위성 시스템(global navigation satellite system;GNSS) 내에서 적어도 하나의 위성에 대해 LTO 모델들(long term orbit models)에 대한 타임-허리즌들(time-horizons)을 생성하기 위한 방법에 있어서:

궤도 파라미터 예측 모델(orbit parameter prediction model)에서 예측된 궤도 파라미터를 계산하는 단계;

상기 예측된 궤도 파라미터를 현재의 궤도 파라미터와 비교함으로써 정확도의 표시(indicia)를 생성하는 단계;

만약 상기 정확도의 표시가 적어도 미리 정의된 레벨의 정확도를 나타낸다면, 제1 값에서 궤도 파라미터 예측 모델을 위한 타임-허리즌(time-horizon)을 세팅하는 단계; 및

만약 상기 정확도의 표시가 상기 미리 정의된 레벨보다 낮은 정확도를 나타낸다면, 제2 값에서 상기 궤도 파라미터 예측 모델을 위한 타임-허리즌(time-horizon)을 세팅하는 단계를 포함하되, 상기 제2 값은 상기 제1 값보다 낮은 것을 특징으로 하는 타임-허리즌들(time-horizons)을 생성하기 위한 방법.
청구항 1에 있어서,

상기 계산하는 단계는 상기 예측된 궤도 파라미터를 계산하기 위한 이력 이페머리스(historical ephemeris)를 사용하는 것을 특징으로 하는 타임-허리즌 들(time-horizons)을 생성하기 위한 방법.
청구항 1에 있어서,

상기 계산하는 단계는 상기 예측된 궤도 파라미터들을 계산하기 위해 상기 적어도 하나의 위성으로부터 측정된 신호들을 사용하는 것을 특징으로 하는 타임-허리즌들(time-horizons)을 생성하기 위한 방법.
청구항 1에 있어서,

상기 궤도 파라미터 예측 모델은 클럭 모델(clock model)인 것을 특징으로 하는 타임-허리즌들(time-horizons)을 생성하기 위한 방법.
청구항 1에 있어서,

상기 궤도 파라미터 예측 모델은 궤도 모델(orbit model)인 것을 특징으로 하는 타임-허리즌들(time-horizons)을 생성하기 위한 방법.
청구항 1에 있어서,

상기 타임-허리즌(time-horizon)은 GNSS 위성 컨스텔레이션(satellite constellation)에서 각각의 위성에 대한 상기 궤도 파라미터 예측 모델과 연관되는 것을 특징으로 하는 타임-허리즌들(time-horizons)을 생성하기 위한 방법.
청구항 1에 있어서,

상기 적어도 하나의 위성은 GPS, GLONASS 또는 GALILEO를 위한 위성 컨스텔레이션 내에서의 위성인 것을 특징으로 하는 타임-허리즌들(time-horizons)을 생성하기 위한 방법.
청구항 1에 있어서,

상기 정확도의 표시는 상기 궤도 파라미터 예측 모델에 사용된 이력 이페머리스(historical ephemeris)의 곡선맞춤(curve fit)으로부터의 잔차들(residuals)을 포함하는 것을 특징으로 하는 타임-허리즌들(time-horizons)을 생성하기 위한 방법.
청구항 1에 있어서,

상기 적어도 하나의 위성이 양호한지 양호하지 못한지를 식별하는 단계를 더 포함하는 것을 특징으로 하는 타임-허리즌들(time-horizons)을 생성하기 위한 방법.
청구항 9에 있어서,

만약 상기 적어도 하나의 위성이 양호하지 못하다면, 발신 이페머리스가 상기 적어도 하나의 위성을 위하여 이용가능한지를 결정하고, 상기 궤도 파라미터 예측 모델 내에서 예측된 궤도 파라미터로서 상기 발신 이페머리스로부터 궤도 파라 미터를 사용하는 것을 특징으로 하는 타임-허리즌들(time-horizons)을 생성하기 위한 방법.
청구항 1에 있어서,

상기 궤도 파라미터 예측 모델은 오프셋 텀(offset term), 속도 텀(rate term) 및 가속도 텀(acceleration term)을 포함하는 클럭 모델(clock model)이며, 여기서 상기 오프셋 텀은 상기 이력 이페머리스의 af0 텀으로 세팅되고 상기 속도 텀과 가속도 텀은 상기 이력 이페머리스의 af1 텀에 대한 곡선맞춤을 사용하여 세팅되는 것을 특징으로 하는 타임-허리즌들(time-horizons)을 생성하기 위한 방법.
청구항 1에 있어서,

상기 타임-허리즌(time-horizon)을 세팅하는 단계는 상기 타임-허리즌(time-horizon)을 적어도 하나의 위성 궤도 및 클럭에서 예정된 변화보다 앞서 세팅하는 단계를 포함하는 타임-허리즌들(time-horizons)을 생성하기 위한 방법.
글로벌 항법 위성 시스템(global navigation satellite system;GNSS) 내에서 복수의 위성들에 대한 LTO 모델들(long term orbit models)을 생성하기 위한 방법에 있어서:

상기 복수의 위성들에서 각 위성에 대한 궤도 파라미터 예측 모델을 생성하는 단계; 및

각 궤도 파라미터 예측 모델과 연관된 타임-허리즌(time-horizon)를 생성하는 단계를 포함하되, 상기 타임-허리즌(time-horizon) 내에서 상기 궤도 파라미터 예측 모델은 정확하고, 여기서 상기 타임-허리즌(time-horizon)은 다른 궤도 파라미터 예측 모델들과 연관된 타임-허리즌들(time-horizons)에 비교되는 적어도 하나의 궤도 파라미터 예측 모델에 대해 다른 것을 특징으로 하는 LTO 모델들을 생성하기 위한 방법.
청구항 13에 있어서,

상기 타임-허리즌(time-horizon) 생성 단계는,

상기 복수의 위성들에서 각각의 위성에 대해 궤도 파라미터 예측 모델(orbit parameter prediction model)에서 예측된 궤도 파라미터를 계산하는 단계;

예측된 궤도 파라미터를 현재의 궤도 파라미터와 비교함으로써 정확도의 표시(indicia)를 생성하는 단계;

만약 상기 정확도의 표시가 적어도 미리 정의된 레벨의 정확도를 나타낸다면, 제1 값에서 상기 궤도 파라미터 예측 모델을 위한 타임-허리즌(time-horizon)을 세팅하는 단계; 및

만약 상기 정확도의 표시가 상기 미리 정의된 레벨보다 낮은 정확도를 나타낸다면, 제2 값에서 상기 궤도 파라미터 예측 모델을 위한 타임-허리즌(time-horizon)을 세팅하는 단계를 포함하되, 상기 제2 값은 상기 제1 값보다 낮은 것을 특징으로 하는 LTO 모델들을 생성하기 위한 방법.
청구항 14에 있어서,

상기 계산하는 단계는 상기 예측된 궤도 파라미터를 계산하기 위한 이력 이페머리스(historical ephemeris)를 사용하는 것을 특징으로 하는 LTO 모델들을 생성하기 위한 방법.
청구항 14에 있어서,

상기 계산하는 단계는 상기 예측된 궤도 파라미터를 계산하는 단계를 위해 상기 적어도 하나의 위성으로부터 측정된 신호를 사용하는 것을 특징으로 하는 LTO 모델들을 생성하기 위한 방법.
청구항 14에 있어서,

상기 궤도 파라미터 예측 모델은 클럭 모델(clock model)인 것을 특징으로 하는 LTO 모델들을 생성하기 위한 방법.
청구항 14에 있어서,

상기 궤도 파라미터 예측 모델은 궤도 모델(orbit model)인 것을 특징으로 하는 LTO 모델들을 생성하기 위한 방법.
청구항 14에 있어서,

각각의 위성은 GPS, GLONASS 또는 GALILEO를 위한 위성 컨스텔레이션 내에서의 위성인 것을 특징으로 하는 LTO 모델들을 생성하기 위한 방법.
청구항 14에 있어서,

상기 정확도의 표시는 상기 궤도 파라미터 예측 모델에서 사용되는 이력 이페머리스의 곡선맞춤(curve fit)으로부터의 잔차들(residuals)을 포함하는 것을 특징으로 하는 LTO 모델들을 생성하기 위한 방법.
청구항 14에 있어서,

각 위성이 양호한지 양호하지 않은지를 식별하는 단계를 더 포함하는 것을 특징으로 하는 LTO 모델들을 생성하기 위한 방법.
청구항 21에 있어서,

각각의 양호하지 않은 위성에 대해, 현재의 발신 이페머리스가 상기 양호하지 않은 위성에 대해 이용가능한지를 결정하고, 상기 궤도 파라미터 예측 모델 내에서 예측된 궤도 파라미터로 상기 현재의 발신 이페머리스로부터의 궤도 파라미터를 사용하는 것을 특징으로 하는 LTO 모델들을 생성하기 위한 방법.
청구항 13에 있어서,

상기 궤도 파라미터 예측 모델은 오프셋 텀(offset term), 속도 텀 및 가속 도 텀을 포함하는 클럭 모델이며, 여기서 상기 오프셋 텀은 상기 이력 이페머리스의 af0 텀으로 세팅되고 상기 속도 텀 및 가속도 텀은 상기 이력 이페머리스의 af1에 대한 곡선맞춤(curve fit)을 사용하여 세팅되는 것을 특징으로 하는 LTO 모델들을 생성하기 위한 방법.
청구항 13에 있어서,

상기 타임-허리즌(time-horizon)을 생성하는 단계는 적어도 하나의 위성 궤도 및 클럭에서 예정된 변화보다 앞서 상기 타임-허리즌(time-horizon)을 세팅하는 단계를 포함하는 것을 특징으로 하는 LTO 모델들을 생성하기 위한 방법.
글로벌 항법 위성 시스템(global navigation satellite system;GNSS) 내에서 복수의 위성들에 대한 LTO 모델들(long term models)을 생성하기 위한 장치에 있어서:

상기 복수의 위성들에서 각각의 위성에 대한 궤도 파라미터 예측 모델을 생성하기 위한 궤도 예측 모듈(orbit prediction module); 및

각각의 궤도 파라미터 예측 모델과 연관된 타임-허리즌(time-horizon)을 생성하기 위한 타임 허리즌 예측 모듈(time horizon prediction module)을 포함하고, 상기 타임-허리즌 내에서 상기 궤도 파라미터 예측 모델은 정확하고, 여기서 상기 타임-허리즌은 다른 궤도 파라미터 예측 모델들과 연관된 상기 타임-허리즌들에 비교되는 적어도 하나의 궤도 파라미터 예측 모델에 대해 다른 것을 특징으로 하는 LTO 모델들을 생성하기 위한 장치.