CONTROLE DE QUALIDADE DO AJUSTAMENTO RECURSIVO DE OBSERVAÇÕES GPS EM LINHAS DE BASE CURTAS

Abstract

O cálculo dos parâmetros envolvidos no processamento de dados GPS pode ser
dividido em duas partes: estimação e controle de qualidade. Na estimação, o
Método dos Mínimos Quadrados (MMQ) recursivo tornou-se uma solução bastante
comum. O controle de qualidade se resume em verificar a consistência das
observações em relação ao modelo matemático, identificando a presença de erros
não modelados de modo que os mesmos sejam adaptados. No posicionamento
relativo, em linhas de base curtas, esses erros podem ser, principalmente,
multicaminho na pseudodistância e na fase de batimento da onda portadora, perdas
de ciclo na fase e outros erros não modelados. Esse artigo apresenta uma
comparação entre duas estratégias de controle de qualidade da estimação recursiva
pelo MMQ em linhas de base curtas. Na primeira, utiliza-se um processo estatístico
isolado de Detecção, Identificação e Adaptação (DIA) de erros não modelados. Na
segunda estratégia emprega-se a Tripla Diferença (TD), para detectar e identificar
perdas de ciclo de grande magnitude, em conjunto com o processo DIA. Uma linha
de base curta foi processada utilizando-se as duas estratégias. Os resultados
mostraram que a adoção da TD na identificação de perdas de ciclo de grande
magnitude contribui no desempenho do processo de estimação e controle de
qualidade.

Quality control of recursive GPS data adjustment on short baselines

Abstract

GPS data processing can be divided in two steps: estimation and quality control.
Recursive least square has often been the solution used for the estimation. The quality control is restricted to verify the relations between observation and
mathematical model in order to identify no modeled errors, which should be
adapted. For short baselines relative positioning the main errors are caused by
pseudorange and carrier beat phase multipath, carrier beat phase cycle slips and
other no modeled errors. In this paper a comparison between two recursive least
squares quality control strategies for short baselines estimation is presented. In the
first one, a statistical process for Detection, Identification and Adaptation (DIA) of
no modeled error is used alone. In the second, the Triple Differences (TD) are used
for detecting large cycle slips, after this DIA process is carry on. One baseline was
processed employing these two strategies. The results showed that the second one
improves the estimation process quite well as well as the quality control processes.