GPS从入门到放弃(十二) — 多普勒定速

多普勒效应

多普勒效应在我们日常生活中有很多,比如当一辆救护车迎面驶来的时候,听到声音比原来高;而车离去的时候声音的音高比原来低。

这个效应是为纪念奥地利物理学家及数学家克里斯琴·约翰·多普勒(Christian Johann Doppler)而命名的,他于1842年首先提出了这一理论。据说是因为有一次一列火车从他身旁经过,他发现火车从远而近时汽笛声变响,音调变尖,而火车从近而远时汽笛声变弱,音调变低。他觉得很有意思,于是他就对这个现象去深入研究,从而提出了多普勒效应。

多普勒效应的主要内容为物体辐射的波长因为波源和观测者的相对运动而产生变化。在运动的波源前面,波被压缩,波长变得较短,频率变得较高(蓝移 blue shift);在运动的波源后面时,会产生相反的效应。波长变得较长,频率变得较低(红移 red shift);波源的速度越高,所产生的效应越大。根据波红(蓝)移的程度,可以计算出波源循着观测方向运动的速度。

卫星导航中的多普勒效应

多普勒效应不仅仅适用于声波,它也适用于所有类型的波。卫星导航中传播信息用的是无线电波,因为卫星在绕地球高速运动,所以也有多普勒效应。

我们定义多普勒频移值 fdf_dfd​ 为接收机接收频率与卫星信号发射频率的差值。设 v\boldsymbol{v}v 为接收机与卫星之间的相对速度矢量,e\boldsymbol{e}e 为接收机到卫星的单位观测矢量,则有
fd=v⋅eλ=vλcos⁡αf_d = \frac{\boldsymbol{v}\cdot\boldsymbol{e}}{\lambda} = \frac{v}{\lambda}\cos\alphafd​=λv⋅e​=λv​cosα

其中 v\boldsymbol{v}v 与 e\boldsymbol{e}e 之间是矢量点积运算,λ\lambdaλ 为载波波长,v=∣v∣v = |\boldsymbol{v}|v=∣v∣,α\alphaα 为 v\boldsymbol{v}v 与 e\boldsymbol{e}e 之间的夹角。

接收机内部的锁频环可以输出观测到的多普勒频移值 fdf_dfd​,利用这个值,我们就可以进行多普勒定速。

多普勒定速

在伪距与载波相位中我们介绍了伪距的计算方法,也得到了包含 (x,y,z,δt)(x,\ y,\ z,\ \delta_t)(x, y, z, δt​) 四个未知数的GPS定位基本方程:
(x−xs)2+(y−ys)2+(z−zs)2+c⋅δt=ρ+c⋅δt,s−cI−cT−cϵ\sqrt{(x-x_{s})^2 + (y-y_{s})^2 + (z-z_{s})^2} + c\cdot\delta_t = \rho + c\cdot\delta_{t,s} - cI - cT -c\epsilon (x−xs​)2+(y−ys​)2+(z−zs​)2​+c⋅δt​=ρ+c⋅δt,s​−cI−cT−cϵ

令接收机到卫星 sss 的几何距离 rs=(x−xs)2+(y−ys)2+(z−zs)2r_s = \sqrt{(x-x_{s})^2 + (y-y_{s})^2 + (z-z_{s})^2}rs​=(x−xs​)2+(y−ys​)2+(z−zs​)2​ ,将这个方程对时间求导,可得
rs˙+c⋅δt˙=ρ˙+c⋅δ˙t,s−cI˙−cT˙−nd\dot{r_s} + c\cdot\dot{\delta_t} = \dot{\rho} + c\cdot\dot{\delta}_{t,s} - c\dot{I} - c\dot{T} -n_d rs​˙​+c⋅δt​˙​=ρ˙​+c⋅δ˙t,s​−cI˙−cT˙−nd​

这个方程中的 III 和 TTT 分别是大气电离层导致的延时和大气对流层导致的延时,这些延时在短时间内可以认为没有变化,即 I˙=0\dot{I} = 0I˙=0, T˙=0\dot{T} = 0T˙=0。δt˙\dot{\delta_t}δt​˙​ 和 δt,s˙\dot{\delta_{t,s}}δt,s​˙​ 分别为接收机和卫星 sss 的钟漂,δt˙\dot{\delta_t}δt​˙​ 是我们要求的量,δt,s˙\dot{\delta_{t,s}}δt,s​˙​可以通过导航电文提供的校正参数计算出来。ndn_dnd​ 为未考虑到的误差噪声项。ρ˙\dot{\rho}ρ˙​ 为伪距变化率,可由多普勒频移观测量 fdf_dfd​ 和载波波长 λ\lambdaλ 通过式 ρ˙=−λfd\dot{\rho} = -\lambda f_dρ˙​=−λfd​ 来求得。

设接收机到卫星 sss 的单位观测矢量为 es=[es,x,es,y,es,z]T\boldsymbol{e}_{s}=[e_{s,x},\ e_{s,y},\ e_{s,z}]^Tes​=[es,x​, es,y​, es,z​]T, 卫星 sss 的速度为 vs=[vs,x,vs,y,vs,z]T\boldsymbol{v}_s = [v_{s,x},\ v_{s,y},\ v_{s,z}]^Tvs​=[vs,x​, vs,y​, vs,z​]T, 接收机的速度为 v=[vx,vy,vz]T\boldsymbol{v} = [v_{x},\ v_{y},\ v_{z}]^Tv=[vx​, vy​, vz​]T, 则 rs˙=(vs−v)⋅es\dot{r_s}=(\boldsymbol{v_s}-\boldsymbol{v})\cdot\boldsymbol{e_s}rs​˙​=(vs​−v)⋅es​。

于是上面的方程可以写为
(vs−v)⋅es+c⋅δt˙=−λfd+c⋅δ˙t,s−nd(\boldsymbol{v_s}-\boldsymbol{v})\cdot\boldsymbol{e_s} + c\cdot\dot{\delta_t} = -\lambda f_d + c\cdot\dot{\delta}_{t,s} - n_d (vs​−v)⋅es​+c⋅δt​˙​=−λfd​+c⋅δ˙t,s​−nd​

整理得
−es⋅v+c⋅δt˙=−λfd−vs⋅es+c⋅δ˙t,s−nd-\boldsymbol{e_s}\cdot\boldsymbol{v} + c\cdot\dot{\delta_t} = -\lambda f_d -\boldsymbol{v_s}\cdot\boldsymbol{e_s} + c\cdot\dot{\delta}_{t,s} -n_d −es​⋅v+c⋅δt​˙​=−λfd​−vs​⋅es​+c⋅δ˙t,s​−nd​

方程左边有四个未知量 vx,vy,vz,δ˙tv_{x},\ v_{y},\ v_{z},\ \dot{\delta}_tvx​, vy​, vz​, δ˙t​,而右边都是已知量。若有4个观测值,则可以得到定速方程组

G[vxvyvzc⋅δ˙t]=b+nd\boldsymbol{G} \left[ \begin{array}{c} v_x\\ v_y\\ v_z\\ c\cdot\dot{\delta}_{t} \end{array} \right] = \boldsymbol{b} + \boldsymbol{n}_d G⎣⎢⎢⎡​vx​vy​vz​c⋅δ˙t​​⎦⎥⎥⎤​=b+nd​

其中 G\boldsymbol{G}G为几何矩阵,与定位方程(参考定位方程解算)中的几何矩阵完全相同,b\boldsymbol{b}b 为多普勒残差,ndn_dnd​ 为未考虑到的误差噪声项
G=[−e11−e21−e31−e41]\boldsymbol{G} = \left[ \begin{array}{cc} -\boldsymbol{e}_{1} & 1\\ -\boldsymbol{e}_{2} & 1\\ -\boldsymbol{e}_{3} & 1\\ -\boldsymbol{e}_{4} & 1 \end{array} \right] G=⎣⎢⎢⎡​−e1​−e2​−e3​−e4​​1111​⎦⎥⎥⎤​

b=[−λfd,1−v1⋅e1+c⋅δ˙t,1−λfd,2−v2⋅e2+c⋅δ˙t,2−λfd,3−v3⋅e3+c⋅δ˙t,3−λfd,4−v4⋅e4+c⋅δ˙t,4]\boldsymbol{b} = \left[ \begin{array}{c} -\lambda f_{d,1}-\boldsymbol{v_1}\cdot\boldsymbol{e_1}+c\cdot\dot{\delta}_{t,1} \\ -\lambda f_{d,2}-\boldsymbol{v_2}\cdot\boldsymbol{e_2}+c\cdot\dot{\delta}_{t,2} \\ -\lambda f_{d,3}-\boldsymbol{v_3}\cdot\boldsymbol{e_3}+c\cdot\dot{\delta}_{t,3} \\ -\lambda f_{d,4}-\boldsymbol{v_4}\cdot\boldsymbol{e_4}+c\cdot\dot{\delta}_{t,4} \end{array} \right] b=⎣⎢⎢⎡​−λfd,1​−v1​⋅e1​+c⋅δ˙t,1​−λfd,2​−v2​⋅e2​+c⋅δ˙t,2​−λfd,3​−v3​⋅e3​+c⋅δ˙t,3​−λfd,4​−v4​⋅e4​+c⋅δ˙t,4​​⎦⎥⎥⎤​

nd=[nd,1nd,2nd,3nd,4]\boldsymbol{n}_d = \left[ \begin{array}{c} n_{d,1} \\ n_{d,2} \\ n_{d,3} \\ n_{d,4} \end{array} \right] nd​=⎣⎢⎢⎡​nd,1​nd,2​nd,3​nd,4​​⎦⎥⎥⎤​

此定速方程组可以用最小二乘法来求解。解出结果即为接收机的速度和钟漂。

GPS从入门到放弃(十二) --- 多普勒定速相关推荐

  1. GPS从入门到放弃(二十六) --- RTKLIB函数解析

    GPS从入门到放弃(二十六) - RTKLIB函数解析 为了贴合这个系列的标题"从入门到放弃",在入门之后现在就要放弃此方向了.虽然感觉遗憾,暂时也没有办法.在此附上此系列最后一篇 ...

  2. GPS从入门到放弃(二十五) --- 卡尔曼滤波

    GPS从入门到放弃(二十五) - 卡尔曼滤波 概述 单点定位的结果因为是单独一个点一个点进行的,所以连续起来看数据可能出现上串下跳的情况,事实上并不符合实际情况.为了解决这个问题,考虑到物体运动的连续 ...

  3. GPS从入门到放弃(二) --- GPS时间

    GPS从入门到放弃(二) - GPS时间 上一篇GPS基础原理中提到了一个钟差的概念,并没有细说.GPS涉及到的时间有不少,这一篇就详细讲一讲. 时间是一个相对的概念,最简单的例子:你的手表的时间和我 ...

  4. GPS从入门到放弃(二十一) --- 地球自转参数

    GPS从入门到放弃(二十一)- 地球自转参数 地球自转参数(ERP: Earth rotation parameters)主要包括地球极点的位移和速率.UT1-UTC的时间差.以及由天文观测确定的一天 ...

  5. keras从入门到放弃(十二)卷积神经网络

    卷积神经网络 卷积是指将卷积核应用到某个张量的所有点上,通过将 卷积核在输入的张量上滑动而生成经过滤波处理的张量. 介绍的目标识别与分类,就是在前面问题的基础 上进行扩展,实现对于图像等分类和识别. ...

  6. GPS从入门到放弃(十) --- 定位方程解算和定位精度

    GPS从入门到放弃(十) - 定位方程解算和定位精度 上一篇伪距与载波相位中我们介绍了伪距的计算方法,也得到了包含 (x,y,z,δt)(x,\ y,\ z,\ \delta_t)(x, y, z,  ...

  7. GPS从入门到放弃(十四) --- 电离层延时

    GPS从入门到放弃(十四) - 电离层延时 电离层概念 电离层(Ionosphere)是地球大气的一个电离区域.它是受到太阳高能辐射以及宇宙线的激励而电离的大气高层.50千米以上的整个地球大气层都处于 ...

  8. mavlink协议从入门到放弃(二)

    mavlink协议从入门到放弃(二) 姿态消息帧 GPS消息帧 mavlink校验位的计算 因为这个项目没有说要完全移植mavlink协议,所以只是提取了有用的信息包成mavlink协议然后发给上位机 ...

  9. GPS从入门到放弃(四) --- GPS信号结构

    GPS从入门到放弃(四) - GPS信号结构 GPS信号结构可以分为三层: 载波 伪码 数据码 载波 载波是三层里的基础,伪码和数据码都是调制在载波上才能发送.GPS有两个载波频率,L1和L2,L1为 ...

最新文章

  1. css如何做玻璃效果_拓展训练之后的效果保持工作该如何做?
  2. pr预设的卷及内核锐化是什么_看完这一篇,彻底搞懂锐化怎么用!
  3. 给gridview动态生成radiobutton添加OnCheckedChanged监听函数
  4. icmp报文_用侦察兵的故事趣讲ICMP和Ping,看完想忘都难!
  5. 批量模糊查询_模糊匹配,Power Query的这个功能太实用了,可惜Excel还没有
  6. 【IT资讯】编程语言面临重新洗牌,这六种要凉凉
  7. 查看CDSN关注的博主
  8. FlashBuilder 4.6 破解序列号和方法
  9. html5 js打开新页面,当前页面打开多个新页面的js (很流畅)
  10. matlab 三维点 边界曲面,【matlab三维散点绘制曲面】
  11. python基础程序设计与面向对象程序设计_python基础——面向对象的程序设计
  12. Windows 静态库函数名称问题
  13. 亚马逊多账号关联原因
  14. cad镜像后标注尺寸数字反了_CAD中文字镜像后倒过来了,怎么办?仅修改一个参数值就搞定了...
  15. 大明战神戚继光带给程序员的启示
  16. 大数据风控系统主要功能分析
  17. 液晶LCD1602驱动代码
  18. Nginx安装和配置
  19. 因特网的发展大致分为哪几个阶段?请指出这几个阶段的主要特点。
  20. GMAN:一种用于交通预测的图多注意网络

热门文章

  1. 帝国cms下载站防复制免登录微信支付插件
  2. 快速学习-Saturn Console部署
  3. cannot coerce class ‘“igraph“’ to a data.frame
  4. Hands-On Machine Learning with Scikit-Learn TensorFlow 学习
  5. expect使用总结
  6. 【智能制造】智慧工厂整体规划实施与方案架构;智慧工厂顶层设计与智能制造能力测评...
  7. 小程序Swiper组件做日历(周历)左右滑动动态修改数据
  8. Hibernate学习大全
  9. 如何使用 javascript 获取语音数据并播放
  10. 绝地武士Obi- Wan Kenobi