JP7329980B2 - Positioning Algorithm Configuration Parameter Determination Method - Google Patents
Positioning Algorithm Configuration Parameter Determination Method Download PDFInfo
- Publication number
- JP7329980B2 JP7329980B2 JP2019114049A JP2019114049A JP7329980B2 JP 7329980 B2 JP7329980 B2 JP 7329980B2 JP 2019114049 A JP2019114049 A JP 2019114049A JP 2019114049 A JP2019114049 A JP 2019114049A JP 7329980 B2 JP7329980 B2 JP 7329980B2
- Authority
- JP
- Japan
- Prior art keywords
- setting parameters
- setting
- solution
- combination
- positioning algorithm
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Landscapes
- Position Fixing By Use Of Radio Waves (AREA)
Description
本発明は、測位アルゴリズムにおける最良の設定パラメータを迅速かつ確度良く決定することができる測位アルゴリズムの設定パラメータ決定方法に関する。 The present invention relates to a positioning algorithm setting parameter determination method capable of quickly and accurately determining the best setting parameters for a positioning algorithm.
干渉測位（ＲＴＫ:Ｒｅａｌ Ｔｉｍｅ Ｋｉｎｅｍａｔｉｃ ＧＰＳ）は、衛星と移動体との間の距離として搬送波位相を用いる。搬送波位相は、ＧＰＳ測位による疑似距離に比較して測距精度が高く、数ｍｍから数ｃｍの測位が可能となる。干渉測位は、座標が既知である固定の基準局に対する移動局の相対位置を求める方法が一般的である。干渉測位では、二重位相差を求めることにより時計誤差を消去することができる（特許文献１参照）。 Interferometric positioning (RTK: Real Time Kinematic GPS) uses carrier phase as the distance between the satellite and the mobile. The carrier wave phase has higher ranging accuracy than the pseudo-range by GPS positioning, and enables positioning from several millimeters to several centimeters. Interferometric positioning is generally a method of determining the relative position of a mobile station with respect to a fixed reference station whose coordinates are known. In interferometric positioning, the clock error can be eliminated by obtaining the double phase difference (see Patent Document 1).
干渉測位は、基準局及び移動局において観測される搬送波位相を測定する。位相は、各受信器内で搬送波のレプリカを発生させ、比較することで知ることができる。しかし、その間にいくつかの波数（整数値バイアス）が存在するのを知ることができず、この整数値バイアス（整数値アンビギュイティ）を決定する必要がある。この整数値アンビギュイティ（Ａｍｂｉｇｕｉｔｙ）の決定には、推測から収束という手順を踏む。最初の推測値は、単独測位のディファレンシャル測位（ＤＧＰＳ）により求められる。そのディファレンシャル測位解から候補範囲を推測し、収束させていくことになり、最終的な収束解（Ｆｉｘ解：フィックス解）を得るまでに時間がかかる。なお、整数値アンビギュイティが決定するまでの推測解をＦｌｏａｔ解（フロート解）という。 Interferometric positioning measures the carrier phases observed at the reference and mobile stations. The phase can be known by generating replicas of the carrier wave in each receiver and comparing them. However, it is not possible to know that there are some wavenumbers (integer value bias) in between, and it is necessary to determine this integer value bias (integer value ambiguity). Determination of this integer value ambiguity takes a procedure from estimation to convergence. The first guess is determined by single point differential positioning (DGPS). A candidate range is estimated from the differential positioning solution and converged, and it takes time to obtain a final converged solution (Fix solution). A guessed solution until the integer value ambiguity is determined is called a float solution.
ところで、移動局が受信する信号には、人工衛星から直接受信できる所望の信号に加えて、壁や地面に一回以上反射してから受信されてしまう反射波（マルチパス）が混入している。反射波には、移動局から人工衛星を見たときの仰角が低いと反射波が発生する確率が高くなる。また、反射波の信号は、所望の信号と比較して信号強度が弱く受信される傾向がある。そこで、指定の仰角以下の信号を無視する「仰角マスク」と、指定の強度以下の信号を無視する「ＳＮＲマスク」とを設定することで反射波の影響を取り除くことができる。また、受信信号から移動局の位置を測位するアルゴリズムの中には「アンビギュイティ決定」のアルゴリズムが必要である。「アンビギュイティ決定」の方法は複数あり、この複数の「アンビギュイティ決定」の方法を指定する「アンビギュイティ決定モード」を設定する。 By the way, the signal received by the mobile station contains the desired signal that can be received directly from the satellite, as well as the reflected wave (multipath) that is received after being reflected one or more times by the wall or the ground. . As for reflected waves, the probability of occurrence of reflected waves increases when the elevation angle when the satellite is viewed from the mobile station is low. In addition, the signal of the reflected wave tends to be received with weaker signal strength than the desired signal. Therefore, by setting an "elevation angle mask" for ignoring signals below a specified elevation angle and an "SNR mask" for ignoring signals below a specified intensity, the influence of reflected waves can be removed. Also, an algorithm for "ambiguity determination" is required in the algorithm for positioning the position of the mobile station from the received signal. There are a plurality of "ambiguity determination" methods, and an "ambiguity determination mode" that designates the plurality of "ambiguity determination" methods is set.
すなわち、干渉測位では、上記の仰角マスク、ＳＮＲマスク、アンビギュイティ決定モードなどの設定パラメータの組み合わせを適切に選択して誤差の要因を取り除く、測位結果の向上を図っている。この設定パラメータの組み合わせの良否は，測位アルゴリズムによって得られる移動局の位置の解とともに得られる解の質（Ｑｕａｌｉｔｙ）によって判断する。具体的には，それぞれの時間ごとに移動局の位置及び質（Ｑｕａｌｉｔｙ）が得られるが，そのすべての計測時間に対する良い質（Ｑｕａｌｉｔｙ）が得られた割合の高さで決定する。質（Ｑｕａｌｉｔｙ）は、例えば、バイアス決定比（ｒａｔｉｏ）であり、この値が大きいほど整数値バイアス決定の確度が高い。バイアス決定比（ｒａｔｉｏ）が十分に得られた移動局の位置の解を上記のフィックス解（Ｆｉｘ解）といい、計測時間の中でフィックス解が得られた割合をフィックス率（Ｆｉｘ率）という。 That is, in interferometric positioning, a combination of setting parameters such as the elevation mask, SNR mask, ambiguity determination mode, etc. is appropriately selected to remove error factors and improve positioning results. The quality of the combination of setting parameters is judged by the quality of the solution obtained together with the position of the mobile station obtained by the positioning algorithm. Specifically, the position and quality of the mobile station are obtained for each time, and the ratio of good quality to all the measurement times is determined. Quality is, for example, a bias determination ratio (ratio), and the larger this value is, the higher the accuracy of integer value bias determination is. A mobile station position solution with a sufficient bias determination ratio (ratio) is called the above-mentioned fixed solution (Fix solution), and the rate at which a fixed solution is obtained in the measurement time is called a fix rate (Fix rate). .
これら設定パラメータのうち、仰角マスク及びＳＮＲマスクを緩く設定すると、反射波の除去ができず、厳しく設定すると所望の信号も無視されてしまう。一方、アンビギュイティ決定モードの選び方によって仰角マスク、ＳＮＲマスクの最良のパラメータも変化する。このため、設定パラメータの最適設定は難しい。 Of these setting parameters, if the elevation mask and SNR mask are loosely set, the reflected wave cannot be removed, and if they are set strictly, the desired signal will be ignored. On the other hand, the best parameters of the elevation mask and SNR mask also change depending on how the ambiguity determination mode is selected. Therefore, it is difficult to optimally set the setting parameters.
この設定パラメータの最適設定を行う場合、測位アルゴリズム単体の計算時間が大きいため、すべての設定パラメータの組み合わせを計算して比較するには膨大な時間が必要となる。例えば、１日分の測定データを手動で後解析する場合、１つの設定パラメータの組み合わせで数分を要し、全ての設定パラメータの組み合わせを確認するには数日以上を要する。 When performing the optimum setting of the setting parameters, the calculation time of the positioning algorithm itself is long, so it takes an enormous amount of time to calculate and compare all the combinations of the setting parameters. For example, when manually post-analyzing one day's worth of measurement data, it takes several minutes to combine one setting parameter, and it takes several days or more to confirm all the combinations of setting parameters.
このため、現在、仰角マスク、ＳＮＲマスク、アンビギュイティ決定モードの組み合わせの決定は、計測結果を人間が見ながら試行錯誤的に調整して位置測位の再計算を繰り返すことで決定している。したがって、設定パラメータの組み合わせに対する全探索をするわけではないので、決定した設定パラメータの決定が最良のものとは限らない。すなわち、設定パラメータの組み合わせ決定は、熟練した人間の勘に頼っていた。 For this reason, at present, the combination of the elevation mask, SNR mask, and ambiguity determination mode is determined by repeating the recalculation of positioning by adjusting by trial and error while viewing the measurement results. Therefore, since an exhaustive search for combinations of setting parameters is not performed, the determined setting parameters are not necessarily the best ones. In other words, the determination of the combination of setting parameters relied on the intuition of a skilled person.
本発明は、上記に鑑みてなされたものであって、測位アルゴリズムにおける最良の設定パラメータを迅速かつ確度良く決定することができる測位アルゴリズムの設定パラメータ決定方法を提供することを目的とする。 SUMMARY OF THE INVENTION It is an object of the present invention to provide a positioning algorithm setting parameter determination method capable of quickly and accurately determining the best setting parameters for a positioning algorithm.
上述した課題を解決し、目的を達成するために、本発明にかかる測位アルゴリズムの設定パラメータ決定方法は、複数の衛星からの衛星信号をもとに受信局の位置を計測する測位アルゴリズムの設定パラメータを決定する測位アルゴリズムの設定パラメータ決定方法であって、予め、測位に必要な衛星データと設定パラメータの組み合わせとを前記測位アルゴリズムに入力して測位の解を算出し、前記衛星データ、前記設定パラメータの組み合わせ、及び、前記解に含まれる解の質をセットとした教師データを取得する教師データ取得ステップと、前記教師データを用いた機械学習によって、前記衛星データと前記設定パラメータの組み合わせとから前記測位アルゴリズムの解の質を推定する数式モデルを生成する数式モデル生成ステップと、測位対象の衛星データと、異なる複数の前記設定パラメータの組み合わせとを前記数式モデルに入力し、推定された時系列の前記解の質をもとにフィックス率を求め、求めた複数のフィックス率のうち、最も高いフィックス率が得られた前記設定パラメータの組み合わせを前記設定パラメータとして決定する設定パラメータ決定ステップと、を含むことを特徴とする。 To solve the above-described problems and achieve the object, a positioning algorithm setting parameter determination method according to the present invention provides a positioning algorithm setting parameter for measuring the position of a receiving station based on satellite signals from a plurality of satellites. A positioning algorithm setting parameter determination method for determining a combination of satellite data and setting parameters necessary for positioning in advance to the positioning algorithm to calculate a positioning solution, and determining the satellite data, the setting parameters and a teacher data acquisition step of acquiring teacher data set with the quality of the solution included in the solution, and machine learning using the teacher data from the combination of the satellite data and the setting parameter. A formula model generation step of generating a formula model for estimating the quality of a solution of a positioning algorithm; inputting satellite data to be positioned and a combination of a plurality of different setting parameters into the formula model; a setting parameter determining step of determining a fix rate based on the quality of the solution, and determining, as the setting parameter, a combination of the setting parameters that yields the highest fix rate among the plurality of determined fix rates. It is characterized by
また、本発明にかかる測位アルゴリズムの設定パラメータ決定方法は、上記の発明において、前記設定パラメータは、仰角マスク、ＳＮＲマスク及びアンビギュイティ決定モードであることを特徴とする。 Further, in the positioning algorithm setting parameter determination method according to the present invention, in the above invention, the setting parameters are an elevation mask, an SNR mask, and an ambiguity determination mode.
また、本発明にかかる測位アルゴリズムの設定パラメータ決定方法は、上記の発明において、前記設定パラメータ決定ステップにおける前記設定パラメータの組み合わせは、前記仰角マスクの仰角及びＳＮＲマスクの信号レベルが小さい範囲まで網羅し、かつ、各設定パラメータの刻みを細かくしたことを特徴とする。 Further, in the positioning algorithm setting parameter determination method according to the present invention, in the above invention, the combination of the setting parameters in the setting parameter determination step covers a range in which the elevation angle of the elevation mask and the signal level of the SNR mask are small. And, each setting parameter is finely incremented.
また、本発明にかかる測位アルゴリズムの設定パラメータ決定方法は、上記の発明において、前記設定パラメータ決定ステップは、前記フィックス率が所定値以上となった場合、該フィックス率に対応する設定パラメータの組み合わせを設定パラメータとして決定することを特徴とする。 Further, in the positioning algorithm setting parameter determination method according to the present invention, in the above invention, the setting parameter determination step, when the fix rate is equal to or greater than a predetermined value, determines a combination of setting parameters corresponding to the fix rate. It is characterized by being determined as a setting parameter.
本発明によれば、測位アルゴリズムにおける最良の設定パラメータを迅速かつ確度良く決定することができる。 ADVANTAGE OF THE INVENTION According to this invention, the best setting parameter in a positioning algorithm can be determined rapidly and accurately.
以下、添付図面を参照して本発明を実施するための形態について説明する。本実施の形態は、測位アルゴリズムを用いて測位の解の質を求めるのではなく、測位アルゴリズムに対応した数式モデルによって測位の解の質を求め、この解の質をもとに計算されるフィックス率のうち、最も高いフィックス率を出力した設定パラメータの組み合わせを設定パラメータとして決定するものである。 BEST MODE FOR CARRYING OUT THE INVENTION Hereinafter, embodiments for carrying out the present invention will be described with reference to the accompanying drawings. In the present embodiment, instead of obtaining the quality of the positioning solution using the positioning algorithm, the quality of the positioning solution is obtained by a mathematical model corresponding to the positioning algorithm, and the fix calculated based on the quality of this solution. Among the rates, the combination of setting parameters that output the highest fix rate is determined as the setting parameter.
＜教師データの取得＞
図１は、測位アルゴリズム１による教師データの取得処理を説明する説明図である。図１に示すように、まず、測位に用いられるＲＴＫなどの測位アルゴリズム１に、衛星データＤ１及び設定パラメータＤ２を入力し、測位アルゴリズム１によって演算された測位の解Ｄ３を求める。この測位の解Ｄ３には、解の質（Ｑｕａｌｉｔｙ）Ｄ４が含まれる。解の質（Ｑｕａｌｉｔｙ）Ｄ４は、バイアス決定比（ｒａｔｉｏ）であり、この値が大きいほど整数値バイアス決定の確度が高い。
<Acquisition of teacher data>
FIG. 1 is an explanatory diagram for explaining the acquisition processing of teacher data by positioning algorithm 1. As shown in FIG. As shown in FIG. 1, first, satellite data D1 and setting parameters D2 are input to a positioning algorithm 1 such as RTK used for positioning, and a positioning solution D3 calculated by the positioning algorithm 1 is obtained. This positioning solution D3 includes solution quality D4. The solution quality (Quality) D4 is a bias decision ratio (ratio), and the larger this value is, the higher the accuracy of the integer value bias decision is.
衛星データＤ１は、時刻毎の、衛星数、疑似距離、位相、ドップラー速度、ＳＮＲ（信号対雑音比）である。設定パラメータＤ２は、仰角マスク、ＳＮＲマスク、及び、アンビギュイティ決定モードの組み合わせである。教師データは、これら衛星データＤ１、設定パラメータＤ２、及び、解の質Ｄ４の１つの組み合わせからなる複数のデータセットの集合である。なお、測位の解Ｄ３（解の質Ｄ４）は、１時刻の衛星データＤ１と１つの設定パラメータＤ２との組み合わせに対して１つ得られる。すなわち、衛星データＤ１と設定パラメータＤ２とからは、衛星データＤ１の時刻の個数の測位の解Ｄ３（解の質Ｄ４）が得られる。 Satellite data D1 is the number of satellites, pseudorange, phase, Doppler velocity, and SNR (signal-to-noise ratio) for each time. The setting parameter D2 is a combination of elevation mask, SNR mask and ambiguity decision mode. The training data is a set of multiple data sets each made up of one combination of the satellite data D1, setting parameter D2, and quality of solution D4. One positioning solution D3 (solution quality D4) is obtained for a combination of satellite data D1 at one time and one setting parameter D2. That is, from the satellite data D1 and the setting parameter D2, a positioning solution D3 (solution quality D4) corresponding to the number of times of the satellite data D1 is obtained.
なお、バイアス決定比（ｒａｔｉｏ）が、ある一定以上の数値、例えば「３」を超えた場合の測位の解Ｄ３を「フィックス解（Ｆｉｘ解）」といい、ある一定以上の数値を超えない場合の測位の解Ｄ３を「フロート解（Ｆｌｏａｔ解）」という。解の質Ｄ４（Ｑｕａｌｉｔｙ）は、「フィックス解」、「フロート解」、に「解無し」を加えた３パターンで判定されたものである。 The positioning solution D3 when the bias determination ratio (ratio) exceeds a certain number, for example, "3", is called a "fix solution". is called a "float solution". The solution quality D4 (Quality) is determined by three patterns of "fixed solution", "floating solution", and "no solution".
また、測位の解Ｄ３（解の質Ｄ４）は、衛星データＤ１の１つと設定パラメータＤ２の組み合わせの１つとを入力として、衛星データＤ１の時刻（タイムスタンプ）の分だけ得られるが、計測時間全体の複数の解の質Ｄ４のうち、フィックス解が得られた割合をフィックス率という。すなわち、フィックス率は、計測時間内でフィックス解が得られたエポック数を、計測時間内の総エポック数で除算した値である。ここで、エポック数とは、衛星データＤ１内の衛星数、疑似距離、位相、ドップラー速度、ＳＮＲのセット１つに対して、計測時間内でサンプリングされた１つを、１つのエポックとした数である。したがって、総エポック数は、衛星データＤ１に対する計測時間内のサンプリング数と同じである。 Further, the positioning solution D3 (solution quality D4) is obtained by inputting one satellite data D1 and one combination of the setting parameter D2, and is obtained for the time (time stamp) of the satellite data D1. The ratio of the fixed solutions obtained out of the quality D4 of all the plurality of solutions is called the fixed rate. That is, the fix rate is a value obtained by dividing the number of epochs in which fixed solutions are obtained within the measurement time by the total number of epochs within the measurement time. Here, the number of epochs refers to the number of satellites, pseudoranges, phases, Doppler velocities, and SNRs in the satellite data D1, each of which is sampled within the measurement time as one epoch. is. Therefore, the total number of epochs is the same as the number of samplings within the measurement time for the satellite data D1.
なお、アンビギュイティ決定モードは、具体的には、Ｆｉｘ－ａｎｄ－Ｈｏｌｄモード、Ｃｏｎｔｉｎｕｏｕｓモード、Ｉｎｓｔａｎｔａｎｅｏｕｓモードの３つのモードがあり、この３つのモードのうちの１つのモードが設定される。Ｆｉｘ－ａｎｄ－Ｈｏｌｄモードは、前エポックの計算によって決定されたアンビギュイティ値が整数解である場合（フィックス解（Ｆｉｘ解）が得られていた場合と同義）、そのアンビギュイティ値を信頼して、継続して同アンビギュイティ値を使用するモードである。Ｃｏｎｔｉｎｕｏｕｓモードは、前エポックの計算によって決定されたアンビギュイティ値が整数解であったかどうかにはかかわらず、前エポックの計算によって決定されたアンビギュイティ値を参考にして連続的に再度アンビギュイティ値を決定するモードである。Ｉｎｓｔａｎｔａｎｅｏｕｓモードは、前エポックの計算によって決定されたアンビギュイティに依存せず、１エポックごとにその瞬時、瞬時で再度アンビギュイティ値を決定するモードである。 The ambiguity determination mode specifically includes three modes of Fix-and-Hold mode, Continuous mode, and Instantaneous mode, and one of these three modes is set. The Fix-and-Hold mode trusts the ambiguity value if the ambiguity value determined by the previous epoch calculation is an integer solution (same as when a fix solution was obtained). This is the mode in which the same ambiguity value is continuously used. The Continuous mode refers to the ambiguity values determined by the previous epoch calculations and continuously re-calculates the ambiguity values regardless of whether the ambiguity values determined by the previous epoch calculations were integer solutions or not. This is the mode that determines the value. The instantaneous mode is a mode that does not depend on the ambiguity determined by the calculation of the previous epoch, and determines the ambiguity value instantaneously again every epoch.
ここで、上記３つのモードのうち、どのモードを用いれば最もフィックス率が高く得られるかは、観測環境によって異なる。例えば、アンビギュイティが安定している環境であれば、Ｆｉｘ－ａｎｄ－Ｈｏｌｄモードの方がフィックス率を高く得られるが、アンビギュイティが高頻度に変化する場合には、Ｉｎｓｔａｎｔａｎｅｏｕｓモードの方がフィックス率を高く得られる。しかし、この特性は定性的なものであり、定量的に環境から得られるどの数値がどれだけであればどのモードがよいということは言えない。さらに、アンビギュイティ決定モードの選択によって、他の設定パラメータである仰角マスクやＳＮＲマスクの最適値も変化する。 Here, which of the above three modes should be used to obtain the highest fix rate depends on the observation environment. For example, in an environment where the ambiguity is stable, the Fix-and-Hold mode provides a higher fix rate, but when the ambiguity changes frequently, the Instantaneous mode is better. High fix rate. However, this characteristic is qualitative, and it cannot be said that which mode is better depending on which value is quantitatively obtained from the environment. Furthermore, the selection of the ambiguity determination mode also changes the optimum values of the elevation mask and the SNR mask, which are other setting parameters.
＜数式モデルの生成＞
図２は、数式モデル３を生成するための機械学習２の処理を説明する説明図である。図２に示すように、衛星データＤ１、設定パラメータＤ２、及び、出力を解の質Ｄ４を教師データとし、衛星データＤ１及び設定パラメータＤ２を入力とし、出力を解の質Ｄ４とする機械学習２を行うことによって、数式モデル３を生成する。数式モデル３は、測位アルゴリズム１に対応するが、測位アルゴリズム１のように数値解を算出するのではなく、解の質Ｄ４を解析解として出力するため、測位アルゴリズム１による演算よりも計算時間が極めて短い。なお、機械学習２は、４層以上の深層学習であってもよい。また、機械学習２は、例えば、ＸＧＢｏｏｓｔを用いる。ＸＧＢｏｏｓｔは、Ｅｘｔｒｅｍｅ Ｇｒａｄｉｅｎｔ Ｂｏｏｓｔｉｎｇと、Ｒａｎｄｏｍ Ｆｏｒｅｓｔｓ（登録商標）とを組み合わせた学習である。
<Generation of mathematical model>
FIG. 2 is an explanatory diagram for explaining the processing of machine learning 2 for generating the mathematical model 3. As shown in FIG. As shown in FIG. 2, machine learning 2 with satellite data D1, setting parameters D2, and solution quality D4 as teacher data, satellite data D1 and setting parameters D2 as inputs, and output as solution quality D4. A mathematical model 3 is generated by performing Numerical model 3 corresponds to positioning algorithm 1, but instead of calculating a numerical solution like positioning algorithm 1, the quality of the solution D4 is output as an analytical solution. extremely short. Machine learning 2 may be deep learning with four or more layers. Machine learning 2 uses, for example, XGBoost. XGBoost is a learning that combines Extreme Gradient Boosting and Random Forests™.
＜設定パラメータの決定＞
図３は、数式モデル３を用いた設定パラメータ決定を説明する説明図である。図３に示すように、数式モデル３に、測位対象の衛星データＤ１１と、設定パラメータＤ１２を入力し、各設定パラメータＤ１２の組み合わせに対する、それぞれの解の質Ｄ１４を出力する。その後、出力されたそれぞれの解の質Ｄ１４に対してフィックス率Ｄ１５を求める。このフィックス率Ｄ１５の中から、最も高いフィックス率Ｄ１５が得られたときの設定パラメータＤ１２の組み合わせを設定パラメータとして決定する。この決定された設定パラメータは、測位アルゴリズム１に設定される。
<Determination of setting parameters>
FIG. 3 is an explanatory diagram for explaining setting parameter determination using the mathematical model 3. As shown in FIG. As shown in FIG. 3, satellite data D11 to be positioned and setting parameters D12 are input to mathematical model 3, and the quality of each solution D14 is output for each combination of setting parameters D12. A fix rate D15 is then determined for each output solution quality D14. A combination of the setting parameters D12 when the highest fix rate D15 is obtained from among the fix rates D15 is determined as the setting parameter. This determined setting parameter is set to positioning algorithm 1 .
なお、上記の設定パラメータの決定は、すべての組み合わせの設定パラメータＤ１２に対する計算が終了した時点で、最も高いフィックス率Ｄ１５が得られたときの設定パラメータＤ１２の組み合わせを設定パラメータとして決定しているが、設定パラメータの決定は、得られたフィックス率Ｄ１５の値が所定値以上である場合に、計算を終了して、所定値以上のフィックス率Ｄ１５が得られたときの設定パラメータＤ１２の組み合わせを設定パラメータとして決定するようにしてもよい。また、得られたフィックス率Ｄ１５の値が所定値以上となるものが複数ある場合に、最も高いフィックス率Ｄ１５が得られたときの設定パラメータＤ１２を設定パラメータとして決定してもよい。 Incidentally, in the determination of the setting parameters described above, the combination of the setting parameters D12 at which the highest fix rate D15 is obtained is determined as the setting parameter when the calculations for all combinations of the setting parameters D12 are completed. In determining the setting parameters, if the value of the obtained fix rate D15 is equal to or greater than a predetermined value, the calculation is terminated, and a combination of the setting parameters D12 is set when the fix rate D15 equal to or greater than the predetermined value is obtained. It may be determined as a parameter. Further, when there are a plurality of values of the obtained fix rate D15 equal to or higher than a predetermined value, the setting parameter D12 when the highest fix rate D15 is obtained may be determined as the setting parameter.
また、設定パラメータＤ１２の組み合わせは、仰角マスクの仰角及びＳＮＲマスクの信号レベルが小さい範囲まで網羅し、かつ、各設定パラメータの刻みを細かくすることが好ましい。すなわち、設定パラメータは、その範囲が実質的に全範囲を網羅することが好ましい。 Moreover, it is preferable that the combination of the setting parameters D12 cover the range where the elevation angle of the elevation angle mask and the signal level of the SNR mask are small, and that each setting parameter is finely incremented. That is, it is preferable that the setting parameters cover substantially the entire range.
＜設定パラメータ決定処理＞
図４は、設定パラメータ決定処理手順を示すフローチャートである。図４に示すように、まず、予め教師データを取得する（ステップＳ１０１）。その後、取得した教師データを用いた機械学習により、解の質を導出する数式モデルを生成する（ステップＳ１０２）。その後、測位対象の衛星データと、全範囲を網羅した異なる複数の設定パラメータの組み合わせとを数式モデルに入力して、解の質を求め、得られた解の質をもとに最も高いフィックス率が得られたときの設定パラメータの組み合わせを設定パラメータとして決定し（ステップＳ１０３）、本処理を終了する。この決定された設定パラメータは、測位アルゴリズム１に設定される。
<Setting parameter determination processing>
FIG. 4 is a flow chart showing a setting parameter determination processing procedure. As shown in FIG. 4, first, teacher data is obtained in advance (step S101). After that, a mathematical model for deriving the quality of the solution is generated by machine learning using the acquired teacher data (step S102). After that, the satellite data to be positioned and the combination of different setting parameters covering the entire range are input into the mathematical model to determine the quality of the solution, and the highest fix rate based on the quality of the solution obtained. is determined as the setting parameter (step S103), and the process is terminated. This determined setting parameter is set to positioning algorithm 1 .
本実施の形態では、測位アルゴリズムに代えて数式モデルを用いて測位の質を計算しているので、測位の質の計算時間が短縮され、高いフィックス率が得られる設定パラメータの決定を迅速かつ確度高く行うことができる。 In the present embodiment, since the positioning quality is calculated using a mathematical model instead of the positioning algorithm, the positioning quality calculation time is shortened, and the setting parameters that provide a high fix rate can be determined quickly and accurately. can go higher.
なお、上記の実施の形態で図示した各構成は機能概略的なものであり、必ずしも物理的に図示の構成をされていることを要しない。すなわち、各装置及び構成要素の分散・統合の形態は図示のものに限られず、その全部又は一部を各種の使用状況などに応じて、任意の単位で機能的又は物理的に分散・統合して構成することができる。 It should be noted that each configuration illustrated in the above-described embodiment is functionally schematic, and does not necessarily need to be physically configured as illustrated. In other words, the form of dispersion/integration of each device and component is not limited to the illustrated one, and all or part of them can be functionally or physically distributed/integrated in arbitrary units according to various usage conditions. can be configured
１ 測位アルゴリズム
２ 機械学習
３ 数式モデル
Ｄ１，Ｄ１１ 衛星データ
Ｄ２，Ｄ１２ 設定パラメータ
Ｄ３ 測位の解
Ｄ４，Ｄ１４ 解の質
Ｄ１５ フィックス率
1 positioning algorithm 2 machine learning 3 mathematical model D1, D11 satellite data D2, D12 setting parameters D3 positioning solution D4, D14 solution quality D15 fix rate
Claims (4)
予め、測位に必要な衛星データと設定パラメータの組み合わせとを前記測位アルゴリズムに入力して測位の解を算出し、前記衛星データ、前記設定パラメータの組み合わせ、及び、前記解に含まれる解の質をセットとした教師データを取得する教師データ取得ステップと、
前記教師データを用いた機械学習によって、前記衛星データと前記設定パラメータの組み合わせとから前記測位アルゴリズムの解の質を推定する数式モデルを生成する数式モデル生成ステップと、
測位対象の衛星データと、異なる複数の前記設定パラメータの組み合わせとを前記数式モデルに入力し、前記設定パラメータの組み合わせごとに前記数式モデルにより推定された時系列の前記解の質を求め、求めた時系列の前記解の質をもとに計算されるフィックス率を前記設定パラメータの組み合わせごとに求め、求めた複数のフィックス率のうち、最も高いフィックス率が得られた前記設定パラメータの組み合わせを前記測位アルゴリズムの前記設定パラメータとして決定する設定パラメータ決定ステップと、
を含むことを特徴とする測位アルゴリズムの設定パラメータ決定方法。 A setting parameter determination method for a positioning algorithm for determining a setting parameter for a positioning algorithm for measuring the position of a receiving station based on satellite signals from a plurality of satellites, comprising:
A combination of satellite data and setting parameters necessary for positioning is input in advance to the positioning algorithm to calculate a positioning solution, and the satellite data, the combination of the setting parameters, and the quality of the solution included in the solution are evaluated. a teacher data acquisition step for acquiring a set of teacher data;
a mathematical model generation step of generating a mathematical model for estimating the quality of the solution of the positioning algorithm from the combination of the satellite data and the setting parameters by machine learning using the teacher data;
The satellite data to be positioned and a plurality of different combinations of the setting parameters are input to the mathematical model, and the quality of the solution of the time series estimated by the mathematical model for each combination of the setting parameters is obtained and obtained. A fix rate calculated based on the quality of the solution in time series is obtained for each combination of the setting parameters , and the combination of the setting parameters that yields the highest fix rate among the plurality of obtained fix rates is determined as the a setting parameter determination step for determining the setting parameter of the positioning algorithm ;
A setting parameter determination method for a positioning algorithm, comprising:
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2019114049A JP7329980B2 (en) | 2019-06-19 | 2019-06-19 | Positioning Algorithm Configuration Parameter Determination Method |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2019114049A JP7329980B2 (en) | 2019-06-19 | 2019-06-19 | Positioning Algorithm Configuration Parameter Determination Method |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2021001736A JP2021001736A (en) | 2021-01-07 |
| JP7329980B2 true JP7329980B2 (en) | 2023-08-21 |
Family
ID=73994853
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2019114049A Active JP7329980B2 (en) | 2019-06-19 | 2019-06-19 | Positioning Algorithm Configuration Parameter Determination Method |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP7329980B2 (en) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2023182407A1 (en) * | 2022-03-24 | 2023-09-28 | ソニーセミコンダクタソリューションズ株式会社 | Information processing device, information processing method, and program |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2009243940A (en) | 2008-03-28 | 2009-10-22 | Toyota Motor Corp | Gnss receiving device and positioning method |
| JP2013083480A (en) | 2011-10-06 | 2013-05-09 | Electronic Navigation Research Institute | Method and apparatus for selecting satellite used for rtk positioning computation |
| JP2017198531A (en) | 2016-04-27 | 2017-11-02 | ソニー株式会社 | Positioning device, positioning system and positioning method |
| JP2018119818A (en) | 2017-01-23 | 2018-08-02 | 紘生 因 | Setting method for parameter and parallel computer used for kinematic positioning |
| JP2019085712A (en) | 2017-11-02 | 2019-06-06 | 国際航業株式会社 | Slope stability determination assistance system |
-
2019
- 2019-06-19 JP JP2019114049A patent/JP7329980B2/en active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2009243940A (en) | 2008-03-28 | 2009-10-22 | Toyota Motor Corp | Gnss receiving device and positioning method |
| JP2013083480A (en) | 2011-10-06 | 2013-05-09 | Electronic Navigation Research Institute | Method and apparatus for selecting satellite used for rtk positioning computation |
| JP2017198531A (en) | 2016-04-27 | 2017-11-02 | ソニー株式会社 | Positioning device, positioning system and positioning method |
| JP2018119818A (en) | 2017-01-23 | 2018-08-02 | 紘生 因 | Setting method for parameter and parallel computer used for kinematic positioning |
| JP2019085712A (en) | 2017-11-02 | 2019-06-06 | 国際航業株式会社 | Slope stability determination assistance system |
Also Published As
| Publication number | Publication date |
|---|---|
| JP2021001736A (en) | 2021-01-07 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| EP3430429B1 (en) | Satellite navigation receiver with improved ambiguity resolution | |
| EP1550241B1 (en) | Position estimation using a network of global-positioning receivers | |
| JP5421903B2 (en) | Partial search carrier phase integer ambiguity determination | |
| JP4146877B2 (en) | Single positioning device and single positioning method | |
| CN109219732B (en) | Satellite navigation receiver with improved ambiguity resolution | |
| JP2017173327A (en) | Positioning method and positioning device using satellite positioning system | |
| KR102180302B1 (en) | System and method for ionospheric correction using pseudorange and double-difference carrier phase measurement | |
| JP5590010B2 (en) | Positioning device and program | |
| WO2010021656A2 (en) | Gnss signal processing methods and apparatus with ambiguity selection | |
| KR20150009485A (en) | Method and receiver for determining system time of a navigation system | |
| JP7377866B2 (en) | Method and system for recreating unavailable GNSS measurements | |
| JP2009025233A (en) | Carrier phase positioning system | |
| US20230126547A1 (en) | Machine learning in gnss receivers for improved velocity outputs | |
| CN115480279A (en) | GNSS navigation method and terminal, integrated navigation system and storage medium | |
| CN106443729B (en) | A kind of adaptive pseudoranges of GNSS-phase power is than determining method | |
| JP7329980B2 (en) | Positioning Algorithm Configuration Parameter Determination Method | |
| CN113671551A (en) | RTK positioning resolving method | |
| Gaglione et al. | Robust Kalman Filter applied to GNSS positioning in harsh environment | |
| CN117955554B (en) | Low-orbit satellite real-time clock difference determining method and system based on forecast splicing | |
| Zhilinskiy | GLONASS Satellite Pseudorange Errors Mitigation Using Gradient Boosting Machine | |
| JP7446729B2 (en) | Positioning method and system | |
| CN116582174B (en) | Satellite signal situation visualization method and system | |
| Rakipi et al. | Standard positioning performance evaluation of a single-frequency GPS receiver implementing ionospheric and tropospheric error corrections | |
| CN117434560A (en) | Low-cost receiver RTK positioning random model optimization method | |
| Castaneda | Post-Processing Precise Point Positioning Solutions with Parameter Optimization |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220228 |
|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20230117 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230207 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230404 |
|
| TRDD | Decision of grant or rejection written | ||
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20230801 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20230808 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 7329980 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |