✅作者简介：热爱科研的Matlab仿真开发者，修心和技术同步精进，matlab项目合作可私信。
🍎个人主页：Matlab科研工作室
🍊个人信条：格物致知。
更多Matlab仿真内容点击👇
⛄ 内容介绍
这个项目由两个主要任务组成。第一种是使用非线性最小二乘法（NLLS）分析来确定给定伪距数据的无人机轨迹，并通过将其与真实无人机轨迹匹配来验证这一结果（也给出了）。第二个是计算计算的无人机轨迹的精度稀释（DOP）。
DOP是对任何给定GPS位置数据的精度的测量。五种不同类型的
将计算1个DOP：几何DOP、位置DOP、水平DOP、垂直DOP和时间DOP。它们是x、y、z、t（时钟偏置）分量Vx、Vy、Vz和Vt的方差的函数。
几何DOP是由于卫星在太空中的几何方向而产生的误差。位置DOP是无人机三维位置的误差。水平DOP是指无人机水平位置的误差，而垂直DOP是无人机高度的误差。时间DOP是由于时间精度造成的误差。
DOP值越低，无人机的瞬时位置测量就越好。良好的GDOP或PDOP被认为＜5，而PDOP的值＞10则非常差。HDOP预计在2-3之间。由于所有卫星都在接收器上方，预计VDOP将高于HDOP，而对于水平坐标，数据是从无人机的所有侧面接收的。
GPS定位问题
假设接收器位于二维地面上。两颗全球定位系统卫星可以用来精确定位其在地球上的位置，前提是如果这两颗卫星的范围由一个圆圈表示，那么将有两个交点，其中只有一个位于地球上。这没有给出范围误差。假设GPS GPS卫星存在距离误差，两个距离圆的交点现在将发生偏移，导致接收器在地球上的位置估计不正确。
这个问题可以通过让第三个GPS卫星解决接收器的位置来解决。假设所有GPS卫星具有相同的时钟/距离误差，则所有三个距离圆都将在接收器位置相交。这可以用来计算时钟偏置，从而计算范围误差。类似地，在三维空间中，我们需要四颗卫星来精确定位接收器的位置。
方法论
这项任务使用了两个给定的数据文件。第一个是GPS伪距F1.txt。该文件包含从无人机到所有可见卫星计算的伪距。第二个是UAVPostion F1.txt。该文件包含无人机的真实位置。图2中的流程图描述了根据给定伪距数据确定无人机轨迹的过程。该过程使用了非线性最小二乘回归。
定义f（x0）和H的方程式可在附录A部分找到。上图中的流程图。向量X0的形式为X0=[x，y，z，cbU]，其中cbU是时钟偏置。后者是测量地面GPS接收器中设置的时间。
理想情况下，如果地球上的GPS接收器和GPS卫星都有同步的原子钟，那么只需要三颗卫星就可以精确定位接收器的位置。然而，一个原子钟的价格高达20万美元，这使得它过于昂贵，无法在民用市场上广泛使用。或者，可以用一个便宜的接收器进行简单的权衡，这一次需要四颗卫星来确定接收器的位置。额外的卫星用于获得时钟偏移，即用于计算偏移时间以校正接收器时钟的偏移距离。
⛄ 部分代码
% Clear workspace, close all open figure & clear the command window
clear all
close all;
clc;
% Extract the data from the text file
% Add other folders to path
addpath('../data', '../lib/', '../lib/conversion');
% Load constants
constants();
% Initialise Ground Station Position
% Defining Sydney Ground Station Coordinates
lat = deg2rad(-34.76);
long = deg2rad(150.03);
alt = 680;
pos_llh_gs = [lat;long;alt];
% File Name
uav_data_fpath = 'UAVPosition_F1.txt';
% Import pseudorange data
pseudo_data = importdata('GPS_pseudorange_F1.txt');
% Load ECEF position values of satellites
load ECEFPos
%% Categorising time values
% Vernal Equinox time
equinox_time = 7347737.336;
% Store time data
times = pseudo_data(:,1) - equinox_time;
% Obtain the unique time values
% nTimes is an array containing the total number of occurences of single time
% value
% timeVal is an array containing all unique timevalues
[total_occurences time_values] = hist(times(:),unique(times));
% Cummulative Time Array
cummulative_times = cumsum(total_occurences);
% Increment time values
% timeVal = timeVal + 1;
%% Observed UAV Positions
% Obtain the polar coordinates of UAV w.r.t Ground Station
[pos_UAV_Cart_obs,pos_UAV_Pol_Obs, pos_ECEF_gs, UAVVel, UAVPos] = UAVpolarCoor(time_values,...
cummulative_times, pseudo_data, ECEFPos, pos_llh_gs);
%% Extract true UAV Position data from text files
% % Obtain polar coordinates of true measurements
[pos_UAV_Pol_True, pos_UAV_Cart_True] = extractUAVtrue(uav_data_fpath,equinox_time);
%% Catalog the position of the satellites during UAV Tracking
% Find satellite position w.r.t ground station
[pos_Sat_Pol_Obs] = findSatPos(ECEFPos, pos_ECEF_gs, pos_llh_gs);
%% Calculate the DOP for each time value
% Calculate the best and worst satellite configurations according to DOP
[bestSatConfig, worstSatConfig, DOP, maxDOPIndex, minDOPIndex] = findDOP(UAVVel, pos_Sat_Pol_Obs);
%% Save relevant data as a structured array for plotting
plotData.timeArray = times;
plotData.pos_UAV_Cart_obs = pos_UAV_Cart_obs;
plotData.pos_UAV_Pol_Obs = pos_UAV_Pol_Obs;
plotData.pos_ECEF_gs = pos_ECEF_gs;
plotData.UAVVel = UAVVel;
plotData.UAVPos = UAVPos;
plotData.pos_UAV_Pol_True = pos_UAV_Pol_True;
plotData.pos_UAV_Cart_True = pos_UAV_Cart_True;
plotData.pos_Sat_Pol_Obs = pos_Sat_Pol_Obs;
plotData.bestSatConfig = bestSatConfig;
plotData.worstSatConfig = worstSatConfig;
plotData.DOP = DOP;
plotData.maxDOPIndex = maxDOPIndex;
plotData.minDOPIndex = minDOPIndex;
plotData.nTimes = total_occurences;
plotData.pseudo_data = pseudo_data;
plotData.cumArray = cummulative_times;
%% Plot graphs
plotq1B(plotData)
⛄ 运行结果
