各种不同几何形状布局布阵下的GDOP相对值图matlab仿真

简介: 各种不同几何形状布局布阵下的GDOP相对值图matlab仿真

1.算法描述

    全球四大导航卫星系统包括:美国GPS、俄罗斯GLONASS(格洛纳斯)、中国北斗和欧洲Galileo(伽利略)卫星系统。四大卫星定位系统靠卫星自身可以达到米级的定位,要实现更精准的定位就需要地面基准站的辅助了。通过购买千寻位置、中国移动、六分科技等企业的RTK(Real-Time Kinematic 实时动态载波相位差分)账号或者CORS账号(Continuously Operating Reference Stations 连续运行定位服务参考站)可以实现厘米级别的定位。

GDOP((Geometric Dilution of Precision)几何精度因子,是衡量GNSS(Global Navigation Satellite System)全球导航卫星系统定位精度的指标。其分量包括:

PDOP( position dilution of precision ) 三维精度因子;

HDOP(horizontal dilution of precision) 水平精度因子;

VDOP(vertical dilution of precision)垂直几何精度因子;

TDOP(time dilution of precision)时间精度因子;

   对于经常要使用RTK的测量人来说,掌握一些使用过程中经常用到的专业术语是很有必要的,比如GDOP、差分测量、静态定位等等,了解这些有助于更加熟练地使用RTK,从而高效地进行测量作业。GDOP(Geometric dilution of precision)几何精度因子:包括经度,纬度,高程和时间等因子,称为几何精度因子。

1.png
2.png
3.png

2.仿真效果预览
matlab2022a仿真结果如下:

4.png
5.png
6.png
7.png
8.png

3.MATLAB核心程序

clc;
clear;
close all;
warning off;
addpath(genpath(pwd));
%%(1)直线形布站
s(:,:,1) = [-90 -60 -30 0 30 60 90;...
    0 0 0 0 0 0 0]*1e3;
%%(2)楔形布站
s(:,:,2) = [-45 -30 -15 0 15 30 45;...
    -90*cos(pi/6) -60*cos(pi/6) -30*cos(pi/6) 0 -30*cos(pi/6) -60*cos(pi/6) -90*cos(pi/6)]*1e3;
%%(3)工字形布站
s(:,:,3) = [-30 0 30 0 -30 0 30;...
    30 30 30 0 -30 -30 -30]*1e3;
%%(4)梯形布站
s(:,:,4) = [-30 0 30 -45 -15 15 45;...
    0 0 0 -30*cos(pi/6) -30*cos(pi/6) -30*cos(pi/6) -30*cos(pi/6)]*1e3;
%%(5)圆形布站
r = 3.45714e4;
theta0=2*pi/7;
for i = 1:7%七部
    s(:,i,5)=[r*cos(theta0*i);r*sin(theta0*i)];
end
%%(6)十字形布站
s(:,:,6) = [-60 -30 0 30 60 0 0;...
    0 0 0 0 0 30 -30]*1e3;
index_s = 2;%步战形式编号
 
sd_angle = 2*pi/180;    %方位角标准差
sd_zhanzhi = 10;       %站址标准差
Qa = eye(size(s,2))*(sd_angle)^2;   %方位角方差
% Qb = eye(size(s,2)*2)*sd_zhanzhi^2;  
x = -400e3:10e3:400e3; y = -400e3:10e3:400e3;
for i = 1:81
    for j=1:81
        u = [x(i);y(j)];
                [rms1(j,i), ~] = crlb_AOA(u,s(:,:,index_s),Qa);%仅有测角误差时的CRLB的绝对值
                rms2(j,i) = rms1(j,i)/norm(u);
%         [rms1(j,i), ~] = crlb_AOA(u,s(:,:,index_s),Qa,Qb);
%         rms2(j,i) = rms1(j,i)/norm(u);
        %         diff_rms(j,i) = crlb_AOA1(u,s(:,:,1),Qa,Qb);
    end
end
figure(1)
switch index_s
    case 1
        title('直线形布阵时的GDOP图');
        Q=[5 10 20 30 50 70 90 120 300];   %等位线标识数值
    case 2
        title('楔形布阵时的GDOP图');
        Q=[5 10 20 30 50 70 90 120 300];
    case 3
        title('工字形布阵时的GDOP图');
        Q=[5 10 20 30 50 70 90 120 300];
    case 4
        title('梯形布阵时的GDOP图');
        Q=[5 10 20 30 50 70 90 120 300];
    case 5
%         title('不存在平台导航误差且圆形布阵时的GDOP图');
%         Q=[1 3 5 7 9 12 15 17];
        title('圆形布阵时的GDOP图');
        Q=[5 10 20 30 50 70 90 120 300];        
    case 6
        title('十字形布阵时的GDOP图');
        Q=[5 10 20 30 50 70 90 120 300];
end
hold on;
[c,handle]=contour(x*1e-3,y*1e-3,rms1*1e-3,Q);
clabel(c,handle);hold on;  %等位线标识
plot(s(1,:,index_s)*1e-3,s(2,:,index_s)*1e-3,'rd')
xlabel('x/km'); ylabel('y/km');
 
figure(2)
switch index_s
    case 1
        title('直线形布阵时的GDOP相对值图');
        Q=[0.04 0.05 0.06 0.07 0.08 0.09 0.1 0.12 0.15 0.17 0.2 0.3 0.5];
    case 2
        title('楔形布阵时的GDOP相对值图');
        Q=[0.04 0.05 0.06 0.07 0.08 0.09 0.1 0.12 0.15 0.17 0.2 0.3 0.5];
    case 3
        title('工字形布阵时的GDOP相对值图');
        Q=[0.04 0.05 0.06 0.07 0.08 0.09 0.1 0.12 0.15 0.17 0.2 0.3 0.5];
    case 4
        title('梯形布阵时的GDOP相对值图');
        Q=[0.04 0.05 0.06 0.07 0.08 0.09 0.1 0.12 0.15 0.17 0.2 0.3 0.5];
    case 5
%         title('不存在平台导航误差且圆形布阵时的GDOP相对值图');
%         Q=[0.005 0.01 0.018 0.025 0.045];
        title('圆形布阵时的GDOP相对值图');
        Q=[0.04 0.05 0.06 0.07 0.08 0.09 0.1 0.12 0.15 0.17 0.2 0.3 0.5];
    case 6
        title('十字形布阵时的GDOP相对值图');
        Q=[0.04 0.05 0.06 0.07 0.08 0.09 0.1 0.12 0.15 0.17 0.2 0.3 0.5];
end
hold on;[c,handle]=contour(x*1e-3,y*1e-3,rms2,Q);
clabel(c,handle);hold on;
plot(s(1,:,index_s)*1e-3,s(2,:,index_s)*1e-3,'rd')
xlabel('x/km'); ylabel('y/km');
A74
相关文章
|
5天前
|
算法 Serverless
基于魏格纳函数和焦散线方法的自加速光束matlab模拟与仿真
本项目基于魏格纳函数和焦散线方法,使用MATLAB 2022A模拟自加速光束。通过魏格纳函数法生成多种自加速光束,并设计相应方法,展示仿真结果。核心程序包括相位和幅度的计算、光场分布及拟合分析,实现对光束传播特性的精确控制。应用领域涵盖光学成像、光操控和光束聚焦等。 关键步骤: 1. 利用魏格纳函数计算光场分布。 2. 模拟并展示自加速光束的相位和幅度图像。 3. 通过拟合分析,验证光束加速特性。 该算法原理基于魏格纳函数描述光场分布,结合数值模拟技术,实现对光束形状和传播特性的精确控制。通过调整光束相位分布,可改变其传播特性,如聚焦或加速。
|
2天前
|
机器学习/深度学习 算法 计算机视觉
基于CNN卷积神经网络的金融数据预测matlab仿真,对比BP,RBF,LSTM
本项目基于MATLAB2022A,利用CNN卷积神经网络对金融数据进行预测,并与BP、RBF和LSTM网络对比。核心程序通过处理历史价格数据,训练并测试各模型,展示预测结果及误差分析。CNN通过卷积层捕捉局部特征,BP网络学习非线性映射,RBF网络进行局部逼近,LSTM解决长序列预测中的梯度问题。实验结果表明各模型在金融数据预测中的表现差异。
|
4天前
|
移动开发 算法 计算机视觉
基于分块贝叶斯非局部均值优化(OBNLM)的图像去噪算法matlab仿真
本项目基于分块贝叶斯非局部均值优化(OBNLM)算法实现图像去噪,使用MATLAB2022A进行仿真。通过调整块大小和窗口大小等参数,研究其对去噪效果的影响。OBNLM结合了经典NLM算法与贝叶斯统计理论,利用块匹配和概率模型优化相似块的加权融合,提高去噪效率和保真度。实验展示了不同参数设置下的去噪结果,验证了算法的有效性。
|
3天前
|
算法 决策智能
基于SA模拟退火优化算法的TSP问题求解matlab仿真,并对比ACO蚁群优化算法
本项目基于MATLAB2022A,使用模拟退火(SA)和蚁群优化(ACO)算法求解旅行商问题(TSP),对比两者的仿真时间、收敛曲线及最短路径长度。SA源于金属退火过程,允许暂时接受较差解以跳出局部最优;ACO模仿蚂蚁信息素机制,通过正反馈发现最优路径。结果显示SA全局探索能力强,ACO在路径优化类问题中表现优异。
|
5月前
|
安全
【2023高教社杯】D题 圈养湖羊的空间利用率 问题分析、数学模型及MATLAB代码
本文介绍了2023年高教社杯数学建模竞赛D题的圈养湖羊空间利用率问题,包括问题分析、数学模型建立和MATLAB代码实现,旨在优化养殖场的生产计划和空间利用效率。
253 6
【2023高教社杯】D题 圈养湖羊的空间利用率 问题分析、数学模型及MATLAB代码
|
5月前
|
存储 算法 搜索推荐
【2022年华为杯数学建模】B题 方形件组批优化问题 方案及MATLAB代码实现
本文提供了2022年华为杯数学建模竞赛B题的详细方案和MATLAB代码实现,包括方形件组批优化问题和排样优化问题,以及相关数学模型的建立和求解方法。
149 3
【2022年华为杯数学建模】B题 方形件组批优化问题 方案及MATLAB代码实现
|
5月前
|
数据采集 存储 移动开发
【2023五一杯数学建模】 B题 快递需求分析问题 建模方案及MATLAB实现代码
本文介绍了2023年五一杯数学建模竞赛B题的解题方法,详细阐述了如何通过数学建模和MATLAB编程来分析快递需求、预测运输数量、优化运输成本,并估计固定和非固定需求,提供了完整的建模方案和代码实现。
120 0
【2023五一杯数学建模】 B题 快递需求分析问题 建模方案及MATLAB实现代码
|
8月前
|
数据安全/隐私保护
耐震时程曲线,matlab代码,自定义反应谱与地震波,优化源代码,地震波耐震时程曲线
地震波格式转换、时程转换、峰值调整、规范反应谱、计算反应谱、计算持时、生成人工波、时频域转换、数据滤波、基线校正、Arias截波、傅里叶变换、耐震时程曲线、脉冲波合成与提取、三联反应谱、地震动参数、延性反应谱、地震波缩尺、功率谱密度
基于混合整数规划的微网储能电池容量规划(matlab代码)
基于混合整数规划的微网储能电池容量规划(matlab代码)
|
8月前
|
算法 调度
含多微网租赁共享储能的配电网博弈优化调度(含matlab代码)
含多微网租赁共享储能的配电网博弈优化调度(含matlab代码)