Verbesserung der Genauigkeit von GNSS-Daten auf Smartphones

Smartphones können heute Daten vom Global Navigation Satellite System (GNSS) nutzen, was dabei hilft, den Standort zu bestimmen. Diese Technologie ist wichtig für viele alltägliche Aktivitäten wie Navigation und Tracking. Traditionelle GNSS-Empfänger sind spezialisierte Geräte, die präzise Standortinformationen liefern, aber oft teuer und sperrig sind. Mit der zunehmenden Verbreitung von Smartphones hat die Integration von GNSS in diese Geräte neue Möglichkeiten für genaue Standortdienste geschaffen.

Allerdings sind die GNSS-Daten von Smartphones nicht so genau wie die von professionellen Empfängern. Die Daten, die von Smartphones gesammelt werden, können unzuverlässig sein, was bedeutet, dass sie weniger vertrauenswürdig sind. Dieses Rauschen kann durch verschiedene Faktoren verursacht werden, einschliesslich Hardware-Einschränkungen und Umweltbedingungen. Dieser Artikel beschäftigt sich mit der Herausforderung, GNSS-Daten von Smartphones für bessere Standortgenauigkeit zu nutzen, indem verschiedene Methoden zur Rauschreduzierung implementiert werden.

#Die Herausforderung der verrauschten GNSS-Messungen

GNSS-Technologie basiert auf Signalen, die von Satelliten gesendet werden. Smartphones verwenden diese Signale, um zu berechnen, wo sie sich befinden. Die empfangenen Signale können jedoch mit Fehlern vermischt sein, die die Berechnungen weniger genau machen. Android-Smartphones erzeugen rohe GNSS-Messungen, aber diese Messungen sind oft durch Rauschen belastet, was sie unzuverlässig für präzises Positionieren macht.

Forschungsergebnisse zeigen, dass die GNSS-Signale von Smartphones etwa zehn Dezibel mehr Rauschen haben als die von spezialisierten Empfängern. Dieses Rauschen beeinflusst die Qualität der Daten und führt zu weniger zuverlässigen Positionierungsergebnissen. Um die GNSS-Daten von Android nützlich für Anwendungen wie Navigation zu machen, ist es wichtig, dieses Rauschen zu reduzieren.

#Methoden zur Rauschreduzierung

#Weighted Least Squares (WLS)

Die Weighted Least Squares (WLS)-Methode ist eine grundlegende und bekannte Technik zur Verbesserung der Datenqualität. Bei dieser Methode wird verschiedenen Messungen unterschiedliche Wichtigkeit oder "Gewicht" basierend auf ihrer Zuverlässigkeit zugewiesen. Je zuverlässiger die Messung, desto mehr Einfluss hat sie auf die endgültig berechnete Position.

WLS kann dazu beitragen, Positionsschätzungen zu verfeinern, indem es die verrauschten Messungen von einem Smartphone verarbeitet. Allerdings kann es, auch wenn es die Ergebnisse verbessert, möglicherweise nicht ausreichen, um alle Probleme aufgrund von verrauschten Daten zu beseitigen.

#Extended Kalman Filter (EKF)

Der Extended Kalman Filter (EKF) ist fortgeschrittener als WLS und wird oft in GNSS-Anwendungen eingesetzt. EKF kombiniert aktuelle Messungen mit vergangenen Daten, um die Position und Geschwindigkeit zu schätzen. Er passt die Position basierend darauf an, wie genau die Messungen voraussichtlich sind, was zu zuverlässigeren Ergebnissen führt.

Der EKF ist besonders nützlich, wenn die Daten variieren oder das Smartphone sich schnell bewegt. Er hilft, Standortschätzungen in Echtzeit zu verfeinern, was ihn für Anwendungen wie Fahren und Gehen geeignet macht.

#Moving Horizon Estimation (MHE)

Moving Horizon Estimation (MHE) ist eine weitere Technik, die die Positionierungsgenauigkeit verbessert, indem sie ein rollierendes Datenfenster beibehält. Das bedeutet, dass es kontinuierlich die Positionsschätzungen mit aktuellen Messungen aktualisiert und sich so an veränderte Bedingungen anpassen kann. MHE ist darauf ausgelegt, mit verrauschten Daten effektiv umzugehen und funktioniert gut in Szenarien, in denen sich der Standort des Smartphones schnell ändert.

MHE kann über Zeit genauere Standortschätzungen liefern, indem es einen kontinuierlichen Datenstrom verarbeitet, anstatt sich nur auf die neuesten Messungen zu verlassen.

#Rauch-Tung-Striebel (RTS) Smoother

Der Rauch-Tung-Striebel (RTS) Smoother ist eine Technik, die nach der Datensammlung eingesetzt wird. Im Gegensatz zu den anderen Methoden, die in Echtzeit arbeiten, schaut RTS auf vergangene Daten, um die Genauigkeit der Positionsschätzungen zu verbessern. Diese Methode nutzt Informationen aus zukünftigen Messungen, um aktuelle Schätzungen zu verfeinern, was zu glatteren und genaueren Positionierungen führt.

Der RTS Smoother kann besonders vorteilhaft sein, wenn es um die verrauschten Daten von Smartphones geht, da er hilft, die Auswirkungen von Fehlern in den gemessenen Daten zu mildern.

#Methoden testen

Um diese Methoden zu bewerten, wurden Tests mit Daten durchgeführt, die sowohl in statischen (stationären) als auch in dynamischen (beweglichen) Szenarien gesammelt wurden. Die statischen Daten wurden erhoben, während das Smartphone stillstand, während die dynamischen Daten während der Bewegung gesammelt wurden.

Die Leistung jeder Methode wurde analysiert, indem die Positionierungsergebnisse auf Basis der rohen GNSS-Messungen verglichen wurden. Dies beinhaltete die Bewertung, wie gut jede Technik Rauschen reduzierte und die allgemeine Standortgenauigkeit verbesserte.

#Ergebnisse aus statischen Szenarien

In statischen Einstellungen zeigten die Ergebnisse, dass der EKF und der RTS Smoother die Positionsfehler im Vergleich zu WLS erheblich reduzierten. Der RTS Smoother lieferte die besten Ergebnisse und erzielte erhebliche Verbesserungen in der Genauigkeit. Dies hebt den Wert fortschrittlicher Filtermethoden zur Verbesserung der Zuverlässigkeit von Positionsdaten von Smartphones hervor.

#Ergebnisse aus dynamischen Szenarien

In dynamischen Szenarien waren die Ergebnisse ähnlich und hoben die Mängel der grundlegenden Methode (WLS) im Umgang mit verrauschten Daten hervor. Während EKF und RTS Smoother die Ergebnisse verbesserten, konnten sie die Positionsfehler nicht vollständig beseitigen, die auch nach der Verarbeitung der Messungen evident blieben. Das deutet darauf hin, dass, obwohl diese Methoden die Genauigkeit erhöhen, zusätzliche Lösungen notwendig sind, um anhaltende Verzerrungen in den Daten anzugehen.

#Umgang mit Datenunterbrechungen

GNSS-Daten von Smartphones können Unterbrechungen oder Brüche aufweisen, die die Positionierungsversuche komplizieren. Diese Unterbrechungen können aus verschiedenen Gründen auftreten, wie zum Beispiel:

1. Satellitenunterbrechung: Das passiert, wenn ein Smartphone die Satelliten verliert, auf die es zur Positionierung angewiesen ist, was bedeutet, dass es weniger Informationen hat, um seinen Standort zu berechnen.

2. Uhrenunterbrechung: Wenn es grosse Lücken in den Zeitstempeln der GNSS-Messungen gibt, kann das auf ein Problem mit der internen Uhr des Smartphones hindeuten.

3. Pseudorange-Unterbrechung: Das tritt auf, wenn es plötzliche, unrealistische Änderungen in der berechneten Entfernung zu den Satelliten gibt, oft aufgrund von Störungen oder Hindernissen.

Um besser mit diesen Problemen umzugehen, wurden spezielle Systeme entwickelt. Diese Systeme überwachen die Messkontinuität und passen an, wie Daten verarbeitet werden, basierend auf der aktuellen Zuverlässigkeit der Messungen. Dadurch können sie helfen, die Genauigkeit aufrechtzuerhalten, selbst wenn einige Informationen fehlen oder fehlerhaft sind.

#Fazit

Die Nutzung von GNSS-Daten von Smartphones hat grosses Potenzial zur Verbesserung von Standortdiensten, aber die Herausforderungen, die durch verrauschte Messungen entstehen, müssen angegangen werden. Methoden wie WLS, EKF, MHE und RTS Smoother spielen eine entscheidende Rolle bei der Verbesserung der Genauigkeit und Zuverlässigkeit von Positionsdaten.

Tests haben gezeigt, dass zwar bedeutende Verbesserungen erzielt werden können, insbesondere mit fortschrittlichen Techniken, aber anhaltende Probleme wie Messverzerrungen bestehen bleiben. Zukünftige Arbeiten müssen sich darauf konzentrieren, diese Methoden weiter zu verfeinern, um diese anhaltenden Herausforderungen effektiv anzugehen.

Da Smartphones weiterhin an Beliebtheit gewinnen, wird es entscheidend sein, zu verstehen und zu verbessern, wie sie GNSS-Daten nutzen, um zuverlässige Werkzeuge für alltägliche Navigation und standortbasierte Dienste zu schaffen.