Différents fichiers sont générés au cours des simulations. Ces fichiers sont écrits au format MatLabT M. Tous les fichiers de sorties sont placés dans un sous-dossier du répertoire OutPuts. On trouve également le fichier simulation.txt, récapitulant tous les paramètres de celle-ci. Les fichiers sont :

Trajets.m : Paramètres géométriques et électromagnétiques de chaque trajet satel-lite/récepteur pour chaque mesure. ParamSat.m : Position de chaque émetteur dans le repère terrestre pour chaque mesure. Mobile.m : Position du Mobile dans le repère ter-restre pour chaque mesure. Perfo.m : différentes valeurs du DOP pour chaque mesure (GDOP, TDOP, PDOP, VDOP, HDOP). Precision.m : différentes précisions pour chaque mesure. ErreurMesure.m : Les erreurs de mesure de chaque satellite pour chaque mesure. MatVisi.m : matrice de visibilité des satellites. Simulation.txt : fichier récapitulatif des paramètres de la simulation. Ergospacer possède aussi deux éditeurs de courbes et de trajets pour la visualisation des résultats de simulation. Elles sont accessibles à partir du menu Outputs. La version du logiciel Ergospacer4.3.0.0 décrite ci-haut a été améliorée et a connu des mises à jour en gardant les principales fonctionnalités.

Le récepteur PolaRx2 est un récepteur bi-fréquence des signaux GNSS. Il est conçu pour pouvoir être connecté jusqu’à trois antennes. Les signaux des systèmes d’augmentation SBAS comme EGNOS sont également reçus. La figure 1 montre le boîtier du récepteur auquel on connecte l’antenne et l’ordinateur.

Fig. 1 – Récepteur Septentrio PolaRx2

L’utilisateur interagit avec le récepteur à partir d’une interface RxControl sur ordi-nateur. Au démarrage la fenêtre de l’interface permet de choisir ou créer la connexion que l’on souhaite utiliser. La fenêtre principale montrée à la figure 2 est alors visible. Elle per-met de visualiser l’information sur la position, les satellites utilisés et d’accéder au menu. La partie centrale de la fenêtre principale contient une table de satellites GPS (Satellite status) où figurent des boutons avec les numéros PRN en bleu montrant les satellites trouvés. Le titre de la table indique que 6 satellites sont déjà trouvés parmi les-quels 5 sont utilisés dans le calcul de la position. Les satellites PRN8, PRN16, PRN20, PRN23, PRN24 et PRN27 ne sont pas encore trouvés. Le récepteur sait qu’ils sont, en théorie, visibles et est en train de poursuivre leurs signaux. Si le signal d’un satellite a été détecté par le PolaRx2 mais n’est pas complètement identifié, son numéro est indiqué par la couleur jaune.

Fig. 2 – Fenêtre principale de l’interface RxControl

La position calculée par le PolaRx2 est affichée dans la partie la plus au-dessus de la fenêtre avec le titre Position information (WGS84). La première colonne est composée des coordonnées géographiques dans le système WGS84 (ϕ : longitude, λ : latitude et h : la hauteur ellipsoïdale). La deuxième colonne montre la précision estimée pour chaque composante de la position et la troisième colonne donne les composantes est, nord et verticale de la vitesse estimée.

La partie inférieure de la fenêtre affiche les informations sur la date, les valeurs DOP, l’angle de masquage, le taux d’occupation du CPU, la durée de connexion et la liaison série utilisée. Il y a également une indication sur le type de message GPS reçu.

En plus de la position, la vitesse et le temps, l’utilisateur a accès à des informations de navigation telles que les pseudodistances, les phases et les mesures doppler.

La sensibilité du PolaRx2 et sa stabilité de poursuite de phase permettent de rece-voir des satellites même dans des conditions de réception défavorables. Le tableau 1 donne les spécifications techniques du récepteur PolaRx2 de Septentrio. Ces caractéristiques sont valables pour une utilisation dans un environnement dégagé et sans obstacle. Les perfor-mances du récepteur sont affaiblies en canyon urbain ou zone fortement boisée.

Performances générales

Nombre de canaux peut commuter entre deux modes :

• 15 canaux bi-fréquences GPS + 3 mono-fréquences SBAS • 16 canaux bi-fréquences GPS Bandes de fréquences • GPS : L1 & L2 • SBAS : L1 Types de mesures

• GPS : C/A, P1, code P2 + SNR ; L1, phase por-teuse L2 & Doppler

• SBAS : code C/A +SNR ; phase porteuse C/A & Doppler

Performances opérationnelles (en supposant le SNR>40dB-Hz) Temps de 1ère acquisition à froid 90 sec

Temps de 1ère acquisition à chaud (ephéme-rides connus, position connue environ à 10 km, temps connu à 300 sec près, fréq oscillateur connue à 500 Hz près)

• 55 sec après l’allumage,

• 20 sec après le reset (réunitialisation)

Temps de réacquisition du signal satellite <2 sec

Taux de mesure brut jusqu’à 10Hz

Taux de position fixe jusqu’à 10Hz

Précision de mesure (Taux de sortie, SNR=45dB-Hz) Pseudodistances C/A (non filtrées)

• GPS : 0.15 m • SBAS : 0.35 m

Pseudodistances P1/P2 (non filtrées) 0.1 m

Phase porteuse L1 0.2 mm

Phase porteuse L2 0.4 mm

Doppler L1/L2 2.5 mHz

Performance de poursuite

Seuil d’acquisition 95% 33db-Hz

SNR Seuil de poursuite de phase 95% 26dB-Hz SNR Seuil de poursuite de code 95% 19dB-Hz

Précision de Position/Vitesse et Temps Position stand-alone (3DRMS) 5 m

Vitesse stand-alone (3DRMS) 0.01 m/s Précision 1PPS stand-alone (RMS) 20 ns

Dynamique(en supposant le SNR>40db-Hz) Signal Doppler 50 kHz sur L1, 39 kHz sur L2

Vitesse 515 m/s (si altitude>18000m )

Altitude 18000m (si vitesse>515 m/s)

Accélération 4 g (210 Hz/s sur L1, 146 Hz/s sur L2)

Jerk 3 g/s (157 Hz/s2 sur L1, 122 Hz/s2 sur L2)

modélisation bayésienne

Bon nombre d’applications transport intégrant les systèmes de navigation par satellite GNSS (Global Naviga-tion Satellite System) traversent des zones urbaines. L’une des raisons de la mauvaise précision obtenue dans ces zones est la présence d’obstacles (bâtiments, arbres...).

Différentes solutions sont développées pour diminuer l’influence des multitrajets sur la précision et la dispo-nibilité des systèmes GNSS. L’intégration de capteurs supplémentaires dans le système de localisation permet de compenser notamment l’absence de données satellitaires. Un tel système est certes d’une bonne précision mais sa complexité et son coût limitent leur usage, en particulier lorsqu’il s’agit d’équiper d’importantes flottes de véhicules.

Dans cette thèse, nous avons choisi une approche algorithmique dont le but est d’améliorer la précision des sys-tèmes GNSS en milieu urbain. L’étude se base sur l’utilisation des signaux GNSS uniquement et une connaissance a priori de l’environnement proche du récepteur. La thèse propose un nouveau modèle d’erreurs de pseudo-distances adapté aux conditions de réception du signal et donc fonction du milieu traversé. L’erreur de position en milieu urbain est en effet liée à l’état de réception des signaux satellitaires (bloqué, direct ou réfléchi).

Dans un premier temps, l’état de réception de chaque satellite reçu est supposé connu. Une chaîne de Markov, valable pour une trajectoire connue du mobile, est préalablement définie pour déduire les états successifs de réception des satellites. Dans une deuxième partie, on utilise une distribution de Dirichlet pour estimer les états de réception des satellites. La connaissance, puis l’estimation des états de réception, interviennent lors de l’étape de filtrage du signal reçu par le récepteur GNSS. Notre méthode se fonde sur les méthodes de Monte Carlo Séquentielles, plus connues sous le nom de filtrage particulaire et associe à chaque état de réception un modèle d’erreurs de pseudo-distances adéquat.

Les contributions principales de la thèse sont, d’une part, la modélisation des erreurs de pseudo-distances adaptée à la réception de chaque satellite en milieu urbain et, d’autre part, une amélioration de la précision à l’aide du modèle d’erreur.

Mots clés :Navigation par satellite, récepteur GNSS, environnement urbain, multitrajets, modèle de mélange gaussien, estimation bayésienne, filtrage particulaire, système de Markov à saut, fusion d’information.

Abstract

Multipath impact on the performances of satellite navigation systems : Contribution to the enhancement of location accuracy through bayesian mod-eling

Most of the GNSS-based transport applications are employed in dense urban areas. One of the reasons of bad position accuracy in urban area is the obstacle’s presence (building and trees).

Many solutions are developed to decrease the multipath impact on accuracy and availability of GNSS systems. Integration of supplementary sensors into the localisation system is one of the solutions used to supply a lack of GNSS data. Such systems offer good accuracy but increase complexity and cost, that become inappropriate to equip a large fleet of vehicles.

This thesis proposes an algorithmic approach to enhance the position accuracy in urban environment. The study is based on GNSS signals only and knowledge of the close reception environment with a 3D model of the navigation area.

The method impacts the signal filtering step of the process. The filtering process is based on Sequential Monte Carlo methods called particle filter. As the position error in urban area is related to the satellite reception state (blocked, direct or reflected), information of the receiver environment is taken into account. A pseudorange error model is also proposed to fit satellite reception conditions.

In a first work, the reception state of each satellite is assumed to be known. A Markov chain is defined for a know trajectory of the vehicle and is used to determine the successive reception states of each signal. Then, the states are estimated using a Dirichlet distribution.

Main added-value of the thesis are, from one side, the pseudoranges error modelling evolving function of the close environment of reception, from the other side, an enhancement of accuracy based on these error models.

Key words :Satellite navigation, GNSS receiver, urban area, multipath, gaussian mixture model, bayesian estimation, particle filtering, jump Markov system, information fusion.

Dans le document Impact des multitrajets sur les performances des systèmes de navigation par satellite : contribution à l'amélioration de la précision de localisation par modélisation bayésienne (Page 149-154)