Moving Average Outlier Erkennung

Die Autoren untersuchen, wie Zyklus Schlüpfen in Galileo Träger-Phase Messungen können effektiver erkannt werden, mit vier Frequenzen. INNOVATIONSINSIGHTS mit Richard Langley MEHR SATELLITEN ODER MEHR SIGNALE Das war die Frage, die an die Delegierten bei GNSS Election 08 gestellt wurde, die anregende und amüsante Unterhaltung, die am GPS World Leadership Dinner in Verbindung mit dem Institute of Navigations Treffen in Savannah im September 2008 angeboten wurde. Während der Debatte vor der Wahl, empfahl die Satelliten-Partei, dass die GNSS Benutzergemeinschaft besser von mehr Satelliten als mehr Signale gedient würde. Sie argumentierten, dass mehr Satelliten (mehr als die in der operativen GPS-Konstellation) eine kontinuierlichere und zuverlässigere Positionierung in Städten, Gebirgsregionen und anderen schwierigen Umgebungen ermöglichen würden und dass die alten GPS-Signale ausreichend waren. Greg Turetsky, einer ihrer Kandidaten, erklärte, ich würde aus ökonomischer Sicht behaupten, dass es für unsere Konstituenten weitaus kostengünstiger ist, mehr von denselben Satelliten zu haben, um ihnen mehr von denselben Diensten zu geben, die sie heute in mehr Bereichen genießen , Anstatt neue Dinge zu schaffen, für die sie keinen Nutzen haben. Die Signal-Partei dagegen befürwortete für mehr Signale mit Empfängern, die sie verwenden können, um hohe Genauigkeiten für ein breites Spektrum von GNSS-Verwendungen bereitzustellen. Signal Party Kandidat Javad Ashjaee sagte, Wir sind die Partei der Straßenbau, die Erzeugung genaue Karten, wachsende Ihre Lebensmittel durch die Automatisierung der Landwirtschaft, Synchronisation Ihrer Kraftwerke. Wir arbeiten sogar an der automatischen Landung von Flugzeugen, um den Luftraum effizienter zu nutzen. Zwar wurde die Wahl durch die Satellite Party mit 62 Stimmen bei 46 gewonnen. Aber offensichtlich boten beide Seiten der GNSS-Nutzergemeinschaft gute Fortschritte, warum also nicht zusammenarbeiten, die Parteien in eine Allianz eintreten und mehr Satelliten zur Verfügung stellen Und mehr Signale Schneller Vorlauf bis 2016. Die Allianz ist gekommen, und wir haben das Beste aus beiden Welten. Wir haben zwei komplette GNSS Konstellationen, GPS und GLONASS, mit zwei weiteren, Galileo und BeiDou, auf der Strecke für die Fertigstellung in den nächsten Jahren. Wir haben auch regionale Systeme, die entweder einen unabhängigen lokalen Positionierungsdienst liefern oder GPS mit NavIC (alias das indische regionale Navigationssatellitensystem) und QZSS ergänzen. Ganz zu schweigen von einer wachsenden Anzahl satellitengestützter Satellitennavigationssysteme. Als ich den Almanach für die August-Ausgabe kompilierte, gab es über 100 GNSS-Satelliten, die Signale an die Benutzer senden. Und nicht nur mehr Signale von mehr Satelliten, sondern mehr technologisch fortgeschrittene Signale auf mehr Frequenzen. Die Fülle von Signalen, die jetzt von GNSS-Satelliten übertragen werden, führt bereits zu weiteren Fortschritten in Positionierung, Navigation und Zeiteinstellung, bevor volle Konstellationen, die diese Signale übertragen, vorhanden sind. Ein guter Fall ist der Galileos Open Service, der in den E1- und E5-Bändern übertragen wird. Eine modifizierte Version der Binär-Offset-Träger (BOC) - Modulation, genannt Alternative BOC oder AltBOC, wird verwendet, um das Breitband-E5-Signal zu erzeugen. Seine Struktur ist so, dass ein Empfänger auf nur die niedrigeren Frequenzteil des Signals auf 1176.450 MHz (E5a), nur die oberen Frequenzteil zentriert auf 1207.140 MHz (E5b), das gesamte AltBOC-Signal zentriert auf 1191.795 MHz zu zentrieren (E5ab) oder jede Kombination davon einschließlich aller drei. Alle drei zusammen mit dem E1-Signal bieten uns eine Vierfrequenz-Positionierbarkeit. Was ist der Nutzen der Verwendung von vier Frequenzen Es gibt mehrere, aber in diesem Monat Spalte, eine kürzlich graduierte award-winning belgischen Studenten und ihre Vorgesetzten sagen uns, wie Zyklus Schlüpfe in Galileo Träger-Phase Messungen können effektiver und effizienter erkannt werden mit vier Frequenzen. Die Verfügbarkeit von Daten, die im Galileo GNSS Open Service auf vier Trägerfrequenzen angeboten werden, eröffnet neue Wege für neue Mehrfrequenzlösungen für zivile Anwender. In der Forschung in diesem Artikel berichtet, konzentrierten wir uns auf eine der Konsequenzen des Signal-Tracking-Verlust, das Auftreten von Zyklen rutscht, und wie die Verwendung der vier Frequenzen in ihrer Erkennung helfen können. Die Cycle-Slip-Detektion ist ein zentrales Thema für hochpräzise Positionieranwendungen. Jeder Benutzer, der eine genaue und zuverlässige Position bestimmen muss, muss sich des potenziellen Vorhandenseins von Cycle-Slips in ihren Daten bewusst sein, da sie die Datenqualität beeinträchtigen. Herkömmlicherweise wurden zwei Trägerfrequenzen verwendet, um zum Beispiel die GPS-L1- und L2-Frequenzen zu positionieren. In jüngster Zeit hat die Drei-Träger-Positionierung eine erhöhte Präzision und Genauigkeit ermöglicht. Obwohl die Verwendung einer dritten Trägerfrequenz es uns gestattet hat, das Zyklus-Schlupf-Erkennungsproblem teilweise zu lösen, existieren in einigen Aspekten noch existierende Verfahren. Eine der heutigen Hauptaufgaben ist die Zyklus-Rutsch-Detektion unter hoher ionosphärischer Aktivität, weshalb wir uns auf diese spezielle Fallstudie konzentrierten. Und da die Verwendung von drei Frequenzen dazu beiträgt, eine zuverlässige Zyklus-Schlupf-Detektion zu verbessern, könnte die Verwendung einer zusätzlichen vierten Frequenz die Detektionsfähigkeit weiter verbessern. Da Galileo vier Frequenzen in seinem offenen Dienst versorgt, dachten wir, wir könnten den Zyklus-Schlupf verbessern Erkennung Algorithmus Leistung noch einmal. Rahmen. In diesem Artikel wird eine neue Quad-Frequenz-Zyklus-Slip-Erkennung Algorithmus eingeführt scheinbar, eine unerforschte Spur in der Literatur bis jetzt. Der Algorithmus verwendet undifferenzierte Trägerphasenbeobachtungen von einem statischen Einzelstationsempfänger. Zuerst für die Nachbearbeitung entwickelt, wurde der Algorithmus auch auf Echtzeitanwendungen angepasst. Dieser Algorithmus zielt darauf ab, die Zyklus-Schlupf-Detektion unter hoher ionosphärischer Aktivität zu verbessern. CYCLE-SCHLITZE Obwohl Codierungsmessungen (Pseudorange) üblicherweise für die Standardpositionierung verwendet werden, muss jede präzise Positionierungsanwendung aufgrund ihrer besseren Qualität Trägerphasenmessungen durchführen. Leider sind die letzteren potentiell Zyklusschlüpfen ausgesetzt, die eine konstante Vorspannung in den Daten erzeugen und, wenn sie unerkannt und unkorrigiert sind, die abgeleitete Positionierung beeinträchtigen. Trägerphasenmessungen werden durch Beobachten der Schwebungsphase, dh der Differenz zwischen dem empfangenen Träger vom Satelliten und einer Empfänger-generierten Replik vorgenommen. In der ersten Betrachtungsepoche kann nur der Bruchteil dieser Beatphase gemessen werden, aber der ganzzahlige Versatz zwischen dem Satellitensignal und dem Replikat des Empfängers ist unbekannt. Diese ganze Zahl von Zyklen wird als Anfangsphasen-Ambiguität bezeichnet und bleibt während des Beobachtungszeitraums konstant. Die beobachtbare Trägerphase (zwischen einem Satelliten i und einem Empfänger p) in Metern ist durch die folgende Gleichung gegeben: wobei der Index f k den Term Abhängigkeit von der Frequenz und der beobachtbaren Trägerphase anzeigt. G ist der geometrische Term (dh eine Funktion des geometrischen Bereichs zwischen dem Empfänger und dem verfolgten Satelliten, der troposphärischen Verzögerung und der Satelliten - und Empfängertaktvorspannung), I die Ionosphärenverzögerung, M der Multipfadfehler, für den HW steht Satelliten - und Empfänger-Hardwareverzögerungen, c die Vakuumgeschwindigkeit des Lichts, N die Anfangsphasenmehrdeutigkeit und der Zufallsfehler (auch Phasenrauschen genannt). In der ersten Betrachtungsepoche wird ein ganzzahliger Zähler initialisiert, und wenn die Spurverfolgung weiterläuft, wird sie immer um einen Zyklus inkrementiert, sobald sich die Schwebungsphase von 2 auf 0 ändert. Wenn der Empfänger sogar kurzzeitig die Spur auf dem Signal verliert, wird die Zählung unterbrochen Und eine ganzzahlige Anzahl von Zyklen geht verloren. Dieser Verlust kann auf verschiedene Ursachen zurückzuführen sein (Signalobstruktion, schnelle Änderung der Trägerphase beobachtbar usw.). In der Beobachtungsgleichung erscheint der Zyklusschlupf als eine Änderung im Wert der Anfangsphasenmehrdeutigkeit. Somit beinhaltet ein Ein-Zyklus-Schlupf eine Phasenmessverschiebung von etwa 20 Zentimetern (gleich der Trägerwellenlänge), abhängig von der betroffenen Trägerfrequenz. Die Zyklusschlupfgröße kann ein beliebiger Wert von einem bis zu Tausenden von Zyklen sein. Ionosphärische Verzögerung ist der einzige Begriff, der möglicherweise mit einem kleinen Zyklusschlupf verwechselt werden könnte. Während eines ionosphärischen Störungsereignisses erreicht diese Verzögerungsschwankung zwischen zwei Beobachtungsepochen (im Abstand von etwa 30 Sekunden) oft 20 Zentimeter (die Größe eines Ein-Zyklus-Schlupfes bei der Phasenmessung) oder mehr. Die Ionosphärenaktivität hat zwei wesentliche Konsequenzen. Erstens, wie bereits erwähnt, können Schlüpfe in Beobachtungsgeräuschen (einschließlich ionosphärischer Variabilität) ausgeblendet und nicht detektiert werden. Zweitens kann die Signalvariabilität des Signals einen Verlust der Verriegelung und somit einen Zyklusverlust verursachen. Viele verschiedene Konfigurationen können auftreten, wenn das Signal verloren geht. Die Signalverfolgung kann auf einem einzigen Träger unterbrochen werden, was zu einem isolierten Zyklusschlupf (ICS) oder gleichzeitig auf mehreren Trägern führt. Im zweiten Fall kann die Schlupfgröße auf den verschiedenen Trägern gleich sein (gleichzeitige Zyklusschlupf gleicher Größe oder SCS-SM) oder unterschiedlich (gleichzeitiger Zyklusschlupf unterschiedlicher Größen oder SCS-DM). Erkennungsverlauf. Der erste Zyklus-Schlupf-Erfassungsalgorithmus unter Verwendung unterschiedlicher Beobachtungen, Turbo Edit, wurde 1990 von Geoff Blewitt entwickelt. Code - und Phasenmessungen aus zwei Trägerfrequenzen werden verwendet. Es wurde in vielen Datenvorverarbeitungsprogrammen wie GIPSY-OASIS II, PANDA und Bernese implementiert. Der Turbo-Edit-Algorithmus wurde mehrmals verbessert. In seiner neuesten Version wurde es angepasst, um Zyklus Slips unter hohen ionosphärischen Aktivität zu erkennen, aber es ist immer noch ein Dual-Frequenz-Technik. Die Verfügbarkeit einer dritten, gleichzeitigen Signalfrequenz erlaubt die Entwicklung neuer Kombinationen von Observablen. Eine rauscharme Phasenkombination, die sowohl geometrische als auch ionographische Terme erster Ordnung eliminiert, wurde von Andrew Simsky entwickelt und auf die Zyklus-Schlupf-Detektion angewendet. Es wurden auch Studien durchgeführt, um die besten Kombinationen zu bestimmen, die bei der Dreifachfrequenzpositionierung verwendet werden sollen, und anschließend in Zyklus-Schlupf-Erkennungs - und Korrekturalgorithmen. Diese Algorithmen verwenden sowohl Code - und Phasenmessungen als auch eine Dreifachfrequenzmethode, die von Maria Clara de Lacy und Kollegen entwickelt wurde. Sorge um Zyklusschlüpfe und die Beziehung mit der ionosphärischen Signatur in Daten ist Trending. Im Jahr 2011 veröffentlichte Zhizhao Liu ein Papier über die Verwendung der Rate der Änderung der gesamten elektronischen Inhalte zu erkennen, Zyklus rutscht. Auf der anderen Seite, nach dem Studium ionosphärischen Zyklus Schlupf, Simon Banville und Richard Langley Schluss in einem Papier veröffentlicht im Jahr 2013, dass die erhöhte Messung Lärm mit einer aktiven Ionosphäre verbundenen Korrekturzyklen eine anhaltende Herausforderung, die weitere Untersuchung erfordert, während Xiaohong Zhang und Kollegen, in einem Papier im Jahr 2014 veröffentlicht, kam zu dem gleichen Schluss, während der Versuch zu reparieren Zyklus Schlupf während der Szintillation Veranstaltungen. Eine Liste der hervorgehobenen Papiere im Verlauf der Zyklus-Rutsch-Erkennung und - Korrektur finden Sie unter Weiterlesen. QUAD-FREQUENCY-ALGORITHM Die Cycle-Slip-Detektionstechniken verwenden Prüfgrößen (wobei der Zyklusschlupf durch einen Sprung oder eine signifikante Veränderung der Menge dargestellt wird). Diese sind mit einem Diskontinuitätsdetektionsalgorithmus verbunden, der darauf abzielt, den Sprung zu lokalisieren. Prüfmengen. Prüfgrößen sind lineare Kombinationen von Beobachtungen. Sie unterscheiden sich in mehreren Aspekten: die verwendeten Observablen (in unserem Fall nur Phasenmessungen), die Anzahl der verwendeten Trägerfrequenzen und die inneren Eigenschaften der Kombination (geometriefrei, ionosphärenfrei und der Rauschpegel auf der Kombination). In unserer Studie nahmen wir Werte für das Rauschen bei Galileo-Trägerphasenmessungen, wie in Tabelle 1 angegeben, an. Tabelle 1. Frequenzen, die im Galileo Open Service verfügbar sind. Dreifach-Frequenz Simsky Kombination. Unser Algorithmus basiert hauptsächlich auf der Ausnutzung der Dreifachfrequenz-Simsky-Kombination. Es ist eine geometriefreie und ionosphärenfreie Trägerphasenkombination in Metern, wie in Gleichung 2 gezeigt. Wenn vier Frequenzen verfügbar sind, können vier Dreifachfrequenzkombinationen berechnet werden. Zwei von ihnen sind ausreichend, um Schlupfe auf einer der vier Frequenzen zu erkennen. Die Kombinationswahl muß zuerst von ihrer Präzision (gegeben durch S in TABELLE 2) abhängen, die durch Anwendung des Varianz-Kovarianz-Ausbreitungsgesetzes auf rohes Meßrauschen (siehe Tabelle 1) erhalten wird. Bei der Auswahl geeigneter Kombinationen ist nicht nur die Präzision zu berücksichtigen. In jeder Kombination haben Trägerfrequenzen aufgrund ihrer unterschiedlichen Wellenlängen unterschiedliche Stöße: Der Einfluss eines Ein-Zyklus-Amplitudenschlupfs auf die E1-Frequenz ist in der Tat nicht der gleiche wie der von E5a, E5b oder E5ab (siehe Tabelle 2). Der kleinste Einfluss auf eine gegebene Kombination ist immer die schwierigste zu erkennen. Tabelle 2. Simsky-Kombinationen. Daher hängt die Effizienz einer gegebenen Kombination sowohl von der Wirkung des kleinsten Zyklusschlupfs als auch von der Kombinationsgenauigkeit (angegeben durch die Standardabweichung) ab: je höher das Verhältnis zwischen ihnen ist, desto effizienter ist die Kombination. Unter den vier Kombinationsmöglichkeiten sind die beiden höchsten Verhältnisse diejenigen, die durch die Kombinationen E5a-E5b-E5ab und E1-E5a-E5b gebildet werden. Diese werden also in unserem Algorithmus verwendet. Mit der Simsky-Kombination können wir sowohl ICS - als auch SCS-DM-Zyklen erkennen. Trotzdem ist diese Kombination unempfindlich gegenüber SCS-SM Slips auf allen vier Frequenzen (was ein seltenes Phänomen ist). Daher müssen wir unserem Algorithmus eine weitere Testgröße hinzufügen. Dual-Frequency, Geometrie-freie Kombination. Die Dual-Frequency-Geometrie-freie (GF) - Kombination in Metern ermöglicht es uns, SCS-SM Slips zu erkennen. Es kann wie folgt berechnet werden: Leider ist die rohe Dualfrequenz-Geometrie-freie Kombination von ionosphärischer Verzögerung betroffen. Um den ionosphärischen, glatten Trend zu mildern, wird eine Zeitdifferenz zweiter Ordnung berechnet. Dennoch leidet das Ergebnis an schnellen Änderungen der ionosphärischen Verzögerung. Wenn vier Frequenzen verfügbar sind, können sechs Dualfrequenzkombinationen berechnet werden. Eins genügt, um die Anwesenheit von gleichzeitigen Zyklusschlüpfen gleicher Größe zu detektieren. Die Wahl hängt wiederum von dem Verhältnis zwischen der Kombinationsgenauigkeit und dem kleinsten Effekt von gleichzeitigen Ein-Zyklus-Schlupf ab. Einerseits beeinflusst die Differenzierung der Kombinationsergebnisse die Präzision. Auf der anderen Seite wird der Zyklusschlupf, also der kleinste zu detektierende Effekt, durch eine Differenzierung höherer Ordnung verstärkt. Das beste Verhältnis wird mit einer Differenz der vierten Ordnung erhalten (siehe TABELLE 3), auch wenn bereits bei der zweiten Graddifferenz eine glatte Veränderung aufgrund der Ionosphäre bereits entfernt ist (siehe Fig. 1). Tabelle 3. Geometriefreie Kombinationen. Fig. 1. Zeitdifferenzierte geometriefreie Kombination: (a) Rohkombination, (b) Differenz erster Ordnung, (c) Differenz zweiter Ordnung und (d) Differenz zweiter Ordnung. Selbst wenn eine Kombination ausreicht, wird unser Ansatz zwei davon nutzen, um ihre Ergebnisse zu überprüfen: E1-E5a und E1-E5ab, da sie die besten Verhältnisse bieten. Nachweisverfahren. Um eine Diskontinuität aufgrund eines Zyklusschlupfes in der Prüfgröße festzustellen, müssen Erfassungsschwellen festgelegt werden. Schwellenwerte sind einer der Schlüsselparameter bei der Zyklus-Schlupf-Detektion, da sie zu der Entscheidung über das Vorhandensein eines Zyklusschlupfes führen oder nicht. Wenn der Schwellenwert zu restriktiv ist, können einige echte Schlupfe vermisst werden (falsch negativ). Wenn es andererseits nicht restriktiv genug ist, könnten Diskontinuitäten, die nicht mit einem Zyklusschlupf übereinstimmen, fehlerhaft erkannt werden (falsch positiv). Es ist wichtig zu bemerken, wie unsere Studie hervorhebt, dass es keine perfekte Schwelle, die alle Bedürfnisse und Zwänge passt. Die Wahl muss unter Berücksichtigung der Positionierung Anwendung zur Hand. Die Schwellenwerte in diesem Artikel sind repräsentativ und wurden empirisch als optimal in Bezug auf unser Ziel der Zyklus-Rutsch-Erkennung unter hoher ionosphärischer Aktivität bestimmt. Ergebnisse und weitere Diskussionen über verschiedene Schwellenwerte finden sich in der ersten Autorenarbeit (siehe weiterführende Literatur). Cycle-Slips beeinflussen die rohe Simsky-Kombination durch eine Verschiebung des mittleren Kombinationswerts, während der zeitdifferenzierte durch einen Spike beeinflusst wird. Erkennung mit Simsky-Kombination. Die Cycle-Slip-Detektion der dreifachen Simsky-Kombination wird in zwei Kaskadierungsschritten durchgeführt (siehe Fig. 2). Fig. 2. Nachweisverfahren für die Simsky-Kombination. Die erste verwendet eine zeitdifferenzierte Kombination, um potenzielle Zyklusschlupfe unter Verwendung eines 20-Beobachtungsgroßen Vorwärts - und Rückwärtsbewegungsdurchschnitts-Fensters zu erfassen, in dem die statistischen Parameter der mittleren und der Standardabweichung berechnet werden. Die aktuelle Epoche wird mit den vorherigen verglichen, um eine Spitze zu detektieren, die einem Zyklusschlupf entsprechen könnte. Es werden zwei Arten von Schwellen verwendet: statistisch (oder relativ) und absolut. Wie in Fig. 3 gezeigt. Mit Hilfe einer statistischen Schwelle können wir die Erkennung an die Trägheit der statistischen Parameter anzupassen. Angenommen, das Rauschen auf den Beobachtungen (hier die Simsky-Kombination) folgt einer Normalverteilung, ein Konfidenzintervall von 3-Sigma um den Mittelwert umfasst 95 Prozent der Beobachtungen. Angesichts des Verhältnisses der beiden verwendeten Simsky-Kombinationen (früher berechnet) liegt die Erfolgsquote bei beiden Kombinationen bei 100 Prozent, dh alle ICS - und SCS-DM-Slips auf Daten werden sicher erkannt (keine falschen Negative). Dennoch können Fehlalarme auftreten, weil 5 Prozent der Daten statistisch außerhalb der 3-Sigma-Grenzen liegen. ABBILDUNG 3. Statistische und absolute Schwellenwerte. Um diese Rate zu reduzieren, wird auch eine absolute Schwelle angewendet, die dem 0,4-fachen des kleinsten Aufpralls eines Zyklusschlupfes auf die Kombination entspricht (siehe Tabelle 2). Wenn wir Fig. 3 als geeignetes Beispiel einer extremen ionosphärischen Störung nehmen können, die zu ungewöhnlich hohen Variabilitäten in Kombinationsresultaten führt, wird die absolute Schwelle die meiste Zeit weit höher sein als die statistische und wird dazu beitragen, die Rate der falschen Detektionen zu reduzieren. Als Ausgang dieses ersten Schrittes wird Epochen mit größeren Werten als den beiden Schwellenwerten ein Flagwert zugeordnet, die daher potentiell durch Zyklusschlupf beeinflusst werden. Sobald die Orte der potentiellen Schlüpfe erreicht sind, besteht der zweite Schritt darin, den Mittelwert vor und nach potentiellen Zyklusschlüpfen für die markierten Epochen zu vergleichen. Eine zweite absolute Schwelle wird angewendet, die dem 0,8-fachen des kleinsten Effekts entspricht. Wenn ein weiterer potentieller Zyklusschlupf im Erfassungsfenster vorhanden ist, wird die Größe des Erfassungsfensters reduziert, um die Berechnung von statistischen Parametern auf teilweise verschobenen Daten zu vermeiden. Ziel des ersten Schrittes ist es, potenzielle Schlupfe zu erkennen. Daher besteht die Priorität darin, zu vermeiden, dass ein echter Schlupf mit niedrigen Schwellenwerten fehlt, was manchmal zu einer falsch positiven Erfassung führt. Auf der anderen Seite zielt der zweite Schritt darauf ab, die potenziell verbleibenden falsch positiven Ausreißerspitzen in der Rohkombination von den realen Zyklusschlupfverschiebungen im Durchschnitt zu trennen. Die theoretische Leistung dieses zweistufigen Ansatzes beträgt 100 Prozent: Weder falsche Positive noch falsche Negative sollten angetroffen werden. Detektion mit Geometrie-freie Kombination. Da die differenzierte geometriefreie Kombination der vierten Ordnung durch eine verbleibende ionosphärische Verzögerung beeinflußt wird, kann die vorhergehende Prozedur nicht angewendet werden. Wie jedes Zeit-differenzierte Prüfgröße, wird der Slip als Spike in der Kombination erscheinen. Daher gibt es keine Möglichkeit, Zyklusschlüpfe von Ausreißern durch einen mittleren Pegelvergleich zu unterscheiden (zweiter Schritt). Folglich besteht das Erfassungsverfahren nur aus einem vorwärts und rückwärts bewegenden Durchschnittsfenster, in dem ein 4-Sigma-Konfidenzintervall mit dem aktuellen Epoch-Kombinationswert verglichen wird. In diesem Fall können wir es uns nicht leisten, falsche Positi - onen auf 5 Prozent der Epochen (induziert durch die Verwendung einer 3-Sigma-Schwelle) zu finden, da kein weiterer Schritt zur Beseitigung verbleibender falscher Positi - onen erfolgen kann. Die theoretischen Leistungen des geometriefreien Detektionsverfahrens liegen ebenfalls bei 100 Prozent. Wieder sollten weder falsche Positive noch falsche Negative angetroffen werden. Man beachte, daß diese Berechnung nur Verhältnisse berücksichtigt, wobei man vernachlässigt, daß die geometriefreie Kombination auch für die Variabilität der Ionosphäre empfindlich ist. VALIDATION Wir haben den Quad-Frequenz-Algorithmus auf 30-Sekunden-Quadrupol-Galileo-Beobachtungen von Stationen GMSD (in Nakatane, Japan) und NKLG (in Libreville, Gabun) getestet. Die GMSD-Beobachtungen wurden verwendet, um die Algorithmus-Robustheit gegenüber simulierten Einzelfällen zu testen, während die NKLG-Daten verwendet wurden, um das Algorithmusverhalten für Fälle zu analysieren, die im Äquatorbereich erfüllt wurden. Methodik. Cycle-Slips wurden künstlich in die GMSD-Daten eingefügt und simulierten die folgenden Zyklus-Slip-Szenarien: ICS, SCS-DM und SCS-SM. Der Vorteil eines solchen Simulationsansatzes besteht darin, dass die Algorithmenausgabe leicht mit der bereits bekannten Lösung verglichen werden kann. Darüber hinaus wurden diese Daten verwendet, um zu bestimmen, ob die Verwendung von mehr Trägerfrequenzen könnte die Zyklus-Rutsch-Erkennung Leistung erhöhen. Wir analysierten einen 50-Tage-NKLG-Datensatz, der Beobachtungen vom 6. Januar bis zum 1. Februar und vom 24. Juni bis zum 19. Juli 2014 umfasst. Diese Probe besteht aus verschiedenen ionosphärischen Zuständen: ruhige und extreme Tage sowie typische Äquatoraktivität . Seit der Sonnenzyklus-Peak im Jahr 2014 passiert, Daten aus diesem Jahr perfekt passt eine Studie über die Auswirkungen der hohen ionosphärischen Aktivität. Wir verwendeten NKLG Rohdaten, um ein duales Ziel zu erreichen. Erstens wollten wir den Anteil der Epochen bestimmen, für die kleine Zyklusschlüpfe (ein, zwei oder fünf Zyklen) nicht unterschieden werden konnten. Dies wurde durch Vergleich des Aufpralls (in Metern) solcher Szenarien mit der momentanen Schwelle, die jeder Epoche zugeordnet ist, durchgeführt. Im Fall einer hohen Zyklus-Schlupf-Erfassungsschwelle könnten potentiell vorhandene Schlupfe von einem, zwei oder fünf Zyklen nicht detektiert werden. Der Anteil der Epochen an einem Tag, für den solche kleinen Zyklusschlüpfe nicht erkannt wurden, schien für jede im Algorithmus verwendete Kombination ein geeigneter Indikator für die Wirksamkeit des Algorithmus im Äquatorbereich zu sein. Zweitens haben wir die Ergebnisse analysiert, indem wir die Algorithmenausgabe mithilfe von Kombinationsgraphiken visuell beurteilen und die folgenden Fragen beantworten: Werden markierte Epochen durch Zyklusrutschen betroffen sein? Gibt es tatsächliche Zykluslücken, die nicht erkannt werden. Wir haben die Ergebnisse unserer Simulationen und die Analyse der Rohdaten genau betrachtet. Simulation besonderer Fälle. Im Vergleich zu äquivalenten Dual - und Tripelfrequenzverfahren ergab unser neuer Quad-Frequenz-Algorithmus bessere Ergebnisse: Alle eingefügten Zyklusschlupf wurden erfolgreich detektiert und es wurden keine falsch positiven Ergebnisse festgestellt. NKLG Rohdatenbestandsanalyse. Der Validierungsprozess unter Verwendung von NKLG-Rohdaten hebt einige Trends in den Algorithmen-Ergebnissen hervor. Zunächst ist es interessant zu bemerken, dass die Detektion von isolierten Slips sowie von Slips unterschiedlicher Größe (unter Verwendung der Simsky-Kombinationen) für jede Beobachtungsepoche eines jeden analysierten Tages garantiert wurde. Tatsächlich überschritten Simsky momentane Schwellen nie die Wirkung eines Schlupfs von Ein-Zyklus-Amplitude. Darüber hinaus konnte in 25 Prozent der untersuchten Tage auch der Nachweis von Zyklusschlüpfen gleicher Größe sichergestellt werden. Für die verbleibenden Tage konnte die Erfassung von gleichzeitigen Zyklusschlüpfen, deren Amplituden kleiner als fünf Zyklen sind, für einige Beobachtungsepochen nicht garantiert werden, was aufgrund der sehr geringen Wahrscheinlichkeit, solche Ausnahmefälle zu erleben, vernünftigerweise vernachlässigt werden kann. Dies ist auf den Einfluss der ionosphärischen Variabilität auf die geometriefreie Kombination zurückzuführen, wodurch hohe momentane Schwellenwerte induziert werden. Jedoch leiden sowohl die Simsky - als auch die geometriefreien Kombinationen unter falsch-positiven Nachweisen unter extremen ionosphärischen Ereignissen: Wenn ein Zyklusschlupf detektiert wird, dann entspricht er manchmal einem Ausreißer. Dieser Nebeneffekt ist auf die Schwellenwahlen zurückzuführen, die wir gemacht haben, um unseren ursprünglichen Zweck zu erfüllen, alle Zyklusschlümpfe sicher zu erfassen, anstatt zu riskieren, dass einer von ihnen fehlt, auch wenn falsche Positives Teil der Ergebnisliste sind. WEITERE VERBESSERUNGEN Neben den Nachbearbeitungsanwendungen haben wir auch eine Echtzeitanpassung des Algorithmus berücksichtigt. Die Echtzeit-Einschränkung wirkt sich sowohl auf die Simsky - als auch auf die geometriefreie Detektionsmethode aus. In dieser Konfiguration kann das statistische Fenster zwar nur vorwärts gehen, was die Zyklus-Schlupf-Detektion an den ersten 20 Epochen vernachlässigt. Weiterhin kann der mittlere Pegelvergleich (siehe Simsky-Detektionsverfahren, wie oben beschrieben) nicht mehr berücksichtigt werden, da der Mittelwert, der einem potentiellen Zyklusschlupf folgt, in Echtzeit nicht berechnet werden kann. Auch wenn unser Quad-Frequenz-Erkennungsalgorithmus unter dem Echtzeit-Constraint leidet, erweist es sich immer noch als effizient, wenn letzteres für geeignete Schwellenwahlen berücksichtigt wird. Die Zyklus-Schlupf-Erfassung ist in der Tat nur ein erster Schritt, und die Zyklus-Schlupf-Korrektur sollte das Verfahren ausführen, um Diskontinuitäten zu vermeiden. Es sollte jedoch darauf hingewiesen werden, dass das einfache Vorhandensein eines Zyklusschlupfs in einem Datensatz kostbare Informationen für einen Benutzer ist und in der entsprechenden Epoche die Parameter in der Lösung neu initialisiert werden können. Ausgestattet mit einem geeigneten Zyklusschlupf-Korrekturverfahren und einem Echtzeit-Merkmal, könnte unser Algorithmus direkt in einen Software-Empfänger integriert werden, was die Bereitstellung kontinuierlicher und korrigierter Daten für den Benutzer ermöglicht. FAZIT In diesem Artikel haben wir den ersten Quad-Frequenz-Zyklus-Slip-Erkennung Algorithmus, mit einer Effizienz, die eindeutig ein Schritt nach vorn eingeführt. Dieses innovative Erkennungsverfahren eröffnet neue Möglichkeiten für zahlreiche Forschung und kommerzielle Anwendungen. Jeder Galileo-Anwender, ob bürgerlich oder militärisch, kann von einer besseren Positionierung profitieren, vor allem unter harten ionosphärischen Bedingungen: Nicht nur dort, wo die Ionosphäre besonders rastlos ist, wie im äquatorialen und polaren Bereich, sondern auch in jedem beliebigen Breitengrad Ionosphärische Störung. Im Hinblick auf die genaue Positionierung ist dies ein weiterer Schritt, der die Wettbewerbsfähigkeit von Galileos gegenüber anderen Dual - oder Tripel-Frequenzsystemen verstärkt. ELEKTRISCHE ANGABEN Dieser Artikel basiert auf dem Papier Cycle Slips Detection im Quad-Frequency Mode: Galileos Beitrag zu einem effizienten Ansatz unter hoher Ionosphäre-Aktivität, die Sieger-Einreichung zum 20142015 Studentenwettbewerb des Comit de Liaison des Gomtres Europas im Galileo, EGNOS, Copernicus-Kategorie, die von der GSA, der European Global Navigation Satellite Systems Agency, gefördert wurde. LAURA VAN DE VYVERE erhielt einen M. Sc. In Geomatik und Geometrie von der Universit de Lige, Belgien, im Jahr 2015. Ihre Diplomarbeit widmet sich der Galileo-Zyklus-Rutsch-Erkennung unter extremer ionosphärischer Aktivität. Im Jahr 2015 trat sie M3 Systems Belgium in Wavre als Radionavigation Projektingenieur und ist derzeit in GNSS Reflektometrie und GNSS-Hybridisierung Projekte beteiligt. REN WARNANT erhielt einen M. Sc. In Physik im Jahr 1988 und ein Ph. D. In Physik mit einer Spezialität in GNSS im Jahr 1996, beide von der Universit catholique de Louvain, Louvain-la-Neuve, Belgien. Er begann seine Karriere als Geodätter am Königlichen Observatorium von Belgien im Jahre 1988. Seit Juni 2011 ist er Vollzeitprofessor und Leiter des Geodäsie - und GNSS-Labors an der Universität Lige, wo er für das Bildungswesen im Bereich Raum Geodäsie und GNSS. WEITER LESUNG Erste Autoren These und award-winning Papier Dtection des sauts de Zyklen en Modus multi-frquence pour le systme Galileo von L. Van de Vyvere, mmoire (These) für den Master en sciences gographiques Orientierung gomatique et gomtrologie, Universit de Lige, Belgien, Juni 2015. Cycle-Slips-Erkennung im Quad-Frequency-Modus: Galileos Beitrag zu einem effizienten Ansatz unter hoher Ionosphäre-Aktivität von L. Van de Vyvere, der siegreichen Vorlage zum 20142015 Studentenwettbewerb des Comit de Liaison des Gomtres Europens im Galileo , EGNOS, Kopernikus-Kategorie, die von der GSA, der European Global Navigation Satellite Systems Agency, gefördert wurde. Einige frühere Arbeiten zur Cycle-Slip-Erkennung und Reparatur einer effizienten Dual - und Tripelfrequenz-Vorverarbeitungsmethode für Galileo - und GPS-Signale von M. Lonchay, B. Bidaine und R. Warnant, in Proceedings of the 3. International Colloquium on Scientific and Fundamental Aspects of Galileo-Programm. Kopenhagen, Dänemark, 31. August 2. Sept. 2011. Eine neue Methode zur automatischen Detektion und Reparatur von Zyklus-Schlupf-Detektoren für einen einzelnen Dual-Frequency-GPS-Empfänger von Z. Liu im Journal of Geodesy. Vol. 85, Nr. 3, März 2011, S. 171183, DOI: 0,1007s00190-010-0426-y. Instantane Echtzeit-Cycle-Slip-Korrektur von Dual-Frequency-GPS-Daten durch D. Kim und R. Langley in Proceedings of KIS 2001. Das Internationale Symposium über Kinematische Systeme in Geodäsie, Geomatik und Navigation, Banff, Alberta, Juni 58, 2001, S. 255264. Ein automatisierter Bearbeitungsalgorithmus für GPS-Daten von G. Blewitt in Geophysical Research Letters. Vol. 17, Nr. 3, März 1990, S. 199202, doi: 10.1029GL017i003p00199. Verbesserte präzise Punktpositionierung in Gegenwart der ionosphärischen Szintillation durch X. Zhang, F. Guo und P. Zhou in GPS-Lösungen. Vol. 18, Nr. 1, Januar 2014, S. 5160, doi: 10.1007s10291-012-0309-1. Cycle Slip Detection and Repair für undifferenzierte GPS-Beobachtungen unter hoher Ionosphärenaktivität von C. Cai, Z. Liu, P. Xia und W. Dai in GPS-Lösungen. Vol. 17, Nr. 2, April 2013, Seiten 247260, doi: 10.1007s10291-012-0275-7. Milderung des Einflusses von Ionospheric Cycle Slips in GNSS-Beobachtungen von S. Banville und R. B. Langley im Journal of Geodesy. Vol. 87, Nr. 2, Feb. 2013, S. 179193, doi: 10.1007s00190-012-0604-1. Real Time Detection und Reparatur von Cycle Slips in Triple-Frequency GNSS Messungen von Q. Zhao, B. Sun, Z. Dai, Z. Hu, C. Shi und J. Liu in GPS Solutions. Vol. 19, Nr. 3, Juli 2015, Seiten 381391, doi: 10.1007s10291-014-0396-2. Real-Cycle-Slip-Detektion in Dreifach-Frequenz GNSS von M. C. De Lacy, M. Reguzzoni und F. Sans in GPS-Lösungen. Vol. 16, Nr. 3, Juli 2012, S. 353362, doi: 10.1007s10291-011-0237-5. Teilen Sie diese: Tawani - sie sind nicht alle den Punkt fehlt. Was Sie sagen, muss mit generischen Begriffen definiert werden. Sie können nicht mit einem einzigen Beispiel gehen. Ohne allgemeine Definitionen, wenn 400 ist 30 ist es immer noch ein Ausreißer Und wenn es 14 Und 9 Wo Sie stoppen Sie benötigen stddev39s, Bereiche, Quartile, um das zu tun. Ndash Daniel Daranas Feb 02 09 am 17:05 Beim Beschneiden Sie don39t entfernen Sie Ausreißer, die Sie gerade don39t sie in die Berechnung einschließen. QuotRemovequot könnte darauf hindeuten, dass Punkte nicht mehr im Datensatz sind. Und Sie don39t entfernen (oder ignorieren) sie, weil sie Ausreißer das Kriterium ist (in der Regel) nur, dass sie in einigen extremen Bruchteil der Daten sind. Ein Wert, der nicht in einem getrimmten Mittel enthalten ist, ist oft nur etwas mehr (oder weniger) als der höchste (niedrigste) Wert enthalten. Ndash Ich weiß nicht, ob es einen Namen hat, aber Sie könnten leicht kommen mit einer Reihe von Algorithmen, um Ausreißer abzulehnen: Finden Sie alle Zahlen zwischen dem 10. und 90. Perzentile (dies durch Sortierung und dann ablehnen Die erste N10 und die letzten N10 Zahlen) und nehmen Sie den Mittelwert der verbleibenden Werte. Sort values, reject high and low values as long as by doing so, the meanstandard deviation change more than X. Sort values, reject high and low values as long as by doing so, the values in question are more than K standard deviations from the mean. The most common way of having a Robust (the usual word meaning resistant to bad data) average is to use the median . This is just the middle value in the sorted list (of half way between the middle two values), so for your example it would be 90.5 half way between 90 and 91. If you want to get really into robust statistics (such as robust estimates of standard deviation etc) I would recommend a lost of the code at The AGORAS group but this may be too advanced for your purposes. answered Feb 13 09 at 9:22 If all you have is one variable (as you imply) I think some of the respondents above are being over critical of your approach. Certainly other methods that look at things like leverage are more statistically sound however that implies you are doing modeling of some sort. If you just have for example scores on a test or age of senior citizens (plausible cases of your example) I think it is practical and reasonable to be suspicious of the outlier you bring up. You could look at the overall mean and the trimmed mean and see how much it changes, but that will be a function of your sample size and the deviation from the mean for your outliers. With egregious outliers like that, you would certainly want to look into te data generating process to figure out why thats the case. Is it a data entry or administrative fluke If so and it is likely unrelated to actual true value (that is unobserved) it seems to me perfectly fine to trim. If it is a true value as far as you can tell you may not be able to remove unless you are explicit in your analysis about it. answered Dec 3 14 at 13:58 My statistics textbook refers to this as a Sample Mean as opposed to a Population Mean. Sample implies there was a restriction applied to the full dataset, though no modification (removal) to the dataset was made. answered Mar 26 16 at 3:13 0. Welcome to the site. 1. Which book Please give a reference. 2. quotSample meanquot does not typically refer to a mean obtained after removing outliers. ndash Juho Kokkala Mar 26 16 at 8:06 It can be the median. Not always, but sometimes. I have no idea what it is called in other occasions. Hope dies geholfen. (At least a little.)