L'apprentissage automatique améliore la stabilité du signal GNSS
La scintillation ionosphérique, provoquée par des irrégularités dans l'ionosphère terrestre, peut avoir de graves conséquences sur l'intégrité du signal du système mondial de navigation par satellite (GNSS), entraînant des erreurs de navigation.
Les méthodes de détection traditionnelles reposent sur des récepteurs de surveillance de scintillation ionosphérique (ISMR) coûteux et spécialisés. Cependant, avec le recours croissant au GNSS pour diverses applications, il existe un besoin urgent d'une méthode de détection plus accessible et plus rentable.
En raison de ces défis, des recherches approfondies sont nécessaires sur l’utilisation de récepteurs GNSS courants pour détecter les événements de scintillation ionosphérique.
Dirigée par une équipe de chercheurs de l'Université polytechnique de Hong Kong, une nouvelle étude a été publiée dans la revue Navigation par satellite le 3 juin 2024. L’équipe a introduit une nouvelle stratégie qui utilise des récepteurs GNSS géodésiques courants pour identifier les événements de scintillation d’amplitude ionosphérique avec une précision remarquable, transformant potentiellement la surveillance GNSS.
La recherche se concentre sur l’utilisation du vaste réseau de récepteurs géodésiques GNSS pour détecter les événements de scintillation ionosphérique, qui sont généralement identifiés par des ISMR spécialisés. La méthode proposée utilise un algorithme d'arbre de décision d'apprentissage automatique pré-entraîné qui traite le rapport porteuse/bruit (C/N0) et les données d'angle d'élévation collectées à intervalles de 1 Hz.
En atténuant les effets des trajets multiples grâce à une analyse détaillée des modèles de trajets multiples, l'étude réduit efficacement le bruit et les fausses alarmes, garantissant ainsi la précision de la détection des scintillations. La méthodologie consiste à calculer un indice de scintillation alternatif (S4c) basé sur C/N0 mesures à partir de récepteurs géodésiques GNSS.
Cet indice montre une forte corrélation avec le S traditionnel4 indice utilisé par les ISMR, malgré la plus grande sensibilité des récepteurs géodésiques au bruit et aux interférences par trajets multiples. L'algorithme d'apprentissage automatique améliore la précision de la détection en exploitant la nature périodique des effets de trajets multiples, qui diffèrent des irrégularités de la scintillation.
Les résultats expérimentaux démontrent que l'algorithme d'arbre de décision atteint une précision de détection remarquable de 99,9 %, dépassant les méthodes traditionnelles de seuil dur et semi-dur.
Le Dr Yiping Jiang, chercheur principal, a déclaré : « Notre étude montre le potentiel de l'intégration de l'apprentissage automatique avec des récepteurs GNSS largement disponibles pour révolutionner la détection par scintillation ionosphérique. Cette méthode fournit non seulement une alternative rentable aux équipements spécialisés, mais améliore également la précision. et la fiabilité de la surveillance de la météorologie spatiale.
Les implications de cette recherche sont considérables, offrant une solution évolutive aux utilisateurs GNSS du monde entier. En améliorant la détection des événements de scintillation, il contribue au développement d’algorithmes et de techniques de navigation plus précis.
Cette avancée est cruciale pour diverses applications, notamment les transports aériens, maritimes et terrestres, où la fiabilité du GNSS est primordiale.
Fourni par TranSpread
