Método dos mínimos quadrados com penalidades: aplicação no posicionamento relativo GPS

Detalhes bibliográficos
Ano de defesa: 2004
Autor(a) principal: Alves, Daniele Barroca Marra [UNESP]
Orientador(a): Não Informado pela instituição
Banca de defesa: Não Informado pela instituição
Tipo de documento: Dissertação
Tipo de acesso: Acesso aberto
Idioma: por
Instituição de defesa: Universidade Estadual Paulista (Unesp)
Programa de Pós-Graduação: Não Informado pela instituição
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Palavras-chave em Português:
Link de acesso: http://hdl.handle.net/11449/88541
Resumo: O Global Navigation Satellite System (GNSS), que congrega os vários sistemas de posicionamento por satélite existentes, tem como principal objetivo viabilizar o posicionamento de baixa, média e alta precisão. Dentre os sistemas de posicionamento que integram o GNSS, o Global Positioning System (GPS) tem grande destaque. Mas as observáveis GPS, tal como todas as outras observáveis envolvidas nos processos de medidas, estão sujeitas a erros aleatórios, sistemáticos e grosseiros. Os erros aleatórios são inevitáveis, sendo, portanto, considerados uma propriedade inerente das observações. Erros grosseiros (outliers) devem ser eliminados através do processo de controle de qualidade. Erros sistemáticos podem ser parametrizados ou eliminados por técnicas apropriadas de observação. Eles degradam a acurácia do posicionamento realizado com o GPS. Esses erros incluem erros da órbita dos satélites GPS, multicaminho, erros de refração atmosférica, dentre outros. Dessa forma, alguns trabalhos recentes têm utilizado o modelo semiparamétrico e o método dos mínimos quadrados com penalidades (MMQ com penalidades) para atenuar os efeitos desses erros residuais, utilizando dados de receptores de monofrequência. No modelo semiparamétrico as variáveis estimadas são divididas em uma parte paramétrica (coordenadas da estação e ambigüidades), que é de interesse do usuário, e uma parte não-paramétrica (funções de erros que variam suavemente com o tempo). Assim, devido ao número de incógnitas ser maior que o usual, é utilizado o MMQ com penalidades. Essa técnica utiliza uma spline cúbica natural, cuja suavidade é determinada pelo parâmetro suavizador, calculado pela validação cruzada generalizada. Nesse método, os erros são modelados como funções que variam suavemente com o tempo...