نرم‏سازي سيگنال شتاب حاصل از مشاهدات جي‌ پي ‌اس

GPS Acceleration Smoothing

در ثقل‏سنجي هوايي از تركيب داده‌هاي سيستم تعيين موقعيت جهاني (GPS) و سيستم ناوبري اينرسي (INS) براي تعيين شتاب ثقل زمين استفاده مي‌شود. موقعيت حاصل از GPS آلوده به نويز بوده و اين امر سبب مي‏شود كه سيگنال شتاب GPS محاسبه شده كه نتيجه دو بار مشتق‌گيري عددي از سيگنال موقعيت GPS است، نيز آلوده به نويز شده و به دليل خطاهاي محاسباتي فرآيند مشتق‌گيري، ميزان نويز آن تشديد گردد. در اين مقاله از فيلتر ديجيتال و فيلتر كالمن جهت نرم‏سازي شتاب سيگنال GPS استفاده ‏شده و نتايج حاصل با نتيجه روش نرم‏سازي بي‏اسپلاين كه قبلاً بر روي همين داده‏ها اعمال شده و شتاب ثقل با دقت يك ميلي گال حاصل شده است، مقايسه گرديد. ميزان تطابق نتايج حاصل از دو روش فيلتر ديجيتال و بي‏اسپلاين به‌طور متوسط برابر 97.55 درصد و ميزان تطابق نتايج حاصل از دو روش فيلتر كالمن و بي‏اسپلاين برابر 99.83 مي‏باشد. كه نشان دهنده نزديكي بيشتر روش فيلتر كالمن به روش بي‏اسپلاين است. از طرفي راحتي طراحي فيلترهاي ديجيتال با پاسخ ضربه نامحدود، كاهش زمان محاسبات و نياز به حافظه كمتر از مزاياي اين نوع فيلتر در پردازش سيگنال مي‏باشد، لذا در پروژه‏هاي اجرايي كه حجم اطلاعات بسيار بالا مي‏باشد، اين ويژگي فيلتر ديجيتال بسيار كارآمد بوده و موجب صرفه‏جويي در زمان و هزينه پروژه مي‏گردد. از روش‏هاي نرم‏سازي سيگنال مي‏توان در حذف نويز دستگاهي از سيگنال شتاب INS نيز استفاده نمود. به اين ترتيب مي‏توان از INS با دقت كمتر و ارزان‏تر (داراي نويز بيشتر) به جاي INS با دقت بالاتر و گران‏تر (داراي نويز كمتر) در تركيب با GPS استفاده كرد. كه اين امر موجب كاهش هزينه تهيه تجهيزات ناوبري اينرسي و افزايش بهره‏وري در ثقل‏سنجي هوايي مي‏شود.

Integration of global positioning system (GPS) and inertial navigation system (INS) is used in airborne gravimetry to gravity field recovery. Since GPS computed position is noisy therefore the GPS acceleration which is the result of twice differentiation of GPS position will be too noisy as well. In this paper IIR low-pass filter and Kalman filter are used to smoothing the GPS acceleration and their result compared to B-spline smoother result. B-spline smoothing accuracy is reported about 1mGal in this paper data, therefore B-spline smoothing considered as a reference smoothing method. The correlation of IIR low-pass filter and Kalman filter results with B-spline smoothing result is about 97.55 and 99.83 percent, respectively. It shows that the Kalman filter result is closer to B-spline smoother. On the other hand, along with ease of design of IIR low-pass filter some other advantages such as fast computing algorithm in signal processing unlimited response hit and less memory requirement are worth mentioning. Therefore, in project with huge among of data the IIR low-pass filter could be efficient and causes the time and cost saving. Mentioned smoothing methods can also be used in INS instrumental noise reduction. Therefore, less accurate INS can be used in integration with GPS, which causes the INS cost saving and project productivity promotion.