Luận văn: Hệ Thống Tự Động Phát Hiện Nhiễu Loạn Tầng Điện Ly Dựa Trên Tín Hiệu Vệ Tinh Định Vị

Luận văn: Xây dựng hệ thống tự động phát hiện nhiễu loạn tầng điện ly từ tín hiệu vệ tinh định vị. Nghiên cứu chuyên sâu, giải pháp hiệu quả.

• Tác giả: Duong Hoang Vinh
• Người hướng dẫn: TS. La Thế Vinh
• Trường học: Đại học Bách Khoa Hà Nội
• Chuyên ngành: Truyền thông và mạng máy tính
• Đề tài: Xây dựng hệ thống tự động phát hiện nhiễu loạn tầng điện ly dựa trên tín hiệu từ vệ tinh định vị
• Loại tài liệu: Luận văn thạc sĩ
• Năm xuất bản: 2016
• Địa điểm: Hà Nội

Tóm tắt

I. Tổng Quan Về Nhiễu Loạn Tầng Điện Ly và Định Vị GNSS

Tầng điện ly, một lớp của khí quyển Trái Đất, chứa nhiều ion và electron tự do. Sự biến động của tầng này, gọi là nhiễu loạn tầng điện ly, ảnh hưởng đến tín hiệu vệ tinh định vị như GPS, GLONASS, Galileo và Bắc Đẩu (hệ thống GNSS). Nhiễu loạn gây ra hiện tượng scintillation, làm suy giảm và méo mó tín hiệu, ảnh hưởng đến độ chính xác định vị. Các hệ thống định vị dựa vào tín hiệu GNSS trong nhiều lĩnh vực như hàng không, hàng hải, và giám sát không gian. Do đó, việc phát hiện và giảm thiểu ảnh hưởng của nhiễu loạn tầng điện ly là rất quan trọng. Nghiên cứu này tập trung vào xây dựng hệ thống tự động phát hiện nhiễu loạn dựa trên dữ liệu GNSS. Hệ thống sử dụng thuật toán phát hiện và mô hình tầng điện ly để xác định các sự kiện nhiễu loạn. Kết quả nghiên cứu có thể ứng dụng trong dự báo nhiễu loạn và cải thiện độ chính xác định vị.

1.1. Tầm quan trọng của giám sát tầng điện ly đối với GNSS

Giám sát tầng điện ly đóng vai trò then chốt trong việc đảm bảo tính tin cậy và chính xác của các hệ thống định vị GNSS. Các ảnh hưởng tầng điện ly, như độ trễ tầng điện ly và sai số định vị, có thể gây ra sai lệch đáng kể trong việc xác định vị trí. Theo tài liệu, nhiễu loạn tầng điện ly gây ra scintillation, ảnh hưởng trực tiếp đến chất lượng tín hiệu vệ tinh. Giám sát liên tục giúp phát hiện sớm các biến động và đưa ra các biện pháp điều chỉnh phù hợp. Điều này đặc biệt quan trọng trong các ứng dụng yêu cầu độ chính xác cao như hàng không và hàng hải. Việc sử dụng các chỉ số nhiễu loạn như TEC (Total Electron Content) và ROTI (Rate of TEC Index) cung cấp thông tin quan trọng để đánh giá mức độ ảnh hưởng của tầng điện ly.

1.2. Các hệ thống GNSS chính và đặc điểm tín hiệu

Hiện nay, có nhiều hệ thống GNSS đang hoạt động, bao gồm GPS (Mỹ), GLONASS (Nga), Galileo (Châu Âu) và Bắc Đẩu (Trung Quốc). Mỗi hệ thống có những đặc điểm riêng về cấu trúc vệ tinh, tần số tín hiệu và phương pháp điều chế. Ví dụ, GPS sử dụng mã C/A trên tần số L1. Tín hiệu GNSS truyền qua tầng điện ly chịu ảnh hưởng của hiện tượng khúc xạ và trễ, gây ra sai số trong phép đo khoảng cách. Xử lý tín hiệu GNSS hiệu quả đòi hỏi các thuật toán phức tạp để loại bỏ hoặc giảm thiểu các ảnh hưởng tầng điện ly. Nghiên cứu cần phân tích đặc điểm tín hiệu vệ tinh từ các hệ thống khác nhau để xây dựng một hệ thống phát hiện nhiễu loạn tầng điện ly hiệu quả.

II. Thách Thức Phát Hiện Nhiễu Loạn Điện Ly và Giải Pháp

Phát hiện nhiễu loạn tầng điện ly là một thách thức do tính chất phức tạp và biến đổi nhanh chóng của tầng này. Các yếu tố như hoạt động mặt trời, mùa và vị trí địa lý ảnh hưởng đến sự xuất hiện và cường độ của nhiễu loạn. Các phương pháp truyền thống dựa trên mô hình tầng điện ly thường không đủ chính xác để phát hiện các sự kiện scintillation cục bộ. Việc xây dựng hệ thống tự động phát hiện đòi hỏi thuật toán phát hiện mạnh mẽ và khả năng xử lý tín hiệu GNSS trong thời gian thực. Sử dụng trí tuệ nhân tạo và học máy như mạng nơ-ron và deep learning có thể là một giải pháp tiềm năng. Các phương pháp này có khả năng học các đặc trưng phức tạp của tín hiệu GNSS và phân loại nhiễu loạn một cách chính xác.

2.1. Các yếu tố ảnh hưởng đến nhiễu loạn tầng điện ly

Nhiều yếu tố khác nhau có thể gây ra hoặc ảnh hưởng đến nhiễu loạn tầng điện ly. Hoạt động mặt trời, bao gồm các vụ phun trào và bão từ, là một trong những nguyên nhân chính. Mùa và thời gian trong ngày cũng đóng vai trò quan trọng, với nhiễu loạn thường xuyên hơn vào ban đêm và trong những tháng có hoạt động mặt trời cao. Vị trí địa lý cũng ảnh hưởng lớn, với các khu vực gần xích đạo và cực từ có xu hướng dễ bị ảnh hưởng hơn. Hiểu rõ các yếu tố này là rất quan trọng để dự báo nhiễu loạn và phát triển các biện pháp giảm thiểu. Việc theo dõi và phân tích các dữ liệu liên quan đến hoạt động mặt trời và thời tiết không gian có thể giúp cải thiện độ chính xác của các hệ thống phát hiện nhiễu loạn.

2.2. Hạn chế của phương pháp truyền thống và yêu cầu hệ thống

Các phương pháp truyền thống thường dựa trên các mô hình tầng điện ly tĩnh hoặc bán tĩnh, không đủ khả năng để theo kịp sự biến động nhanh chóng của nhiễu loạn. Việc phát hiện chính xác các sự kiện scintillation đòi hỏi một hệ thống có khả năng xử lý dữ liệu GNSS trong thời gian thực và sử dụng các thuật toán phát hiện nhạy bén. Hệ thống cần có khả năng phân biệt giữa nhiễu loạn thực sự và các nguồn nhiễu khác, như nhiễu đa đường hoặc nhiễu từ thiết bị. Khả năng phân loại nhiễu loạn cũng rất quan trọng để hiểu rõ bản chất và mức độ nghiêm trọng của từng sự kiện. Hệ thống lý tưởng nên tích hợp các nguồn dữ liệu khác nhau, bao gồm dữ liệu GNSS, dữ liệu từ các vệ tinh giám sát không gian, và dữ liệu từ các trạm mặt đất.

III. Cách Xây Dựng Hệ Thống Phát Hiện Nhiễu Loạn Tầng Điện Ly Tự Động

Để xây dựng hệ thống tự động phát hiện nhiễu loạn tầng điện ly, cần thực hiện các bước sau: Thu thập dữ liệu GNSS từ nhiều trạm quan sát. Xử lý tín hiệu GNSS để loại bỏ nhiễu và trích xuất thông tin về pha và biên độ tín hiệu. Tính toán các chỉ số nhiễu loạn, chẳng hạn như ROTI và chỉ số nhiễu loạn S4. Xây dựng thuật toán phát hiện dựa trên ngưỡng hoặc các phương pháp học máy. Kiểm tra và đánh giá hiệu năng của hệ thống bằng cách so sánh kết quả với các nguồn dữ liệu độc lập. Cải thiện hệ thống bằng cách điều chỉnh thuật toán phát hiện và mô hình tầng điện ly.

3.1. Thu thập và tiền xử lý dữ liệu từ tín hiệu vệ tinh định vị

Việc thu thập dữ liệu GNSS từ nhiều trạm quan sát là bước đầu tiên quan trọng. Dữ liệu này thường bao gồm thông tin về pha và biên độ tín hiệu từ các vệ tinh khác nhau. Tiền xử lý dữ liệu GNSS bao gồm các bước như loại bỏ các giá trị ngoại lai, hiệu chỉnh sai số đồng hồ, và hiệu chỉnh sai số vị trí vệ tinh. Các phương pháp xử lý tín hiệu GNSS tiên tiến có thể được sử dụng để giảm thiểu ảnh hưởng của nhiễu đa đường và các nguồn nhiễu khác. Chất lượng dữ liệu GNSS đầu vào có ảnh hưởng trực tiếp đến độ chính xác của hệ thống phát hiện nhiễu loạn. Theo tài liệu, cần có một quá trình xử lý tín hiệu tỉ mỉ và hiệu quả.

3.2. Tính toán chỉ số nhiễu loạn điện ly ROTI và S4 chi tiết

ROTI (Rate of TEC Index) và chỉ số nhiễu loạn S4 là hai chỉ số nhiễu loạn được sử dụng rộng rãi để phát hiện scintillation. ROTI đo tốc độ thay đổi của TEC (Total Electron Content), trong khi S4 đo sự biến động của biên độ tín hiệu. Việc tính toán chính xác các chỉ số nhiễu loạn đòi hỏi các thuật toán phức tạp và dữ liệu pha và biên độ chất lượng cao. Ngưỡng thích hợp cho ROTI và S4 có thể thay đổi tùy thuộc vào vị trí địa lý, thời gian trong ngày, và hoạt động mặt trời. Phân tích các chỉ số nhiễu loạn có thể cung cấp thông tin quan trọng về cường độ và tần suất của nhiễu loạn.

IV. Ứng Dụng Trí Tuệ Nhân Tạo Phát Hiện Nhiễu Loạn GNSS

Trí tuệ nhân tạo (AI) và học máy (Machine Learning) mang lại tiềm năng lớn trong việc phát hiện nhiễu loạn tầng điện ly. Các mô hình mạng nơ-ron và deep learning có thể học các đặc trưng phức tạp của tín hiệu GNSS và phân loại nhiễu loạn một cách chính xác hơn so với các phương pháp truyền thống. Các thuật toán phân loại nhiễu loạn có thể được huấn luyện trên một tập dữ liệu lớn các sự kiện nhiễu loạn đã được xác định. AI cũng có thể được sử dụng để dự báo nhiễu loạn bằng cách phân tích các dữ liệu lịch sử và các yếu tố môi trường.

4.1. Sử dụng mạng nơ ron và Deep Learning cho phân loại nhiễu loạn

Mạng nơ-ron và deep learning có khả năng học các biểu diễn phức tạp từ dữ liệu GNSS, cho phép phân loại nhiễu loạn với độ chính xác cao. Các mô hình này có thể được huấn luyện để phân biệt giữa các loại nhiễu loạn khác nhau và để dự đoán cường độ và thời gian tồn tại của các sự kiện scintillation. Việc sử dụng các mạng nơ-ron hồi quy (RNN) có thể đặc biệt hiệu quả trong việc xử lý dữ liệu chuỗi thời gian của tín hiệu GNSS. Theo tài liệu, trí tuệ nhân tạo cho thấy nhiều hứa hẹn trong việc cải thiện khả năng phát hiện và dự báo nhiễu loạn.

4.2. Các thuật toán học máy cho dự báo nhiễu loạn điện ly

Ngoài phân loại nhiễu loạn, học máy cũng có thể được sử dụng để dự báo nhiễu loạn điện ly. Các thuật toán như máy vector hỗ trợ (SVM), rừng ngẫu nhiên (Random Forest), và boosting có thể được huấn luyện để dự đoán khả năng xảy ra nhiễu loạn dựa trên các yếu tố như hoạt động mặt trời, thời gian trong ngày, và vị trí địa lý. Việc kết hợp các mô hình học máy với các mô hình tầng điện ly vật lý có thể cải thiện đáng kể độ chính xác của các dự báo. Dự báo chính xác có thể giúp giảm thiểu tác động của nhiễu loạn lên các hệ thống định vị và thông tin liên lạc.

V. Đánh Giá Hiệu Năng và Ứng Dụng Thực Tế Hệ Thống

Việc đánh giá hiệu năng của hệ thống tự động phát hiện nhiễu loạn là rất quan trọng. Độ chính xác, độ nhạy và độ tin cậy của hệ thống cần được đánh giá bằng cách so sánh kết quả với các nguồn dữ liệu độc lập, chẳng hạn như dữ liệu từ các trạm đo ionosphere hoặc các hệ thống giám sát không gian. Ứng dụng của hệ thống có thể bao gồm cải thiện độ chính xác định vị trong các lĩnh vực như hàng không, hàng hải và định vị. Hệ thống cũng có thể được sử dụng để cung cấp thông tin cho các nhà khai thác vệ tinh và các nhà khoa học nghiên cứu về tầng điện ly.

5.1. Phương pháp đánh giá độ chính xác và độ tin cậy của hệ thống

Đánh giá độ chính xác và độ tin cậy của hệ thống đòi hỏi một quy trình kiểm tra tỉ mỉ. Các chỉ số như độ chính xác (precision), độ nhạy (recall), và F1-score có thể được sử dụng để đánh giá hiệu năng của thuật toán phát hiện. Việc so sánh kết quả với các nguồn dữ liệu độc lập là rất quan trọng để đảm bảo tính khách quan. Theo tài liệu, đánh giá toàn diện nên bao gồm cả các trường hợp nhiễu loạn được phát hiện chính xác (true positives), các trường hợp nhiễu loạn bị bỏ sót (false negatives), và các trường hợp không phải nhiễu loạn bị phát hiện nhầm (false positives).

5.2. Tiềm năng ứng dụng trong hàng không hàng hải và định vị chính xác

Hệ thống phát hiện nhiễu loạn tầng điện ly có tiềm năng ứng dụng rộng rãi trong nhiều lĩnh vực. Trong hàng không và hàng hải, thông tin về nhiễu loạn có thể giúp cải thiện độ chính xác định vị và an toàn. Trong định vị chính xác, như trong các ứng dụng trắc địa hoặc giám sát công trình, việc giảm thiểu ảnh hưởng của nhiễu loạn là rất quan trọng để đạt được độ chính xác cao nhất. Hệ thống cũng có thể được sử dụng để cung cấp cảnh báo sớm về các sự kiện nhiễu loạn cho các nhà khai thác vệ tinh và các hệ thống thông tin liên lạc.

VI. Kết Luận và Hướng Phát Triển Nghiên Cứu Về Tín Hiệu GNSS

Nghiên cứu này đã trình bày một phương pháp xây dựng hệ thống tự động phát hiện nhiễu loạn tầng điện ly dựa trên tín hiệu vệ tinh định vị. Hệ thống sử dụng thuật toán phát hiện và mô hình tầng điện ly để xác định các sự kiện nhiễu loạn. Kết quả nghiên cứu có thể được sử dụng để cải thiện độ chính xác định vị và cung cấp thông tin cho các nhà khoa học nghiên cứu về tầng điện ly. Trong tương lai, nghiên cứu có thể tập trung vào việc tích hợp trí tuệ nhân tạo và học máy để cải thiện hiệu năng của hệ thống và dự báo nhiễu loạn một cách chính xác hơn.

6.1. Tổng kết kết quả đạt được và đóng góp của luận văn

Luận văn này đã trình bày một hệ thống hoàn chỉnh từ khâu thu thập dữ liệu GNSS, xử lý tín hiệu, đến tính toán chỉ số nhiễu loạn và phát hiện các sự kiện scintillation. Hệ thống đã được kiểm tra và đánh giá, cho thấy tiềm năng ứng dụng trong nhiều lĩnh vực khác nhau. Đóng góp chính của luận văn là cung cấp một phương pháp hiệu quả và tự động để giám sát nhiễu loạn tầng điện ly.

6.2. Các hướng nghiên cứu tiếp theo để nâng cao hiệu quả hệ thống

Các hướng nghiên cứu tiếp theo có thể bao gồm việc tích hợp các nguồn dữ liệu khác nhau, như dữ liệu từ các vệ tinh giám sát không gian, để cải thiện độ chính xác của hệ thống. Việc sử dụng các thuật toán học máy tiên tiến hơn cũng có thể giúp nâng cao hiệu quả phân loại nhiễu loạn và dự báo nhiễu loạn. Nghiên cứu cũng có thể tập trung vào việc phát triển các biện pháp giảm thiểu tác động của nhiễu loạn lên các hệ thống định vị và thông tin liên lạc.

Trích đoạn nội dung tài liệu

BQ GIÁO DỤC VÀ DẢO TẠO | G ĐẠI HỌC BÁCH KHOA HÀ NỘI DƯƠNG HOÀNG VINIL XÂY DỰNG HE THONG TU ĐỘNG PHÁT HIỆN NHIÊU LOẠN 'TẢNG ĐIỆN LY DỰA TRÊN TÍN HIỆU TỪ VỆ TTNH ĐỊNH VỊ Chuyên ngành: Truyền thông và mạng máy tinh LUẬN VĂN THẠC SĨ KỸ THUẬT TRUYEN THONG VÀ MANG MAY TÍNH NGƯỜI HƯỚNG DẪN KHOA HỌC: T8.Ä THÊ VINH Hà Nội - 2016 CONG HOA Xà HỘI CHỦ NGHĨA VIỆT NAM Độc lập — 7 lụ do— Hạnh phúc BẢN XÁC NHẬN CHÍNH SỬA LUẬN VĂN THẠC SĨ Họ và tên tác giả luận văn: Duong Hoang Vinh Đề tài luận văn: Xây dựng hệ thống tự dộng phát hiện nhiễu loạn tầng diện ly dua trên tin hiệu tử vệ tĩnh định vị Chuyên ngành: Truyền thông vả mạng máy tính Mã số SV: CA140219 Tac giả, Người hướng dẫn khoa học và Hội đẳng châm luận văn xác nhận tác giả đã sửa chữa, bỗ sung luận văn theo biên bản hợp Hỏi dòng ngày 23/04/2016 với cáo nội dung sau «_ RỖ sung phân kiến thức còn thiêu vẻ lắng điện ly « _ Căn chỉnh lại phần đánh số công thức. œ_ Chỉnh sửa một số lỗi địch thuật «© Sửa các lỗi chính tả Neay thing ont Giáo viên hướng dẫn Tác giả luận văn CHỦ TỊCH HỘI ĐÔNG Loi cam doan Tôi xin cam đoan đây là công bình nghiên cửu của viêng tôi và đười sự hướng đẫn khoa học của T8. Lä Thể Vinh, Co nội dung nghiên cứu, kết quả trong luận vẫn này là trung thực và chưa được công bề dưới bất kỳ hình thức nảo trước đây. Hà Nội ngày — tháng năm ‘Tae giả Dương Hoang Vinh Danh muc hinh vé TRình 1.

Quả trình sinh tín hiệu GPS trong của vệ tỉnh. Cầu trúc tin hiệu L1: f(t) la song mang và CÚ) là chuỗi rời rạc của mã C/A. im vào hình vẽ Úủ tín hiệu đuợc lắp lại muỗi ms. D(U là đông bít đữ liệu rối Tạc.

Một bít dư liệu định vị kéo dài trong 20 ms. 13a thanh phần của tín hiệu L] được nhân với nhau để tạo thành tin hiệu kết quả. Kết quá của quá trình điên chế BPSK cúa sóng mang I.1 với mã C/A va tin hiệu định vị dỗi với một vệ tình. Tin hiệu kết quả L1 dược sinh ra tu G, N, va tín hiệu sóng mang,.

Dễ thị thân của ACF đổi với một chuỗi ACH, ‘Than bên trải có g4 trị tương quan rp0 = 1, các giá trị tương quan khác lá 631023,-11023, hay -651023. Tình v tỉ cho thấy SỐ giá trị dầu tiên trong 1023 giả trị - 9 Tình 1. Hai lam giác biểu thi ACF cila early va late. Trong hình bên trải hai tam giác cách nhau một khoảng đ = 1 chip (tương quan rộng wide correlator), và hình bên phải cho thấy khoảng cach d = 0.

Ca hai su phan tach nay có độ nghiêng giống nhau và gần với In hiệu gốc. Các ham phan tách đồng bộ (đườn nét liền) và bất đồng bộ (đường nét đứt. Câu truc đữ liệu định vị của tin higu GPS _Mdi subframe chtra 300 bits kéo dai trong, 6s. Subframes 1, 2 va 3 duoc Lap lai sau 30s trong khi do subframe 4 va VIT Danh mục tử viết tắt ACF Autocorrelation Function ADC Analog-to-Digital Converter BPSK Binary Phase Shifi Keying CDMA Code Division Multiple Access DFS Doppler Frequency Shift DILL Delay Lock Loop GNSS Global Navigation Salellile System GPS Global Positiomng System How Handover Word TE Tutenmediale Frequency L1 Tân số GPS f,, = 1575.42 MHz LFSR Linear Feedback Shift Register LIICP Left Iland Circular Polarization NBP Narrow Band Power Non Return to Zero PLL Phase Lock Loop PRN Pseudorandom Noise Ratio Frequency 5 có 25 phiên bản trước khi được lấp lại.

Như vậy, một thông diệp dịnh vị hoàn chỉnh được lặp lại sau 12. Mô tả trên miễn tân số của tin hiệu GPS va công suất của nhiễu nền 30 đầm 1 dBW. Tân số trung tầm là 1575. Bộ thu GNSST.

Sự so sánh của các bộ lọc thông giải - 23 Tình 2. Thể hiện 1000 mẫu tin hiệu trên mign thei gian - - 29 Tỉnh 2. Histogram của 1,048,576 mẫu dữ liệu. Miễn tắn số.

Thể hiện của 1,048,576 mẫu tin hiệu của đữ liệu GPS 1. Mồ tả trên miền lần số đã được cải thiện. Tân số trung tâm 1575. Một kẽnh của bộ thu.

Khôi Acquisition dua ra cic tham số của tần hiệu ở đang, tước lượng thé. Các tham số này sẽ được đánh giá lại bởi hai khôi tracking. Sau khổi traceing, đữ liệu định vị có thể được trích xuất và các giá cự ly (pseudorange) có thể được tỉnh toán - - 34 Tình 3. Đỗ thi Acquisitien đôi với PRN 21 'Tìn hiệu gốc từ PRN 21 được thê hiện trong, tin hiệu thu được, 37 Hình 3.

Đồ thị Acquisition đổi với PRN 19. Tín hiệu gốc từ PRN 19 rõ ràng là không, được thể hiện trong 1n tiệu thu được, không xuất hiện đính tin hiện rong đỗ thị 37 Hình 3. Nguyễn tắc cơ bản của định vị GNS8. Với vị trí đã dược biết trước của 4 vệ tỉnh SVNI và khoảng cách truyền tín hiệu pi, vị trí của người dùng có thể dược xác định.

Cau tao cia front-end. - - Al VIIT Loi cam on Tác giá luận văn xin được bảy tô lòng biết on sâu sắc nhất tới những người đã hỗ trợ cho tac gia trong suốt quá trình học tập. nghiên cửu vẻ hoàn thiện luận văn Thạc sĩ. Nếu không nhờ có những sự hỗ trợ, động viên và hướng dẫn tận tình này thì rất có thể luận văn này đã không thể hoám thánh.

La Thé Vinh là người hưởng, đân và định hướng cho để tại luận văn nay, thay la „một giảng viên giỏi, vui tỉnh và là một người thấy luôn khién sinh viên của mình nhận. được nguồn cảm lửng trong học tập và nghiên cửu. Thây đã rắt nhiệt tình hướng dẫn. và cho tác giả những lời khuyên hết sắc bố ích trong suốt qua trình hoàn thanh luận văn.

Hơn nữa thầy đã hỏ trợ cho tác giả luận văn có cơ hội được làm việc với những, Thiết bị và môi trường làm việc hiện đại và chuyên nghiệp giúp cho cáo kết quả của luận vấn đại được là tốt nhất có thể Th8. Nguyễn Đình Thuận, đang là giảng viên tại bộ môn Kỹ thuật máy tỉnh, Viện Công nghệ thông tin & Truyền thông, trường Đại học Bách khoa Hạ Nội. Anh là một người rất vui tỉnh, năng động và là một giảng viên rất giỏi kiến thức chuyên món. Thờ sự kiên nhẫn và nhiệt lình của anh mà, đã giúp lác giả luận văn giải đếp được những thắc mắc cũng như dạt dược những kiên thức cần thiết dé hoan thành luận vẫn.

Tác giã luận văn xin gũi lời cảm ơn tới các thấy cô của Viện Công, nghệ thông thì, trường đại bọc Bách khoa Hà Nội đã giúp cho tác giá luận văn có được các kiến thức bé ich trong suốt quả trình học tập vả làm việc tại đây. Cuỗi cing, su khích lệ, động viên và hỗ trợ Lử gia đình và bạn bẻ là vô cùng quan trọng đã giúp cho tác giả vượt qua được trong những giai doạn khó khăn của mình. Mixer/Local Oselllator. Analog-Lo-TDigital Converler - 2 2.3 Resulting Sampled Data.

8 Chương3 Tổng quan cách thức hoạt động của bộ thu GNSS. Trích xuất đữ liệu dịnh vị 3⁄2 Tỉnhtoảnvi trì - - 3g Chương4 — Thiết bị số hủa tin hiệu vệ tỉnh (Front-end).1 Các thánh phân của bộ #ont-end. 1 4:2 Nguyên lý hoạt động. che re 4 Chương 5 Phát triển và thử nghiệm hệ thẳng phát hiện nhiễu luạn tầng điện ly 46 SL Thing 4160 Dy .3 Cải đặt giải thuật tính chỉ số 3: - 49 5.4 Mỏ hình hệ thông, 5 Danh gia hé théng 5A wi Kết luậi Tải liệu tham khảo.

VI Danh mục tử viết tắt ACF Autocorrelation Function ADC Analog-to-Digital Converter BPSK Binary Phase Shifi Keying CDMA Code Division Multiple Access DFS Doppler Frequency Shift DILL Delay Lock Loop GNSS Global Navigation Salellile System GPS Global Positiomng System How Handover Word TE Tutenmediale Frequency L1 Tân số GPS f,, = 1575.42 MHz LFSR Linear Feedback Shift Register LIICP Left Iland Circular Polarization NBP Narrow Band Power Non Return to Zero PLL Phase Lock Loop PRN Pseudorandom Noise Ratio Frequency 2. Mixer/Local Oselllator. Analog-Lo-TDigital Converler - 2 2.3 Resulting Sampled Data. 8 Chương3 Tổng quan cách thức hoạt động của bộ thu GNSS.

Trích xuất đữ liệu dịnh vị 3⁄2 Tỉnhtoảnvi trì - - 3g Chương4 — Thiết bị số hủa tin hiệu vệ tỉnh (Front-end).1 Các thánh phân của bộ #ont-end. 1 4:2 Nguyên lý hoạt động. che re 4 Chương 5 Phát triển và thử nghiệm hệ thẳng phát hiện nhiễu luạn tầng điện ly 46 SL Thing 4160 Dy .3 Cải đặt giải thuật tính chỉ số 3: - 49 5.4 Mỏ hình hệ thông, 5 Danh gia hé théng 5A wi Kết luậi Tải liệu tham khảo.2 Cách thức hoạt dộng của fronf-end. Phổ của tín hiệu sau khi qua bộ lọc thông giải L1 Eilter.

Phổ của tin hiệu sau khi qua bộ lọc thông giải IF Eilter 2.1, Tâng điện ly va các ảnh hưởng tới tín hiệu về tỉnh. Lưu dỗ thuật toán tính các giả trị của chỉ số §4. Dữ liệu L(Q và chỉ số S¿ của vệ tình PRN 6. Dữ liệu L/Q và chỉ số Sạ của vệ tình PRN 17 Tình 5.

Dữ liệu UQ và chỉ số 8a của vệ tinh PRN 28.à estes SZ Hình 5. Hệ thông tự dông ghi đữ liều phục vụ giám sát sự nhiều loạn tầng diện ly. Đánh giá giải thuật tính toán chỉ số nhiều loạn (S4). Tï số C/Na của các vệ tỉnh được chọn để dành giá các giá trị 8:.

Các giá ini S¿ của PRN 7. Các giá trị 54 của PRN 11. Các giá trị 5: của PRN 18. on eeerireerrieuseoooSO Hinh 5.

Tổng sỏ lần xảy ra nhiều dược thu thập trong một tháng. Vết của vệ tĩnh bị nhiều, với giả trị 34 dược thể hiện bằng, màu. Tổng số lần xây ra nhiễu dược thu thập trên tt cả các vệ lĩnh. Skyplot thể hiện các ving bị ảnh hưởng bi nhiều.

- 60 Loi cam on Tác giá luận văn xin được bảy tô lòng biết on sâu sắc nhất tới những người đã hỗ trợ cho tac gia trong suốt quá trình học tập. nghiên cửu vẻ hoàn thiện luận văn Thạc sĩ. Nếu không nhờ có những sự hỗ trợ, động viên và hướng dẫn tận tình này thì rất có thể luận văn này đã không thể hoám thánh. La Thé Vinh là người hưởng, đân và định hướng cho để tại luận văn nay, thay la „một giảng viên giỏi, vui tỉnh và là một người thấy luôn khién sinh viên của mình nhận.

được nguồn cảm lửng trong học tập và nghiên cửu. Thây đã rắt nhiệt tình hướng dẫn. và cho tác giả những lời khuyên hết sắc bố ích trong suốt qua trình hoàn thanh luận văn.