Nghiên Cứu Ứng Dụng Biến Đổi Wavelet Trong Máy Thu GNSS Để Giảm Ảnh Hưởng Của Hiện Tượng Đa Đường

Tài liệu nghiên cứu Nghiên ứu ứng dụng biến đổi wavelet vào khối bám tín hiệu trong máy thu gnss để giảm ảnh hưởng ủa, tổng hợp lý thuyết và thực hành, cung cấp kiến thức chuyên

• Tác giả: Trường Việt Phúc
• Người hướng dẫn: PGS. Nguyễn Văn Khang
• Trường học: Đại Học Bách Khoa Hà Nội
• Chuyên ngành: Kỹ Thuật Truyền Thông
• Đề tài: Nghiên Cứu Ứng Dụng Biến Đổi Wavelet Trong Máy Thu GNSS
• Loại tài liệu: luận văn thạc sĩ
• Năm xuất bản: 2017
• Địa điểm: Hà Nội

Mục lục chi tiết

• 1. CHƯƠNG 1: HỆ THỐNG GNSS VÀ CẤU TRÚC TÍN HIỆU GPS
• 1.1. Giới thiệu những nét khái quát nhất về hệ thống định vị toàn cầu GPS
• 1.2. Trình bày về dạng, đặc điểm và cách tạo tín hiệu GPS
• 1.3. Lý thuyết biến đổi Wavelet
• 1.4. Sai số do hiện tượng đa đường và giải pháp nâng cao hiệu năng bám mã
• 2. PHÉP BIẾN ĐỔI WAVELET VÀ ỨNG DỤNG
• 2.1. Giới thiệu chung về Wavelet
• 2.2. Phép biến đổi Wavelet rời rạc
• 2.3. Phân loại Wavelet và phân tích đa phân giải
• 2.4. Lựa chọn phân tích tối ưu
• 3. CẤU TRÚC ĐA TÍN HIỆU VÀ GIẢI PHÁP NÂNG CAO HIỆU NĂNG BÁM MÃ
• 3.1. Giới thiệu chung về cấu trúc đa tín hiệu
• 3.2. Các giải pháp giảm nhiễu đa đường
• 3.3. Cấu trúc bắt tín hiệu quan hệ kép (DDC)
• 3.4. Điều chỉnh đáp ứng bắt só pha của cấu trúc DDC
• 3.5. Cấu trúc có nhiều bắt tín hiệu quan hệ (MGD)
• 4. KẾT LUẬN VÀ CÁC HƯỚNG NGHIÊN CỨU TIẾP
• TÀI LIỆU THAM KHẢO

Tóm tắt

I. Tổng Quan Nghiên Cứu Về Ứng Dụng Wavelet Trong GNSS

Công nghệ GNSS (Global Navigation Satellite System) ngày càng trở nên quan trọng. Việc xác định vị trí, dẫn đường và đồng bộ thời gian chính xác là yếu tố then chốt trong nhiều ứng dụng. Để nâng cao độ chính xác và độ tin cậy của máy thu GNSS, các nhà nghiên cứu đã và đang khám phá nhiều phương pháp xử lý tín hiệu tiên tiến. Một trong những kỹ thuật hứa hẹn nhất là sử dụng biến đổi wavelet. Biến đổi wavelet cung cấp một công cụ mạnh mẽ để phân tích tín hiệu trong miền thời gian-tần số, cho phép tách các thành phần tín hiệu khác nhau và loại bỏ nhiễu hiệu quả. Bài viết này sẽ trình bày các kết quả nghiên cứu về ứng dụng biến đổi wavelet trong máy thu GNSS để cải thiện hiệu suất định vị.

1.1. Giới Thiệu Hệ Thống Định Vị Toàn Cầu GNSS

GNSS là tên gọi chung cho các hệ thống định vị toàn cầu sử dụng vệ tinh, bao gồm GPS (Hoa Kỳ), GLONASS (Nga), Galileo (Liên minh châu Âu) và BeiDou (Trung Quốc). Các hệ thống này cung cấp thông tin vị trí, vận tốc và thời gian cho người dùng trên toàn thế giới. Trong đó, GPS là hệ thống định vị được sử dụng rộng rãi nhất. Theo tài liệu, GPS được chia ra ba phân hệ chính: phân hệ không gian, phân hệ điều khiển và phân hệ sử dụng. Mỗi phân hệ đều có vai trò quan trọng trong việc đảm bảo hoạt động chính xác của hệ thống.

1.2. Tổng Quan Về Biến Đổi Wavelet và Ứng Dụng

Biến đổi wavelet là một kỹ thuật phân tích tín hiệu mạnh mẽ, cho phép phân tích tín hiệu đồng thời trong miền thời gian và tần số. So với biến đổi Fourier truyền thống, biến đổi wavelet có khả năng biểu diễn tốt hơn các tín hiệu không ổn định, có thành phần tần số thay đổi theo thời gian. Điều này làm cho phân tích wavelet đặc biệt phù hợp cho xử lý tín hiệu GNSS, nơi tín hiệu có thể bị ảnh hưởng bởi nhiều yếu tố gây nhiễu khác nhau. Nó có khả năng tách các thành phần tín hiệu khác nhau và loại bỏ nhiễu hiệu quả.

II. Thách Thức Xử Lý Tín Hiệu Trong Máy Thu GNSS Hiện Nay

Việc xử lý tín hiệu trong máy thu GNSS đối mặt với nhiều thách thức lớn. Các yếu tố như nhiễu từ môi trường, hiện tượng đa đường và các lỗi hệ thống có thể làm giảm đáng kể độ chính xác của định vị. Hiện tượng đa đường xảy ra khi tín hiệu từ vệ tinh đến máy thu theo nhiều đường khác nhau, gây ra sự chồng chéo và sai lệch trong tín hiệu thu được. Việc loại bỏ hoặc giảm thiểu ảnh hưởng của các yếu tố này là rất quan trọng để đạt được độ chính xác định vị cao. Các phương pháp xử lý tín hiệu truyền thống đôi khi không đủ hiệu quả trong việc giải quyết các thách thức này. Do đó, cần có các kỹ thuật xử lý tín hiệu tiên tiến hơn, như biến đổi wavelet, để cải thiện hiệu suất của máy thu GNSS.

2.1. Các Nguồn Gây Nhiễu Tín Hiệu GNSS Phổ Biến

Tín hiệu GNSS rất yếu khi đến Trái Đất và dễ bị ảnh hưởng bởi nhiều nguồn nhiễu khác nhau. Các nguồn nhiễu phổ biến bao gồm nhiễu từ các thiết bị điện tử, nhiễu tần số vô tuyến, và nhiễu từ các hệ thống khác. Các nguồn nhiễu này có thể làm giảm tỷ lệ tín hiệu trên nhiễu (SNR) và gây khó khăn cho việc thu và xử lý tín hiệu GNSS. Hơn nữa, các yếu tố thời tiết như mưa lớn và bão cũng có thể gây suy hao tín hiệu.

2.2. Ảnh Hưởng Của Hiện Tượng Đa Đường Đến Độ Chính Xác GNSS

Hiện tượng đa đường là một trong những nguyên nhân chính gây ra sai số trong định vị GNSS. Khi tín hiệu từ vệ tinh đến máy thu theo nhiều đường khác nhau (ví dụ, phản xạ từ các tòa nhà hoặc mặt đất), các tín hiệu này sẽ đến máy thu với độ trễ khác nhau. Sự chồng chéo của các tín hiệu này gây ra sự sai lệch trong việc ước lượng thời gian truyền tín hiệu, dẫn đến sai số trong tính toán vị trí. Theo tài liệu, các giải pháp giảm nhiễu đa đường thường được phân loại theo số lượng bộ tương quan sử dụng trong bộ so pha của mạch vòng DLL.

III. Phương Pháp Lọc Nhiễu Wavelet Cải Thiện Độ Chính Xác GNSS

Để giải quyết các thách thức trong xử lý tín hiệu GNSS, phương pháp lọc nhiễu wavelet đã được nghiên cứu và ứng dụng rộng rãi. Biến đổi wavelet cho phép phân tích tín hiệu thành các thành phần tần số khác nhau, từ đó có thể tách các thành phần nhiễu ra khỏi tín hiệu hữu ích. Bằng cách loại bỏ hoặc giảm thiểu các thành phần nhiễu, lọc nhiễu wavelet có thể cải thiện đáng kể độ chính xác của định vị GNSS. Các thuật toán lọc nhiễu wavelet khác nhau đã được phát triển, mỗi thuật toán có ưu điểm và nhược điểm riêng. Việc lựa chọn thuật toán phù hợp phụ thuộc vào đặc điểm của tín hiệu và loại nhiễu.

3.1. Ứng Dụng Phân Tích Đa Phân Giải MRA Trong Lọc Nhiễu

Phân tích đa phân giải (Multiresolution Analysis - MRA) là một kỹ thuật quan trọng trong biến đổi wavelet. MRA cho phép phân tích tín hiệu ở nhiều mức độ chi tiết khác nhau, từ đó có thể tách các thành phần tín hiệu ở các tần số khác nhau. Trong lọc nhiễu wavelet, MRA được sử dụng để phân tách tín hiệu thành các thành phần chi tiết (detail coefficients) và thành phần gần đúng (approximation coefficients). Các thành phần chi tiết thường chứa nhiễu, trong khi thành phần gần đúng chứa tín hiệu hữu ích. Bằng cách loại bỏ hoặc giảm thiểu các thành phần chi tiết, có thể giảm nhiễu và cải thiện chất lượng tín hiệu. Theo tài liệu, kỹ thuật phân tích đa phân giải sử dụng băng lọc.

3.2. Các Loại Wavelet Phù Hợp Cho Xử Lý Tín Hiệu GNSS

Có nhiều loại wavelet khác nhau, mỗi loại có đặc điểm và ứng dụng riêng. Các loại wavelet phổ biến bao gồm Wavelet Haar, Wavelet Daubechies, Wavelet Meyer, và nhiều loại khác. Việc lựa chọn loại wavelet phù hợp phụ thuộc vào đặc điểm của tín hiệu và loại nhiễu cần loại bỏ. Ví dụ, Wavelet Daubechies thường được sử dụng cho tín hiệu có tính chất không liên tục, trong khi Wavelet Meyer phù hợp cho tín hiệu có tính chất trơn tru. Theo tài liệu, các họ wavelet phổ biến bao gồm Haar, Daubechies4, Coiflet1, Symlet2, Meyer, Morlet, Mexican Hat.

IV. Kết Quả Nghiên Cứu Ứng Dụng Wavelet Trong Máy Thu GNSS

Nhiều nghiên cứu đã chứng minh hiệu quả của việc ứng dụng biến đổi wavelet trong máy thu GNSS. Các kết quả cho thấy rằng lọc nhiễu wavelet có thể cải thiện đáng kể độ chính xác của định vị, đặc biệt trong môi trường có nhiều nhiễu và hiện tượng đa đường. Một số nghiên cứu đã tập trung vào việc tối ưu hóa các tham số của thuật toán lọc nhiễu wavelet, như loại wavelet sử dụng và ngưỡng loại bỏ nhiễu. Các kết quả này cung cấp thông tin hữu ích cho việc thiết kế các máy thu GNSS có hiệu suất cao.

4.1. So Sánh Hiệu Năng Lọc Nhiễu Wavelet với Các Phương Pháp Khác

Lọc nhiễu wavelet đã được so sánh với nhiều phương pháp xử lý tín hiệu khác, như lọc Kalman và lọc Particle. Các kết quả cho thấy rằng lọc nhiễu wavelet có thể đạt được hiệu suất tốt hơn trong một số trường hợp, đặc biệt khi tín hiệu có tính chất không ổn định hoặc có nhiều thành phần nhiễu phức tạp. Ví dụ, lọc nhiễu wavelet có thể xử lý tốt hơn hiện tượng đa đường so với lọc Kalman trong môi trường đô thị. Dựa trên tài liệu, lọc Kalman và lọc Particle là các phương pháp thường được sử dụng.

4.2. Đánh Giá Độ Chính Xác Định Vị Sau Khi Áp Dụng Wavelet

Độ chính xác định vị là một trong những tiêu chí quan trọng nhất để đánh giá hiệu quả của các thuật toán xử lý tín hiệu GNSS. Các nghiên cứu đã chỉ ra rằng việc áp dụng lọc nhiễu wavelet có thể cải thiện đáng kể độ chính xác định vị, đặc biệt trong môi trường có nhiều nhiễu và hiện tượng đa đường. Ví dụ, một nghiên cứu đã cho thấy rằng lọc nhiễu wavelet có thể giảm sai số định vị đến vài mét trong môi trường đô thị. Theo tài liệu, phép biến đổi wavelet rời rạc được sử dụng để tách trường và lọc nhiễu.

V. Kết Luận và Hướng Phát Triển Nghiên Cứu Wavelet Trong GNSS

Biến đổi wavelet là một công cụ mạnh mẽ và đầy tiềm năng cho xử lý tín hiệu trong máy thu GNSS. Các kết quả nghiên cứu đã chứng minh rằng lọc nhiễu wavelet có thể cải thiện đáng kể độ chính xác định vị, đặc biệt trong môi trường có nhiều nhiễu và hiện tượng đa đường. Trong tương lai, các nghiên cứu có thể tập trung vào việc phát triển các thuật toán lọc nhiễu wavelet tiên tiến hơn, cũng như tích hợp biến đổi wavelet với các kỹ thuật xử lý tín hiệu khác để đạt được hiệu suất tối ưu.

5.1. Triển Vọng Ứng Dụng Thực Tế Của Wavelet Trong GNSS

Việc ứng dụng biến đổi wavelet trong máy thu GNSS có nhiều triển vọng thực tế. Lọc nhiễu wavelet có thể được tích hợp vào các máy thu GNSS hiện có để cải thiện độ chính xác định vị trong các ứng dụng như định vị xe hơi, theo dõi tài sản và giám sát môi trường. Hơn nữa, biến đổi wavelet cũng có thể được sử dụng để phát triển các hệ thống định vị GNSS mới, có khả năng hoạt động trong môi trường khắc nghiệt. Dựa trên tài liệu, phép biến đổi wavelet rời rạc hai chiều có thể được áp dụng.

5.2. Các Hướng Nghiên Cứu Tiềm Năng Về Wavelet và GNSS

Có nhiều hướng nghiên cứu tiềm năng về biến đổi wavelet và GNSS. Một hướng là phát triển các thuật toán lọc nhiễu wavelet thích ứng, có khả năng tự động điều chỉnh các tham số để phù hợp với đặc điểm của tín hiệu và môi trường. Một hướng khác là tích hợp biến đổi wavelet với các kỹ thuật học máy để phát hiện và loại bỏ nhiễu một cách hiệu quả hơn. Ngoài ra, việc nghiên cứu các loại wavelet mới và các biến thể của biến đổi wavelet cũng có thể mang lại những cải tiến đáng kể.

Nội dung chính

Tổng quan nghiên cứu

Trong bối cảnh phát triển nhanh chóng của công nghệ định vị vệ tinh toàn cầu (GNSS), việc nâng cao độ chính xác và độ tin cậy của tín hiệu thu nhận trở thành vấn đề cấp thiết. Theo ước tính, hiện tượng đa đường (multipath) gây ra sai số đáng kể trong quá trình thu tín hiệu GNSS, ảnh hưởng trực tiếp đến hiệu năng của các hệ thống định vị. Hiện tượng này xảy ra khi tín hiệu vệ tinh bị phản xạ từ các bề mặt xung quanh trước khi đến máy thu, tạo ra nhiều đường tín hiệu với pha và biên độ khác nhau, gây nhiễu và sai lệch vị trí đo được. Mục tiêu nghiên cứu của luận văn là ứng dụng biến đổi Wavelet vào khối bám tín hiệu trong máy thu GNSS nhằm giảm thiểu ảnh hưởng của hiện tượng đa đường, từ đó nâng cao độ chính xác và hiệu quả của hệ thống định vị. Nghiên cứu được thực hiện trong phạm vi tín hiệu GPS, tập trung vào phân tích và xử lý tín hiệu tại các điều kiện thực tế và mô phỏng trên phần mềm Matlab. Ý nghĩa của nghiên cứu được thể hiện qua việc cải thiện các chỉ số hiệu năng như sai số trung bình giảm khoảng 30-40% so với phương pháp truyền thống, đồng thời tăng khả năng nhận dạng và loại bỏ nhiễu đa đường trong môi trường phức tạp.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Luận văn dựa trên hai khung lý thuyết chính: hệ thống GNSS và biến đổi Wavelet. Hệ thống GNSS, đặc biệt là GPS, cung cấp tín hiệu định vị qua các vệ tinh với cấu trúc tín hiệu phức tạp gồm sóng mang L1, mã C/A và mã P(Y). Các tín hiệu này được điều chế theo phương pháp BPSK và có đặc tính tự tương quan và tương quan chéo cao, giúp phân biệt các vệ tinh và tăng độ chính xác định vị. Hiện tượng đa đường được mô tả qua các sai số bám tín hiệu, trong đó các cấu trúc như Multi-Gate Delay (MGD) và Double Delta Correlator (DDC) được sử dụng để phân tích và giảm thiểu ảnh hưởng.

Biến đổi Wavelet là công cụ toán học phân tích tín hiệu theo tỷ lệ và thời gian, cho phép tách các thành phần tần số khác nhau với độ phân giải đa cấp. So với biến đổi Fourier, Wavelet có ưu điểm vượt trội trong việc xử lý tín hiệu không dừng và có tính thời gian - tần số tốt hơn. Các khái niệm chính bao gồm biến đổi Wavelet liên tục (CWT), biến đổi Wavelet rời rạc (DWT), phân tích đa phân giải (MRA), và các loại Wavelet phổ biến như Daubechies, Haar, Meyer. Các đặc tính như tính tuyến tính, tính tỷ lệ, tính bảo toàn năng lượng và tính định vị được khai thác để thiết kế thuật toán xử lý tín hiệu GNSS.

Phương pháp nghiên cứu

Nguồn dữ liệu nghiên cứu bao gồm tín hiệu GPS thực tế thu được từ máy thu GNSS và dữ liệu mô phỏng trên Matlab sử dụng gói Wavelet packet. Cỡ mẫu nghiên cứu khoảng vài nghìn mẫu tín hiệu thu thập tại các địa điểm có điều kiện đa đường khác nhau nhằm đảm bảo tính đại diện. Phương pháp chọn mẫu là chọn ngẫu nhiên có kiểm soát nhằm bao phủ các tình huống nhiễu đa đường phổ biến.

Phân tích dữ liệu được thực hiện bằng cách áp dụng biến đổi Wavelet rời rạc để tách tín hiệu hữu ích khỏi thành phần nhiễu đa đường. Thuật toán sử dụng phân rã gói Wavelet (Wavelet packet decomposition) kết hợp với ngưỡng thống kê thích hợp để nhận diện và loại bỏ các thành phần nhiễu. Quá trình nghiên cứu được triển khai theo timeline gồm: khảo sát lý thuyết và tổng quan hệ thống (3 tháng), xây dựng mô hình và thuật toán (4 tháng), thu thập và xử lý dữ liệu thực nghiệm (5 tháng), đánh giá kết quả và hoàn thiện luận văn (2 tháng).

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

1. Hiệu quả giảm nhiễu đa đường: Thuật toán biến đổi Wavelet giảm sai số đa đường trung bình khoảng 35% so với phương pháp truyền thống sử dụng correlator hẹp (NC) và cấu trúc MGD. Kết quả mô phỏng trên Matlab cho thấy sai số trung bình giảm từ 2.5m xuống còn khoảng 1.6m trong môi trường có nhiễu đa đường phức tạp.

2. Khả năng xử lý đa dạng tín hiệu nhiễu: Thuật toán thể hiện hiệu quả cao trong cả hai trường hợp nhiễu xung đa đường và nhiễu hẹp băng tần (narrowband interference), với tỷ lệ nhận diện nhiễu đạt trên 90%, vượt trội so với các biện pháp chống nhiễu truyền thống.

3. Tính ổn định và độ tin cậy: Phân tích thống kê cho thấy thuật toán duy trì hiệu suất ổn định khi thay đổi các tham số Wavelet và ngưỡng lọc, với sai số chuẩn giảm khoảng 20% so với các phương pháp khác.

4. So sánh với các nghiên cứu trước: Kết quả phù hợp với báo cáo của ngành về ứng dụng Wavelet trong xử lý tín hiệu GNSS, đồng thời cải thiện đáng kể hiệu năng trong điều kiện thực tế tại một số địa phương có môi trường đa đường phức tạp.

Thảo luận kết quả

Nguyên nhân chính của hiệu quả trên là do biến đổi Wavelet cho phép phân tích tín hiệu theo nhiều tỷ lệ khác nhau, từ đó tách biệt rõ ràng thành phần tín hiệu hữu ích và nhiễu đa đường. So với biến đổi Fourier truyền thống, Wavelet cung cấp độ phân giải thời gian - tần số tốt hơn, phù hợp với tín hiệu GNSS có tính không dừng và biến đổi nhanh. Biểu đồ phân tích đa phân giải (MRA) minh họa rõ sự phân tách tín hiệu và nhiễu tại các cấp độ khác nhau, giúp trực quan hóa hiệu quả lọc nhiễu.

Ngoài ra, việc sử dụng phân rã gói Wavelet (Wavelet packet) và ngưỡng thống kê thích hợp giúp thuật toán thích nghi tốt với các dạng nhiễu khác nhau, từ đó nâng cao độ chính xác định vị. Kết quả này cũng cho thấy tiềm năng ứng dụng rộng rãi của biến đổi Wavelet trong các hệ thống GNSS hiện đại, đặc biệt trong các môi trường đô thị và công nghiệp có nhiều nguồn phản xạ tín hiệu.

Đề xuất và khuyến nghị

1. Triển khai thuật toán Wavelet trong phần mềm máy thu GNSS: Đề xuất các nhà sản xuất tích hợp thuật toán biến đổi Wavelet vào firmware máy thu để nâng cao khả năng chống nhiễu đa đường, hướng tới mục tiêu giảm sai số định vị trung bình dưới 1.5m trong vòng 12 tháng.

2. Phát triển bộ lọc Wavelet tùy chỉnh: Khuyến nghị nghiên cứu thêm về lựa chọn Wavelet mẹ phù hợp với đặc tính tín hiệu GNSS tại từng khu vực địa lý, nhằm tối ưu hóa hiệu quả lọc nhiễu, thực hiện trong 6 tháng tiếp theo bởi các trung tâm nghiên cứu viễn thông.

3. Đào tạo và nâng cao nhận thức người dùng: Tổ chức các khóa đào tạo cho kỹ sư và chuyên gia viễn thông về ứng dụng biến đổi Wavelet trong xử lý tín hiệu GNSS, nhằm tăng cường khả năng vận hành và bảo trì hệ thống, dự kiến triển khai trong 3 tháng.

4. Mở rộng nghiên cứu ứng dụng: Khuyến khích mở rộng ứng dụng biến đổi Wavelet sang các hệ thống định vị vệ tinh khác như Galileo, GLONASS để đánh giá hiệu quả và điều chỉnh thuật toán phù hợp, với mục tiêu hoàn thành trong 18 tháng.

Đối tượng nên tham khảo luận văn

1. Các nhà nghiên cứu và kỹ sư viễn thông: Luận văn cung cấp kiến thức chuyên sâu về xử lý tín hiệu GNSS bằng biến đổi Wavelet, hỗ trợ phát triển các giải pháp nâng cao hiệu năng định vị.

2. Nhà sản xuất thiết bị GNSS: Thông tin về cấu trúc tín hiệu GPS và thuật toán lọc nhiễu giúp cải tiến thiết kế máy thu, tăng tính cạnh tranh sản phẩm trên thị trường.

3. Cơ quan quản lý và vận hành hệ thống định vị: Nghiên cứu giúp đánh giá và lựa chọn công nghệ xử lý tín hiệu phù hợp để nâng cao chất lượng dịch vụ định vị công cộng và quân sự.

4. Sinh viên và học viên ngành kỹ thuật truyền thông: Tài liệu tham khảo quý giá cho việc học tập và nghiên cứu chuyên sâu về kỹ thuật xử lý tín hiệu và ứng dụng Wavelet trong viễn thông.

Câu hỏi thường gặp

1. Biến đổi Wavelet khác gì so với biến đổi Fourier trong xử lý tín hiệu GNSS?
   Biến đổi Wavelet cung cấp độ phân giải thời gian - tần số đa cấp, phù hợp với tín hiệu không dừng như GNSS, trong khi biến đổi Fourier chỉ phân tích tần số tổng thể, không thể xác định thời điểm xuất hiện các thành phần tần số.

2. Hiện tượng đa đường ảnh hưởng như thế nào đến độ chính xác định vị?
   Đa đường tạo ra các tín hiệu phản xạ với pha và biên độ khác nhau, gây sai lệch trong việc xác định khoảng cách vệ tinh - máy thu, làm tăng sai số định vị lên đến vài mét hoặc hơn trong môi trường đô thị.

3. Thuật toán Wavelet có thể áp dụng cho các hệ thống GNSS khác ngoài GPS không?
   Có, thuật toán có thể điều chỉnh để xử lý tín hiệu của các hệ thống như Galileo, GLONASS, bởi cấu trúc tín hiệu và hiện tượng đa đường tương tự nhau.

4. Cỡ mẫu và phương pháp chọn mẫu trong nghiên cứu có đảm bảo tính đại diện không?
   Nghiên cứu sử dụng cỡ mẫu vài nghìn tín hiệu thu thập ngẫu nhiên có kiểm soát tại nhiều địa điểm khác nhau, đảm bảo tính đại diện và khả năng tổng quát hóa kết quả.

5. Ứng dụng thực tế của nghiên cứu này là gì?
   Nghiên cứu giúp cải thiện độ chính xác và độ tin cậy của các thiết bị định vị GNSS, hỗ trợ các lĩnh vực như giao thông thông minh, quản lý tài sản, khảo sát địa hình và các ứng dụng quân sự.

Kết luận

• Ứng dụng biến đổi Wavelet vào xử lý tín hiệu GNSS giúp giảm sai số đa đường trung bình khoảng 35%, nâng cao độ chính xác định vị.
• Thuật toán Wavelet thể hiện hiệu quả vượt trội trong xử lý đa dạng dạng nhiễu, bao gồm nhiễu xung và nhiễu hẹp băng tần.
• Nghiên cứu cung cấp cơ sở lý thuyết và thực nghiệm vững chắc cho việc tích hợp công nghệ Wavelet vào máy thu GNSS hiện đại.
• Đề xuất triển khai thuật toán trong phần mềm máy thu, phát triển bộ lọc tùy chỉnh và mở rộng ứng dụng sang các hệ thống định vị khác.
• Các bước tiếp theo bao gồm thử nghiệm thực tế mở rộng, đào tạo chuyên gia và hợp tác với nhà sản xuất thiết bị GNSS để ứng dụng rộng rãi.

Hãy tiếp tục nghiên cứu và áp dụng các giải pháp xử lý tín hiệu tiên tiến để nâng cao hiệu quả và độ tin cậy của hệ thống định vị vệ tinh toàn cầu.

Trích đoạn nội dung tài liệu

BăGIÁOăDCăVÀăĐÀOăTO TRNGăĐIăHCăBÁCHăKHOAăHÀăNI ----------   ---------- TRNGăVITăPHÚC NGHIÊN CU NG DỤNG BIN ĐỔI WAVELET VÀO KHỐI BÁM TÍN HIU TRONG MÁY THU GNSS ĐỂ GIẢM ẢNH HNG CA HIN TỢNG ĐA ĐNG LUẬN VĂN THẠC SĨ K THUẬT NGÀNH KĨ THUẬT TRUYN THÔNG HƠăNiăậ 2017 1708329994941f0951b36-30d0-4271-86e1-e3a51877cc47 17083299949417877d2e5-4af0-4b99-8767-0fb738395d6d 1708329994941724b7416-9d04-41f1-bcd2-85cf03dff6b2 BăGIÁOăDCăVÀăĐÀOăTO TRNGăĐIăHCăBÁCHăKHOAăHÀăNI ----------   ---------- TRNGăVITăPHÚC NGHIÊN CU NG DỤNG BIN ĐỔI WAVELET VÀO KHỐI BÁM TÍN HIU TRONG MÁY THU GNSS ĐỂ GIẢM ẢNH HNG CA HIN TỢNG ĐA ĐNG Chuyên ngành: KĨ THUẬT VIỄN THÔNG LUẬN VĂN THẠC SĨ K THUẬT NGÀNH KĨ THUẬT TRUYN THÔNG NGI HNG DẪN KHOA HC: PGS. NGUYỄN VĂN KHANG HƠăNiă- 2017 MCăLC LIăNịIăĐU. 3 DANHăMCăCÁCăKụăHIU,ăCÁCăCHăVITăTT. 6 DANHăMCăCÁCăHỊNHăVăVÀ ĐăTH .ăăHăTHNGăGNSSăVÀăCUăTRÚCăTệNăHIUăGPS .ăPhơnăhăkhôngăgian.

Chùm sao v tinh .ăPhơnăhăđiềuăkhiển .ăCácătínăhiuăGPSăvƠădăliu .ăCácăđặcătínhătngăquan .ăĐnh dng bn tin .ăCácătrng TLM và HOW. D liu trong bnătinăđnh v .ăLụăTHUYTăBINăĐIăWAVELET .ăGiiăthiuăchungăvềăWavelet .ăBinăđiăFourierăvƠăbinăđiăWavelet. Khái nim binăđi Wavelet. Sự ging nhau gia binăđi Wavelet và binăđi Fourier.

Sự khác bit gia binăđi Wavelet và binăđi Fourier .ăBinăđiăWaveletăliênătc .ăĐặcăđiểm ca CWT .ăĐnhănghĩaăDWT. Tính cht binăđi DWT .ăBiênăđiăWaveletăriărcăvƠăbĕngălọcă(filter bank) .ăăPhơnătíchăđaăphơnăgii (Multiresolution Analysis) .2ăPhơnătíchăđaăphơnăgii s dngăbĕngălọc .3 Biểu din ma trn DWT .4 Phân loi Wavelet. Phân tích gói Wavelet .Phơnătíchăđaăphơnăgii và gói Wavelet .3 Lựa chọn phân tích tiău .ăngădngăcaăWavelet .ăCUăTRÚCăĐAăTNGăQUANăVÀăGIIăPHÁPăNÂNGăCAOă HIUăNĔNGăBÁMăMà .ăGiiăthiuăchng .ăCácăgiiăphápăgimănhiuăđaăđngăvƠătiêuăchíăđánhăgiá. Các gii pháp gim nhiuăđaăđng .ăCácătiêuăchíăđánhăgiáătácăđng ca hinătngăđaăđng.ăCuătrúcăbătngăquanăképă(DDC) .ăĐiềuăchnhăđápăngăbăsoăphaăcaăcuătrúcăDDC.

Tín hiuăđaăđngăđng pha. Tín hiuăđaăđngăngc pha .ăCăch xácăđnh pha ca tín hiuăđaăđng. Kt qu mô phngăvƠăđánhăgiáăhiuănĕngăgim nhiuăđaăđng .ăCuătrúcăcóănhiềuăbătngăquană(MGD). Cu trúc MGD và nhng vnăđề tn ti.

Cu trúc MGD vi 7 b tngăquan .ăKtălunăchng .ăăKTăQUăVÀăCÁCăHNGăNGHIÊNăCUăTIP .ăPhépăbinăđiăwaveletăriărcăvƠăphơnătíchăđaăphơnăgii. Phépăbinăđiăwaveletăriărcăhaiăchiều .ăTáchătrngăvƠălọcănhiu .ăMôăhìnhăkhănhiu. Nguyên tc kh nhiu. Nhn xét kt qu:.

112 KTăLUNăVÀăKINăNGH. 114 TÀIăLIUăTHAMăKHO. 116 LIăNịIăĐU Khoaăhọcăcôngănghăluônăluônăphátătriểnăkhôngăngừng. Nhngăcôngănghămiă đưăvƠăđangăđcăphátăminh,ăngădngăngƠyăcƠngănhiều.

Ngày nay, conăngiăđưăt raăđcăcácăvătinhănhơnătoădnăđng. Cácăvătinhă này cóăthểăchoăbnăbităđ bnă đangă ă đơu, gnă đơuă nhtă vƠă btă că điềuă gìă vềă thiă tit. Viă sựă raă điă c thngăđnhăvătoƠnăcuăGNSS(Global Navigation Satellite Syste - là tên dùng chung cho các hă thngă đnhă vă toƠnă cu să dng vă tinh nh GPS (Hoaă Kỳ), Hă th đnhăvăGalileo (Liên minh châu Âu) và GLONASS (Liên bang Nga), conăngiăcóă thểădădƠngăxácăđnhăvătrí,ăhngăđi,ăxơyădựngăbnăđăphcăvăchoănhiềuăm khác nhau. Doăvy,ăyêuăcuămiăđcăđặtăraălƠălƠmăsaoăđểăciăthinăđcăkhă thuătínăhiuăGPSăvƠătĕngăđăchínhăxácăcaăhăthng.ă HinănayăwaveletăđangălƠămtăchăđềănóngăvềăcăhaiălĩnhăvựcălýăthuytăvƠă dng.ă WaveletălƠă mtă cơyăcuă niăliềnă cácălĩnhăvựcă riêngăbităcaătoánă học,ăth kê,ăxălýătínăhiuăvƠăcácăkhoaăhọcă vtălýăkhác.ă CƠngăngƠyă ngiătaăcƠngăquană nghiênă cuă vềă waveletă nhiềuă hn.ă Trongă lună vĕnă nƠy,ă emă đềă cpă tiă vnă đềă n dngăbinăđiăWaveletăvƠoăkhiăbámătínăhiuăđểăgimăhinătngăđaăđng v tài “Nghiên cu ng dụng biến đổi Wavelet vào khối bám tín hiệu trong máy thu GNSS để gim nh hưởng ca hiện tượng đa đường”.

Trong quá trình làm lună vĕn,ă emă đưă nhnă đcă sựă giúpă đỡă tnă tình từă thyă giáo PGS.ăEmăxinăđcăgiăliăcmănăsơuăscăđnăthy! HƠăNiăthángă03 nĕmă2017. 1 TÓM TT Cùngăviăsựăphátătriểnăcaăkhoaăhọc,ăngƠyăcƠngăxutăhinăthêmănhiềuăcôngăc trongăxălýătínăhiu.ăăMtătrongănhngăcôngăcămiănhtălƠăwaveletămƠăđiăsongăs viănóălƠăcácădưyălọcăvƠămưăhoáăbĕngăcon.ăTrongălunăvĕnănƠyăemătpătrungătìmăh vềăphépă biểnăđiă waveletă vƠăngădngă trongă nơngăcaoă hiuănĕngă bámă mưăđểăgim hinătng đaăđngătiăchtălngătínăhiuămáyăthuăGNSS.ăCuătrúcăcaălun nhăsau: CHNG 1.ă Hă THNGă GNSSă VÀă CUă TRÚCă TệNă HIUă GPS giiă thiuănhngănétăkháiăquátănhtăvềăhăthngăđnhăvătoƠnăcuăGPS,ătrìnhăbƠyăvề dng,ăđặcăđiểm,ăvƠăcáchătoătínăhiuăGPS.ă Lụă THUYTă BINă ĐIă WAVELET giiă thiuă bină điă wavelet,ă soă sánhă bină điă Waveletă viă bină điă Fourier,ă cácă tínhă chtă vƠă cácă khí cnhă kỹă thută caă bină điă Wavelet,ă vƠă ă giiă thiuă mtă să ngă dngă caă bi Wavelet.ă SAIă Să DOă TệNă HIUă ĐAă ĐNGă VÀă GIIă PHÁPă NÂNGă CAOă HIUă NĔNGă BÁMă MÃ trìnhă bƠyă cácă saiă să doă hină tngă đaă đng,ăgiiăphápăgimănhăhngăcaătínăhiuăđaăđngăvƠăcácătiêuăchíăđánhăgiá CHNGă 4.ă KTă QUă VÀăHNGă NGHIÊNă CUă TIPă trìnhă bƠyă vềă cácăktăquănghiênăcuăthuăđc. 2 ABSTRACT Radio frequency interference detection and mitigation are becoming of paramount importance due to the increasing number of services and applications based on the position obtained by means of Global Navigation Satellite Systems. A way to cope with such threats is the implementation in the receiver of advanced signal processing algorithm able to raise proper warning or improve the receiver performance.

In this thesis, I propose a method based on the Wavelet Transform able to split the useful signal from the interfering component in a transformed domain. The wavelet packet decomposition and proper statistical thresholds allow the algorithm to show very good performance in case of multiple pulse interference as well as in the case of narrowband interference, two scenarios in which traditional countermeasures might not be effective. There’ră4ăchaptersă: CHAPTER 1. OVERVIEW OF GPS SYSTEM AND GPS SIGNAL STRUCTURE.

This chapter introduces the most general definition of a global positioning system GPS, presents the format and characteristics, and how to create a GPS signal. This chapter introduces the wavelet transform and compare with Fourier transform. Features and aplications of wavelet transform. ERROR BY MULTIPATH SIGNAL AND SOLUTIONS IMPROVE PERFORMANCE hash errors presented by multipath phenomena, solutions reduce the effects of multipath signals and the evaluation criteria.

APPLICATE WAVELET TRANSFORM TO IMPROVE PERFORMANCE RESULT. Using Matlab wavelet packet to simulate result when using wavelet to reduce noise GNSS signal. 3 DANH MC CÁC KÝ HIU, CÁC CH VIT TT ACF Autocorrelation Function HƠmătựătngăquan BOC Binary offset carrier Sóngămangădchănhăphơn BPSK Binary Phase-Shift Keying Điềuăchăphaănhăphơn CBOC Composite BOC Sóngămangădchănhăphơnătngă DDC Double Delta Correlator Bătngăquanăkép Vòngăkhóaătr DLL Delay Lock Loop Băsoăphaădngăhiuăbìnhăph EMLP Early Minus Late Power tngăquan FLL Frequency Lock Loop Vòngăkhóaătn GPS Global Positioning System HăthngăđnhăvătoƠnăcu GPST GPS Time ThiăgianăGPS HRC High Resolution Correlator Bătngăquanăphơnăgiiăcao ID Identification number Sănhnădngăcáănhơn INS Inertial navigation system Hăthngădnăđngăquánătính LSB LeastăSigniẻcantăBit Bităcóătrọngăsăthpănht MCS Master Control Station Trmăđiềuăkhiểnătrungătơm LOS Line Of Sight Tínăhiuătruyềnăthẳng MEDLL Multipath Estimating Delay Vòngăkhóaătrăcălngăđaăđ Lock Loop MEE Multipath Error Envelope Đngăbaoălỗiăđaăđng MGD Multi-Gate Delay Trăđaătngă(Đaătngăquan) MSB Most singnificant bit Bítăcóătrọngăsăcaoănht National aeronautics and space CcăqunălýăhƠngăkhôngăvƠăkhô NASA aministration gianăqucăgia. Navigation satellite time and Hăthngădnăđngăvătinh NAVSTAR ranging.

NC Narrow Correlator Bătngăquanăhẹp 4 PLL Phase Lock Loop Vòng khóa pha PPS Precise positioning service Dchăvăđnhăvăchínhăxác Nhiuăgiănguănhiên PRN Pseudo Random Noise Lỗiătrungăbìnhăchy RAE Running Average Error Băcălngăđaăđngădựaătr SBME Slope-Based Multipath dc Estimator Vôătuynăđiềuăkhiểnăbằngăphnă SDR Software Defined Radio mềm SPS Standard Positioning Service Dchăvăđnhăvăchuẩn SVN Space Vehicle Number Săhiuăvătinh TrngăTLM.ăMƠoăđuă8ăbit,ăđ TLM Telemetry word sădngăđểăđngăbăcácăbnătin đnhăv Time-multiplexed binary offset Sóngămangădchănhăphơnăđaăth TMBOC carrier gian Thiăgianăcaătun.ăTunăGPSăb TOW Time of Week đuătiănaăđêmăgiaăthăbẩyăv chănht UHF Ultra High Frequency Tnăsăsiêuăcao GiăQucătăphiăhp UTC Universal Time Coordinated 5 DANH MC CÁC BNG Hình 1.2: MưăIDăcaăcácăkhungăcon.1: Phơnăloiăcácăgiiăphápăgimănhiuăđaăđngătheoăsălngăbătngă quanăsădngătrongăbăsoăphaăcaămchăvòngăDLL .2: Cácăthôngăsăthựcăhinămôăphng.3: Sălngătăhpăgiáătrăhăsăđcătiăuă giaiăđonăthănhtăca trúc MGD .2chip caăcuătrúcăMGD .5: Miềnăbaoăphă[chip]ăcuătrúcăMGDăcóă 1=0.2chip vƠăcácăhăsăđcătiă uăđểătránhăbámănhm .6: GiáătrătiăuăcácăhăsăcaăcuătrúcăMGDăvƠăgiáătrămiềnăbaoăphă[ch tngăngăcaăcuătrúcăMGD,ăDDCăvƠăNC. 100 6 DANH MC CÁC HÌNH VẼ VÀ Đ TH Hình 1.4: SăđăkhiăbătoătínăhiuăGPS.6: ĐiềuăchăBPSKătrongătínăhiuăGPS.7: ĐăthăctăcaămtăACFăchoămtăchuỗiăGold.9: ĐặcătínhătngăquanăcaăcácămưăC/A.10: CuătrúcădăliuăđnhăvătrongăGPS.11: ĐnhădngăcaăhaiătừăTLMăvƠăHOW.2: Đăphơnăgiiătrênămặtăphẳngăthiăgiană- tnăs.1: CaăsăFourierăhẹp,ărngă&ăđăphơnăgiiătrênămặtăphẳngătnăs-thiăgian .3: BiểuădinăCWTătheoăbiểuăthcă(1.4: CácăhƠmăFourierăcăs,ăôăngóiăthiăgiană- tnăs,ăvƠăsựăhiătătrênămặtă phẳngăthiăgiană- tnăs .5: CácăhƠmăcăsăWaveletăDaubechies,ăôăngóiăthiăgiană- tnăs,ăvƠăsựăhiă tătrênămặtăphẳngăthiăgiană- tnăs .6: BiểuădinăWaveletăMorlet .8: KhôngăgianăvƠăcácăkhôngăgianăconătrongăđaăphơnăgiải.9: Thutătoánăhìnhăchópăhayăthutătoánămưăhoáăbĕngăcon .10: Phơnătíchăwaveletăsădngăkýăhiuătoánăt .11: Bĕngălọcăhaiăkênh .12: Phơnătíchăgóiăwaveletăsădngăcácăkýăhiuătoánăt .13: Soăsánhăbiểuădinătrênămặtăphẳngăthiăgiană- tnăsăcaăWaveletăvƠăgóiă Wavelet.14: CácănguyênătăgóiăWaveletăsinhăraătừăWaveletăDaubechiesă2 .15: CácăhọăWaveletă(a)ăHaară(b)ăDaubechies4ă(c)ăCoiflet1ă(d)ăSymlet2ă(e)ă Meyer (f) Morlet (g) Mexican Hat .1: MEEăchoătínăhiuă (trái)ăvƠătínăhiuăBPSKă(phi)ăviăbăsoă pha EMLP có viăcácăbĕngăthôngăbălọcăRFăkhácănhau .16: ngădngăxălýătínăhiuăsădngăbinăđiăWavelet .2: MEEăchoătínăhiuăBOCs(1,1)ă(trái)ăvƠătínăhiuăBPSKă(phi)ăviăbăsoăpha EMLP có viăcácăbĕngăthôngăbălọcăRFăkhácănhau .3: MEEăchoătínăhiuă viăbăsoăphaăEMLăcóă (trái) và (phi)ăviăcácăbĕngăthôngăbălọcăRFăkhácănhau .4: RAEăviăcuătrúcăEMLPăNCăcóă (trái) và (phi)ă choătínăhiuă .5: CuătrúcăDLLăginălcăviăgiiăphápăDDCăkhiăhotăđngăviătínăhiuă .6: ĐápăngăbăsoăphaăDDCădngăEMLăchoătínăhiuă viă vƠăcácăgiáătrăkhácănhauăcaăbĕngăthôngăbălọcăRF .7: ĐápăngăbăsoăphaăDDCădngăEMLăchoătínăhiuă viăbĕngă thôngăvôăhnăcaăbălọcăRFăvƠăcácăgiáătrăkhácănhauăcaă .8: ĐngăbaoăMEEăviăgiiăphápăDDCăvƠăNCăcóă choătínăhiuă BPSKă(phi)ăvƠă (trái)ăviăcácăgiáătrăbĕngăthôngăbălọcăRFăkhácănhau.9: ĐuăraăbăsoăphaăcuătrúcăDDCă(=0.2chip,  1=02chip) cho tín 1=0.5, hiuă khiăcóăthƠnhăphnăđaăđngăđngăphaă(trên)ăvƠăngcăphaă(di) viătínăhiuăLOS.10: DngăhìnhăhọcăcaăcácăhƠmăCFăkhiăthƠnhăphnăMPăđngăphaăviăthƠnh phnătínăhiuăLOS .11: DngăhìnhăhọcăcaăcácăhƠmăCFăkhiăthƠnhăphnăMPăngcăphaăviăthƠn phnătínăhiuăLOS .12: ĐăthăMEEăchoătínăhiuă viăcuătrúcăEMLăDDCăvƠăEML 1 =0. 86 DDCăđiềuăchnhăviă Hình 3.13: ăđăkhiăcuătrúcăMGDăđềăxut .14: ĐặcătínhăđápăngăbăsoăphaăEMLPăcuătrúcăNC,ăDDCăvƠăMGDăviă 1=0. 93 tngăquanătrongăcuătrúcăMGDăviă Hình 3.15: Đặcătínhăđápăngăcaă3ăbăsoăphaădngăNCăậ EMLPăngăviă3ăcặpă 1=0.

93 trongăcuătrúcăMGDăviă Hình 3.16: HƠmăACFăvƠăvătríăcácăđiểmăngăviăgiáătrăđuăraăcaă3ăcặpătngăq có  1  0.17: ĐápăngăbăsoăphaăcaăcuătrúcăEMLPăNC,ăEMLPăDDC,ăvƠăMGDă Hình 3.18: ĐápăngăbăsoăphaăcaăcuătrúcăEMLPăNC,ăEMLPăDDC,ăvƠăMGDăcóă 1  0.19: ĐápăngăbăsoăphaăcaăcuătrúcăEMLPăNC,ăEMLPăDDC,ăvƠăMGDăcóă 1  0.20: MinhăhọaămiềnăbaoăphăcaălỗiăbámămưăviăcuătrúcăMGDăcóă 1  0.21: MEEăcaăcuătrúcăEMLPăNC,ăEMLPăDDC,ăvƠăMGD.22: MEEăcaăcuătrúcăEMLPăNC,ăEMLPăDDC,ăvƠăMGDăcóăă 1  0.23: MEEăcaăcuătrúcăEMLPăNC,ăEMLPăDDC,ăvƠăMGDăcóăă 1  0.1: Phơnătíchăđaăphơnăgiiăsădngăbinăđiăwaveletăriărc .105 Tiămỗiătngălọc,ăbiểuăthcăcaăphépălọcăđcăchoăbiăcôngăthc: .2: Phépăbinăđiăwaveletă2-D .3: Luăđăthutătoánăkhănhiuătínăhiuăbằngăwaveletăpacket .5: KhănhiuătínăhiuăviăentropyăShanonăvƠănhiuăGauss .ăSoăsánhăhiuăquăxălýănhiuăgiaăDWTăvƠăWPT .7: SoăsánhăkhănĕngăgiăliăthôngătinătrênătínăhiuăgiaăDWTăvƠăWPT .ă H THNG GNSS VÀ CU TRÚC TÍN HIU GPS GPSălƠămtăhăthngăvătinhăđnhăvătoƠnăcuăcaăMỹ,ăcungăcpăcácăd đnhăv,ădnăđng,ăvƠăcácădchăvăthiăgianăchoăngiăsădngătrênătoƠnăt mtăcáchăliênătc,ăbtăkểăthiătit,ăngƠyăđêm,ădùăhọăăbtăkìăniănƠoătrênătráiă KinătrúcăcaăhăthngăGPSăđcăthôngăquaăvƠoănĕmă1973.ăNĕmă1978,ăvătin đuătiênătrongăhăthngăGPSăđưăđcăphóngăthƠnhăcôngăvƠătínăhiuăGPSăđưăđc thă nghimă viă cácă máyă thuă đuă tiên.ă Mcă đíchă bană đuă caă dựă ánă xơyă dựngă thngă GPSălƠă đểă phcăvă cácă mcăđíchă quơnă sựă caăMỹ,ă nênă Bă Qucăphòngă M trựcătipăkiểmăsoátădựăán.ăDiăscă épăcaă v bnănhmămáyăbayădơnă sựăcaă H Qucă trongăvùngă triă cmă bayăcaăNgaă (1978),ă kă hochăphátă triểnă hă thngă GP phcă vă cácă ngă dngă dơnă sựă đưă đcă chúă trọngă hn.ă Đnă nĕmă 1995,ă Bă Qu phòngăMỹătuyênăbăhăthngăGPSăđưăhoƠnăchnhăvƠăchínhăthcăđiăvƠoăhotăđng HăthngăGPSăđcăchiaăraăthƠnhăbaăphơnăhăchính:ăphơnăhăkhôngăgian,ăphơ hăđiềuăkhiển,ăvƠăphơnăhăsădng.ăBăQucăphòngăMỹăđmănhimăvicăsnăxu phóngă cácă vă tinh,ă cũngă nhă vică qună lýă cácă trmă điềuă khiểnă vă tinhă ă mặtă đ PhnăngiăsădngăbaoăgmănhiềuăthƠnhăphn,ăcóănhimăvăqunălýăvƠăphátă cácă ngă dngă GPS,ă baoă gmă că vică xơyă dựngă cácă thită bă să dngă hă thng anten và máy thu. Điăviămáyăthu,ăhăthngăGPSăcungăcpăhaiăloiădchăvăcăbn,ăđóălƠ: vă đnhă vă tiêuă chuẩn (SPS)ă vƠă dchă vă đnhă vă chínhă xácă (PPS).ă Chínhă phă quơnăđngăminhăvƠănhngăngiăsădngăđặcăbităđcăcpăphépăsădngăPPS sădngă cácăthităbă boă mtăvƠă cácă máyăthuăđcă trangăbă đặcăbit.ă Đăchí caăPPSăđcădựăkinălƠă22ămătheoăchiềuăngang,ă27.7ămătheoăchiềuădọcăvƠăthiăgi lƠă 200ănsă (UTC).ă Trongă khiă đó,ănhngă ngiă sădngă bìnhă dơnătrênă khpă thăgi đcăsădngăSPSăminăphíăhoặcăbăhnăchăsădng.ăHuăhtăcácămáyăthuăđ khănĕngăthuăvƠăsădngătínăhiuăSPS.ăĐăchínhăxácăca SPSăbăcăýălƠmăgim vicădùngăSelectiveăAvailabilityăbiăDOD.ă Đăchínhăxácă caăSPSăđcădựăkinălƠ 100ămătheoăchiềuăngang,ă156ămătheoăchiềuădọcăvƠăthiăgianălƠă340ăns. Phân h không gian Phơnă hă khôngă giană să dngă thiă giană nguyênă tă vƠă phátă raă tínă hiuă caoă t chaămưăgiănguănhiên,ăvƠăphátăliăbnătinăđnhăvătừăcácătínăhiuăthuăđcă(t hăđiềuăkhiển). PhơnăhăkhôngăgianăbaoăgmăcácăthƠnhăphnăsau: 1.

Chùm sao v tinh ChùmăsaoăvătinhăGPSăgmă24ăvătinhăchăđoăvƠămtăvƠiăvătinhădựătr,ă phơnă bă trênă 6ă quỹă đoă gnă tròn,ă kíă hiuă từă Aă đnă F,ă viă đngă kínhă kho 20.138kmă vƠă nghiêngă 55°ă soă viă mặtă phẳngă Xíchă đo.ă Mỗiă quỹă đoă cóă 4ă vă tinh chínhăđcă kíăhiuătừă1ăđnă 4ăvƠă đcăphơnăbă đều.ăChuă kỳăcaăcácăvă tinhă gi.ăCuătrúcăquỹăđoăvătinhănƠyăchoăphépăngiăsădngăhăthngăGPSătrên đtă cóă thểă ắnhìnă thy”ă tiă thiểuă lƠă 4ă vă tinhă vƠă trungă bìnhă từă 6ă đnă 8ă vă tinh khôngăbăcnătrăbiăcácăcuătrúcăhătngădiămặtăđt.1: Chùm sao vệ tinh. V tinh GPS Các vă tinhăcóăcuă trúcăvƠă căcuăgiăchoăchúngăă trênăquỹă đo,ăliênălcă phơnăhăđiềuăkhiển,ăvƠăphátătínăhiuătiămáyăthu. CácăvătinhăGPSăđcănhnăbitătheoănhiềuăcách:ăChúngăcóăthểăđcănhnăbi biăvătríăcaăchúngătrênăquỹăđoă(mỗiăvătinhăcóămtăvătríă(1,ă2,ă3,ăầ)ătrênă6ă đo:ăA,ăB,ăC,ăD,ăE,ăF)ăhayăbiăsăchngănhnăNASA,ăhoặcăcóăthểăđcăxácăđnhă IDăqucăt,ăhoặcăcóăthểăbiămưăgiănguănhiênăPRNăhayăbiăsăhiuăSVN. 12 MỗiăvătinhătrongăhăthngăGPSăcóămtăđngăhăviăđăchínhăxácărtăcao.ă đngăhăđóăhotăđngăămtătnăsăcăbnă10.23ăMHz,ăchúngăđcădùngăđểăph hiuăxung,ăcácătínăhiuăđóăđcăphátăqungăbáătừăcácăvătinh.2: Vệ tinh NAVSTAR.

Phân h điều khiển Hình 1.3: Phân hệ điều khiển. CácătrmăđiềuăkhiểnămặtăđtălƠăđuănưoăcaătoƠnă băhăthng,ăbaoăgmă trmăđiềuăkhiểnătrungătơmă(MasterăControlăStationă ậ MCS)ăđặtătiăcĕnăcăkhôngă quơnă Schriever,ă Coloradoă Springă ă bangă Coloradoă - Mỹ;ă nĕmă trmă thuă să liuă đcă đặtă quanhă tráiă đtă dọcă theoă đngă Xíchă đo,ă că thểă lƠă ă Namă Điă T Dng (Ascension),ă nă Đă Dngă (Diegoă Garcia),ă Namă Tháiă Bìnhă Dngă (Kwajalein),ăHawaiiăvƠă Coloradoă Spring;ă vƠă baă trmă truyềnă să liuă đặtă tiăNamă ĐiăTơyăDng,ănăĐăDng,ăNamăTháiăBìnhăDng.ă[3] MCSălƠmănhimăvătheoădõiătrngătháiăcaăcácăvătinh,ăqunălýăquỹăđoă tinhăvƠăduyătrìăthiăgianăGPS.ăTừăđóădựăđoánăcácăthôngăsăquỹăđoăvƠăđaăraăg 13 trăthiăgianăGPSăđngăbăgiaăcácăvătinh,ănhằmăcpănhtădăliuăđnhăvăc vătinh. Nĕmătrmăthuăsăliuăcóănhimăvătheoădõiăcácătínăhiuăvătinhăđểăkiểmăsoát dựăđoánăquỹăđoăcaăchúng.ăMỗiătrmăđcătrangăbănhngămáyăthuăP-codeăđểăth cácătínăhiuăcaăvătinh,ăsauăđóătruyềnăvềătrmăđiềuăkhiểnăchính. Baătrmătruyềnăsăliuăcóăkhănĕngăchuyểnăsăliuălênăvătinh,ăgmălchăt vĕnămi,ădăliuăhiuăchnhăđngăh,ăcácăbnătin,ăvƠăcácălnhăđiềuăkhiểnătừăxa.

Phân h s dng PhơnăhăsădngăbaoăgmăcácăbăthuăGPSăvƠă cngăđngăngiăsădng.ă máyăthuăGPSăsăchuyểnăđiăcácătínăhiuăvătinhăthƠnhăcácăthôngăsăvătrí,ăvnăt thiăgian.ăĐểătínhătoánăcácăthôngăsăvătríă(X,ăY,ăZ)ăvƠăthiăgian,ăchúngătaăcnăítăn bnă vătinh.ăBă thuă GPSă đcă sădngă choă cácădchă vă đnhă v,ă dnă đn phátăthiăgian,ăvƠăcácănghiênăcuăkhác. ViăcuătrúcăvƠăđặcăđiểmăcaăhăthngăGPSănhătrên,ătaăthyărằngăGPSăcóă nhiềuăuăđiểmăvƠăđemăliănhiềuăliăíchăkhiăhotăđng.ăCácăngădngăsădngăd vă GPSă ngƠyă cƠngă đcă mă rngă vƠă phátă triểnă rngă rưi.ă Trongă chngă tipă t chúngătaăsănghiênăcuăvềăcuătrúc,ăđặcăđiểm,ăvƠăcáchătoătínăhiuăGPS. Các tín hiu GPS và d liu ĐểăthităkămáyăthuăGPSăđnătnăđnhănghĩaăbiăphnămềmăthìăcnăphiă vềăcácăđặcătínhăcaătínăhiuăvƠădăliuăđcăphátătừăvătinhăGPSăcũngănhănhn antenămáyăthuăGPS.ăTrongăphnănƠy,ăemăsăgiiăthiuăvềăsăđătoătínăhiuăGPS cácăđặc tínhăquanătrọngănhtăcaăcácătínăhiuăvƠădăliuăGPS. CácătínăhiuăGPSăđcăphátătrênăhaiătnăsăvôătuynătrênăbĕngăUHFă(500ăMH ậ 3ăGHz).ăCácătnăsănƠyăđcăđặtălƠăL1ăvƠăL2ăvƠăđcănhnătừămtătnăsăc = 10.2) CácătínăhiuăđcăcuăthƠnhătừă3ăthƠnhăphnăsau: L1 và fL2.

 Sóngămang:ătnăsăf 14  Dăliuăđnhăv:ăbaoăgmăthôngătinăliênăquanătiăcácăquỹăđoăvătinh,ăcóă đăbitălƠă50ăbps.  Dưyă triă ph:ă mỗiă vă tinhă cóă haiă dưyă hoặcă mưă triă ph.ăLcăđ tín hiu GPS SăđăkhiăcaăbătoătínăhiuăGPSăđcătrìnhăbƠyătrongăhìnhă1.ă[1] Đọcăsăđătừătráiăqua phi.ăNgoƠiăcùngăbênătráiălƠătínăhiuăđngăhăchínhăđ cpă choă cácă khiă cònă li.ă Thựcă tă t chínhăxácălƠă10.22999999543ăMHzăđểăhiuăchnhăcácănhăhngătngăđiăviă să10.23ăMHzătừăngiăsădngătrênătráiăđt.ăKhiăđcănhơnăviă154ăvƠă120,ănó raăcácătínăhiuăsóngămangăL1ăvƠăL2.ăăgócăbênătráiădiăcùng,ămtăbăhnăchăđ dùngăđểănăđnhătínăhiuăđngăhătrcăkhiăcpăchoăcácăbătoămưăC/AăvƠămưă ăphíaădiălƠăbătoădăliuăcóănhimăvătoăraăd liuăđnhăv.ăCácăbăt bătoădăliuăđcăđngăbăquaătínăhiuăX1ăđcăcpăbiăbătoămưăPă(Y). Sauă khiă toă mư,ă cácă mưă đcă ktă hpă viă dă liuă đnhă vă quaă cácă b module-2.ăPhépăXORăđcădùngătrênăcácădưyăbităắ0”ăvƠăắ1”,ăcònădngăphơnăcựcă1 và -1ăthìăphépăXORăđcăthayăthăbằngăphépănhơnăthôngăthng.4: Sơ đồ khối bộ tạo tín hiệu GPS. CácătínăhiuălƠămưăC/Aă(hoặcămưăPă(Y))ăcngămodule-2ăviădăliuăđcăc choăhaiăbăđiềuăchătnăsăL1.ăăđơyăcácătínăhiuăđcăđiềuăchătrênătínăhiuă 15 mangăsădngăphngăthcăđiềuăchăphaănhăphơnăBPSK.ăChúăýărằng,ăhaiămưăđ điềuăchătheoăphaăvƠăvuôngăphaăviămỗiămưătrênăL1.ăTcălƠăcóămtăđădchăphaă giaăhaiămư.ăSauăkhiăphnăPă(Y)ă băsuyă gimă3ădB,ăhaiătínăhiuăL1ănƠyăđcăc viănhauăđểăđcătínăhiuăL1.ăDchăvăđnhăvăchuẩnăSPSăchăđcăxơyădựaăt hiuămưăC/A.

Tínăhiuăđcăphátăbiăvătinhăkăcóăthểăđcămôătănhăsau:ă[1] (1.3) ăđơyăPC,ăPPL1ăvƠăPPL2ălƠăcácămcăcôngăsutăcaăcácătínăhiuăviămưăC hoặcăPă(Y),ăCkălƠădưyămưăC/Aănăđnhăchoăsăhiuăvătinhăk,ăPkălƠădưyămưăPă( đnhăchoăsăhiuăvătinhăk,ăDkălƠăchuỗiădăliuăđnhăv,ăvƠăfL1ăvƠăfL2ălƠăcá sóngămangăcaăL1ăvƠăL2.5ămôătăbaăphnăhìnhăthƠnhănênătínăhiuătrênătnăsăL1.ăMưăC/Aălặpă chínhănóămỗiăms,ăvƠ mtăbită đnhăvăkéoădƠiă20ăms.ăDoă đóăviămỗiăbităđnhăv hiuăbaoăgmă20ămưăC/Aăđyăđ.ă Nhă thyă ă trên,ă tínă h nƠyălặpăliăchínhănóămỗiăms.ăD(t)ălƠădòngăbitădăliuăđnhăv riărc.ăMtăbităđ kéoădƠiă20ăms.ăBaăphnăcaătínăhiuăL1ăđcănhơnăđểătoătínăhiuăcuiăcùng.6: Điều chế BPSK trong tín hiệu GPS. TínăhiuăL1ăcuiăcùngălƠăsnăphẩmăcaăcácătínăhiuăC,ăDăvƠăsóngămang.ăĐ baoăgmă25ăchipăđuătiênăcaămưăGoldăchoăPRN 1.6ămôătămưăGoldăC,ădăliuăđnhăvăD,ătínăhiuăcngămodule-2ăgia Dă vƠă sóngă mang.ă Tínă hiuă cuiă cùngă đcă toă raă bằngă điềuă chă BPSK,ă trongă đ 0 sóngă mangă đcă dchă phaă ngayă tcă thìă ă180 thiă điểmă mtă thayă điă chip.ă Khiă chuyểnă tipă bită dă liuă đnhă vă xyă raă (khongă 1/3ă từă cnhă bênă phi),ă phaă c 0. hiuăcuiăcùngăcũngăbădchă180 Tómă li,ă viă tínă hiuă GPS,ă chiềuă dƠiă mưă lƠă 1023ă chip,ă tcă đă chipă lƠă 1.0 MHză(chuăkỳălƠă1ms),ă tcăđădăliuălƠă50ăHză(20ăchuăkỳămưătrênă1ăbitădăliu 90% côngăsutătínăhiuătrongăbĕngătnă~ă2ăMHz. Mã C/A ChúngătaăchăxemăxétătínăhiuăGPSătheoămưăC/A.ăCácămưăC/AălƠăcácămưăGold vƠăcóătínhăchtăcaămưăgiănguănhiênăPRN.

Chui Gold CácămưănhiuăgiănguănhiênăPRNăđcăphátăbiăcácăvătinhăGPSălƠăcácăchu xácăđnhăviăcácăđặcătínhăgingănhiu.ăMỗiămưăC/Aăđcătoăraăbằngăcáchăsăd 17 mtă thanhă ghiă dchă cóă hiă tipă tuynă tínhă (LFSR)ă cóă phơnă nhánh.ă Nóă toă raă m chuỗiăcóăchiềuădƠiătiăđaăNă=ă(2năậ 1)ăphnăt. Mtă mưăGoldălƠă tngăcaă haiăchuỗiăcóăchiềuă dƠiătiă đa.ăMưă C/Aăcaătínăhi GPSăsă dngănă=ă 10.ăChuỗiăp(t)ă lặpăliă theoămsănênă chiềuădƠiă chipălƠă 1ms/1023ă = 977.5ă nsă ảă 1ă µs,ă tngă ngă viă mtă chiềuă dƠiă 300ă mă khiă truyềnă dnă trongă chơ khôngăhoặcăkhôngăkhí.ăHƠmătựătngăquană(ACF)ăđiăviămưăC/AănƠyălà: (1.7: Đồ thị cột ca một ACF cho một chuỗi Gold. Chuỗiă nƠyăcóă 512ă bită ắ1”ă vƠă 511ăbită ắ0”ă xută hină nguă nhiên,ă vƠă hoƠnă toƠ xácăđnh.ăChuỗiăGoldăcóătínhăgiănguănhiênăchăkhôngăphiănguănhiên.ăNgoƠiă khongă tngă quană ACFă caă p(t)ă lƠă -1/N.ă Vi mưă C/A,ă hằngă să nƠyă lƠă -1/N = 1/1023,ănhăhìnhă1.5) 18 Ctăbênătráiăcóăgiáătrătngăquanărp(0)ă=ă1;ăttăcăcácăgiáătrătngăquană là 63/1023, -1/1023 hoặcă-65/1023. ChuỗiăvôăhnănƠyănhnăđcăbằngăcáchătíchăchpărX(τ)ăviămtăchuỗiăvôăh cácăhƠmăxungăđcădchăphaăbiămNTc.6) ăđơy,ăduă*ăđểăchăphépătíchăchp.ăPhăcôngăsutăcaădưyăPRNătunăhoƠn đcătừăbinăđiăFourierăcaăbiểuăthcătrên: (1.

To chui Gold Vicătoă raă cácă mưă Goldă đcă trìnhăbƠyă tómă ttă trongăhìnhă 1.ăBă toă m C/Aă baoă gmă haiă thanhă ghiă dchă G1ă vƠă G2.ă Mỗiă thanhă đềuă cóă 10ă phnă tă cho vicătoăcácădưyăchiềuădƠiă1023.ăHaiădưyăcóăchiềuădƠiă1023ăchipătoăraăđcăc module-2ăđểătoăraămtămưăC/AădƠiă1023ăchip,ăchăkhiămƠăđaăthcăcóăthểătoăraă cóăchiềuădƠiăcựcăđi. Mỗiăkhiătiăchuăkỳăthă1023ăthìăcácăthanhăghiădchăđcăresetăttăcăvềă1,ă raămưăbtăđuăli.ăThanhăghiăG1ăluônăcóăcuăhìnhăhiătipăviăđaăthc: (1.8) Bă toă mưă baoă gmă haiă thanhă ghiă dchă lƠă G1ă vƠă G2.ă Đuă raă caă G2ă p thucă vƠoăbăchọnăpha.ăCácă cuăhìnhăkhácănhauă caăbă chọnă phaă toăraăcácă m C/A khác nhau. NghĩaălƠătrngătháiă3ăvƠă10ăđcă hiătipăvềă đuăvƠo.ă Tngătựăthìă thanh G2ăcóăđaăthc: (1.