精度因子（DOP）推导与计算

已于 2023-03-11 14:30:18 修改
阅读量1.3w 收藏 137
点赞数 33
分类专栏： 定位 算法 文章标签： 几何学 算法 线性代数
于 2021-11-12 14:46:14 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_43479834/article/details/120833805
版权

精度因子（DOP）推导与计算

文章目录

前言

  在前文空间四点定位原理与实现中介绍了通过距离来定位的原理和相关的一些应用。本文进一步研究对定位精度产生影响的因素。

一、精度因子（DOP）是什么？

  在通过测定多个已知点到待定位点距离的方式来进行定位的方法中，有很多因素会对测距结果产生影响，进而影响定位精度，几何因子就是这个误差传递过程的量化，即衡量将距离误差转移到定位误差的程度。如根据已知点的阵型（几何布局）可以定义几何精度因子（GDOP），根据时间误差可以定义时间精度因子（TDOP）等。

二、精度因子推导

1.精度因子

  假设空间中已知几点坐标为 ( x i , y i ) , i = 1 , 2 , 3... (x_{i},y_{i}),i=1,2,3... (xi​,yi​),i=1,2,3...，一待定位点P坐标为 ( x , y ) (x,y) (x,y)，根据距离公式，它们之间的真实几何距离为 r i r_i ri​，这里假设是在同步条件下进行的，也就是无钟差存在（非同步条件下只需将钟差写在等式右边作为一个变量即可，推导过程相似），根据距离公式，可以得到一个如下的方程组：
r i = ( x i − x ) 2 + ( y i − y ) 2 + ( z i − z ) 2 = f ( x , y , z ) {{r}_{i}}=\sqrt{{{({{x}_{i}}-x)}^{2}}+{{({{y}_{i}}-y)}^{2}}+{{({{z}_{i}}-z)}^{2}}} =f(x,y,z) ri​=(xi​−x)2+(yi​−y)2+(zi​−z)2 ​=f(x,y,z)
设 p ′ ( x ^ , y ^ , z ^ ) p^{'}(\hat{x},\hat{y},\hat{z}) p′(x^,y^​,z^)是通过定位算法解算出的大致位置，它与真实位置 ( x , y , z ) (x,y,z) (x,y,z)之间有如下关系：
{ x = x ^ + Δ x y = y ^ + Δ y z = z ^ + Δ z \begin{cases} x=\hat{x}+\Delta x \\ y=\hat{y}+\Delta y \\ z=\hat{z}+\Delta z \\ \end{cases} ⎩ ⎨ ⎧​x=x^+Δxy=y^​+Δyz=z^+Δz​
于是有：
f ( x , y , z ) = f ( x ^ + Δ x , y ^ + Δ y , z ^ + Δ z ) f(x,y,z)=f(\hat{x}+\Delta x,\hat{y}+\Delta y,\hat{z}+\Delta z) f(x,y,z)=f(x^+Δx,y^​+Δy,z^+Δz)
将其在 ( x ^ , y ^ , z ^ ) (\hat{x},\hat{y},\hat{z}) (x^,y^​,z^)处进行泰勒展开得到：
f ( x , y , z ) = f ( x ^ , y ^ , z ^ ) + ∂ f ∂ x ∣ p ′ Δ x + ∂ f ∂ y ∣ p ′ Δ y + ∂ f ∂ z ∣ p ′ f(x,y,z)= f(\hat{x},\hat{y},\hat{z})+{{\left. \frac{\partial f}{\partial x} \right|}_{{{p}'}}}\Delta x+{{\left. \frac{\partial f}{\partial y} \right|}_{{{p}'}}}\Delta y+{{\left. \frac{\partial f}{\partial z} \right|}_{{{p}'}}} f(x,y,z)=f(x^,y^​,z^)+∂x∂f​ ​p′​Δx+∂y∂f​ ​p′​Δy+∂z∂f​ ​p′​
其中在 p ′ p^{'} p′处的偏导数为：
∂ f ∂ x ∣ p ′ = − ( x i − x ^ ) ( x i − x ^ ) 2 + ( y i − y ^ ) 2 + ( z i − z ^ ) 2 = − ( x i − x ^ ) r ^ i {{\left. \frac{\partial f}{\partial x} \right|}_{{{p}'}}}=\frac{-({{x}_{i}}-\hat{x})}{\sqrt{{{({{x}_{i}}-\hat{x})}^{2}}+{{({{y}_{i}}-\hat{y})}^{2}}+{{({{z}_{i}}-\hat{z})}^{2}}}} =\frac{-({{x}_{i}}-\hat{x})}{{{{\hat{r}}}_{i}}} ∂x∂f​ ​p′​=(xi​−x^)2+(yi​−y^​)2+(zi​−z^)2 ​−(xi​−x^)​=r^i​−(xi​−x^)​
令 ( x i − x ^ ) r ^ i = a x i \frac{({{x}_{i}}-\hat{x})}{{{{\hat{r}}}_{i}}}={{a}_{xi}} r^i​(xi​−x^)​=axi​，其几何意义表示大致坐标相对于已知点 i i i的方向余弦，相似地定义 a y i , a z i a_{yi},a_{zi} ayi​,azi​，这样一来上式可以整理成：
r i = r ^ i − a x i Δ x − a y i Δ y − a z i Δ z {{r}_{i}}={{\hat{r}}_{i}}-{{a}_{xi}}\Delta x-{{a}_{yi}}\Delta y-{{a}_{zi}}\Delta z ri​=r^i​−axi​Δx−ayi​Δy−azi​Δz
令 Δ r i = r ^ i − r i \Delta {{r}_{i}}={{\hat{r}}_{i}}-{{r}_{i}} Δri​=r^i​−ri​，
Δ r i = a x i Δ x + a y i Δ y + a z i Δ z \Delta {{r}_{i}}={{a}_{xi}}\Delta x+{{a}_{yi}}\Delta y+{{a}_{zi}}\Delta z Δri​=axi​Δx+ayi​Δy+azi​Δz

在有多个（大于等于4个）已知点的情况下，写成方程组形式如下：
{ Δ r 1 = a x 1 Δ x + a y 1 Δ y + a z 1 Δ z Δ r 2 = a x 2 Δ x + a y 2 Δ y + a z 2 Δ z Δ r 3 = a x 3 Δ x + a y 3 Δ y + a z 3 Δ z . . . Δ r n = a x n Δ x + a y n Δ y + a z n Δ z \begin{cases} \Delta {{r}_{1}}={{a}_{x1}}\Delta x+{{a}_{y1}}\Delta y+{{a}_{z1}}\Delta z \\ \Delta {{r}_{2}}={{a}_{x2}}\Delta x+{{a}_{y2}}\Delta y+{{a}_{z2}}\Delta z \\ \Delta {{r}_{3}}={{a}_{x3}}\Delta x+{{a}_{y3}}\Delta y+{{a}_{z3}}\Delta z \\ ...\\ \Delta {{r}_{n}}={{a}_{xn}}\Delta x+{{a}_{yn}}\Delta y+{{a}_{zn}}\Delta z \\ \end{cases} ⎩ ⎨ ⎧​Δr1​=ax1​Δx+ay1​Δy+az1​ΔzΔr2​=ax2​Δx+ay2​Δy+az2​ΔzΔr3​=ax3​Δx+ay3​Δy+az3​Δz...Δrn​=axn​Δx+ayn​Δy+azn​Δz​
写成矩阵形式：
Δ r = H Δ x \Delta \mathbf{r}=\mathbf{H}\Delta \mathbf{x} Δr=HΔx
由于 H \mathbf{H} H不是方阵，无法求逆，作以下变换：
H T Δ r = H T H Δ x {{\mathbf{H}}^{T}}\Delta \mathbf{r}={{\mathbf{H}}^{T}}\mathbf{H}\Delta \mathbf{x} HTΔr=HTHΔx
Δ x = ( H T H ) − 1 H T Δ r \Delta \mathbf{x}={{({{\mathbf{H}}^{T}}\mathbf{H})}^{-1}}{{\mathbf{H}}^{T}}\Delta \mathbf{r} Δx=(HTH)−1HTΔr
换一种写法：
δ x = ( H T H ) − 1 H T δ r \delta \mathbf{x}={{({{\mathbf{H}}^{T}}\mathbf{H})}^{-1}}{{\mathbf{H}}^{T}}\delta \mathbf{r} δx=(HTH)−1HTδr
考虑其协方差矩阵：
cov ⁡ ( δ x ) = E( δ x δ x T ) \operatorname{cov}(\delta \mathbf{x})=\text{E(}\delta \mathbf{x}\delta {{\mathbf{x}}^{T}}\text{)} cov(δx)=E(δxδxT)
带入式子得到：
cov ⁡ ( δ x ) = E   ⁣ ⁣ [  ⁣ ⁣   ( H T H ) − 1 H T δ r δ r T H ( H T H ) − T    ⁣ ⁣ ]  ⁣ ⁣   = ( H T H ) − 1 H T E ( δ r δ r T ) H ( H T H ) − T \operatorname{cov}(\delta \mathbf{x})=\text{E }\!\![\!\!\text{ }{{({{\mathbf{H}}^{T}}\mathbf{H})}^{-1}}{{\mathbf{H}}^{T}}\delta \mathbf{r}\delta {{\mathbf{r}}^{T}}\mathbf{H}{{({{\mathbf{H}}^{T}}\mathbf{H})}^{-T}}\text{ }\!\!]\!\!\text{ } \\ \text{=}{{({{\mathbf{H}}^{T}}\mathbf{H})}^{-1}}{{\mathbf{H}}^{T}}\text{E}(\delta \mathbf{r}\delta {{\mathbf{r}}^{T}})\mathbf{H}{{({{\mathbf{H}}^{T}}\mathbf{H})}^{-T}} \\ cov(δx)=E [ (HTH)−1HTδrδrTH(HTH)−T ] =(HTH)−1HTE(δrδrT)H(HTH)−T
E( δ r δ r T ) \text{E(}\delta \mathbf{r}\delta {{\mathbf{r}}^{T}}\text{)} E(δrδrT)是 δ r \delta \mathbf{r} δr的协方差，而 Δ r 1 , Δ r 2 . . . Δ r n \Delta {{r}_{1}},\Delta {{r}_{2}}...\Delta {{r}_{n}} Δr1​,Δr2​...Δrn​之间可以看作是相互独立同分布的，设它们的方差均为 σ s 2 {{\sigma }_{s}}^{2} σs​2，于是有
E ( δ r δ r T ) = σ s 2 E n \text{E}(\delta \mathbf{r}\delta {{\mathbf{r}}^{T}})=\sigma _{s}^{2}{{\mathbf{E}}_{n}} E(δrδrT)=σs2​En​
故有 cov ⁡ ( δ x ) = σ s 2 ( H T H ) − 1 \operatorname{cov}(\delta \mathbf{x})=\sigma _{s}^{2}{{({{\mathbf{H}}^{T}}\mathbf{H})}^{-1}} cov(δx)=σs2​(HTH)−1
令
G = ( H T H ) − 1 = [ G x x G x y G x z G y x G y y G y z G z x G z y G z z ] \mathbf{G}={{({{\mathbf{H}}^{T}}\mathbf{H})}^{-1}}=\left[ \begin{matrix} {{G}_{xx}} & {{G}_{xy}} & {{G}_{xz}} \\ {{G}_{yx}} & {{G}_{yy}} & {{G}_{yz}} \\ {{G}_{zx}} & {{G}_{zy}} & {{G}_{zz}} \\ \end{matrix} \right] G=(HTH)−1= ​Gxx​Gyx​Gzx​​Gxy​Gyy​Gzy​​Gxz​Gyz​Gzz​​ ​
于是
cov ⁡ ( δ x ) = σ s 2 [ G x x G x y G x z G y x G y y G y z G z x G z y G z z ] = [ σ x x 2 σ x y 2 σ x z 2 σ y x 2 σ y y 2 σ y z 2 σ z x 2 σ z y 2 σ z z 2 ] \operatorname{cov}(\delta \mathbf{x})=\sigma _{s}^{2}\left[ \begin{matrix} {{G}_{xx}} & {{G}_{xy}} & {{G}_{xz}} \\ {{G}_{yx}} & {{G}_{yy}} & {{G}_{yz}} \\ {{G}_{zx}} & {{G}_{zy}} & {{G}_{zz}} \\ \end{matrix} \right] \\ =\left[ \begin{matrix} \sigma _{xx}^{2} & \sigma _{xy}^{2} & \sigma _{xz}^{2} \\ \sigma _{yx}^{2} & \sigma _{yy}^{2} & \sigma _{yz}^{2} \\ \sigma _{zx}^{2} & \sigma _{zy}^{2} & \sigma _{zz}^{2} \\ \end{matrix} \right] \\ cov(δx)=σs2​ ​Gxx​Gyx​Gzx​​Gxy​Gyy​Gzy​​Gxz​Gyz​Gzz​​ ​= ​σxx2​σyx2​σzx2​​σxy2​σyy2​σzy2​​σxz2​σyz2​σzz2​​ ​
由此可以定义已知点阵的几何精度因子：
σ s 2 ( G x x + G y y + G z z ) = σ x x 2 + σ y y 2 + σ z z 2 \sigma _{s}^{2}({{G}_{xx}}+{{G}_{yy}}+{{G}_{zz}})=\sigma _{xx}^{2}+\sigma _{yy}^{2}+\sigma _{zz}^{2} σs2​(Gxx​+Gyy​+Gzz​)=σxx2​+σyy2​+σzz2​位置精度因子
PDOP= G x x + G y y + G z z = σ x x 2 + σ y y 2 + σ z z 2 σ s \text{PDOP=}\sqrt{{{G}_{xx}}+{{G}_{yy}}+{{G}_{zz}}} \\ =\frac{\sqrt{\sigma _{xx}^{2}+\sigma _{yy}^{2}+\sigma _{zz}^{2}}}{{{\sigma }_{s}}} \\ PDOP=Gxx​+Gyy​+Gzz​ ​=σs​σxx2​+σyy2​+σzz2​ ​​水平精度因子 HDOP= G x x + G y y \text{HDOP=}\sqrt{{{G}_{xx}}+{{G}_{yy}}} HDOP=Gxx​+Gyy​ ​
垂直精度因子
VDOP = G z z \text{VDOP}=\sqrt{G_{zz}} VDOP=Gzz​ ​

三、matlab仿真

  推导出精度因子后，就可以根据实际应用对其进行仿真。精度因子用在很多方面，只要是原理相似的地方都可以进行应用，包括卫星定位，水下定位等等。为了方便，假设在水面浮标型长基线定位系统中进行仿真，分别对三元阵和四元阵DOP表现进行研究。
  与其它定位方式不一样的是，水面浮标在高度（深度）上可以近似看作一致的，并且水下目标的深度测量可以由压力计等其它方式获得，因此只对其HDOP值分布进行仿真分析。

1.三元阵仿真

采用以下的代码对等边三角和等腰直角三角阵型的DOP值表现进行计算。

clear all
disp('Three points Mesurement in 3d space.')
% x = [0,2000,0];
% y = [0,0,2000];
% z = [2000,2000,2000];
%等边三角形
a = 4000;%基线长
x = [4000-a/2,4000+a/2,4000];%以（4000，4000，2000）为中心
y = [4000-sqrt(3)/6*a,4000-sqrt(3)/6*a,4000+sqrt(3)/3*a];

% %等腰直角
% a = 4000;%基线长
% x = [2000,a+2000,2000];%以（4000，4000，2000）为中心
% y = [2000,2000,a+2000];

%一字（不可用）
% a = 4000;%基线长
% x = [4000-a,4000,4000+a];%以（4000，4000，2000）为中心
% y = [4000,4000,4000];

z = [2000,2000,2000];
figure(1);
figure('Name','三元阵定位图','NumberTitle','off');
plot(x,y,'r*');
title('Three points positioning.');
xlabel('x坐标/m');
ylabel('y坐标/m');
zlabel('z坐标/m');
axis([0,8000,0,8000]);
hold on
target = [1500,1500];
% x0=target(1)*ones(1,100);
x0=linspace(0,8000,1000);
% y0=target(2)*ones(1,100);
y0=linspace(0,8000,1000);
z0=1000*ones(1,100);
%plot3(x0,y0,z0,'k:o');

distance=zeros(1,3,10000);
% distance_fake=zeros(1,3,10000);
% for j=1:3
%     for p=1:100
%         for q=1:100
%             distance(1,j,100*(p-1)+q)=sqrt((x0(p)-x(j))^2+(y0(q)-y(j))^2+(z0(1)-z(j))^2);
%         end
%     end
% end


% random_error=rand(1,3,10000)-0.5;
% bias_error = 0.001*distance;
% distance=distance-distance.*(random_error/20) + bias_error;      %误差控制？

A = zeros(2,2,10000);
b = zeros(2,1,10000);
c = zeros(2,1,10000);
H = zeros(3,2,10000);
HDOP =zeros(100,100);
h=zeros(3,2);

for xx=1:1:length(x0)
    for yy=1:1:length(y0)
%         A(:,:,100*(xx-1)+yy) = 2*([x(2)-x(1),y(2)-y(1);
%                     x(3)-x(2),y(3)-y(2)]);
% 
%         A(:,:,100*(xx-1)+yy) = inv(A(:,:,100*(xx-1)+yy));
% 
%         b(:,:,100*(xx-1)+yy) = [distance(1,1,100*(xx-1)+yy)^2-distance(1,2,100*(xx-1)+yy)^2+x(2)^2-x(1)^2+y(2)^2-y(1)^2+z(2)^2-z(1)^2-2*(z(2)-z(1))*z(3);
%             distance(1,2,100*(xx-1)+yy)^2-distance(1,3,100*(xx-1)+yy)^2+x(3)^2-x(2)^2+y(3)^2-y(2)^2+z(3)^2-z(2)^2-2*(z(3)-z(2))*z(3)];
% 
%         c(:,:,100*(xx-1)+yy) = A(:,:,100*(xx-1)+yy)*b(:,:,100*(xx-1)+yy);%实际坐标

        %算DOP值
        for m=1:3
            r=sqrt((x0(xx)-x(m))^2+(y0(yy)-y(m))^2+(z0(1)-z(m))^2);%解算位置与三个信标之间的距离
            %r=sqrt((x0(xx)-x(m))^2+(y0(yy)-y(m))^2);%解算位置与三个信标之间的距离   
            h(m,1)=(x(m)-x0(xx))/r;
            h(m,2)=(y(m)-y0(yy))/r;
            h(m,3)=(z(m)-z0(1))/r;
        end
%         H(:,:,100*(xx-1)+yy)=[(x(1)-c(1,1,100*(xx-1)+yy))/distance(1,1,100*(xx-1)+yy),(y(1)-c(2,1,100*(xx-1)+yy))/distance(1,1,100*(xx-1)+yy);
%                   (x(2)-c(1,1,100*(xx-1)+yy))/distance(1,2,100*(xx-1)+yy),(y(2)-c(2,1,100*(xx-1)+yy))/distance(1,2,100*(xx-1)+yy);
%                   (x(3)-c(1,1,100*(xx-1)+yy))/distance(1,3,100*(xx-1)+yy),(y(3)-c(2,1,100*(xx-1)+yy))/distance(1,3,100*(xx-1)+yy)];

%         H(:,:,100*(xx-1)+yy)=[(x(1)-x0(xx))/distance(1,1,100*(xx-1)+yy),(y(1)-y0(yy))/distance(1,1,100*(xx-1)+yy);
%                   (x(2)-x0(xx))/distance(1,2,100*(xx-1)+yy),(y(2)-y0(yy))/distance(1,2,100*(xx-1)+yy);
%                   (x(3)-x0(xx))/distance(1,3,100*(xx-1)+yy),(y(3)-y0(yy))/distance(1,3,100*(xx-1)+yy)];
%         
        G = inv(h'*h);
        %G = inv(H(:,:,100*(xx-1)+yy)'*H(:,:,100*(xx-1)+yy));
        HDOP(xx,yy) = sqrt((G(1,1)+G(2,2)));
        %plot3(c(1,1,h),c(2,1,h),z0(1,h),'color',[rand rand rand],'Marker','+');
        %grid on;
    end
end




%画dop值
figure(1);
%figure('Name','DOP','NumberTitle','off');
mean_DOP=mean(HDOP,2)*ones(1,100);
%plot([1:100],GDOP,[1:100],mean_DOP);
pcolor(linspace(0,8000,1000),linspace(0,8000,1000),HDOP);
xlabel('x坐标/m');ylabel('y坐标/m');
shading interp;
colorbar;colormap('jet');
hold on;
plot(x,y,'r*');
title('DOP Value');

在这里插入图片描述
在这里插入图片描述
可见在阵型的内部DOP值最小，也即定位精度应在同等条件下更高。

2.四元阵仿真

同样地对四元阵阵型DOP值表现进行计算。

clear all
disp('Three points Measurement in 3d space.')
% x = [0,2000,0];
% y = [0,0,2000];
% z = [2000,2000,2000];
%正方形
a = 4000;%基线长
x = [2000,2000+a,2000+a,2000];%以（4000，4000，2000）为中心
y = [2000,2000,2000+a,2000+a];

% %等腰直角
% a = 4000;%基线长
% x = [2000,a+2000,2000];%以（4000，4000，2000）为中心
% y = [2000,2000,a+2000];

%一字
% a = 4000;%基线长
% x = [4000-a,4000,4000+a];%以（4000，4000，2000）为中心
% y = [4000,4000,4000];

z = [2000,2000,2000,2000];
figure(1);
figure('Name','三元阵定位图','NumberTitle','off');
plot(x,y,'r*');
title('Three points positioning.');
xlabel('x坐标/m');
ylabel('y坐标/m');
zlabel('z坐标/m');
axis([0,8000,0,8000]);
hold on
target = [1500,1500];
% x0=target(1)*ones(1,100);
x0=linspace(0,8000,1000);
% y0=target(2)*ones(1,100);
y0=linspace(0,8000,1000);
z0=1000*ones(1,100);
%plot3(x0,y0,z0,'k:o');

distance=zeros(1,3,10000);
% distance_fake=zeros(1,3,10000);
% for j=1:3
%     for p=1:100
%         for q=1:100
%             distance(1,j,100*(p-1)+q)=sqrt((x0(p)-x(j))^2+(y0(q)-y(j))^2+(z0(1)-z(j))^2);
%         end
%     end
% end


% random_error=rand(1,3,10000)-0.5;
% bias_error = 0.001*distance;
% distance=distance-distance.*(random_error/20) + bias_error;      %误差控制？

A = zeros(2,2,10000);
b = zeros(2,1,10000);
c = zeros(2,1,10000);
H = zeros(3,2,10000);
HDOP =zeros(100,100);
h=zeros(3,2);

for xx=1:1:length(x0)
    for yy=1:1:length(y0)
%         A(:,:,100*(xx-1)+yy) = 2*([x(2)-x(1),y(2)-y(1);
%                     x(3)-x(2),y(3)-y(2)]);
% 
%         A(:,:,100*(xx-1)+yy) = inv(A(:,:,100*(xx-1)+yy));
% 
%         b(:,:,100*(xx-1)+yy) = [distance(1,1,100*(xx-1)+yy)^2-distance(1,2,100*(xx-1)+yy)^2+x(2)^2-x(1)^2+y(2)^2-y(1)^2+z(2)^2-z(1)^2-2*(z(2)-z(1))*z(3);
%             distance(1,2,100*(xx-1)+yy)^2-distance(1,3,100*(xx-1)+yy)^2+x(3)^2-x(2)^2+y(3)^2-y(2)^2+z(3)^2-z(2)^2-2*(z(3)-z(2))*z(3)];
% 
%         c(:,:,100*(xx-1)+yy) = A(:,:,100*(xx-1)+yy)*b(:,:,100*(xx-1)+yy);%实际坐标

        %算DOP值
        for m=1:4
            r=sqrt((x0(xx)-x(m))^2+(y0(yy)-y(m))^2+(z0(1)-z(m))^2);%解算位置与三个信标之间的距离
            %r=sqrt((x0(xx)-x(m))^2+(y0(yy)-y(m))^2);%解算位置与三个信标之间的距离   
            h(m,1)=(x(m)-x0(xx))/r;
            h(m,2)=(y(m)-y0(yy))/r;
            h(m,3)=(z(m)-z0(1))/r;
        end
%         H(:,:,100*(xx-1)+yy)=[(x(1)-c(1,1,100*(xx-1)+yy))/distance(1,1,100*(xx-1)+yy),(y(1)-c(2,1,100*(xx-1)+yy))/distance(1,1,100*(xx-1)+yy);
%                   (x(2)-c(1,1,100*(xx-1)+yy))/distance(1,2,100*(xx-1)+yy),(y(2)-c(2,1,100*(xx-1)+yy))/distance(1,2,100*(xx-1)+yy);
%                   (x(3)-c(1,1,100*(xx-1)+yy))/distance(1,3,100*(xx-1)+yy),(y(3)-c(2,1,100*(xx-1)+yy))/distance(1,3,100*(xx-1)+yy)];

%         H(:,:,100*(xx-1)+yy)=[(x(1)-x0(xx))/distance(1,1,100*(xx-1)+yy),(y(1)-y0(yy))/distance(1,1,100*(xx-1)+yy);
%                   (x(2)-x0(xx))/distance(1,2,100*(xx-1)+yy),(y(2)-y0(yy))/distance(1,2,100*(xx-1)+yy);
%                   (x(3)-x0(xx))/distance(1,3,100*(xx-1)+yy),(y(3)-y0(yy))/distance(1,3,100*(xx-1)+yy)];
%         
        G = inv(h'*h);
        %G = inv(H(:,:,100*(xx-1)+yy)'*H(:,:,100*(xx-1)+yy));
        HDOP(xx,yy) = sqrt((G(1,1)+G(2,2)));
        %plot3(c(1,1,h),c(2,1,h),z0(1,h),'color',[rand rand rand],'Marker','+');
        %grid on;
    end
end




%画dop值
figure(1);
%figure('Name','DOP','NumberTitle','off');
mean_DOP=mean(HDOP,2)*ones(1,100);
%plot([1:100],GDOP,[1:100],mean_DOP);
pcolor(linspace(0,8000,1000),linspace(0,8000,1000),HDOP);
xlabel('x坐标/m');ylabel('y坐标/m');
shading interp;
colorbar;colormap('jet');
hold on;
plot(x,y,'r*');
title('HDOP Value');

在这里插入图片描述

总结

文章主要对同步条件下精度因子进行了推导，并在平面阵条件下对三元阵和四元阵的HDOP值表现进行了仿真。

Focus Y
关注
专栏目录
GPS精度因子（GDOP,PDOP,HDOP,VDOP,TDOP）
weixin_30315435的博客
08-14 6011
PDOP：位置精度因子（Position Dilution of Precision），直译为“精度强弱度”，通常翻译为“相对误差”。具体含义是：由于观测成果的好坏与被测量的人造卫星和接收仪间的几何形状有关且影响甚大，所以计算上述所引起的误差量称为精度的强弱度。天空中卫星分布程度越好，定位精度越高（数值越小精度越高）。PDOP表示三维位置定位精度与导航台几何配...
利用MATLAB测量几何精度因子GDOP
weixin_42518395的博客
05-28 8181
% a=100; x0=0;y0=0;z0=0; % A=[x0,y0,z0];        %地面用户 A=[302536.5663,5772741.575,2695567.787]; % z=[100,0,0,0]; z=[-10406472.1542,-21343723.3464,16165873.7271,-16604...
时差定位GDOP计算
04-14
时差定位算法，计算GDOP并得到精度，绘出GDOP图。可以计算星型、菱形、平行型站点分布。
GPS卫星坐标计算及几何精度因子
06-04
GPS卫星坐标和星座的几何精度因子对GPS定位精度有着重要影响,文中首先采用广播星历来计算卫星坐标,然后使用等维等距的拉格朗日插值方法对精密星历内插来获取较高精度的卫星坐标,最后分析了几何精度因子的计算过程及其对定位精度的影响,得出了一些有益结论。
伪距定位算法
山南水北有一方的博客
12-01 2328
伪距定位算法： 1.准备数据与设置初始解：准备卫星位置（经地球自转校正后）和伪距值 设置接收机位置 2.非线性方程线性化 3.求解非线性方程 4.更新非线性方程的根 5.迭代完毕 function [pos, el, az, dop] = leastSquarePos(satpos, obs, settings) %satpos卫星坐标xyz;obs观测伪距 %Function calculates the Least Square Solution. % %[pos, el, az, dop] = lea
【转】精度因子
weixin_30449239的博客
05-18 360
PDOP：位置精度因子（Position Dilution of Precision），直译为“精度强弱度”，通常翻译为“相对误差”。具体含义是：由于观测成果的好坏与被测量的人造卫星和接收仪间的几何形状有关且影响甚大，所以计算上述所引起的误差量称为精度的强弱度。天空中卫星分布程度越好，定位精度越高（数值越小精度越高）。PDOP表示三维位置定位精度与导航台几何配置关系的一个参数。在...
几何精度因子（Geometric Dilution Precision ，GDOP）
weixin_46190814的博客
12-06 6038
GDOP几何精度因子属于DOP精度衰减因子的一种，常用在GNSS中，是衡量用户在进行GNSS测量时所具备的几何条件的定量指标。实际表征参与定位解的从接收机至空间卫星的单位矢量所勾勒的形体体积与GDOP成反比，GDOP的数值越大，所代表的单位矢量形体体积越小，即接收机至空间卫星的角度十分相似导致的结果，此时的GDOP会导致定位精度变差。好的GDOP, 是指其数值小，代表大的单位矢量形体体积，导致高的定位精度。好的几何因子实际上是指卫星在空间分布不集中于一个区域，同时能在不同方位区域均匀分布。
GPS定位的精度因子解释
03-08
GPS定位技术目前已经普及了，但是对于其中的定位精度，大家基本都只知道水平定位精度和垂直定位精度，对于DOP这个精度因子，很少人能了解。本文就是对其进行详细的介绍
单点定位精度评估指标--精度衰减因子（DOP值）
qq_43381998的博客
12-09 5840
这是因为，对于地面上的用户，其接收到的卫星都是在该用户的地平线以上(上半球)，地平线以下(下半球)的卫星由于地球遮挡，无法接收信号。理论分析表明，在由观测站至四颗卫星的观测方向中，当任意两方向之间的夹角接近 109.5° 时，其六面体的体积最大，如下图所示。如下图所示，图中弧线表示测距的均值和误差区间，阴影处表示定位解算的不确定范围，箭头方向表示从用户到卫星信号的视线矢量。矩阵A中表示方向余弦的数的大小取决于观测卫星的几何图形的结构，也就是Q11 Q22 Q33是由观测卫星几何图形的结构所决定的。
三基站定位几何精度因子的简便运算
qq_21291397的博客
07-11 4261
文章目录三基站定位几何精度因子的简便运算工程应用中的选星方法 三基站定位几何精度因子的简便运算 简介： 在定位导航系统中，当测距误差一定时，用户与参与定位解算的基站或者卫星之间的几何关系的差异将直接影响定位的误差。为了表征基站或者卫星几何结构对定位精度的影响，从而引入精度衰减因子（GDOP,Geometrical Dilution of Precision）的概念。 这里一段程序，关于三基站计算GDOP。如何理解这段程序，费了点时间。 /* Return the GDOP (Geometric Dilut
BD-2几何精度因子仿真分析
04-28
很好的文献，关于北斗二号的DOP值分析，很有借鉴意义
基于Matlab的GPS卫星定位的精度分析DOP.m
12-30
GPSdop值的计算
DOP.m.zip_GPS_DOP_GPS精度因子_dop值计算程序_gps dop_精度因子dop
07-14
该程序适用于GPS接收机定位精度因子DOP值计算
dop2.rar_GDOP_P2Do_PDOP_gps 精度_精度因子
07-15
标题中的“dop2.rar”很可能是一个包含有关GPS精度因子数据和分析的压缩文件，而“GDOP”、“P2Do”和“PDOP”是与GPS定位精度相关的术语。让我们详细了解一下这些概念以及它们在GPS系统中的作用。 **GPS精度因子**...
基于python经典直流潮流推导的支路开断分布因子计算，经过三节点和rts79系统测试
最新发布
06-05
【作品名称】：基于经典直流潮流推导的支路开断分布因子计算，经过三节点和rts79系统测试 【适用人群】：适用于希望学习不同技术领域的小白或进阶学习者。可作为毕设项目、课程设计、大作业、工程实训或初期项目...
卫星导航中DOP的简易数学科普
whysnlc的专栏
01-28 1486
卫星导航中DOP的简易数学科普
分类后评价精度的几个因子的概念
weixin_33962923的博客
01-06 209
对一帧遥感影像进行专题分类后需要进行分类精度的评价，而进行评价精度的因子有混淆矩阵、总体分类精度、Kappa系数、错分误差、漏分误差、每一类的制图精度和拥护精度。     1、混淆矩阵（ConfusionMatrix）: 主要用于比较分类结果和地表真实信息，可以把分类结果的精度显示在一个混淆矩阵里面。混淆矩阵是通过将每个地表真实像元的位置和分类与分类图象中的相应位 置和分类像比较计算的。...
DOP：精度衰减因子（ Dilution of Precision）
qq_41215167的博客
03-24 6287
精度衰减因子(DOP,Dilution of precision)或精度几何衰减度 (GDOP，geometric dilution of precision)是位置质量的指示器。导航学中，一般用精度因子(DOP)这个概念来表示误差的放大倍数，而GPS接收机通常也会将精度因子随同定位结果一起输出，以供用户参考。它是考虑每颗卫星相对于星座（几何位置）中其它卫星的位置来预计用该星座能得到的位置精度的计算结果。小的DOP值表示强的卫星几何位置和精度的较高概率。高的DOP值表示弱的卫星几何位置和精度的较低概率。 D
GPS定位中的DOP值介绍
weixin_46500436的博客
10-08 2156
图中(a)显示的是理想情况，假设接收端对信号有完美的测量，两颗卫星发出的信号会在接收机位置形成圆的交点，这便是定位的接收机位置。从二维平面来看，距离确定后便可以此伪距为半径，卫星位置为圆点画一个圆，接收机必然在圆弧上，而在三维空间至少需要3颗卫星画出3个球体，它们的焦点便是接收机的位置。各种DOP的复杂计算公式就不在文中给出，有兴趣的同学自行学习。如今，天空中的可观测的卫星数量，GNSS系统都有了更多的选择，同时接收机的通道数也大幅增加，计算DOP值的重要性有所下降，因此在任意时段观测都可满足要求。
利用python程序计算导航定位的几何精度因子,基于改进粒子群实现选星
12-11
导航定位的几何精度因子是用来衡量导航系统精度的因素，它可以通过计算卫星的几何分布来得到。利用Python程序计算几何精度因子需要首先获取导航系统卫星的位置数据，然后根据几何分布计算每个卫星对定位精度的贡献，最后综合得到导航定位的几何精度因子。 基于改进粒子群实现选星则是一种优化算法，它可以用来选择最优的卫星组合，以提高导航定位的精度。利用Python程序实现改进粒子群算法需要首先定义问题的目标函数，然后利用粒子群算法不断优化卫星组合，直到找到最优解。 综上所述，利用Python程序计算导航定位的几何精度因子和基于改进粒子群实现选星是两个可以结合起来的工作。通过计算几何精度因子可以了解导航系统当前的精度水平，然后利用改进粒子群算法来优化卫星选取，进一步提高导航定位的精度。这种方法可以在导航定位系统设计和优化中发挥重要作用，提高系统的性能和可靠性。
评论 8
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值