Detecção Ambulatorial Média Em Movimento

Os autores exploram a forma como os deslizamentos de ciclo nas medições da fase de suporte da Galileo podem ser mais efetivamente detectados usando quatro freqüências. INSUÍDOS DE INOVAÇÃO com Richard Langley MAIS SATÉLITES OU MAIS SINAIS Essa foi a pergunta colocada aos delegados no GNSS Election 08, o entretenimento estimulante e divertido oferecido no Jantar de liderança mundial do GPS, em conjunto com o encontro do Instituto das Navegações em Savannah, em setembro de 2008. Durante o debate antes das eleições, o Partido Satélite defendeu que a comunidade de usuários GNSS seria melhor atendida por mais satélites do que mais sinais. Eles argumentaram que mais satélites (mais do que aqueles na constelação GPS operacional) permitiriam um posicionamento mais contínuo e confiável em cidades, áreas montanhosas e outros ambientes difíceis e que os sinais legados do GPS eram suficientes. Greg Turetsky, um de seus candidatos, afirmou, eu manteria do ponto de vista econômico que é muito mais econômico para os nossos eleitores terem mais dos mesmos satélites para lhes dar mais dos mesmos serviços que eles desfrutam hoje, em mais áreas , Em vez de criar novas coisas para as quais eles não usam nada. O Party Signal, por outro lado, defendeu mais sinais com receptores capazes de usá-los para fornecer alta precisão para um amplo espectro de usos do GNSS. O candidato do Partido Sinal, Javad Ashjaee, opinou: somos a festa da construção de estradas, gerando mapas precisos, aumentando sua comida ao automatizar a agricultura, sincronizando suas estações de energia. Nós estamos trabalhando mesmo em aeronaves de pouso automático para usar o espaço aéreo de forma mais eficiente. Embora contestado, as eleições foram conquistadas pelo Partido Satélite, 62 votos a 46. Mas, claramente, ambos os lados ofereceram avanços benéficos para a comunidade de usuários GNSS, então por que não trabalhar juntos, fazer as partes entrarem em uma aliança e fornecer mais satélites E mais sinais Avanço rápido para 2016. A aliança passou e o melhor dos dois mundos. Temos duas constelações GNSS completas, GPS e GLONASS, com mais duas, Galileo e BeiDou, em pista para conclusão nos próximos anos. Nós também temos sistemas regionais fornecendo um serviço de posicionamento local independente ou aumentando o GPS com o NavIC (também conhecido como Sistema de Satélites de Navegação Regional da Índia) e QZSS, respectivamente. Sem mencionar um número crescente de satélites de sistemas de aumento por satélite. Quando compilei The Almanac para a edição de agosto, havia mais de 100 satélites GNSS transmitindo sinais aos usuários. E não apenas mais sinais de mais satélites, mas sinais tecnologicamente mais avançados em mais freqüências. A multiplicidade de sinais que agora estão sendo transmitidos por satélites GNSS já está levando a avanços adicionais no posicionamento, navegação e timingeven antes que constelações completas transmitindo esses sinais estiverem no lugar. Um bom caso em questão é o Galileos Open Service, que é transmitido nas faixas E1 e E5. Uma versão modificada da modulação binária-offset-carrier (BOC), chamada Alternative BOC ou AltBOC, é usada para gerar o sinal E5 de banda larga. Sua estrutura é tal que um receptor pode rastrear e fazer medições apenas na parte de freqüência mais baixa do sinal centrada em 1176.450 MHz (E5a), apenas a parte de freqüência superior centrada em 1207.140 MHz (E5b), todo o sinal AltBOC centrado em 1191.795 MHz (E5ab), ou qualquer combinação destes incluindo os três. Usar os três juntos com o sinal E1 nos fornece uma capacidade de posicionamento de quatro freqüências. Qual é o benefício do uso de quatro freqüências Existem vários, mas nesta coluna de meses, um estudante belga recém-formado premiado e seu supervisor nos dizem como os deslizamentos de ciclo nas medições de fase de portador da Galileo podem ser efetivamente e eficientemente detectados usando quatro freqüências. A disponibilidade de dados oferecidos no Galileo GNSS Open Service em quatro freqüências operadoras abre o caminho para novas soluções multi-frequência para usuários civis. Na pesquisa relatada neste artigo, nos concentramos em uma das conseqüências da perda de rastreamento de sinal, a aparência de deslizamentos de ciclo e como o uso das quatro freqüências pode ajudar na sua detecção. A detecção de deslizamento do ciclo é uma questão fundamental para aplicações de posicionamento de alta precisão. Qualquer usuário que precise determinar uma posição precisa e confiável deve estar ciente da presença potencial de deslizamentos de ciclo em seus dados, pois comprometem a qualidade dos dados. Tradicionalmente, duas freqüências portadoras foram usadas para o posicionamento, por exemplo, as freqüências GPS L1 e L2. Mais recentemente, o posicionamento de três veículos permitiu maior precisão e precisão. Embora o uso de uma terceira freqüência portadora nos permitiu solucionar parcialmente a questão da detecção de deslizamento de ciclo, os procedimentos existentes ainda faltam em alguns aspectos. Um dos principais desafios de hoje é a detecção de deslizamento de ciclo sob alta atividade ionosférica, e é por isso que nos concentramos nesse estudo de caso específico. E uma vez que o uso de três frequências ajuda a melhorar a detecção de deslizamento de ciclo confiável, talvez o uso de uma quarta freqüência adicional ainda melhore a capacidade de detecção. Uma vez que o Galileo fornece quatro freqüências em seu Serviço Aberto, pensamos que possamos melhorar o deslizamento de ciclo Desempenho do algoritmo de detecção mais uma vez. Estrutura. Neste artigo, um novo algoritmo de detecção de ciclo-deslizamento quad-frequency é introduzido aparentemente, uma faixa inexplorada na literatura até agora. O algoritmo usa observações de fase de portadora indiferenciadas a partir de um receptor estático de estação única. Primeiro desenvolvido para pós-processamento, o algoritmo também foi adaptado às aplicações em tempo real. Este algoritmo visa melhorar a detecção de deslizamento de ciclo sob alta atividade ionosférica. SLIPS DE CICLO Embora as medidas de código (pseudorange) sejam comumente usadas para o posicionamento padrão, qualquer aplicação de posicionamento precisa precisa usar medidas de fase de portadora, devido à sua melhor qualidade. Infelizmente, estes últimos estão potencialmente sujeitos a deslizamentos de ciclo, gerando uma polarização constante nos dados e, se não detectados e não corrigidos, impactando o posicionamento inferido. As medições de fase de portadora são feitas observando a fase de batida, ou seja, a diferença entre a transportadora recebida do satélite e uma réplica gerada pelo receptor. Na primeira época de observação, apenas a parte fracionada desta fase de batida pode ser medida, mas o deslocamento inteiro entre o sinal de satélite e a réplica dos receptores é desconhecido. Este número inteiro de ciclos é chamado de ambiguidade de fase inicial e permanece constante durante o período de observação. A fase de portadora observável (entre um satélite i e um receptor p), em metros, é dada pela seguinte equação: onde o subíndice f k indica o termo dependência da freqüência e da fase de portadora observável. G é o termo geométrico (isto é, uma função do alcance geométrico entre o receptor e o satélite rastreado, o atraso troposférico e o viés do relógio do satélite e do receptor), I é o atraso ionosférico, M é o erro multipath, HW significa Atrasos de hardware de satélite e receptor, c é a velocidade de vácuo da luz, N é a ambiguidade de fase inicial e é o erro aleatório (também chamado de ruído de fase). Na primeira época de observação, um contador de números inteiros é inicializado e, à medida que o rastreamento é iniciado, é incrementado em um ciclo sempre que a fase de batida muda de 2 para 0. Se o receptor perde brevemente a pista no sinal, a contagem é suspensa E um número inteiro de ciclos é perdido. Essa perda pode resultar de várias causas (obstrução do sinal, mudança rápida na fase de portadora observável, etc.). Na equação de observação, o deslizamento do ciclo aparecerá como uma alteração no valor da ambiguidade da fase inicial. Assim, um deslizamento de um ciclo envolverá uma mudança de medição de fase de cerca de 20 centimetros (igual ao comprimento de onda do portador), dependendo da freqüência portadora afetada. O tamanho do ciclo-deslizamento pode ser qualquer valor de um a milhares de ciclos. O atraso ionosférico é o único termo que pode ser confundido com um pequeno ciclo de deslizamento. Na verdade, durante um evento de perturbação ionosférica, essa variação de atraso entre duas épocas de observação (espaçadas a intervalos de 30 segundos, digamos) geralmente atinge 20 cêntimos (o tamanho de um deslizamento de um ciclo na medição de fase) ou mais. A atividade ionosfera tem duas conseqüências principais. Em primeiro lugar, como mencionado anteriormente, os deslizamentos podem ser escondidos no ruído de observação (incluindo a variabilidade ionosférica) e não detectados. Em segundo lugar, a variabilidade do sinal recebido pode causar perda de bloqueio e, portanto, deslizamentos de ciclo. Muitas configurações diferentes podem surgir quando o sinal é perdido. O rastreamento de sinal pode ser interrompido em um único suporte, resultando em um deslizamento de ciclo isolado (ICS) ou simultaneamente em várias operadoras. No segundo caso, a magnitude do deslizamento nas diferentes operadoras pode ser a mesma (deslizamentos de ciclo simultâneos da mesma magnitude, ou SCS-SM) ou diferentes (deslizamentos simultâneos de diferentes magnitudes ou SCS-DM). Histórico de detecção. O algoritmo de detecção de deslizamento do primeiro ciclo usando observações indiferenciadas, Turbo Edit, foi desenvolvido em 1990 por Geoff Blewitt. Medições de código e fase de duas freqüências portadoras são usadas. Foi implementado em muitos programas de pré-processamento de dados, como GIPSY-OASIS II, PANDA e Bernese. O algoritmo Turbo Edit foi aprimorado várias vezes. Na sua versão mais recente, foi adaptado para detectar deslizamentos de ciclo sob alta atividade ionosférica, mas ainda é uma técnica de dupla freqüência. A disponibilidade de uma terceira freqüência de sinal simultânea permite o desenvolvimento de novas combinações de observáveis. Uma combinação de fase de baixo ruído, que eliminou os termos ionosféricos geométricos e de primeira ordem, foi desenvolvida por Andrew Simsky e aplicada à detecção de deslizamento de ciclo. Também foram realizados estudos para determinar as melhores combinações a serem usadas no posicionamento de freqüência tripla e posteriormente em algoritmos de detecção e correção de deslizamento de ciclo. Esses algoritmos usam medidas de código e de fase, bem como um método de três frequências desenvolvido por Maria Clara de Lacy e colegas. A preocupação com os deslizamentos de ciclos e a relação com a assinatura ionosférica em dados está em tendência. Em 2011, Zhizhao Liu publicou um artigo sobre o uso da taxa de mudança do conteúdo eletrônico total para detectar deslizamentos de ciclo. Por outro lado, depois de estudar os deslizamentos de ciclo ionosféricos, Simon Banville e Richard Langley concluíram em um artigo publicado em 2013 que o aumento do ruído de medição associado a uma ionosfera ativa faz com que o ciclo de correção deslize um desafio contínuo, o que requer mais investigação, enquanto Xiaohong Zhang e Colegas, em um artigo publicado em 2014, chegaram à mesma conclusão ao tentar reparar os deslizamentos de ciclo durante os eventos de cintilação. Consulte Leitura adicional para obter uma lista dos documentos destacados na história de detecção e correção de deslizamento de ciclo. QUAD-FREQUENCY ALGORITHM As técnicas de detecção de deslizamento de ciclo utilizam quantidades de teste (onde o deslizamento do ciclo é representado por um salto ou mudança significativa na quantidade). Estes são associados a um algoritmo de detecção de descontinuidade, que visa localizar o salto. Testando Quantidades. As quantidades de teste são combinações lineares de observações. Eles diferem em vários aspectos: os observáveis ​​utilizados (no nosso caso, apenas as medições de fase), o número de freqüências portadoras utilizadas e as propriedades internas da combinação (livre de geometria, sem ionosfera e o nível de ruído na combinação). Em nosso estudo, assumimos valores para o ruído nas medidas de fase de portador de Galileo, conforme indicado na TABELA 1. Tabela 1. Freqüências disponíveis no Galileo Open Service. Combinação Simsky de triplo frequência. Nosso algoritmo baseia-se principalmente na exploração da combinação de Simsky de três frequências. É uma combinação de fase transportadora livre de geometria e sem ionosfera, em metros, como mostrado na Equação 2. Quando quatro freqüências estão disponíveis, quatro combinações de três freqüências podem ser computadas. Dois deles são suficientes para detectar os deslizamentos em qualquer uma das quatro freqüências. A escolha de combinação deve primeiro depender de sua precisão (dada por S na TABELA 2), obtida aplicando a lei de propagação variância-covariância ao ruído de medição em bruto (ver Tabela 1). A precisão não é o único fator a ter em conta na escolha de combinações adequadas. Em cada combinação, as frequências portadoras têm diferentes impactos devido aos seus diferentes comprimentos de onda: o impacto de um deslizamento de amplitude de um ciclo na frequência E1 não será, de facto, o mesmo do E5a, E5b ou E5ab (ver Tabela 2). O menor impacto em uma determinada combinação é sempre o mais difícil de detectar. Tabela 2. Combinações Simsky. Portanto, a eficiência de uma determinada combinação dependerá do efeito do menor deslizamento do ciclo e da precisão da combinação (dada pelo desvio padrão): quanto maior a relação entre eles, mais eficiente será a combinação. Entre as quatro possibilidades de combinação, as duas razões mais altas são as formadas pelas combinações E5a-E5b-E5ab e E1-E5a-E5b. Estes serão assim os usados ​​em nosso algoritmo. A combinação Simsky nos permite detectar ICS, bem como deslizamentos de ciclo SCS-DM. No entanto, esta combinação é insensível aos deslizamentos SCS-SM em todas as quatro freqüências (o que é um fenômeno raro). Teremos, portanto, de adicionar outra quantidade de teste ao nosso algoritmo. Dual-Frequency, Combinação livre de geometria. A combinação de frequência dupla, sem geometria (GF), em metros, nos permite detectar deslizamentos SCS-SM. Pode ser calculado da seguinte forma: Infelizmente, a combinação de duas freqüências sem geometria é afetada pelo atraso ionosférico. Para mitigar a tendência suave ionosférica, calcula-se uma diferença horária de quarta ordem. Ainda assim, o resultado sofre variações rápidas do atraso ionosférico. Quando quatro frequências estão disponíveis, seis combinações de dupla frequência podem ser computadas. Um é suficiente para detectar a presença de deslizamentos de ciclo simultâneos da mesma magnitude. A escolha dependerá novamente da relação entre a precisão da combinação e o menor efeito de deslizamentos simultâneos de um ciclo. Por um lado, diferenciar os resultados da combinação afeta a precisão. Por outro lado, o deslizamento do ciclo, portanto, o menor efeito a ser detectado, será amplificado por diferenciação de alta ordem. A melhor relação é obtida com uma diferença de quarta ordem (ver TABELA 3), mesmo que uma variação suave devido à ionosfera já seja removida no segundo grau (ver Figura 1). TABELA 3. Combinações sem geometria. FIGURA 1. Combinação sem geometria diferente do tempo: (a) combinação bruta, (b) diferença de primeira ordem, (c) diferença de segunda ordem e (d) diferença de quarta ordem. Mesmo que uma combinação seja suficiente, nossa abordagem usará duas delas para verificar suas saídas: E1-E5a e E1-E5ab, pois oferecem os melhores índices. Método de detecção. Para detectar uma descontinuidade devido a um deslizamento de ciclo na quantidade de teste, é necessário estabelecer limites de detecção. Os limiares são um dos principais parâmetros na detecção de deslizamento de ciclo, pois eles levam à decisão sobre a presença de um deslizamento de ciclo ou não. Se o limite for muito restritivo, alguns deslizamentos reais podem ser perdidos (um falso negativo). Por outro lado, se não for suficientemente restritivo, as descontinuidades que não combinam com um deslizamento de ciclo podem ser detectadas de forma abusiva (um falso positivo). É importante notar, como nosso estudo destaca, que não há um limite perfeito que se adapte a todas as necessidades e restrições. A escolha deve ser feita considerando a aplicação de posicionamento em questão. Os valores limiar dados neste artigo são representativos e determinaram-se empiricamente como sendo otimizados em relação ao nosso objetivo de detecção de deslizamento de ciclo sob alta atividade ionosférica. Os resultados e discussões adicionais sobre diferentes limiares podem ser encontrados na tese dos primeiros autores (ver Leitura adicional). Os deslizamentos de ciclo afetarão a combinação de Simsky por uma mudança no valor da combinação média, enquanto que o diferencial diferente do tempo será afetado por uma espiga. Detecção usando Simsky Combination. A detecção de deslizamento do ciclo na combinação Simsky de três frequências é realizada em dois passos em cascata (ver FIGURA 2). FIGURA 2. Método de detecção da combinação Simsky. O primeiro usa uma combinação diferenciada no tempo para detectar deslizamentos de ciclo potenciais usando uma janela de média móvel de frente e retrocesso de 20 pontos de observação, na qual os parâmetros estatísticos de desvio padrão e médio são computados. A época atual é comparada com as anteriores para detectar uma espiga, o que pode corresponder a um deslizamento de ciclo. São utilizados dois tipos de limiares: estatístico (ou relativo) e absoluto. Como mostrado na FIGURA 3. O uso de um limiar estatístico nos permite adaptar a detecção à inércia dos parâmetros estatísticos. Assumindo o ruído nas observações (aqui, os resultados da combinação Simsky) segue uma distribuição normal, um intervalo de confiança de 3 sigma em torno da média inclui 95% das observações. Dada a proporção das duas combinações Simsky utilizadas (calculadas anteriormente), a taxa de sucesso atinge 100% para ambas as combinações, o que significa que todos os deslizes ICS e SCS-DM nos dados serão detectados com certeza (sem falsos negativos). No entanto, os falsos positivos podem ocorrer porque 5 por cento dos dados são estatisticamente fora dos limites de 3 sigma. FIGURA 3. Limiares estatísticos e absolutos. Para reduzir essa taxa, também é aplicado um limiar absoluto, igual a 0,4 vezes o menor impacto de um deslizamento de ciclo na combinação (ver Tabela 2). Se pudermos tomar a Figura 3 como um exemplo adequado de um distúrbio ionosférico extremo que leva a uma variabilidade excepcionalmente alta nos resultados combinados, o limiar absoluto será na maior parte do tempo muito maior do que o estatístico e ajudará a reduzir a taxa de detecções erradas. Como um resultado deste primeiro passo, um valor de sinalizador é atribuído a épocas com valores maiores do que os dois limites, e que, portanto, são potencialmente afetados por deslizamentos de ciclo. Uma vez que os locais de deslizamentos potenciais são alcançados, o segundo passo consiste em comparar a média antes e depois dos deslizamentos de ciclo potenciais para as épocas marcadas. Um segundo limite absoluto é aplicado, igual a 0,8 vezes o menor efeito. Se outro deslizamento potencial do ciclo estiver presente na janela de detecção, o tamanho da janela de detecção será reduzido para evitar o cálculo de parâmetros estatísticos em dados parcialmente deslocados. O objetivo do primeiro passo é detectar possíveis deslizamentos. Portanto, a prioridade é evitar a falta de um deslizamento real com valores de limiar baixos, por vezes, levando a detecção falsa positiva. Por outro lado, o segundo passo tem como objetivo separar o potencial de falhas falsas positivas de falsos positivos na combinação bruta dos turnos reais de deslizamento de ciclo em média. O desempenho teórico desta abordagem em duas etapas é 100 por cento: nem falsos positivos nem falsos negativos devem ser encontrados. Detecção usando combinação de geometria livre. Uma vez que a combinação sem geometria diferente de quarta ordem é afetada por um atraso residual ionosférico, o procedimento anterior não pode ser aplicado. Como qualquer quantidade de teste diferente do tempo, o deslizamento aparecerá como um pico na combinação. Portanto, não há como distinguir os deslizamentos de ciclo de outliers por uma comparação de nível médio (segundo passo). Conseqüentemente, o método de detecção consiste apenas em uma janela média móvel em frente e para trás, na qual um intervalo de confiança de 4 sigma é comparado ao valor da combinação de época atual. De fato, neste caso, não podemos dar ao luxo de encontrar falsos positivos em 5% das épocas (induzidas pelo uso de um limiar de 3 sigma), pois nenhum outro passo pode ser configurado para eliminar os falsos positivos positivos. Os desempenhos teóricos do método de detecção sem geometria também deverão atingir 100%. Novamente, nem falsos positivos nem falsos negativos devem ser encontrados. Note-se que este cálculo apenas leva em conta as razões, negligenciando o fato de que a combinação sem geometria também é sensível à variabilidade da ionosfera. VALIDAÇÃO Testamos o algoritmo quad-frequency em observações Galileo de quatro segundos de quatro estações GMSD (em Nakatane, Japão) e NKLG (em Libreville, Gabão). As observações GMSD foram utilizadas para testar a robustez do algoritmo em casos específicos simulados, enquanto os dados NKLG foram utilizados para avaliar o comportamento do algoritmo nos casos encontrados na área equatorial. Metodologia. Os deslizamentos de ciclo foram inseridos artificialmente nos dados do GMSD, simulando os seguintes cenários de deslizamento de ciclo: ICS, SCS-DM e SCS-SM. O benefício dessa abordagem de simulação é que a saída do algoritmo pode ser facilmente comparada à solução já conhecida. Além disso, esses dados foram usados ​​para determinar se o uso de mais freqüências portadoras poderia aumentar a performance de detecção de deslizamento de ciclo. Analisamos um conjunto de dados NKLG de 50 dias, abrangendo observações de 6 de janeiro a 1 de fevereiro e de 24 de junho a 19 de julho de 2014. Esta amostra é composta de vários estados ionosféricos: dias calmos e extremos, bem como atividade equatorial típica . Como o pico do ciclo solar ocorreu em 2014, os dados desse ano se encaixam perfeitamente no estudo dos efeitos da alta atividade ionosférica. Utilizamos NKLG dados brutos para alcançar um duplo objetivo. Em primeiro lugar, queríamos determinar a proporção de épocas para as quais pequenos deslizamentos de ciclo (um, dois ou cinco ciclos) não podiam ser distinguidos. Isso foi realizado comparando o impacto (em metros) de tais cenários com o limite instantâneo associado a cada época. No caso de um limiar de detecção de ciclo-deslizamento alto, não podem ser detectados deslizamentos potencialmente presentes de um, dois ou cinco ciclos. A fração de épocas em um dia para o qual esses pequenos deslizamentos de ciclo não seriam detectados, para cada combinação usada no algoritmo, parecia ser um indicador adequado da eficácia do algoritmo na área equatorial. Em segundo lugar, analisamos os resultados avaliando visualmente a saída do algoritmo usando gráficos de combinação e tentamos responder as seguintes questões: as épocas marcadas parecem ser afetadas por deslizamentos de ciclo Existem ciclos de ciclo reais que permanecem resultados não detectados. Observamos de perto os resultados de nossas simulações e a análise de dados brutos. Simulação de casos particulares. Em comparação com métodos equivalentes de dupla e tripla equivalentes, nosso novo algoritmo quad-frequency deu melhores resultados: todos os deslizamentos de ciclo inseridos foram detectados com sucesso e nenhum falso positivo foi notado. Análise de conjunto de dados bruto NKLG. O processo de validação usando dados brutos NKLG destaca várias tendências nos resultados do algoritmo. Em primeiro lugar, é interessante notar que a detecção de folhas isoladas, bem como deslizamentos de magnitude diferente (usando as combinações Simsky) foi garantida para cada época de observação de cada dia analisado. De fato, os limiares instantâneos da Simsky nunca ultrapassaram o efeito de um deslizamento de amplitude de um ciclo. Além disso, em 25 por cento dos dias analisados, a detecção de deslizamentos de ciclo da mesma magnitude também poderia ser garantida. Para os dias restantes, a detecção de deslizamentos de ciclo simultâneos cujas amplitudes são inferiores a cinco ciclos não pode ser garantida para algumas épocas de observação, o que pode ser negligenciado razoavelmente devido à probabilidade muito pequena de experimentar casos tão excepcionais. Isto é devido ao impacto da variabilidade ionosférica na combinação sem geometria, induzindo altos valores de limiar instantâneos. No entanto, ambas as combinações Simsky e sem geometria sofrem de detecção falsa positiva em eventos ionosféricos extremos: se um deslizamento de ciclo for detectado, às vezes corresponde a um outlier. Este efeito colateral é devido às escolhas de limiar que fizemos para combinar com nosso propósito inicial de detectar todos os deslizamentos de ciclo com certeza, em vez de arriscar perder um deles, mesmo que os falsos positivos sejam parte da lista de resultados. MÁXIMAS MELHORIAS Além dos aplicativos pós-processamento, também consideramos uma adaptação em tempo real do algoritmo. A restrição em tempo real afeta tanto o Simsky quanto os métodos de detecção sem geometria. Nesta configuração, a janela estatística pode, de fato, apenas avançar, o que negligencia a detecção de deslizamento de ciclo nas primeiras 20 épocas. Além disso, a comparação de nível médio (ver o método de detecção de Simsky descrito anteriormente) não pode mais ser considerada porque a média que segue um deslizamento potencial do ciclo não pode ser computada no processamento em tempo real. Mesmo que o nosso algoritmo de detecção de quad-frequência sofra da restrição em tempo real, ele ainda é eficiente se o último for levado em consideração para escolhas de limiares adequados. A detecção de deslizamento de ciclos é, de fato, apenas um primeiro passo, e a correção do ciclo-deslizamento deve completar o procedimento para evitar descontinuidades. Vale ressaltar, no entanto, que simplesmente estar ciente da presença de um deslizamento de ciclo em um conjunto de dados é uma informação preciosa para um usuário e, na época correspondente, os parâmetros na solução podem ser reinicializados. Melhorado com um método de correção de deslizamento de ciclo adequado e uma característica em tempo real, nosso algoritmo pode ser diretamente integrado em um receptor de software, permitindo o fornecimento de dados contínuos e corrigidos ao usuário. CONCLUSÃO Neste artigo, introduzimos o primeiro algoritmo de detecção de ciclo-deslizamento de quad-frequência, com uma eficiência que é claramente um passo à frente. Este método de detecção inovador abre novas portas para inúmeras pesquisas e aplicações comerciais. Todo usuário do Galileo, seja civil ou militar, poderá beneficiar de um posicionamento de melhor qualidade, especialmente em condições ionosféricas ásperas: não só onde a ionosfera é particularmente inquieta, como nas regiões equatoriais e polares, mas também em qualquer latitude durante uma Perturbação ionosférica. No que diz respeito ao posicionamento preciso, este é mais um passo que reforça a competitividade da Galileos em relação a outros sistemas de frequência dupla ou tripla. AGRADECIMENTOS Este artigo baseia-se no documento Detecção de deslizamentos de ciclo no modo Quad-Frequency: Galileos Contribuição para uma abordagem eficiente sob alta atividade ionosférica, a submissão vencedora para o Concurso de Estudantes 20142015 do Comit de Liaison des Gomtres Europens no Galileo, EGNOS, A categoria Copernicus, patrocinada pela GSA, a Agência Europeia dos Sistemas de Satélites de Navegação Global. LAURA VAN DE VYVERE recebeu um M. Sc. Em geomática e geometria da Universit de Lige, na Bélgica, em 2015. Sua tese de mestrado foi dedicada à detecção de deslizamento de Galileo sob atividade ionosférica extrema. Em 2015, ingressou na M3 Systems Belgium no Wavre como engenheira de projeto de radionavegação e atualmente está envolvida em projetos de hibridização GNORM e de hibridização GNSS. REN WARNANT recebeu um M. Sc. Em física em 1988 e um Ph. D. Em física com especialidade em GNSS em 1996, tanto da Universit catholique de Louvain, Louvain-la-Neuve, Bélgica. Ele começou sua carreira como geodesista no Observatório Real da Bélgica em 1988. Desde junho de 2011, é professor de tempo integral e chefe do Laboratório de Geodesia e GNSS da Universidade de Lige, onde é responsável pela educação no campo de Geodesia espacial e GNSS. LEITURA ADICIONAL Primeiro Autores Tese e Premiado Papel Dtecção dos sauts de ciclos em modo multi-frquência para o sistema Galileo por L. Van de Vyvere, mmoire (tese) para o mestrado em ciências gographiques orientação gomatique e gomtrologie, Universit de Lige, Bélgica, junho de 2015. Detecção de deslizamento de ciclos em modo Quad-Frequency: Contribuição de Galileos para uma abordagem eficiente sob alta atividade ionosférica por L. Van de Vyvere, a submissão vencedora ao Concurso de Estudantes 20142015 do Comit de Liaison des Gomtres Europens no Galileo , EGNOS, categoria Copernicus, patrocinada pela GSA, Agência Europeia de Sistemas de Satélites de Navegação Global. Alguns trabalhos anteriores sobre detecção e reparação de deslizamento de ciclos Um método de pré-processamento de frequência dupla e tripla eficiente para sinais de Galileo e GPS por M. Lonchay, B. Bidaine e R. Warnant, em Procedimentos do 3º Colóquio Internacional de Aspectos Científicos e Fundamentais da Programa Galileo. Copenhaga, Dinamarca, 31 de agosto, 2 de setembro de 2011. Um novo método automatizado de detecção e reparo de deslizamento de ciclos para um único receptor GPS de duas frequências de Z. Liu no Journal of Geodesy. Vol. 85, nº 3, março de 2011, pp. 171183, doi: 0,1007s00190-010-0426-y. Correção instantânea em tempo real do ciclo de deslizamento de dados de GPS de dupla frequência por D. Kim e R. Langley em Procedimentos do KIS 2001. Simpósio Internacional sobre Sistemas Cinemáticos em Geodesia, Geomática e Navegação, Banff, Alberta, 58 de junho de 2001, pp. 255264. Um Algoritmo de Edição Automatizada para Dados de GPS por G. Blewitt em Letras de Pesquisa Geofísica. Vol. 17, No. 3, março de 1990, pp. 199202, doi: 10.1029GL017i003p00199. Posicionamento de ponto preciso aprimorado na presença de cintilação ionosférica por X. Zhang, F. Guo e P. Zhou em soluções de GPS. Vol. 18, No. 1, janeiro de 2014, pp. 5160, doi: 10.1007s10291-012-0309-1. Detecção e reparo de deslizamento de ciclos para observações GPS não diferenciadas sob alta atividade ionosférica por C. Cai, Z. Liu, P. Xia e W. Dai em soluções de GPS. Vol. 17, No. 2, abril de 2013, pp. 247260, doi: 10.1007s10291-012-0275-7. Mitigando o impacto dos deslizamentos do ciclo ionosférico nas observações GNSS por S. Banville e R. B. Langley no Journal of Geodesy. Vol. 87, nº 2, fev. 2013, pp. 179193, doi: 10.1007s00190-012-0604-1. Detecção e Reparação em Tempo Real de Slots de Ciclo em Medições de GNSS de Três Freqüências por Q. Zhao, B. Sun, Z. Dai, Z. Hu, C. Shi e J. Liu em Soluções de GPS. Vol. 19, No. 3, julho 2015, pp. 381391, doi: 10.1007s10291-014-0396-2. Detecção de deslizamento de ciclo em tempo real em GNSS de triplo freqüência por M. C. De Lacy, M. Reguzzoni e F. Sans em Soluções de GPS. Vol. 16, No. 3, julho de 2012, pp. 353362, doi: 10.1007s10291-011-0237-5. Compartilhe isso: Tawani - eles não estão faltando o ponto. O que você diz precisa ser definido usando termos genéricos. Você não pode ir com um único exemplo. Sem definições gerais, se 400 é 30 é ainda um outlier E se é 14 E 9 Onde você pára Você precisa de stddev39s, intervalos, quartis, para fazer isso. Ndash Daniel Daranas 2 de fevereiro de 09 às 17:05 Ao cortar, você não remove os valores abertos que você simplesmente não os inclui no cálculo. QuotRemovequot pode sugerir que os pontos não estão mais no conjunto de dados. E você não remove (ou ignora) porque eles são outliers o critério é (geralmente) apenas que eles estão em alguma fração extrema dos dados. Um valor não incluído em um meio cortado geralmente é apenas um pouco mais (ou menos) do que o valor mais alto (menor) incluído. Ndash Nick Cox 3 de dezembro 14 às 16:48 Eu não sei se tem um nome, mas você poderia facilmente encontrar uma série de algoritmos para rejeitar outliers: encontre todos os números entre os percentis 10º e 90º (faça isso, classificando, então, rejeitando O primeiro N10 e os últimos N10 números) e pegue o valor médio dos valores restantes. Sort values, reject high and low values as long as by doing so, the meanstandard deviation change more than X. Sort values, reject high and low values as long as by doing so, the values in question are more than K standard deviations from the mean. The most common way of having a Robust (the usual word meaning resistant to bad data) average is to use the median . This is just the middle value in the sorted list (of half way between the middle two values), so for your example it would be 90.5 half way between 90 and 91. If you want to get really into robust statistics (such as robust estimates of standard deviation etc) I would recommend a lost of the code at The AGORAS group but this may be too advanced for your purposes. answered Feb 13 09 at 9:22 If all you have is one variable (as you imply) I think some of the respondents above are being over critical of your approach. Certainly other methods that look at things like leverage are more statistically sound however that implies you are doing modeling of some sort. If you just have for example scores on a test or age of senior citizens (plausible cases of your example) I think it is practical and reasonable to be suspicious of the outlier you bring up. You could look at the overall mean and the trimmed mean and see how much it changes, but that will be a function of your sample size and the deviation from the mean for your outliers. With egregious outliers like that, you would certainly want to look into te data generating process to figure out why thats the case. Is it a data entry or administrative fluke If so and it is likely unrelated to actual true value (that is unobserved) it seems to me perfectly fine to trim. If it is a true value as far as you can tell you may not be able to remove unless you are explicit in your analysis about it. answered Dec 3 14 at 13:58 My statistics textbook refers to this as a Sample Mean as opposed to a Population Mean. Sample implies there was a restriction applied to the full dataset, though no modification (removal) to the dataset was made. answered Mar 26 16 at 3:13 0. Welcome to the site. 1. Which book Please give a reference. 2. quotSample meanquot does not typically refer to a mean obtained after removing outliers. ndash Juho Kokkala Mar 26 16 at 8:06 It can be the median. Não sempre, mas às vezes. I have no idea what it is called in other occasions. Espero que isso tenha ajudado. (At least a little.)