京都大学 / 0048 / 新制・課程博士 / 博士(理学) / 甲第19505号 / 理博第4165号 / 新制||理||1598(附属図書館) / 32541 / 京都大学大学院理学研究科地球惑星科学専攻 / (主査)教授 津田 敏隆, 教授 石川 裕彦, 教授 余田 成男 / 学位規則第4条第1項該当 / Doctor of Science / Kyoto University / DFAM

No description available.

La navigation avec les systèmes de navigation par satellites (GNSS) est un réel défi dans des environnements contraints (semi-urbain, urbain, feuillage dense) à cause des multitrajets et du masquage du signal. Cette thèse propose un nombre de solutions architecturales et algorithmiques pour le récepteur GNSS afin de pallier ces problèmes. Ces solutions se veulent capables d’exploiter les atouts des poursuites scalaire et vectorielle tout en minimisant leurs défauts et de profiter de l’efficacité de certaines techniques de filtrage Bayésien non linéaire quant à aborder la non-Gaussianité et les non-linéarités associées au problème de navigation et de poursuite vectorielle. Une attention particulière est accordée à certains estimateurs Bayésiens qui essaient d’approximer la loi a posteriori sans linéariser le modèle de filtrage, notamment le filtre de Kalman et les méthodes de filtrage particulaire, mais aussi au filtre de Kalman étendu, dont l’estimation de la loi a posteriori est basée sur la linéarisation du modèle de filtrage. En premier lieu, une brève étude bibliographique présentant les fondamentaux des systèmes et des récepteurs GNSS ainsi que les algorithmes de navigation et de poursuite y associés est faite. Ensuite le fonctionnement d’un récepteur GNSS en milieux contraints est investigué. La thèse propose des modèles pour caractériser les erreurs de poursuite induites par les multitrajets dans une boucle de poursuite vectorielle. Ces modèles permettent d’exprimer les erreurs de poursuite en fonction du délai, de la phase et de la fréquence d’évanouissement des multitrajets. En exploitant le fait que la présence des multitrajets se reflète sur la sortie moins des corrélateurs, de nouveaux détecteurs de multitrajets sont formulés. Un détecteur de masquage du signal direct est aussi proposé. L’attention se tourne ensuite vers la conception d’architectures robustes de poursuite et positionnement pour un récepteur GNSS, incorporant les détecteurs proposés et d’autres indicateurs de qualité. Une boucle de poursuite vectorielle capable de détecter et d’exclure des mesures qui ne sont pas saines du calcul de la solution de navigation en utilisant les indicateurs de qualité est proposée. Deux autres boucles de poursuite, la boucle de poursuite adaptative scalaire-vectorielle et la boucle de poursuite conjointe scalaire-vectorielle, avec la même capacité de détection et exclusion de fautes, sont formulées. Elles bénéficient de la robustesse de la poursuite vectorielle en milieux contraints et de la précision de la poursuite scalaire en milieux dégagés. Des résultats expérimentaux montrent que les solutions conçues offrent une meilleure alternative de poursuite et positionnement par rapport aux boucles usuelles de poursuite scalaire et de poursuite vectorielle. Enfin, la thèse présente des approches de filtrage Bayésien non linéaire pour résoudre le problème de navigation et de poursuite vectorielle. Des stratégies de filtrage itératives et adaptatives appliquées au filtre de Kalman sont étudiées. Une nouvelle approche de filtrage particulaire dénommée filtre particulaire itératif et adaptatif (IAUPF) est formulée. Cette approche exploite les propriétés de convergence des méthodes itératives, l’immunité à la divergence dont jouissent les filtres adaptatifs, et la synergie entre les approches de filtrage particulaire et de Kalman. Des simulations de Monte Carlo avec une borne inférieure de Cramér-Rao a posteriori comme référence ainsi que des résultats expérimentaux montrent que l’approche IAUPF a une meilleure performance comparativement aux autres estimateurs Bayésiens présentés / Navigation with Global Navigation Satellite Systems (GNSS) is a real challenge in harsh environments (suburban, urban, heavy foliage) due to multipath and signal blockage. This thesis proposes a number of GNSS receiver architectural and algorithmic solutions to deal with this challenge. These solutions aim at exploiting the strengths of scalar and vector tracking while minimizing their weaknesses and at utilizing the efficiency of some nonlinear Bayesian filtering techniques in addressing the nonlinearities and non-Gaussianities associated with the navigation and vector tracking problem. Attention is given to some Bayesian estimators that approximate the posterior distribution without linearizing the filtering model, namely the unscented Kalman and particle filtering methods, as well as to the extended Kalman filter, whose posterior estimation is grounded on linearization of the filtering model.First, a brief literature review that presents the fundamentals of GNSS and GNSS receivers together with the applied navigation and tracking algorithms is provided. Then an investigation of the GNSS receiver operation in multipath environments is performed. The thesis proposes models for characterizing multipath induced tracking errors in a vector tracking loop. These models make it possible to express the tracking errors with respect to multipath delay, multipath phase and multipath fading frequency. By exploiting the fact that multipath presence is mirrored on the Early-minus-Late correlator output, novel multipath detectors are devised. A correlator-based non-line-of-sight detector is designed as well. Attention is then directed towards the design of robust tracking and positioning GNSS receiver architectures that incorporate the proposed detectors among other signal quality indicators. A vector tracking scheme capable of detecting and excluding unhealthy measurements from position-velocity-time calculation in the navigator using correlator-based signal quality indicators is suggested. Two other novel tracking schemes, the adaptive scalar-vector tracking loop and the conjoint scalar-vector tracking loop, with the same fault detection and exclusion capability, are formulated. They benefit from vector tracking robustness in harsh environments and scalar tracking positioning accuracy in open sky environments. Experimental results show that the proposed solutions have better tracking and positioning performance than the usual scalar and vector tracking loops. Finally, the thesis presents a number of nonlinear Bayesian filtering approaches to solve the navigation and vector tracking problem. Iterative and adaptive strategies as applied to the unscented Kalman filter are studied. A novel unscented particle filter approach, the iterated adaptive unscented particle filter (IAUPF), is proposed. This approach exploits the convergence properties of iterative methods, the divergence suppression benefits of adaptive filters and the synergy of unscented Kalman and particle filtering approaches. Monte-Carlo simulations conducted with a posterior Cramér-Rao lower bound used as benchmarking reference as well as experimental results demonstrate that the IAUPF outperforms the other Bayesian estimators that are presented

De nombreuses solutions sont développées pour diminuer l'influence des multitrajets sur la précision et la disponibilité des systèmes GNSS. L'intégration de capteurs supplémentaires dans le système de localisation est l'une des solutions permettant de compenser notamment l'absence de données satellitaires. Un tel système est certes d'une bonne précision mais sa complexité et son coût limitent un usage très répandu.Cette thèse propose une approche algorithmique destinée à améliorer la précision des systèmes GNSS en milieu urbain. L'étude se base sur l'utilisation des signaux GNSS uniquement et une connaissance de l'environnement proche du récepteur à partir d'un modèle 3D du lieu de navigation.La méthode présentée intervient à l'étape de filtrage du signal reçu par le récepteur GNSS. Elle exploite les techniques de filtrage statistique de type Monte Carlo Séquentiels appelées filtre particulaire. L'erreur de position en milieu urbain est liée à l'état de réception des signaux satellitaires (bloqué, direct ou réfléchi). C'est pourquoi une information sur l'environnement du récepteur doit être prise en compte. La thèse propose également un nouveau modèle d'erreurs de pseudodistance qui permet de considérer les conditions de réception du signal dans le calcul de la position.Dans un premier temps, l'état de réception de chaque satellite reçu est supposé connu dans le filtre particulaire. Une chaîne de Markov, valable pour une trajectoire connue du mobile, est préalablement définie pour déduire les états successifs de réception des satellites. Par la suite, on utilise une distribution de Dirichlet pour estimer les états de réception des satellites / Most of the GNSS-based transport applications are employed in dense urban areas. One of the reasons of bad position accuracy in urban area is the obstacle's presence (building and trees). Many solutions are developed to decrease the multipath impact on accuracy and availability of GNSS systems. Integration of supplementary sensors into the localisation system is one of the solutions used to supply a lack of GNSS data. Such systems offer good accuracy but increase complexity and cost, which becomes inappropriate to equip a large fleet of vehicles.This thesis proposes an algorithmic approach to enhance the position accuracy in urban environment. The study is based on GNSS signals only and knowledge of the close reception environment with a 3D model of the navigation area.The method impacts the signal filtering step of the process. The filtering process is based on Sequential Monte Carlo methods called particle filter. As the position error in urban area is related to the satellite reception state (blocked, direct or reflected), information of the receiver environment is taken into account. A pseudorange error model is also proposed to fit satellite reception conditions. In a first work, the reception state of each satellite is assumed to be known. A Markov chain is defined for a known trajectory of the vehicle and is used to determine the successive reception states of each signal. Then, the states are estimated using a Dirichlet distribution