Tensor-based framework with model order selection, denoising and high accuracy matrix decomposition for third generation global positioning system time-delay estimation in dynamic multipath scenarios

Abstract

Os Sistemas Globais de Navegação por Satélite (GNSS), como o Sistema de Posicionamento Global (GPS), o Galileo, o GLONASS e o BeiDou, são cruciais para aplicações que exigem um posicionamento muito preciso. Métodos baseados em tensores de estimativa de atraso de tempo, como Canonical Polyadic Decomposition by Generalized Eigenvalue Decomposition (CPD-GEVD), Direction of Arrival Khatri-Rao Factorization (DoA/KRF) e Canonical Polyadic Decomposition via simultaneous matrix diagonalization (SECSI), podem ser combinado com o sinal L1C Civil (L1C) do GPS de terceira geração (GPS3) para mitigar significativamente a degradação de posicionamento causada por componentes de multicaminho. No entanto, esses métodos assumem que o número de componentes de multicaminho é constante e conhecido, embora, na prática, a quantidade de componentes de multicaminho seja variável no tempo, exigindo a incorporação de um esquema de seleção de ordem de modelo (MOS) adequado. Neste artigo, propomos uma estrutura completa incluindo as seguintes etapas: estimativa do número de componentes de multicaminho, separação dos sinais de origem por meio de uma abordagem baseada em tensores e estimativa do atraso de tempo da linha de visão (LOS) componente. Para estimar a ordem do modelo, consideramos o método baseado em função discriminante (DFBM), que é adequado para cenários de ruído colorido. Para estimar a ordem do modelo em cenários dinâmicos, consideramos o TExponential Fitting Test (EFT). Além disso, mitigamos significativamente o efeito de componentes de multicaminho incorporando a etapa de pré-processamento Tensor-based Multiple Denoising (MuDe) na estrutura proposta. Por fim, o framework proposto em cenários dinâmicos agrupa as épocas com as mesmas ordens de modelo formando subtensores com ordem de modelo estimadas. Portanto, tal agrupamento permite maior precisão.