Atmospheric Effects on Satellite Navigation Systems: Ionosphere and Troposphere

Abstract

The atmosphere is known for inducing significant errors in passing signals, creating a setback for applications relying on satellite signals for positioning or navigation. The primary sources of atmospheric errors are the ionosphere and the troposphere. However, the ionosphere is responsible for a larger portion of these errors and is harder to model than the troposphere. The high variability and randomness of the solar activity is what gives the ionosphere its delay profile. Although there are many ionospheric models, none is simultaneously simple, computationally light, has low input requirements, and can be applied to any satellite constellation while retaining high accuracy.

This thesis discusses various tropospheric and ionospheric models and provides a comprehensive comparison between the performance of each model. This thesis also introduces a new ionospheric model called the Interpolated and Averaged Memory Model (IAMM), derived from data over one solar cycle (11 years). Being built on data from a complete solar cycle, IAMM is able to encompass the ionosphere at different stages of this periodic cycle. The model can represent the ionosphere's electron content and generate ionospheric corrections for any given location, date, or time. During the testing phase, IAMM and other ionospheric models were applied to the observational data from ground stations. Then, the performance of IAMM was evaluated for electron content prediction, ionospheric delay correction, and positioning error reduction. The results were compared with the performance of several other models.

The test results demonstrate IAMM's ability to predict the electron content content within the ionosphere with high accuracy. In fact, IAMM occasionally outperformed other ionospheric models in electron content modelling and positioning error reduction. IAMM has an advantage over other models by being independent of external atmospheric parameters, which enables it to be applied to any stand-alone satellite system, and enables it to function offline.

Ilmakehä aiheuttaa tunnetusti suuria virheitä signaalien kulkuun, mikä on takaisku sovelluksille, jotka luottavat satelliittisignaaleihin paikannuksessa tai navigoinnissa. Ilmakehän virheiden pääasialliset lähteet ovat ionosfääri ja troposfääri. Ionosfääri on kuitenkin vastuussa suuremmasta osasta näistä virheistä. Siksi sitä on vaikeampi mallintaa kuin troposfääriä. Auringon toiminnan suuri vaihtelevuus ja satunnaisuus muodostavat ionosfäärille sen viiveprofiilin. Vaikka ionosfäärimalleja on monia, yksikään niistä ei ole samanaikaisesti yksinkertainen, laskennallisesti kevyt, vaadi vähän syötteitä, tai ole sovellettavissa mihin tahansa satelliittiryhmään säilyttäen samalla korkean tarkkuuden.

Tässä työssä käsitellään useita troposfäärin ja ionosfäärin malleja ja vertaillaan kattavasti kunkin mallin suorituskykyä. Tämä diplomityö pyrkii myös esittelemään uuden ionosfäärin mallin, jota kutsutaan nimellä Interpolated and Averaged Memory Model (IAMM), joka on johdettu 11 vuoden eli yhden auringonpilkkujakson aikana kerätystä datasta. IAMM:n rakentaminen täydellisen auringonpilkkujakson datasta mahdollistaa ionosfäärin ominaisuuksien kattamisen tämän periodisen kierron eri vaiheissa. Malli voi esittää ionosfäärin elektronisisällön ja tuottaa ionosfäärin korjauksia mille tahansa annetulle sijainnille, päivämäärälle tai ajalle. Testausvaiheessa IAMM ja muut ionosfäärin mallit sovitettiin maanpäällisten asemien havaintodataan. Sitten IAMM:n suorituskykyä arvioitiin elektronipitoisuuden ennustuksen ja ionosfäärin viivekorjauksen parantamiseksi sekä paikannusvirheen vähentämiseksi. Tuloksia verrattiin useiden muiden ionosfäärimallien suorituskykyyn.

Testitulokset osoittavat IAMM:n kyvyn ennustaa elektronipitoisuussisältö ionosfäärissä suurella tarkkuudella. Itse asiassa IAMM suoriutui paremmin kuin muut ionosfäärin mallit elektronipitoisuuden mallinnuksessa ja paikannusvirheen vähentämisessä. IAMM:lla on etu muihin malleihin nähden, koska se on riippumaton ulkoisista ilmakehän parametreista, mikä mahdollistaa sen soveltamisen mihin tahansa satelliittijärjestelmään ja mahdollistaa sen toiminnan offline-tilassa.