Analyse av énfrekvente GNSS rådata fra en Samsung Galaxy S9+

Abstract

Denne masteroppgaven, skrevet for REALTEK ved Norges miljø- og biovitenskapelige universitet (NMBU), omhandler fagområdet geomatikk; mer spesifikt GNSS-observasjoner med en smartmobil. Hensikten med oppgaven er å analysere rådata fra en Samsung Galaxy S9+, som har kapabilitet for GNSS-måling på én frekvens for flere globale satellittnavigasjonssystemer (GNSS). Målinger fra nærliggende basestasjon ble også brukt i analysen av mobilobservasjonene. Oppgaven fokuseres hovedsakelig på GPS-observasjoner, men noen resultater for Galileo og andre GNSS blir også presentert. Analysen ble hovedsakelig utført vha. programmering ved bruk av Python 3.7. Oppgaven består hovedsakelig av seks hovedkapitler, og i tillegg noen vedlegg. Kap. 1 Introduksjon: Historikk rundt temaet mobil GNSS, problemstillinger, motivasjon, forklaringer og tidligere, relevant forskning. Kap. 2 Teori: Relevant teori for oppgaven; formler, illustrasjoner og forklaringer. Kap 3 Datainnsamling og metode: Beskrivelse av hvordan rådata ble anskaffet i praksis, og hvordan disse ble analysert. Kap. 4 Resultater: Plott og tabeller som resulterte fra analyse av rådata. Kap. 5 Diskusjon: Tolkning av resultater og generell refleksjon rundt oppgaven. Kap 6. Konklusjon: Endelige svar på oppgavens problemstillinger og forslag til videre arbeid rundt temaet. Først i oppgaven presenteres den moderne mobilen og hvordan den har utviklet seg blant allmennheten. Mobiltelefonen var først forbeholdt kommunikasjonsformål, men med tiden har mer og mer teknologi blitt implementert i den lommestore enheten: Bilder, video og – sist, men ikke minst – GPS. Den første GPS-støttende mobilen kom ut i 1999, og siden den tid har satellittbasert navigasjonsteknologi blitt en standard for mobiltelefonen. I 2019, tjue år senere, er det ikke lenger så mye snakk om GPS alene, men heller GNSS (Global Navigation Satellite Systems) – flere satellittbaserte navigasjonssystemer. Forventningene våre til mobilens navigasjonsteknologi har blitt større, men har kvaliteten på målingene – og posisjoneringen – blitt noe bedre? Tidligere har det blant annet blitt forsket på GNSS rådata fra en Nexus 9-tablett (Håkansson, 2018) og en Huawei P10 (Lachapelle et al., 2018). For Nexus 9 ble det oppnådd flytløsninger med statisk måling som resulterte i 3D-presisjoner over 40 cm. Fra tilsvarende resultater for Huawei P10 ble det konkludert at kontinuerlig fasemåling var "dårlig i de fleste tilfeller" (ibid.). Med nye utviklerinnstillinger i Android 9 har derimot kontinuerlig fasemåling blitt forbedret: Det er nå mulig å skru av GNSS-relaterte driftssykluser som tidligere har skapt fasebrudd. For anskaffelse av data i oppgaven ble det målt to individuelle punkter; AUDM og STRB, i tidsintervaller på to timer hver. AUDM befinner seg blant bygninger og en stor vannflate, mens STRB står på en øde fotballbane. Punktene ble med hensikt plassert i disse omgivelsene slik at det ene punktet ble mer utsatt for multipath enn det andre. Etter måling ble rådataene analysert og prosessert: Python 3.7 ble brukt til analysering og plotting, mens RTKLIB og SKTrans henholdsvis ble brukt til punktprosessering og -transformering. Plott og tabeller viser resultatene fra målingene. Antall satellitter målt fra viste seg å være over 30; ofte rundt 10 for GPS og GLONASS, og 3-6 for Galileo. GPS-satellittenes baner blir også visualisert ved bruk av himmelplott. Støyen på koden hos mobilen er, som ventet, langt høyere enn den hos geodetisk mottaker. Videre resulterer punktestimater fra koden på flere meter i presisjon og nøyaktighet, mens fasemålingene ga presisjonsmål på godt under centimeteren. Fasebrudd opptrådde flere ganger i måleintervallene, men det var mulig å opprettholde heltallsflertydighetene over lenger tidsintervaller. Dette resulterte i statiske fix-løsninger med 3D-presisjon på under 5 mm for punktene AUDM og STRB. Dette var et uventet bra resultat, og det kan muligens bli bedre – fasesenteret bør blant annet bestemmes. Det kan forventes en romlig presisjon på 10-20 meter ved prosessering av støyete kodemålinger. Høydekomponenten blir som forventet dårligst. Inkludering av Galileo forbedrer kodeløsningen noe. Videre kan midling av kodebestemte punkter gi en nøyaktighet på 1.5 og 3 meter i grunnriss og høyde, respektivt. For fix-løsninger med statisk måling ble resultatet over all forventning: En romlig presisjon på under 5 mm kan oppnås med mobilens fasemålinger. Fix-løsningene bommet fremdeles på selve punktet med ca. 6 cm nord og 3-4 cm vest, men dette skyldes først og fremst at mobilens fasesenter er ukjent. PCO kan tilnærmes ved å utføre veldig nøyaktige, statiske målinger – mulig ved høy presisjon. Resultatene oppnådd i denne oppgaven virker lovende for mobilbasert GNSS i fremtiden.

This master thesis, written for REALTEK at the Norwegian University of Life Sciences (NMBU), deals with the field of study that is geomatics; more specifically GNSS observations from a smartphone. The purpose of this thesis is to analyze raw measurements from a Samsung Galaxy S9+, which has the capability to measure on one frequency for multiple global navigation satellite systems (GNSS). Measurements from a nearby base station were also used in the analysis of the smartphone observations. The thesis focuses mainly on GPS observations but some results from Galileo and other GNSS are also presented. The analysis part was mainly accomplished by programming in Python 3.7. The study consists of six main chapters, but also some appendices. Chp. 1 Introduction: Some history concerning mobile GNSS, issues for the thesis, motivation, explanations and former studies on the topic. Chp. 2 Theory: Relevant theory for the thesis; formulas, illustrations and explanations. Chp. 3 Data acquisition and method: Explanations on how the raw measurements were obtained, practically, and how they were analyzed. Chp. 4 Results: Plots and tables as products from the analysis. Chp. 5 Discussion: Interpretations of the results and general reflections on the thesis. Chp. 6: Conclusion: Final answers on the issues raised in the thesis, and proposals on relevant fields to study. Firstly, the thesis presents the modern cellphone and how it has developed among people in general. The mobile phone was mainly reserved for communication purposes, but with time, more and more technology has been implemented in the pocket-sized device: Pictures, video and – finally – GPS. The first GPS-supporting cellphone was launched in 1999, and since then, satellite-based navigation technology has become a standard in cellphones. In 2019, twenty years later, we are not only interested in GPS alone, but rather GNSS – multiple satellite-based navigation systems. Our expectations regarding mobile-based navigation technology have become bigger, but has the quality of the measurements – and the positioning – become any better? Other related field studies include research on GNSS raw measurements from a Nexus 9 tablet (Håkansson, 2018) and a Huawei P10 (Lachapelle et al., 2018). For a Nexus 9, float solutions from static measurements were achieved, resulting in precisions above 40 cm. From similar results for Huawei P10, it was concluded that “carrier phase measurement continuity was poor in most instances” (ibid.). However, with newly available developer settings in Android 9, continuous phase-measuring has been improved: GNSS-related duty-cycling, which was the main cause of cycle slips in the past, can now be turned off. For the data acquisition in the thesis, two points were measured; AUDM and STRB, over the span of two hours each. AUDM is located among some buildings and next to a water surface, while STRB is situated on an open soccer field. The points were placed in these environments on purpose, so that one point is more exposed to multipath than the other. After data acquisition, the data were analyzed and processed: Python 3.7 was used for analyzing and plotting, while RTKLIB and SKTrans were respectively used for point-processing and transformation. Plots and tables show the results from the measurements. The total number of satellites synced can reach over 30; often 10 GPS and GLONASS satellites, and 3-6 Galileo satellites. GPS orbits are also visualized by a sky plot. The smartphone code noise is, as expected, far greater than that of a geodetic receiver. Further, estimates from the code resulted in precisions in the meter range, while static carrier phase measurements resulted in sub-centimeter precision. Cycle slips appeared in multiple instances during measurements, however, multiple fix amibiguities were maintained for longer periods of time. This resulted in static fix solutions with 3D precisions below 5 mm for the points AUDM and STRB. These were unexpectedly good results, and they can probably be improved – the PCO should be estimated. A spatial precision of approximately 10-20 meters can be expected from the noisy code estimates. The height estimate is worst, as expected. The inclusion of Galileo improves the code estimates to an extent. Further, by averaging multiple code estimates, a horizontal and vertical accuracy of about 1.5 and 3 meters can be achieved, respectively. For static estimates, the results went beyond all expectations: A spatial precision below 5 mm can be achieved from the smartphone phase measurements. The accuracy is still off by some centimeters, mostly due to the unknown PCO.