0
  • 聊天消息
  • 系統(tǒng)消息
  • 評論與回復
登錄后你可以
  • 下載海量資料
  • 學習在線課程
  • 觀看技術(shù)視頻
  • 寫文章/發(fā)帖/加入社區(qū)
會員中心
創(chuàng)作中心

完善資料讓更多小伙伴認識你,還能領(lǐng)取20積分哦,立即完善>

3天內(nèi)不再提示

Skydel 24.9版革新:深度驗證傳播模型功能

Sophia_wff ? 來源:Sophia_wff ? 作者:Sophia_wff ? 2024-12-19 13:58 ? 次閱讀

在GNSS模擬器技術(shù)的持續(xù)演進中,Skydel再次邁出重要一步,其最新發(fā)布的24.9版本引入了對傳播模型的全面支持。這一創(chuàng)新功能,將平原型、郊區(qū)型及城市峽谷型等多路徑傳播環(huán)境整合至直觀的用戶界面中,為用戶提供了前所未有的模擬靈活性。

24.9版本的核心亮點,在于其對多種傳播模型的集成。用戶無需復雜設(shè)置,即可在圖形界面上輕松選取所需模型,模擬真實環(huán)境中車輛在經(jīng)過不同環(huán)境時由于衛(wèi)星信號被遮擋導致定位偏差的情況。這一改變,不僅拓寬了模擬器的應用場景,也極大地提升了模擬的準確性和實用性。

為了滿足多樣化的測試需求,新版本允許用戶對模擬環(huán)境進行深度定制。用戶可以設(shè)置的參數(shù)有:

開放天空限制參數(shù):用于定義開放天空和多徑區(qū)域之間的分界線

障礙限制參數(shù):最用于定義非視距障礙和多徑區(qū)域之間的分界線

非視線傳播概率與隨機種子:定義衛(wèi)星傳輸路徑位于非視距區(qū)域內(nèi)失去視線的概率與隨機分布公式

這些參數(shù)的靈活配置,使得模擬場景更加貼近真實世界,為測試提供了更為精確的數(shù)據(jù)基礎(chǔ)。

wKgZPGdjtgaASN2QAABUwKCZTBA66.webp


一、功能驗證

我們利用GNSS模擬器與接收機驗證這一功能對于定位精度的影響。為了直觀顯示衛(wèi)星被遮擋的變化,我們配置了一個圓形軌跡,使得車輛做勻速圓周運動。圓周運動中,車頭方向一直在變化,而衛(wèi)星位置基本不變,我們可以比較直觀的觀測到接收到的衛(wèi)星信號穩(wěn)定性。

場景開始時,我們先冷啟動接收機,并使接收機逐漸進入穩(wěn)定定位狀態(tài),達到穩(wěn)定輸出位置信息。如下圖

wKgZO2djtgaAJD4rAAAxNM3Q01E27.webp


二、添加場景

1.平原地帶

在信號穩(wěn)定輸出之后,我們?yōu)槠涮砑訄鼍埃藭r默認啟用的場景是Rural,即平原地帶。此時配置中,被遮擋區(qū)域為15°以下,15°~20°區(qū)域為存在多徑效應與NLOS狀態(tài)區(qū)域,20°以上均為開放天空,用以模擬我們在平原中基本處于無遮擋的環(huán)境。

wKgZO2djtgeAAyy7AABmMALcCEc50.webp

在此配置下,通過Skydel特有的接收機反饋功能,無需外部設(shè)備,我們就可以直觀觀測到GNSS接收機接收到的信號強度、衛(wèi)星分布等情況??梢钥吹紾NSS信號強度較高,且不會隨著車輛的位置變化引起比較明顯的強度變化。


2.郊區(qū)地帶

在幾分鐘后,我們?yōu)槠涮砑有聢鼍?,啟用的場景?a target="_blank">Suburban,即郊區(qū)地帶。此時配置中,被遮擋區(qū)域為20°以下,20°~40°區(qū)域為存在多徑效應與NLOS狀態(tài)區(qū)域,40°以上均為開放天空,用以模擬我們在郊區(qū)或鄉(xiāng)村中有低矮建筑或少量的樓房環(huán)境。此時大部分GNSS信號還是可以通過直射到達接收設(shè)備,但有部分信號會被樓房與建筑遮擋。

wKgZPGdjtgeAM3VzAABs1ryCgqQ38.webp

在此配置下,可以看到GNSS信號強度變低,且1-2顆衛(wèi)星開始不被取信不可用,且開始會隨著車輛的位置變化引起信號強度的變化,但變化還未非常劇烈。


3.城市環(huán)境

接下來我們等待幾分鐘后,為其添加新場景,啟用的場景是Urban,即城市環(huán)境。此時配置中,被遮擋區(qū)域為40°以下,40°~60°區(qū)域為存在多徑效應與NLOS狀態(tài)區(qū)域,60°以上為開放天空,用以模擬我們在城市中高樓密布,遮擋的情況。此時大部分GNSS信號還是都無法通過直射到達接收設(shè)備,部分信號會被樓房與建筑遮擋,部分信號可以通過反射達到設(shè)備。

wKgZO2djtgeAIQfUAABbnPeiFWM23.webp

在此配置下,可以看到GNSS信號強度變低,且1-2顆衛(wèi)星開始不被取信不可用,且會隨著車輛的位置變化引起信號強度的劇烈變化。


三、三種環(huán)境的差異分析

為了更清晰的看到三種環(huán)境對GNSS接收機定位精度的影響,我們使用Skydel的獨特功能:GNSS接收機反饋與仿真差異分析功能來進行直觀對比。

下圖是我們運行20分鐘(1200s)后的差異分析圖——可以看到在廣闊平原模型下,GNSS接收機可以達到比較好的定位精度,僅依靠單星座單頻點(GPS L1C/A)就能達到0.5m左右的定位精度。當我們切換模型至郊區(qū)環(huán)境后,定位精度開始漂移,在這段時間內(nèi),定位精度約1.5m。當我們切換到城市環(huán)境后,定位精度進一步漂移,最大誤差約3m。而當我們切換回平原后,且定位精度再次穩(wěn)定至0.5m以內(nèi)。

wKgZPGdjtgiAF-zuAABAvvSfTt878.webp

此外,Skydel允許用戶根據(jù)技術(shù)經(jīng)驗與相關(guān)測試標準,自定義環(huán)境變量與數(shù)值,實現(xiàn)最貼近測試需求的場景構(gòu)建。也支持通過多徑效應手動配置的方式,更精細化的實現(xiàn)多徑環(huán)境的構(gòu)建。

wKgZO2djtgiANRB7AAAgXthJEjk34.webp

通過Skydel GNSS模擬引擎,在無需移動待測件的情況下,可以快速測試設(shè)備在不同環(huán)境下的定位能力與保持水平。也可以通過Skydel 自動化功能實現(xiàn)遠程一鍵控制與測試,以及自動化流程的生成。高效方便的將環(huán)境測試能力嵌入或集成到現(xiàn)有測試架構(gòu)中,大大簡化測試過程,提高測試效率。

wKgZPGdjtgiAAJENAAAzVkLFbGA41.webp



審核編輯 黃宇

聲明:本文內(nèi)容及配圖由入駐作者撰寫或者入駐合作網(wǎng)站授權(quán)轉(zhuǎn)載。文章觀點僅代表作者本人,不代表電子發(fā)燒友網(wǎng)立場。文章及其配圖僅供工程師學習之用,如有內(nèi)容侵權(quán)或者其他違規(guī)問題,請聯(lián)系本站處理。 舉報投訴
收藏 人收藏

    評論

    相關(guān)推薦

    【每天學點AI】前向傳播、損失函數(shù)、反向傳播

    深度學習的領(lǐng)域中,前向傳播、反向傳播和損失函數(shù)是構(gòu)建和訓練神經(jīng)網(wǎng)絡模型的三個核心概念。今天,小編將通過一個簡單的實例,解釋這三個概念,并展示它們的作用。前向
    的頭像 發(fā)表于 11-15 10:32 ?762次閱讀
    【每天學點AI】前向<b class='flag-5'>傳播</b>、損失函數(shù)、反向<b class='flag-5'>傳播</b>

    AI大模型深度學習的關(guān)系

    AI大模型深度學習之間存在著密不可分的關(guān)系,它們互為促進,相輔相成。以下是對兩者關(guān)系的介紹: 一、深度學習是AI大模型的基礎(chǔ) 技術(shù)支撐 :深度
    的頭像 發(fā)表于 10-23 15:25 ?1125次閱讀

    Skydel 24.9版本震撼發(fā)布,升級五大關(guān)鍵功能

    進行了全面升級,為用戶帶來更高效、更精準的仿真體驗。 一、Skydel 24.9.0 關(guān)鍵功能 1、農(nóng)村型、城郊型和城市型多徑傳播模型環(huán)境已集成到GUI中 用戶可以直接選用對應的
    的頭像 發(fā)表于 10-23 10:09 ?256次閱讀
    <b class='flag-5'>Skydel</b> <b class='flag-5'>24.9</b>版本震撼發(fā)布,升級五大關(guān)鍵<b class='flag-5'>功能</b>

    深度解析:BD倉儲物流的思維革新

    智慧JS倉儲物流建設(shè)是一項既宏偉又全方位的復雜項目,它匯集了眾多尖端技術(shù),并且在基礎(chǔ)建設(shè)方面得到了深度的關(guān)注。隨著技術(shù)不斷地革新與完善,BD物流保障所面臨的一系列難題料將逐步得到克服。同時,借鑒各地區(qū)倉儲物流的創(chuàng)新成長模式,也將為JS物流業(yè)的未來發(fā)展注入一股強勁的新活力。
    的頭像 發(fā)表于 10-10 16:38 ?293次閱讀
    <b class='flag-5'>深度</b>解析:BD倉儲物流的思維<b class='flag-5'>革新</b>

    Skydel GNSS模擬器引擎發(fā)布兩大全新功能

    在GNSS測試技術(shù)日新月異的今天,每一次技術(shù)的革新都預示著行業(yè)發(fā)展的新方向。德思特自豪地宣布,Skydel GNSS模擬引擎正式推出兩大全新能力——GNSS暗室衛(wèi)星到達角與相位仿真以及Skydel支持最多16塊SDR同時使用,助
    的頭像 發(fā)表于 09-21 15:12 ?384次閱讀
    <b class='flag-5'>Skydel</b> GNSS模擬器引擎發(fā)布兩大全新<b class='flag-5'>功能</b>

    Skydel如何使用USRP完成GNSS信號仿真

    作者介紹 一、Skydel與NI USRP 軟件定義架構(gòu)(Software Defined Architecture)是一種新型的架構(gòu)模式,它是一種基于軟件的架構(gòu),通過軟件來定義系統(tǒng)的功能,從而
    的頭像 發(fā)表于 09-14 15:33 ?388次閱讀
    <b class='flag-5'>Skydel</b>如何使用USRP完成GNSS信號仿真

    深度神經(jīng)網(wǎng)絡模型量化的基本方法

    深度神經(jīng)網(wǎng)絡模型量化是深度學習領(lǐng)域中的一種重要優(yōu)化技術(shù),旨在通過減少模型參數(shù)的精度(即從高精度浮點數(shù)如32位浮點數(shù)FP32降低到低精度整數(shù)如8位整數(shù)INT8或更低)來降低
    的頭像 發(fā)表于 07-15 11:26 ?753次閱讀

    深度學習模型量化方法

    深度學習模型量化是一種重要的模型輕量化技術(shù),旨在通過減少網(wǎng)絡參數(shù)的比特寬度來減小模型大小和加速推理過程,同時盡量保持模型性能。從而達到把
    的頭像 發(fā)表于 07-15 11:01 ?546次閱讀
    <b class='flag-5'>深度</b>學習<b class='flag-5'>模型</b>量化方法

    深度學習中的模型權(quán)重

    深度學習這一充滿無限可能性的領(lǐng)域中,模型權(quán)重(Weights)作為其核心組成部分,扮演著至關(guān)重要的角色。它們不僅是模型學習的基石,更是模型智能的源泉。本文將從
    的頭像 發(fā)表于 07-04 11:49 ?1812次閱讀

    深度神經(jīng)網(wǎng)絡有哪些主要模型?各自的優(yōu)勢和功能是什么?

    神經(jīng)網(wǎng)絡模型及其優(yōu)勢和功能: 多層感知器(Multilayer Perceptron, MLP) 多層感知器是一種基本的深度神經(jīng)網(wǎng)絡,由多個全連接層組成。每個隱藏層包含多個神經(jīng)元,神經(jīng)元之間通過權(quán)重連接。多層感知器的優(yōu)勢在于其能
    的頭像 發(fā)表于 07-02 10:01 ?3015次閱讀

    深度學習模型訓練過程詳解

    深度學習模型訓練是一個復雜且關(guān)鍵的過程,它涉及大量的數(shù)據(jù)、計算資源和精心設(shè)計的算法。訓練一個深度學習模型,本質(zhì)上是通過優(yōu)化算法調(diào)整模型參數(shù),
    的頭像 發(fā)表于 07-01 16:13 ?1463次閱讀

    深度學習的模型優(yōu)化與調(diào)試方法

    深度學習模型在訓練過程中,往往會遇到各種問題和挑戰(zhàn),如過擬合、欠擬合、梯度消失或爆炸等。因此,對深度學習模型進行優(yōu)化與調(diào)試是確保其性能優(yōu)越的關(guān)鍵步驟。本文將從數(shù)據(jù)預處理、
    的頭像 發(fā)表于 07-01 11:41 ?946次閱讀

    談談 十折交叉驗證訓練模型

    談談 十折交叉驗證訓練模型
    的頭像 發(fā)表于 05-15 09:30 ?933次閱讀

    【大語言模型:原理與工程實踐】揭開大語言模型的面紗

    大語言模型(LLM)是人工智能領(lǐng)域的尖端技術(shù),憑借龐大的參數(shù)量和卓越的語言理解能力贏得了廣泛關(guān)注。它基于深度學習,利用神經(jīng)網(wǎng)絡框架來理解和生成自然語言文本。這些模型通過訓練海量的文本數(shù)據(jù)集,如
    發(fā)表于 05-04 23:55

    華為云盤古大模型通過金融大模型標準符合性驗證

    近日,在中國信通院組織的可信AI大模型標準符合性驗證中,華為云的盤古大模型表現(xiàn)出色,成功通過了金融大模型標準的符合性驗證,并榮獲優(yōu)秀級(4+
    的頭像 發(fā)表于 03-05 10:12 ?690次閱讀