Please use this identifier to cite or link to this item: http://cuir.car.chula.ac.th/handle/123456789/43907
Full metadata record
DC FieldValueLanguage
dc.contributor.advisorเฉลิมชนม์ สถิระพจน์en_US
dc.contributor.authorสุรเชษ ศรีนาราen_US
dc.contributor.otherจุฬาลงกรณ์มหาวิทยาลัย. คณะวิศวกรรมศาสตร์en_US
dc.date.accessioned2015-06-24T06:45:47Z
dc.date.available2015-06-24T06:45:47Z
dc.date.issued2556en_US
dc.identifier.urihttp://cuir.car.chula.ac.th/handle/123456789/43907
dc.descriptionวิทยานิพนธ์ (วศ.ม.)--จุฬาลงกรณ์มหาวิทยาลัย, 2556en_US
dc.description.abstractพื้นฐานของการหาตำแหน่งที่มีความละเอียดถูกต้องสูงจะใช้การหาตำแหน่งแบบสัมพัทธ์โดยอาศัยข้อมูลเฟสของคลื่นส่ง โดยมีหลายเทคนิคที่นิยมใช้กันทั่วไปเพื่อให้ได้มาซึ่งผลลัพธ์ทางตำแหน่งที่มีความละเอียดถูกต้องสูง ได้แก่ เทคนิคการหาค่าต่างของข้อมูลเฟสของคลื่นส่ง โดยเทคนิคค่าต่างครั้งที่สองถือว่าเป็นวิธีที่นิยมใช้กันมากในซอฟต์แวร์เชิงพาณิชย์ เพื่อลดหรือขจัดค่าคลาดเคลื่อนและสัญญาณรบกวนต่าง ๆ ที่เจือปนอยู่ในข้อมูลออกไป แต่อย่างไรก็ตามค่าคลาดเคลื่อนและสัญญาณรบกวนต่าง ๆ บางค่ายังคงเหลืออยู่ในข้อมูลและไม่สามารถขจัดออกไปได้ ซึ่งค่าคลาดเคลื่อนเหล่านี้เองที่เป็นสาเหตุทำให้ผลลัพธ์ทางตำแหน่งที่ได้ไม่อาจจะมีความถูกต้องและความน่าเชื่อถือได้ โดยอีกหนึ่งเทคนิคสำคัญก็คือ ขบวนการหาค่าเลขปริศนาให้เป็นเลขจำนวนเต็มตามทฤษฎี ซึ่งถือว่ามีความสำคัญมากสำหรับการแปลงข้อมูลเฟสคลื่นส่งเป็นระยะที่มีความละเอียดถูกต้อง ในบางกรณีการเลือกลบบางชุดข้อมูลออกไปก่อนนำเข้าสู่ขั้นตอนการประมวลผล สามารถให้ค่าผลลัพธ์ทางตำแหน่งที่น่าเชื่อถือมากกว่าการเลือกใช้ข้อมูลทั้งหมด โดยทั่วไปขบวนการนี้จะดำเนินการคัดเลือกด้วยมือ ซึ่งอาศัยการสุ่มลองผิดลองถูก และวนซ้ำ จนกว่าผลลัพธ์ที่ได้จะเป็นที่น่าพึงพอใจ ซึ่งขั้นตอนนี้เป็นกระบวนการที่ค่อนข้างใช้ทั้งเวลา และต้องการผู้ซึ่งมีความเชี่ยวชาญ แนวทางสำหรับขจัดปัญหาเหล่านี้ คือ การเลือกใช้วิธีการที่มีความสอดคล้องและเหมาะสมเข้ามาช่วย เช่น เทคนิคการหาค่าที่มีความเหมาะสมอย่างวิธีการเชิงพันธุกรรม (Genetic Algorithm: GA) โดย GA เป็นขั้นตอนวิธีของการค้นหารูปแบบของคำตอบที่มีความเหมาะสมและสอดคล้องกับแต่ละปัญหา ที่ซึ่งอยู่บนพื้นฐานของหลักการวิวัฒนาการตามธรรมชาติ โดยจุดประสงค์ของการศึกษานี้คือนำเสนอวิธีการประยุกต์ใช้วิธีการเชิงพันธุกรรมในการคัดเลือกดาวเทียม GNSS ดวงที่มีความเหมาะสมสำหรับการหาตำแหน่งแบบจลน์ ผลการทดสอบที่ได้แสดงให้เห็นว่าการประยุกต์ใช้วิธีการเชิงพันธุกรรมสามารถคัดเลือกดาวเทียมดวงที่มีความเหมาะสม และปรับปรุงอัตราการประมาณค่าเลขปริศนาให้เป็นเลขจำนวนเต็มตามทฤษฎีได้ดีขึ้น โดยที่ระยะเส้นฐาน 2.1 กิโลเมตร มีอัตราการประมาณค่าเลขปริศนาให้เป็นเลขจำนวนเต็มได้เกือบ 100% ในขณะที่อัตราการประมาณค่าเลขปริศนาเป็นเลขจำนวนเต็ม ที่ระยะเส้นฐาน 13.0 และ 19.6 กิโลเมตร มีค่าประมาณ 88% และ 68% ตามลำดับen_US
dc.description.abstractalternativeThe basic of high precision positioning is to use carrier phase-based differential positioning. There are techniques to obtain high precision positioning results, such as, data differencing techniques. Ambiguity resolution double differencing (DD) technique is widely used in commercial GNSS software packages to reduce many of errors or biases that contaminated in the observations data. However, some of errors or biases still remain in the DD observations. The remaining errors can cause bad or unreliable positioning results. Another important technique is to resolve the ambiguities to their correct integer values, which is very crucial for calculating the high accuracy distance. In some case, the removal of some observations before data processing step can provide more reliable positioning results than the use of all data. Generally, this procedure is carried out manually that based on trial and error and iterative procedure until the obtained results are satisfied that rather takes a lot of time and requires an experienced user. The way to overcome this problem is to use the aid of the suitable method, such as, optimization technique as genetic algorithm (GA). The GA is the global optimum search algorithm that based on natural evolution. The aim of this paper is to present a method with aiding of GA to optimize the selection of the best GNSS satellite combination in kinematic positioning mode. The obtained results reveal that the use of GA can get the best GNSS satellite combination and improve the success rate of ambiguity resolution. At 2.1 km baseline the success rate was nearly 100%, while the success rates at 13.0 km and 19.6 km were approximately 88% and 68% respectively.en_US
dc.language.isothen_US
dc.publisherจุฬาลงกรณ์มหาวิทยาลัยen_US
dc.relation.urihttp://doi.org/10.14457/CU.the.2013.1355-
dc.rightsจุฬาลงกรณ์มหาวิทยาลัยen_US
dc.subjectดาวเทียมในการศึกษา
dc.subjectจีเนติกอัลกอริทึม
dc.subjectArtificial satellites in education
dc.subjectGenetic algorithms
dc.titleการคัดเลือกดาวเทียม GNSS ที่มีความเหมาะสมสำหรับการหาตำแหน่งแบบจลน์โดยการประยุกต์ใช้วิธีการเชิงพันธุกรรมen_US
dc.title.alternativeOPTIMIZATION OF GNSS SATELLITE COMBINATION IN KINEMATIC POSITIONING MODE WITH AIDING OF GENETIC ALGORITHMen_US
dc.typeThesisen_US
dc.degree.nameวิศวกรรมศาสตรมหาบัณฑิตen_US
dc.degree.levelปริญญาโทen_US
dc.degree.disciplineวิศวกรรมสำรวจen_US
dc.degree.grantorจุฬาลงกรณ์มหาวิทยาลัยen_US
dc.email.advisorchalermchon.s@chula.ac.then_US
dc.identifier.DOI10.14457/CU.the.2013.1355-
Appears in Collections:Eng - Theses

Files in This Item:
File Description SizeFormat 
5570426021.pdf5.38 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.