Please use this identifier to cite or link to this item: http://cuir.car.chula.ac.th/handle/123456789/56709
Full metadata record
DC FieldValueLanguage
dc.contributor.advisorเฉลิมชนม์ สถิระพจน์-
dc.contributor.authorมยุรา ล้วนเส้ง-
dc.contributor.otherจุฬาลงกรณ์มหาวิทยาลัย. คณะวิศวกรรมศาสตร์-
dc.date.accessioned2018-01-04T07:41:03Z-
dc.date.available2018-01-04T07:41:03Z-
dc.date.issued2549-
dc.identifier.urihttp://cuir.car.chula.ac.th/handle/123456789/56709-
dc.descriptionวิทยานิพนธ์ (วศ.ม.)--จุฬาลงกรณ์มหาวิทยาลัย, 2549en_US
dc.description.abstractจากการที่ปัจจุบัน การรังวัดพิกัดด้วยระบบดาวเทียมจีพีเอสได้กลายเป็นเครื่องมือสำคัญสำหรับงานที่ต้องการความละเอียดถูกต้องทางตำแหน่งสูง ในการคำนวณเพื่อให้ได้ค่าพิกัดที่มีความถูกต้องสูงจำเป็นต้องมีการกำหนดแบบจำลองทางคณิตศาสตร์และแบบจำลองสโตคาสติกให้ถูกต้องและใกล้เคียงความเป็นจริงให้มากที่สุด เทคนิคการคำนวณหาค่าต่างเป็นแบบจำลองทางคณิตศาสตร์ที่นิยมใช้ เนื่องจากสามารถขจัดค่าคลาดเคลื่อนต่างๆ ได้หลายตัว อย่างไรก็ดียังมีความคลาดเคลื่อนบางตัวที่หลงเหลืออยู่ในข้อมูลจีพีเอส ซึ่งมีผลทำให้ค่าพิกัดที่คำนวณได้ยังมีความคลาดเคลื่อนแฝงอยู่ ยังมีความเป็นไปได้ที่จะทำให้ผลลัพธ์มีค่าความถูกต้อง และความน่าเชื่อถือสูงขึ้นด้วยการปรับปรุงแบบจำลองสโตคาสติค ดังนั้นงานวิจัยนี้จึงเน้นไปที่การเลือกใช้แบบจำลองสโตคาสติคที่เหมาะสมสำหรับการหาตำแหน่งจุดเดี่ยวความละเอียดสูงด้วยจีพีเอส ซึ่งทำการคำนวณปรับแก้ด้วยวิธีกำลังสองน้อยที่สุด โดยการใช้แบบจำลองสโตคาสลิก 3 กรณี คือ การให้น้ำหนักค่าสังเกตทุกตัวเท่ากัน การให้น้ำหนักเรื่องมุมสูงของดาวเทียม และการให้น้ำหนักโดยใช้เมทริกซ์ความแปรปรวนร่วมที่ประมาณค่าได้จากการใช้วิธีการที่เรียกว่า MINQUE (Minimum Norm Quadratic Unbiased Estimation) สำหรับข้อมูลที่ใช้ในการประมวลผลถูกนำมาตัดแบ่งเป็นช่วงระยะเวลา 5 นาที, 10 นาที, 15 นาที, 30 นาที และ 60 นาที ข้อมูลแต่ละชุดจะถูกประมวลผลด้วยแบบจำลองสโตคาสติก 3 กรณีดังกล่าวข้างต้น แล้วนำผลลัพธ์ที่ได้จากแต่ละแบบจำลองสโตคาสติกมาเปรียบเทียบกับค่าพิกัดอ้างอิงได้จากการประมวลผลด้วยบริการ AUSPOS ผลการทดสอบสมมติฐานในกรณีศึกษานี้ แสดงให้เห็นว่าระหว่างแบบจำลองสโตคาสติกทั้งสามกรณีให้ผลที่ไม่มีความแตกต่างกันในทางสถิติen_US
dc.description.abstractalternativeNowadays, GPS has become an important tool for high accuracy positioning applications. In order to ensure high accuracy positioning results, both the functional model and the stochastic model must be correctly defined. Data differencing techniques are extensively used for constructing the functional model because they can eliminate many biases. However, some unmodelled biases still remain in the GPS observables that cause errors in the coordinate results. It is, however possible to further improve the accuracy and reliability of GPS results through an enhancement of the stochastic model. This research aims to investigate an appropriate stochastic model used in Least-squares processing for the GPS Precise Point Positioning technique. Three different stochastic models; Equal weight for all measurements, weight dependent on a satellite elevation and weight estimated from the MINQUE (Minimum Norm Quadratic Unbiased Estimation) method, have been implemented in the Least-squares processing. The data set was segmented into 5 min, 10 min, 15 min, 30 min and 60 min sessions. Each session data sets was then processed using the three different weighting schemes, and the results obtained from each stochastic model were compared with the reference coordinates processing from the AUSPOS service. Based on the hypothesis test performed in this study, the three stochastic models produce results that are not statistically different.en_US
dc.language.isothen_US
dc.publisherจุฬาลงกรณ์มหาวิทยาลัยen_US
dc.rightsจุฬาลงกรณ์มหาวิทยาลัยen_US
dc.subjectวิธีกำลังสองน้อยที่สุดen_US
dc.subjectแบบจำลองทางคณิตศาสตร์en_US
dc.subjectระบบกำหนดตำแหน่งบนโลกen_US
dc.subjectLeast squaresen_US
dc.subjectMathematical modelsen_US
dc.subjectGlobal Positioning Systemen_US
dc.titleการปรับปรุงความถูกต้องของการหาตำแหน่งแบบจุดเดี่ยวด้วยจีพีเอส โดยการใช้วิธี MINQUE สำหรับการประมาณค่าเมทริกซ์ของความแปรปรวนร่วมen_US
dc.title.alternativeImproving the accuracy of single point positioning GPS using MINQUE procedure for an estimation of variance covariance matrixen_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.th-
Appears in Collections:Eng - Theses

Files in This Item:
File Description SizeFormat 
mayura_lu_front.pdf2.1 MBAdobe PDFView/Open
mayura_lu_ch1.pdf557.52 kBAdobe PDFView/Open
mayura_lu_ch2.pdf1.34 MBAdobe PDFView/Open
mayura_lu_ch3.pdf779.56 kBAdobe PDFView/Open
mayura_lu_ch4.pdf6.86 MBAdobe PDFView/Open
mayura_lu_ch5.pdf555.89 kBAdobe PDFView/Open
mayura_lu_back.pdf514.44 kBAdobe PDFView/Open


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