06 Fakultät Luft- und Raumfahrttechnik und Geodäsie
Permanent URI for this collectionhttps://elib.uni-stuttgart.de/handle/11682/7
Browse
5 results
Search Results
Item Open Access Bahnstörungen durch Ozeangezeiten(2007) Daubrawa, JulianDiese Arbeit beschäftigt sich mit dem Aspekt der Ozeangezeiten in der Satellitenbahnberechnung. Durch Gravitationskräfte des Mondes, der Sonne und der Planeten kommt es zu Massenverlagerungen in den Ozeanen. Diese Massenverlagerungen haben eine Änderung bzw. Störung des Gravitationspotenzials der Erde zur Folge. Diese Störung hat Auswirkungen auf die Bahn eines Satelliten in Form von Störbeschleunigungen. In dieser Arbeit wird die Geschichte der Ozeangezeiten und die Verwendung der Ozeangezeitenmodelle dargestellt. Es werden die Prädiktionsmethoden für die Veränderung der Meeresoberfläche vor den ersten Modellen für Ozeangezeiten erläutert. Ebenfalls wird auf die verschiedenen Klassen der Modelle eingegangen. Ein weiterer Punkt, der in dieser Arbeit Beachtung findet, ist die Theorie der Admittanz. Es werden die Auswirkungen der Ozeangezeiten auf die Satellitenbahnberechnung und auf die Koeffizienten des Schwerefeldmodells untersucht. Die Satellitenbahnberechnung konzentriert sich auf den GOCE-Satelliten und die GPS-Satelliten. Zusätzlich hierzu werden die Auswirkungen der Ozeangezeiten auf einen Punkt auf der Erdoberfläche über verschiedene Zeiträume und auf einen Punkt in verschiedenen Höhen über der Erdoberfläche berechnet. In den Fällen, in denen es interessant ist, werden zwei Ozeangezeitenmodelle miteinander verglichen.Item Open Access A regional analysis of GNSS-Levelling(2008) Raizner, CarinaDie herkömmliche Methode zur präzisen Höhenbestimmung ist das Nivellement. Durch die verbesserte Genauigkeit des Geoids, das von den neuesten und von CHAMP und GRACE (und in Zukunft GOCE) abgeleiteten Modellen des Gravitationspotentials bereitgestellt wird, kann das sogenannte „GNSS-levelling“ als eine Alternative für praktische Höhenanwendungen in Betracht gezogen werden. Der Schwerpunkt dieser Arbeit liegt in einer detaillierten Analyse einer optimalen Kombination von heterogenen Daten, die sich aus Ellipsoid-, orthometrischen und Geoidhöhen eines Höhenfestpunktnetzes zusammensetzen. Das Verhältnis zwischen diesen drei verschiedenartigen Höhen basiert theoretisch auf einer einfachen linearen Gleichung. Nachdem aber zahlreiche Faktoren, wie z.B. Datumsinkonsistenzen und systematische Fehler, zu Abweichungen zwischen diesen kombinierten Höhendaten führen, wird ein Modell als Korrekturfläche integriert. Die Eignung ausgewählter Modelle wird anhand verschiedener empirischer und statistischer Tests beurteilt. Um der Korrelation zwischen den Modellparametern entgegenzuwirken, wird das Gram-Schmidtsche Orthonormalisierungsverfahren angewandt und die Testergebnisse mit jenen von orthogonalen und nicht-orthogonalen Basisfunktionen verglichen. Zusätzlich wird eine Varianzkomponentenschätzung auf die kombinierte Ausgleichung der drei Höhen angewandt, um die Eignung des stochastischen Modells zu überprüfen, d.h. um zufällige Fehler zu separieren und die zugehörigen Varianz-komponenten für jeden Höhentyp zu schätzen. Außerdem wird eine detaillierte Studie über geeignete Methoden zur Überprüfung der Daten durchgeführt, um grobe Fehler zu entdecken und zu eliminieren. Schließlich beinhaltet diese Arbeit auch die Implementierung einer Interpolation mit radialen Basisfunktionen. Diese stellen eine orthonormale Basis dar, mit der eine Oberfläche mit unabhängigen Parametern bestimmt werden kann. Gleichzeitig hängt die entsprechende Effizienz der Fläche nicht vom Entwicklungsgrad der Basisfunktionen ab. Die Optimierung des in dem Interpolationskern enthaltenen Formparameters wird mittels eines genetischen Algorithmus (GA) realisiert, um den Interpolationsfehler zu minimieren. Diese Methode bietet den Vorteil, dass sie differenzierbar ist und somit kann die Verteilung der Daten berücksichtigt werden. Mögliche Oszillationen in der Parameterfläche können vermieden werden. Die Wirkungsweise dieser inversen multiquadratischen Funktion wird durch eine spezielle Kreuzvalidierung beurteilt, welche eine höhere Effizienz aufweist als das klassische Verfahren. Die beschriebenen Ansätze werden anhand des aktuellen Geoidmodells und anhand von GPS und Nivellierdaten in Kanada und einzelnen Teilregionen evaluiert.Item Open Access Modellierung stationärer Prozesse zur Analyse von Residuen(2007) Daubrawa, JulianDie vorliegende Studienarbeit beschäftigt sich mit der Identifizierung und Berechnung stationärer Prozesse und Filter zur Analyse von Zeitreihen. Dazu werden Eigenschaften wie die Autokorrelationsfunktion (ACF), die partielle Autokorrelationsfunktion (PACF) und die spektrale Leistungsdichte (PSD) verwendet. Es werden sowohl auto-regressive (AR) und moving average (MA) Prozesse, als auch deren Kombination (ARMA) behandelt. Mit diesen Prozessen wird jeweils eine Sequenz zeitlich korrelierter Werte generiert, welche als Beobachtungsrauschen in die GOCE (Gravity and Steady-State Ocean Circulation Explorer) Datenanalyse einfließen. Für die Datenanalyse wird nur die radiale SGG (Satellite Gravity Gradiometry) Komponente verwendet. Mit diesen Daten wird eine sphärische harmonische Analyse zur Bestimmung der Koeffizienten des Erdschwerefeldes bis zu Grad und Ordnung 50 durchgeführt. Das Simulationsszenario überdeckt eine Periode von 30 Tagen mit einer Abtastrate von 5 Sekunden. GOCE ist ein Projekt der ESA (European Space Agency), das dazu dient, das Schwerefeld der Erde hochgenau zu bestimmen. Vertiefende Ausführungen finden sich beispielsweise in ESA [1999] und Müller [2001]. Die erhaltenen Verbesserungen, die aus einer Ausgleichung nach der Methode der kleinsten Quadrate resultieren, werden auf ihre stochastischen Eigenschaften hin untersucht. Die zentrale Frage lautet, ob sich die Prozesse, mit denen die fehlerfreien Beobachtungen verrauscht wurden, in den Verbesserungen wiederfinden. Hierfür werden verschiedene Algorithmen zur Berechnung der Prozesse aus Zeitreihen vorgestellt und implementiert. Sind die stochastischen Eigenschaften der Residuen modelliert, so kann mit ihnen eine Dekorrelation der Beobachtungen durchgeführt werden. Die dekorrelierten Beobachtungen sind dann im Idealfall nur noch mit einem weißen Rauschen verfälscht. Die Aufgabe dieser Studienarbeit bestand nicht darin, die Ausgleichung der Erdschwerefeldkoeffizienten zu verwirklichen.Item Open Access Preprocessing of high rate GPS data for real-time applications(2008) Deng, ZhiguoIn den letzten Jahren erforderten immer mehr geodätische Anwendungen GPS-Daten mit 1 Hz sampling rate, zum Beispiel die Low Earth Orbiter Missionen CHAMP und GRACE sowie GPS-Überwachungsnetze. In der gleichen Zeit verbesserten die wachsenden Kapazitäten des Internets den Transport von Daten in Echtzeit und die langfristige Archivierung mit weniger Kosten. Dies erfordert GPS-Software mit der Fähigkeit, GPS-Daten und GPS-Netze in Echtzeit zu verarbeiten. Weil nur ein Cycle Slip die GPS-Lösung verfälschen kann, ist die Vorprozessierung von GPS-Daten zur Erhaltung der hohen Genauigkeit besonders wichtig. Zurzeit gibt es eine ganze Reihe von verfügbaren Techniken für diesen Zweck. In dieser Arbeit wird ein neuer Algorithmus vorgestellt, mit dem Cycle Slips von 1 Hz GPS-Daten in Echtzeit erkannt werden können. Um die Verarbeitung der 1 Hz GPS-Daten in Echtzeit zu gewährleisten, muss der neue Algorithmus schnell und vollautomatisch arbeiten. Des weiteren müssen Verfügbarkeit, Zuverlässigkeit und Effektivität berücksichtigt werden. Nach dem Studium der 1Hz GPS-Daten und existierender Algorithmen wird in dieser Arbeit ein neuer Algorithmus entwickelt. Der Algorithmus verwendet Differenzen zwischen Satellitenträgerphasen und ionosphärische (geometriefreie) lineare Kombination. Mit Polynom Fitting werden cycle slips gesucht. In dieser Arbeit wird die Leistung des Algorithmus zur Bestimmung von Cycle Slips als Funktion von Satellitenelevationswinkeln, anhand Einzelfrequenzenempfängern wie Garmin, Thales und Notvale untersucht.Item Open Access Comparison of mean sea surface data for oceanography(2008) Zimmermann, NaomiThe object of this paper is to compare different sets of data of the mean sea surface. The data sets of the mean sea surface were acquired by satellite altimetry. Therefore an overview of this technique is given. At first the principle of satellite altimetry is explained, and the measurements and calculations which are needed to acquire the sea surface height. Hereafter different error sources, which turn up at the altimeter, at the signal propagation in the atmosphere and at the sea surface are discussed. Finally a brief overview is given of how the raw data has to be processed to achieve a regularly spaced grid. This grid contains the height of the mean sea surface above a reference ellipsoid at a certain point where latitude and longitude are known. The different data sets are described. It will be explained which data sets were used for the calculations, the resolution of these sets and the coverage, i.e. between which latitudes the data is available. Following this the data sets will be compared by subtracting them from one another. This new grid then contains the differences between two sets of mean sea surface data. The grid is then plotted, to see if there is a pattern in the differences. In the next step the root mean square of these differences is calculated. Hereby different sizes of a moving rms-square and step-size are applied. An outlook is provided to a calculation of the Mean Dynamic Topography. It is calculated by subtracting a geoid from the mean sea surface. The geoid models used are based on measurements by GRACE (Gravity Recovery And Earth Experiment). Since this geoid is available only in harmonic coefficients, it is transformed into heights above a reference ellipsoid. There are two grids, one contains the mean sea surface data, the other contains the geoid data. These two grids can be subtracted from each other. A problem can turn up here. If the wave length of the geoid used is too long, then features due to ocean bottom topography will be flattened. They therefore can turn up in the difference between the altimetric data, which measures these features and the geoid, which does not show them.