Estimation of GPS L2 Signal Observables Using Multilayer Perceptron Artificial Neural Networks for Positional Accuracy Improvement

Estimación de los observables de señal GPS L2 utilizando redes neuronales artificiales de perceptrón multicapa para mejorar la precisión posicional

In recent decades, due to the increasing mobility of people and goods, the rapid growth of users of mobile devices with location-based services has increased the need for geospatial information. In this context, positioning using data collected by the Global Navigation Satellite Systems (multi-GNSS) has gained more importance in the field of geomatics. The quality of the solutions is related, among other factors, to the receiver’s type used in the work. To improve the positioning with low-cost devices and to avoid additional user expenses, this work aims to propose the implementation of an Artificial Neural Network (ANN) to estimate the GPS L2 carrier observables. For this, a network model was selected through the cross-validation (CV) technique, the observations were estimated, and the accuracy of the solutions was analyzed. The CV technique demonstrated that a Multilayer Perceptron with four intermediate layers and one with one intermediate layer are the most appropriate configurations for this problem. The dual-frequency RINEX processing (with artificial data) revealed significant improvements. For some tests, it was possible to comply with the rural property georeferencing regulations of the Brazilian National Institute of Colonization and Agrarian Reform (INCRA). The results indicate, therefore, that the methodological proposal of the present investigation is very promising for approximating the quality of positioning reachable using a dual-frequency receiver.

En las últimas décadas, debido a la creciente movilidad de personas y bienes, el rápido crecimiento de los usuarios de dispositivos móviles con servicios basados en la ubicación ha aumentado la necesidad de información geoespacial. En este contexto, el posicionamiento utilizando los datos recopilados por los Sistemas Globales de Satélite de Navegación (multi-GNSS) ha ganado más importancia en el campo de la geomática. La calidad de las soluciones está relacionada, entre otros factores, con el tipo de receptor utilizado en el trabajo. Para mejorar el posicionamiento con dispositivos de bajo costo y evitar gastos adicionales del usuario, este trabajo tiene como objetivo proponer la implementación de una Red Neural Artificial (ANN) para estimar los observables del operador GPS L2. Para esto, se seleccionó un modelo de red a través de la técnica de validación cruzada (CV), se estimaron las observaciones y se analizó la precisión de las soluciones. La técnica CV demostró que un Perceptrón multicapa con cuatro capas intermedias y uno con una capa intermedia son las configuraciones más apropiadas para este problema. El procesamiento RINEX de doble frecuencia (con datos artificiales) reveló mejoras significativas. Para algunas pruebas, fue posible cumplir con las regulaciones de georreferenciación de propiedad rural del Instituto Nacional de Colonización y Reforma Agraria (INCRA). Los resultados indican, por lo tanto, que la propuesta metodológica de la presente investigación es muy prometedora para aproximar la calidad de posicionamiento accesible utilizando un receptor de doble frecuencia.