@article{oai:doshisha.repo.nii.ac.jp:02000050,
 author = {西岡, 航平 and Nishioka, Kohei and 衣斐, 信介 and Ibi, Shinsuke and Takahashi, Takumi and 高橋, 拓海 and 岩井, 誠人 and Iwai, Hisato},
 issue = {3},
 journal = {同志社大学ハリス理化学研究報告, The Harris science review of Doshisha University},
 month = {Oct},
 note = {全地球航法衛星システム(GNSS: Global Navigation Satellite System)による測位では，非線形連立方程式を重み付き最小二乗法により解くことで受信機の位置を推定する．しかし，この非線形連立方程式はクロック誤差やマルチパスなどの外乱を含んでおり，測位結果に誤差が生じる．この外乱による測定誤差は統計的・物理的なモデルで予測することが困難だが，抽象的な表現を抽出可能なニューラルネットワークであれば外乱を抑制できる可能性が高い．本検討では，複数の基準局を利用して収集したGNSS測定データを学習し，擬似距離誤差を調整する順伝播型ニューラルネットワーク(FFNN: Feed Forward Neural Network)を検討する．複数の環境で採取したGNSS測定データは，周辺環境に依存する擬似距離誤差を正確に表現できる可能性がある．FFNNで推定した補正値で擬似距離誤差を調整し，測位結果を評価して複数の基準局で学習させたニューラルネットワークを用いた擬似距離補正の有効性を示す．, In the global navigation satellite system (GNSS), the receiver position is estimated by solving the nonlinear simultaneous equation by the iterative weighted least squares method. However, these nonlinear simultaneous equations include external factors, such as clock errors and multipath, which induce position estimation errors. Although this measurement error due to external factors is difficult to predict with statistical and physical models, it is necessary to predict this error in order to improve positioning accuracy. In this study, we consider the feed-forward neural network (FFNN) that learns GNSS measurement data collected using multiple base stations to estimate the pseudo-range error. GNSS measurement data collected in multiple environments are likely to accurately represent the pseudo-range error that depends on the surrounding environment. Correct the pseudo-range error with the correction value estimated by the FFNN and evaluate the positioning result. This paper shows the effectiveness of pseudo-range correction using neural networks trained on multiple base stations., application/pdf},
 pages = {145--154},
 title = {ニューラルネットワークを用いたGNSS相対測位における擬似距離補正予測に関する検討},
 volume = {64},
 year = {2023},
 yomi = {ニシオカ, コウヘイ and イビ, シンスケ and タカハシ, タクミ and イワイ, ヒサト}
}