[논문 리뷰] Real-time Ionospheric Imaging of S4 Scintillation from Limited Data with Parallel Kalman Filters and Smoothness

Alexandra Koulouri|arXiv (Cornell University)|2021. 05. 11.

GNSS positioning and interference참고 문헌 59인용 수 5

한 줄 요약

이 논문은 희박한 GNSS 위상변동 데이터에서 고해상도 S4 위상변동 지도를 재구성하기 위해 스무스니스 사전정보를 갖춘 병렬 칼만 필터를 사용하는 실시간 베이지안 이온층 이미징 프레임워크를 제안한다. 유한요소 기반의 공간 연결성과 적응형 가중치를 갖춘 칼만 필터의 앙상블을 관측 모델에 통합함으로써, 남미 지역에서 정확하고 동적으로 업데이트되는 이온층 이미지를 생성한다. 희박한 데이터 가용성에도 불구하고 잘 커버된 지역에서는 높은 예측 정확도(근사제곱오차 < 0.07, 상관계수 > 0.92)를 달성한다.

ABSTRACT

In this paper, we propose a Bayesian framework to create two dimensional ionospheric images of high spatio-temporal resolution to monitor ionospheric irregularities as measured by the S4 index. Here, we recast the standard Bayesian recursive filtering for a linear Gaussian state-space model, also referred to as the Kalman filter, first by augmenting the (pierce point) observation model with connectivity information stemming from the insight and assumptions/standard modeling about the spatial distribution of the scintillation activity on the ionospheric shell at 350 km altitude. Thus, we achieve to handle the limited spatio-temporal observations. Then, by introducing a set of Kalman filters running in parallel, we mitigate the uncertainty related to a tuning parameter of the proposed augmented model. The output images are a weighted average of the state estimates of the individual filters. We demonstrate our approach by rendering two dimensional real-time ionospheric images of S4 amplitude scintillation at 350 km over South America with temporal resolution of one minute. Furthermore, we employ extra S4 data that was not used in producing these ionospheric images, to check and verify the ability of our images to predict this extra data in particular ionospheric pierce points. Our results show that in areas with a network of ground receivers with a relatively good coverage (e.g. within a couple of kilometers distance) the produced images can provide reliable real-time results. Our proposed algorithmic framework can be readily used to visualize real-time ionospheric images taking as inputs the available scintillation data provided from freely available web-servers.

연구 동기 및 목표

• 희박하고 산발적인 지상 기반 GNSS 위상변동 측정치로부터 실시간으로 고해상도 S4 진폭 위상변동 이온층 이미지를 생성하는 데 도전하는 것.
• 기존의 기후 모델 및 수치 모델이 실시간으로 소규모 동적 위상변동 변동을 포착하지 못하는 한계를 극복하는 것.
• 공간 스무스니스 사전정보를 통합하고 튜닝 파rameter 선택에 대한 민감도를 줄여 데이터가 희박한 지역에서의 추정 정확도를 향상시키는 것.
• 실시간 성능에 기반해 다수의 칼만 필터 실현을 동적으로 가중치 조정하는 강력하고 적응형 필터링 프레임워크를 개발하는 것.
• 이미지 생성에 사용되지 않은 독립적인 S4 측정치를 사용하여 방법의 예측 능력을 검증하는 것.

제안 방법

• 이온층 S4 활동은 선형 유한요소 기저 함수를 사용한 삼각형 메esh에 표현되며, 노드 간의 부드러운 공간 전이를 가능하게 하는 상태공간 모델을 사용한다.
• 공간 연결성을 유한요소 기반의 스무스니스 사전정보로 통합한 확장된 관측 모델을 사용하며, 이는 튜닝 파ram터에 의해 정규화되며 공간 스무스니스 수준을 제어한다.
• 다양한 튜닝 파aram터 값을 갖는 병렬 칼만 필터의 앙상블을 사용하여 스무스니스 수준에 대한 불확실성을 표현한다.
• 최종 S4 이미지는 각 필터의 상태 추정치의 가중 평균으로 계산되며, 가중치는 제어 측정치에서 각 필터의 성능에 기반해 온라인으로 업데이트된다.
• 가중치는 일반화된 가정밀도 필터링 기법을 사용해 계산되며, 이는 동적 적응과 수치적 부족 문제를 방지한다.
• 프레임워크는 실시간으로 구현되며, 웹 서버에서 공개된 GNSS 위상변동 데이터만을 사용하고, 분당 해상도로 이미지를 생성한다.

실험 결과

연구 질문

• RQ1 공간 스무스니스 사전정보를 갖춘 베이지안 필터링 프레임워크는 희박한 GNSS 데이터로부터 실시간 고해상도 이온층 S4 위상변동 이미지를 생성할 수 있는가?
• RQ2 스무스니스 튜닝 파aram터에 대한 불확실성을 효과적으로 관리함으로써 데이터 희박 지역에서 이미지 신뢰도를 향상시킬 수 있는가?
• RQ3 재구성된 이온층 이미지가 이미지 생성에 사용되지 않은 독립적인 S4 측정치를 어느 정도 정확하게 예측할 수 있는가?
• RQ4 변동하는 데이터 가용성이 있는 지역에서 앙상블 칼만 필터의 성능은 단일 필터 접근법보다 어떻게 다른가?
• RQ5 공간 커버리지 밀도가 예측된 이온층 위상변동 이미지의 정확도와 신뢰도에 어떤 영향을 미치는가?

주요 결과

• 제안된 방법은 공개된 GNSS 위상변동 데이터만을 사용하여 남미 지역에서 실시간 고공간-시간 해상도 S4 위상변동 이미지를 성공적으로 생성한다.
• 잘 커버된 지역(예: 수신기 14)에서는 상관계수 0.95, 근사제곱오차 0.062로 높은 예측 정확도를 달성한다.
• 희박한 데이터 지역(예: 수신기 53)에서는 앙상블 칼만 필터 접근법이 단일 필터 구성보다 유의미하게 뛰어나며, 갑작스러운 위상변동 변화를 잘 포착한다.
• 다양한 스무스니스 파aram터를 갖는 다수의 칼만 필터의 가중 평균은 동적 적응을 가능하게 하며 수치적 부족 문제를 방지하여 강건성을 향상시킨다.
• 좋은 공간 커버리지가 있는 지역에서는 S4 값을 정확히 예측하며, 가장 유리한 조건(링크 14-E12)에서 99.2%의 정확한 특성화를 달성한다.
• 저커버리지 지역에서는 정확도가 감소한다(예: 링크 53-S120에서 42.1%의 정확한 특성화), 하지만 약한 내지 중간 정도의 위상변동을 여전히 수용 가능한 정확도로 포착한다.