[論文レビュー] Real-time Ionospheric Imaging of S4 Scintillation from Limited Data with Parallel Kalman Filters and Smoothness

Alexandra Koulouri|arXiv (Cornell University)|May 11, 2021

GNSS positioning and interference参考文献 59被引用数 5

ひとこと要約

本稿では、スムーズネス事前分布を用いた並列カルマンフィルタを用いたリアルタイムのベイジアン電離圏像再構成フレームワークを提案する。この手法により、散在するGNSS電離圏 scintillation データから高分解能のS4 scintillation マップを再構成する。空間的接続性を有限要素法に基づいて観測モデルに組み込み、適応的重みを有するカルマンフィルタのアンサンブルを用いることで、南米地域における正確で動的更新された電離圏像を生成する。限られたデータ量にもかかわらず、良好にカバーされた領域では高い予測精度（RMS < 0.07、相関係数 > 0.92）を達成する。

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.

研究の動機と目的

• 散在し、分散した地上ベースのGNSS scintillation 測定値から、リアルタイムで高分解能のS4振幅 scintillation 電離圏像を生成する課題に対処すること。
• 既存の気候的・数値的モデルが、リアルタイムで小スケールかつ動的な scintillation 振動を捉えきれていないという限界を克服すること。
• 空間的スムーズネス事前分布を組み込むことで、データが少ない地域における推定精度を向上させるとともに、調整パラメータの選択に依存する感度を低減すること。
• リアルタイムでの性能に基づき、複数のカルマンフィルタ実現の重みを動的に調整する、堅牢で適応的なフィルタリングフレームワークを構築すること。
• 画像生成に使用されていない独立したS4測定値を用いて、手法の予測能力を検証すること。

提案手法

• 電離圏S4活動は、線形有限要素基底関数を用いて三角メッシュ上で表現される状態空間モデルを採用し、ノード間での滑らかな空間的遷移を可能にする。
• スムーズネス事前分布を用いて空間的接続性を観測モデルに組み込み、調整パラメータによって正則化され、空間的スムージングの程度を制御する。
• 異なる調整パラメータ値を有する複数のカルマンフィルタ（フィルタバンク）を並列に使用し、スムーズネスレベルの不確実性を表現する。
• 最終的なS4像は、個々のフィルタ推定状態の重み付き平均として計算され、制御測定値における各フィルタの性能に基づき、オンラインで重みを更新する。
• 重みは一般化仮定密度フィルタリング技術を用いて計算され、動的適応が可能であり、数値的アンダーフローの問題を回避する。
• フレームワークはリアルタイムで実装されており、ウェブサーバーから入手可能な無料のGNSS scintillation データのみを用い、1分間隔の時間分解能で画像を生成する。

実験結果

リサーチクエスチョン

• RQ1 空間的スムーズネス事前分布を有するベイジアンフィルタリングフレームワークは、散在するGNSSデータから高分解能のリアルタイム電離圏S4 scintillation 像を生成できるか？
• RQ2 スムーズネス調整パラメータの不確実性は、データが少ない地域における像の信頼性を向上させるために効果的に管理できるか？
• RQ3 再構成された電離圏像は、画像生成に使用されていない独立したS4測定値をどの程度正確に予測できるか？
• RQ4 データの可用性が変動する地域において、アンサンブルカルマンフィルタの性能は単一フィルタ手法を上回るか？
• RQ5 空間的カバレッジ密度は、予測された電離圏 scintillation 像の精度と信頼性にどのような影響を及えるか？

主な発見

• 提案手法は、公に利用可能なGNSS scintillation データのみを用いて、南米地域でリアルタイムかつ高空間・時間分解能のS4 scintillation 像を生成することに成功した。
• 良好にカバーされた地域（例：受信機14）では、相関係数0.95、RMS誤差0.062という高い予測精度を達成した。
• アンサンブルカルマンフィルタ手法は、データが少ない地域（例：受信機53）において、単一フィルタ設定を著しく上回り、急激なscintillation変化を捉える能力に優れた。
• 異なるスムーズネスパラメータを持つ複数のカルマンフィルタの重み付き平均は、動的適応を可能にし、数値的アンダーフローを回避することで、耐障害性を向上させた。
• 良好な空間的カバレッジがある地域では、S4値を正確に予測でき、最も好適な条件下（リンク14-E12）では99.2％の正しく特定された。
• 低カバレッジ地域では予測精度が低下（例：リンク53-S120では42.1％の正しく特定された）が、依然として弱いから中程度のscintillationを許容範囲内で捉えられた。