Ngoài các từ TLM và HOW, m i khung con bao gồm 8 từ dữ liệu.
Khung con 1: Dữ liệu đồng hồ và tình trạng vệ tinh. Khung con đầu tiên bao gồm trước hết là tất cả thông tin đồng hồ. Đó là thông tin cần để tính toán thời gian mà bản tin định vị được phát từ vệ tinh. Hơn nữa, khung con 1 bao gồm dữ liệu tình trạng vệ tinh khi mà dữ liệu đáng tin cậy.
Khung con 2 và 3: Dữ liệu lịch thiên văn vệ tinh. Các khung con 2 và 3 gồm dữ liệu lịch thiên văn vệ tinh. Dữ liệu này liên quan tới quỹ đạo vệ tinh và cần cho tính vị trí vệ tinh.
Khung con 4 và 5: Dữ liệu h trợ. Hai khung con cuối cùng lặp lại m i 12.5 phút. Các khung con 4 và 5 gồm dữ liệu lịch năm. Lịch năm là dữ liệu đồng hồ và lịch thiên văn với độ chính xác kém hơn. Hơn nữa, m i vệ tinh phát dữ liệu lịch năm cho tất cả các vệ tinh GPS trong khi nó chỉ phát dữ liệu lịch thiên văn cho chính nó. Phần còn lại của các khung con 4 và 5 gồm các dữ liệu khác nhau, ví dụ như các tham số UTC, các chỉ thị tình trạng và các tham số tầng điện li.
Tóm lại, cấu trúc cơ bản của tín hiệu GPS bao gồm: sóng mang L (chúng ta chỉ nghiên cứu sóng mang L1), hai mã trải phổ C/A và P(Y), cùng với bản tin định vị. Tiếp theo, chương 3 sẽ trình bày về kiến trúc chung của một bộ thu GPS.
Nguyễn Xuân Tiến
32
CHƢƠNG 2. BỘ LỌC TỐI ƢU TRẠNG THÁI
Theo lý thuyết thì bộ lọc Kalman là ước lượng cho vấn đề phương trình tuyến tính đó là vấn đề của việc ước lượng trạng thái tức thời của hệ thống tuyến tính động bị nhiễu bởi nhiễu trắng và bởi việc sử dụng các phương pháp đo tuyến tính có liên quan tới trạng thái nhưng lại bị ngắt bởi nhiễu trắng. Ước lượng cuối cùng là thống kê tối ưu với sự thừa nhận bất kỳ hàm phương trình nào của l i ước lượng.
C n theo thực nghiệm, đúng ra mà nói thì bộ lọc là một trong những phát minh tuyệt vời trong lịch sử thuyết ước lượng thống kê và có thể là phát minh lớn vĩ đại nhất trong thế kỷ hai mươi. Bộ lọc có thể giúp con người làm nhiều thứ mà chưa bao giờ làm, và bộ lọc đã trở nên cần thiết như silicon trong sự cách tân nhiều hệ thống điện tử. Trong hầu hết các ứng dụng trước mắt đã dùng để điều khiển hệ thống động lực phức tạp như là các quá trình sản xuất dây chuyền, máy bay, tàu thuyền hoặc là tàu vũ trụ. Để điều khiển hệ thống động đó bạn phải biết bạn sẽ làm gì trước tiên. Từ các ứng dụng đó, thường không thể hoặc không muốn đo tất cả các biến đổi mà bạn muốn kiểm soát, và bộ lọc Kalman sẽ cung cấp trị trung bình từ việc phỏng đoán thông tin mất mát từ các phép đo trực tiếp. Bộ lọc Kalman cũng được dùng để dự đoán các diễn biến tương lai có thể của các hệ thống động mà con người không thể điều khiển, như là thủy triều khi lũ lụt, quỹ đạo của các thiên thể hoặc giá cả của các hàng hóa giao dịch.
Một cách khái quát, bộ lọc Kalman là một tập hợp các phương trình toán học mô tả một phương pháp tính toán truy hồi hiệu quả cho phép ước đoán trạng thái của một quá trình sao cho trung bình phương sai của độ lệch (giữa giá trị thực và giá trị ước đoán) là nhỏ nhất. Bộ lọc Kalman rất hiệu quả trong việc ước đoán các trạng thái trong quá khứ, hiện tại và tương lai thậm chí ngay cả khi tính chính xác của hệ thống mô phỏng không được kh ng định.