gps訊號不良的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到下列懶人包和總整理

以深度強化學習改善四軸無人機飛行動作之準確性

為了解決gps訊號不良的問題，作者盧芃辰 這樣論述：

近年來，無人機的使用愈來愈廣泛，也普遍被應用於各種領域，例如: 救災、運動賽事、貨物運輸、倉儲管理等。然而，若要將其應用於室內，可能會因為室內的GPS訊號不良造成無法定位，所以無法準確控制無人機。因此，本論文提出以深度強化學習為基礎的演算法進行無人機的控制，改善其直線起飛、前進以及降落之準確度，同時也比較在採用不同數量的狀態與動作之狀況下對其準確度之影響。 具體而言，我們以ArUco Marker為參考基準，並透過無人機配置的前鏡頭與底部鏡頭偵測ArUco Marker來計算兩者之間的相對位置，再使用所提出的演算法對無人機進行控制，使其在飛行時能盡量位於ArUco Marker的上方或前方

。尤其，我們使用機器人作業系統 (Robot Operating System, ROS) 之Gazebo模擬器進行模擬實驗，而實驗結果證明我們提出的方法確實能提高四軸無人機這些動作的準確性。

以卡爾曼濾波為基礎之自行車導航系統

為了解決gps訊號不良的問題，作者張正翰 這樣論述：

車輛導航系統(Navigation System)已是目前衛星定位系統最常見的應用之一，由於車輛本身就有行駛環境的限制，大都是在較為空曠的路面車輛的天際線並不會完全受到阻擋，因此以GPS導航並不會產生太大的問題。定位追蹤是導航系統常以全球衛星定位技術(Global Positioning System, GPS)在使用環境要求上是較為嚴苛的，常會因為訊號遮蔽無法使用，或是在多徑效應(Multipath Effect)、衛星幾何分布(Geometry Configuration)不佳的情況下降低衛星導航的精確度和可靠性。近年來人們開始採用無污染的自行車來當代步工具，因為自行車方便輕巧的特性能夠

適應各種地形與環境，不管是比較狹窄的巷弄或是大樓下的騎樓，甚至在野外茂密的林區之間都可以見到自行車的蹤影，但這也突顯了GPS無法克服的問題，車輛導航為了改善這個問題，都會利用慣性感測元件組成慣性導航系統與衛星定位系統做整合，藉此增加車輛導航系統定位的精確度，慣性感測元件雖然在微機電系統(Micro-Electro-Mechanical System, MEMS)技術的幫助下已經不再像以往那樣笨重，但是結合陀螺儀(Gyroscope)和加速儀(Accelerometer)的慣性導航系統往往架構龐大、運算複雜且成本較高，並不適合用在自行車導航上。本研究將藉由電子羅盤測量方位角加上輪圈偵測元件計算行

進距離，組成方位推估模組(Dead Reckoning Module, DRM)，透過卡爾曼濾波器(Kalman Filter)進行GPS定位資訊與DRM量測數據的融合，結合DRM在導航定位上高自主性的優點輔助GPS可能遭遇接收衛星訊號不佳的問題，以建置更準確且更穩定的自行車導航系統。本文最後在各種環境下進行自行車導航系統實驗，透過實驗數據可看出經卡爾曼濾波整合後的實驗路徑，不僅能夠利用DRM訊號修正GPS訊號不良時路徑漂移的狀況，也能解決GPS訊號受到遮蔽時無法定位的缺陷。