An Improved Model for Single-Frequency GPS/GALILEO Precise Point Positioning
Notice bibliographique
Résumé
This paper introduces a new precise point positioning (PPP) model, which combines single-fre- quency GPS/Galileo observations in between-satellite single-difference (BSSD) mode. In the absence of multipath, all receiver-related errors and biases are cancelled out when forming BSSD for a specific constellation. This leaves the satellite originating errors and atmospheric delays un- modelled. Combining GPS and Galileo observables introduces additional biases that have to be modelled, including the GPS to Galileo time offset (GGTO) and the inter-system bias. This paper models all PPP errors rigorously to improve the single-frequency GPS/Galileo PPP solution. GPSPace PPP software of Natural Resources Canada (NRCan) is modified to enable a GPS/Galileo PPP solution and to handle the newly introduced biases. A total of 12 data sets representing the GPS/Galileo measurements of six IGS-MEGX stations are processed to verify the newly developed PPP model. Precise satellite orbit and clock corrections from IGS-MEGX networks are used for both GPS and Galileo measurements. It is shown that sub-decimeter level accuracy is possible with single-frequency GPS/Galileo PPP. In addition, the PPP solution convergence time is improved from approximately 100 minutes for the un-differenced single-frequency GPS/Galileo solution to approximately 65 minutes for the BSSD counterpart when a single reference satellite is used. Moreover, an improvement in the PPP solution convergence time of 35% and 15% is obtained when one and two reference satellites are used, respectively.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,003 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».