Comparing Multicarrier Ambiguity Resolution Methods for Geometry‐Based GPS and Galileo Relative Positioning and Their Application to Low Earth Orbiting Satellite Attitude Determination
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
This paper presents an evaluation of several GNSS multicarrier ambiguity (MCAR) resolution techniques for the purpose of attitude determination of low earth orbiting satellites (LEOs). It is based on the outcomes of the study performed by the University of Calgary and financed by the European 6th Framework Programme for Research and Development as part of the research project PROGENY. The existing MCAR literature is reviewed and eight possible variations of the general MCAR processing scheme are identified based on two possible options for the mathematical model of the float solution, two options for the estimation technique used for the float solution, and finally two possible options for the ambiguity resolution process. The two most promising methods, geometry‐based filtered cascading and geometry‐based filtered LAMBDA, are analysed in detail for two simulated users modelled after polar orbiting LEOs through an extensive covariance simulation. Both the proposed Galileo constellation and Galileo used in conjunction with the GPS constellation are tested and results are presented in terms of probabilities of correct ambiguity resolution and float and fixed solution baseline accuracies. The LAMBDA algorithm is shown to outperform the cascading method, particularly in the single‐frequency dual‐GNSS system case. Secondly, more frequencies and multiple GNSS always offer improvement, but the single‐frequency dual‐system case is found to have similar performance to the dual‐frequency single‐system case.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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 découle