Low-end MEMS IMU can contribute in GPS/INS deep integration
Notice bibliographique
Résumé
In a deeply-coupled GPS/INS integrated system, the use of the inertial aiding information can improve the tracking loop performance and make the system more robust. To meet this requirement, the inertial aiding information should have sufficient accuracy in short-term (such as the sampling interval of GPS, e.g. 1sec). The MEMS (Micro-Electro Mechanical System) IMU (Inertial Measurement Unit) can be a promising candidate due to its small size and low cost. There should be no doubt that MEMS INS (Inertial Navigation System) can aid the GPS receiver tracking loop by eliminating the dominant part of the motion dynamic stress, considering that the INS errors induced by the receiver motion dynamics is much less than the motion dynamic itself, when the receiver manoeuvres. So the only concern the side effect caused by MEMS INS, which determine whether MEMS IMU is qualified for deep integration, is its navigation error independent with the motion dynamics (i.e. manoeuvre-independent error). This paper assesses this side effect of MEMS INS in terms of providing Doppler aiding data in to the GPS carrier tracking loop through a thorough error propagation analysis. The Laplace transform analysis is applied to the simplified INS error dynamic equations under stationary condition and find out the transfer relation between the error sources and the velocity estimation errors. Then the velocity error is converted to Doppler aiding error and substitute into the GPS tracking loop to analyze the corresponding carrier phase error. Results show that the largest velocity error caused by maneuver-independent errors is less than 0.1m/s during the typical GPS update interval (e.g. 1 sec), which meets the real road test results. The consequent carrier phase tracking error caused by the maneuver-independent error of MEMS INS is below 1.2 degree, which is much less than receiver inherent errors (e.g. the oscillator error and thermal noise). Conclusion can be reached that even the low-end MEMS IMUs have the ability of aiding the GPS receiver signal tracking although it induces some additional errors.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 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 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».