MétaCan
Menu
Retour à la cohorte
Enregistrement W2086202240 · doi:10.1109/plans.2014.6851440

Low-end MEMS IMU can contribute in GPS/INS deep integration

2014· article· en· W2086202240 sur OpenAlex

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.

fundUn bailleur canadien est enregistré sur le travail.
no affAucune affiliation canadienne : ce travail est invisible pour une base fondée sur la seule affiliation.
Aucune affiliation canadienne. Une base fondée sur la seule affiliation (le devis habituel) n'aurait jamais vu ce travail. C'est l'un des travaux qui justifient l'inversion de la base.

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueInertial Sensor and Navigation
Établissements canadiensnon disponible
Organismes subventionnairesWuhan UniversityUniversity of Calgary
Mots-clésInertial measurement unitGlobal Positioning SystemInertial navigation systemGPS/INSComputer scienceControl theory (sociology)Tracking errorInertial frame of referenceAssisted GPSSimulationArtificial intelligencePhysicsTelecommunications

Résumé

récupéré en direct d'OpenAlex

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.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,457
Score d'incertitude au seuil0,385

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,004
Tête enseignante GPT0,193
Écart entre enseignants0,189 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

En bref

Citations16
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetInertial Sensor and NavigationTravaux en français237 207