Acquisition of Weak Signals in Multi-Constellation Frequency Domain Receivers
Notice bibliographique
Résumé
New positioning applications’ availability requirements demand receivers with higher sensitivities and ability to process multiple GNSS signals. Possible applications include acquiring one signal per GNSS constellation in the same frequency band and combining them for increased sensitivity or predicting acquisition of other signals. Frequency domain processing can be used for this purpose, since it benefits from parallel processing capabilities of Fast Fourier Transform (FFT), which can be efficiently implemented in software receivers. On the other hand, long coherent integration times are mainly limited due to large FFT size in receivers using frequency domain techniques. A new method is proposed to address the problems in frequency domain receivers without compromising the resources and execution time. A pre-correlation accumulation (PCA) is proposed to partition the received samples into one-code-period blocks, and to sum them together. As a result, the noise is averaged out and the correlation results will gain more power, provided that the relative phase between the data segments is compensated for. In addition to simplicity, the proposed PCA method enables the use of one-size FFT for all integration times. A post-correlation peak combination is also proposed to remove the need for double buffering. The proposed methods are implemented in a configurable Simulink model, developed for acquiring recorded GNSS signals. For weak signal scenarios, a Spirent GPS simulator is used as a source. Acquisition results for GPS L1 C/A and GLONASS L1OF are shown and the performance of the proposed technique is discussed. The proposed techniques target GNSS receivers using frequency domain processing aiming at accommodating all the GNSS signals, while minimizing resource usage. They also apply to weak signal acquisition in frequency domain to answer the availability demand of today’s GNSS positioning applications.
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 | 0,000 |
| 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 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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 ».