MétaCan
Menu
Retour à la cohorte
Enregistrement W2184799871

Ship GPS Multipath Detection Experiments

2003· article· en· W2184799871 sur OpenAlexaboutno aff
Gérard Lachapelle, Olivier Julien, Glenn MacGougan, M. Elizabeth Cannon, Sam Ryan

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueGNSS positioning and interference
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMultipath propagationPseudorangeGlobal Positioning SystemComputer scienceDifferential GPSResidualRemote sensingTelecommunicationsAlgorithmGeographyGNSS applicationsChannel (broadcasting)
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Ship multipath caused by the surrounding ship superstructure and water is a significant error source that can severely limit the reliability of GPS-derived navigation solutions. This is especially important given the low reliability of many current marine receivers (MacGougan and Liu, 2002). The magnitude of code multipath aboard a Canadian Coast Guard vessel was assessed using a series of onboard measurements with three receivers using different levels of correlator technology and two different antennas. The antennas were successively located on the upper mast of the ship. The three receivers tested consisted of a standard marine receiver, a high quality receiver set to use wide correlator methods and a high grade receiver using an advanced correlator technology. A fixed base station with known coordinates was used to accurately determine the reference position of the ship during the tests using differential carrier-phase measurements. Then, a residual analysis from a single differenced positionconstrained least-squares solution was performed in order to isolate pseudorange error whose main component is multipath. The data was collected over several days while the ship was in port in a static position. This enabled the detection and analysis of repeated day-to-day multipath. Two kinematic experiments were also conducted to study the differences with the static 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.

Comment cette classification a été obtenuedéplier

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: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,352
Score d'incertitude au seuil0,231

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 Opus0,020
Tête enseignante GPT0,229
Écart entre enseignants0,209 · 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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2003
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetGNSS positioning and interferenceTravaux en français237 207