Performance analysis of GNSS multipath mitigation using antenna arrays
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
Multipath affects the shape of the correlation function and results in biased pseudorange measurements and erroneous navigation solutions. Antenna array processing, which uses signal spatial characteristics, is an effective method to mitigate various types of interference signals. However, the performance of most of the distortionless beamforming techniques degrades in multipath conditions due to the correlation between the desired Line of Sight (LOS) signal and multipath signals. This paper characterizes the performance of different beamforming techniques to mitigate multipath signals through the processing and analysis of simulated and actual data. The main novelty is the investigation of multipath mitigation performance of practically realizable antenna array-based GNSS receivers when the beamforming process is completely integrated into the tracking module after de-spreading. Beamforming techniques such as Delay And Sum (DAS) beamforming, Minimum Power Distortionless Response (MPDR) with and without spatial smoothing are considered. A novel multi-antenna simulator test-bed is developed to generate multipath signals for a multi-antenna platform. A software multi-antenna GPS receiver incorporating different beamforming techniques is then developed to generate pseudorange measurements and position solutions. Carrier-to-Noise ratio (C/N0), pseudorange errors and position solutions before and after beamforming are compared to show the effectiveness of different beamforming techniques to mitigate multipath. Results with simulated and actual GPS signals show improved performance using the MPDR beamformer with spatial smoothing. The utilization of spatial processing results in a pseudorange error reduction of up to 60 % and a position error reduction of up to 30 %.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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) | 0,000 | 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