MétaCan
Menu
Retour à la cohorte
Enregistrement W2566650406 · doi:10.1002/navi.168

Dependence of GLONASS Pseudorange Inter-frequency Bias on Receiver-Antenna Combination and Impact on Precise Point Positioning

2016· article· en· W2566650406 sur OpenAlexafffund
John Aggrey, Sunil Bisnath

Notice bibliographique

RevueNAVIGATION Journal of the Institute of Navigation · 2016
Typearticle
Langueen
DomaineEngineering
ThématiqueGNSS positioning and interference
Établissements canadiensYork University
Organismes subventionnairesNatural Resources CanadaNatural Sciences and Engineering Research Council of Canada
Mots-clésPseudorangeGLONASSSatelliteAntenna (radio)Antenna height considerationsComputer sciencePrecise Point PositioningNon-line-of-sight propagationBeiDou Navigation Satellite SystemGNSS applicationsRemote sensingGeodesyGlobal Positioning SystemTelecommunicationsGeographyPhysicsWireless

Résumé

récupéré en direct d'OpenAlex

GLONASS pseudorange observations are affected by inter-frequency channel biases (ICBs) due to the frequency division multiple access (FDMA) satellite signal structure. This research estimated the GLONASS pseudorange inter-frequency channel biases using 350 IGS stations, based on 32 receiver types and over 11 antenna types over a period of 1 week, DOY 195 to 201 in 2013. An improvement of 19% and 1% was observed after calibrating out the pseudorange ICBs, in the horizontal and vertical components, respectively, considering a 20-min convergence period. Two major contributions are presented. The first contribution is the presentation of the four different scenarios involving varying different receiver and antenna types and how that variability affects the characteristics of ICBs. Attention is also drawn to the characteristics of the Analysis Center (AC) satellite common mean errors. In relation to the antipodal nature of the GLONASS satellites, the correlation of the GLONASS frequency numbers with the AC-satellite common mean errors is addressed. Copyright © 2016 Institute of Navigation.

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 enseignants0,096
Score d'incertitude au seuil0,396

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 savante0,0000,001
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 Opus0,019
Tête enseignante GPT0,258
Écart entre enseignants0,239 · 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

Citations9
Publié2016
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueNAVIGATION Journal of the Institute of NavigationMême sujetGNSS positioning and interferenceTravaux en français237 207