HSGPS Signal Analysis and Performance Under Various Indoor Conditions
Notice bibliographique
Résumé
High-Sensitivity GPS (HSGPS) receivers permit GPS signal measurements to be acquired and to track in certain indoor environments where previously not possible. However, position solution reliability and accuracy are significantly degraded due to the non-availability of some satellites, multipath errors, measurement noise associated with the low-power of the remaining signals, and echo-only and cross-correlation signal tracking. Provided that a GPS receiver has already acquired signals outdoor, additional information aiding is not a prerequisite for indoor tracking. The prime characteristics for indoor tracking are coherent signal integration and non-coherent signal accumulation over periods of up to several hundred milliseconds. The focus of this paper is to improve static mode HSGPS positioning performance in terms of accuracy and reliability and, thus, various techniques such as height fixing, simulation-based noise modeling, reliability and integrity testing, and batch processing are implemented in order to improve to positioning accuracy and reliability. A XTrac-LP(tm) (Extended Tracking - Low Power) HSGPS evaluation kit, developed by SiRF Technologies Inc., is used to investigate some indoor environments, namely a residential house and a concrete and steel commercial building, by analysing the fading and pseudorange error conditions. In addition, the measurements provided by the XTrac-LP(tm) receiver are used to test the performance of the positioning algorithms intended to improve the HSGPS positioning capability.
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 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 | 0,001 | 0,001 |
| 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 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».