Ambiguity Resolution in Precise Point Positioning: Preliminary Results
Notice bibliographique
Résumé
Carrier phase based Precise Point Positioning (PPP) is a method that has received increased attention in the last few years within the GPS community. It has the potential to provide centimeter to decimeter position accuracy in stand-alone mode. In contrast to traditional methods like double difference GPS positioning, PPP does not need a base station. It uses un-differenced code and carrier phase observations from a high precision dual-frequency receiver in addition to precise satellite orbit and clock data. Several challenges exist for precise point positioning to be feasible to real-time applications. Ambiguity resolution and position convergence are among the major ones to be discussed in this paper. Ambiguity resolution is the key for quick position convergence. Due to the non-differential nature of the observations in PPP data processing, a number of errors must be eliminated through data corrections, observation combination, modeling or estimation. Ambiguity resolution in PPP is also different from the conventional double difference ambiguity resolution. This paper will present some preliminary research results on ambiguity resolution in precise point positioning. The investigation has been based on an observation model developed at The University of Calgary, which is capable of simultaneously estimating the ambiguities in both L1 and L2 carrier phase observations. The role of receiver clock and error residuals as well as their effects on ambiguity resolution will also be discussed. The research work would help the understanding of PPP data processing and the future development of ambiguity resolution algorithms for PPP.
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 | 0,003 |
| 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 | 0,001 | 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 ».