Combining secondary code correlations for fast GNSS signal acquisition
Notice bibliographique
Résumé
The secondary codes of the modern GNSS signals bring some notable advantages, however they constitute a challenge for the acquisition process. Indeed, it becomes much more difficult to extend the coherent integration time with these codes. Several methods have been proposed for increasing the coherent integration time when there is a secondary code. Basically, the methods fall into two categories : 1) Methods with long coherent integration times, which require synchronization with the secondary code and imply a significant computational burden, and 2) Methods with short coherent integration times, which test all possible combinations for the secondary code. Since this leads to an exponential increase in the number of combinations, the coherent integration time remains limited, while non-coherent integrations are not usable. Therefore, there is currently no effective solution with intermediate coherent integration time, which would enable moderate to high sensitivity, while maintaining a reasonable level of complexity. In this paper, a method is proposed to address this problem. The method combines secondary code correlations to reduce the number of possible secondary code delays and reduce the complexity. In exchange, there is a loss in the signal-to-noise ratio as compared to the full secondary code correlation. It is shown that the proposed method offers similar or better performance than the short integration times method, in addition to offering the possibility of using non-coherent integrations, and offers lower complexity than the traditional long integration times method with greater sensitivity.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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) | 0,001 | 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 ».