MétaCan
Menu
Retour à la cohorte
Enregistrement W2810753555 · doi:10.1002/navi.234

Broadband LEO Constellations for Navigation

2018· article· en· W2810753555 sur OpenAlexfundno aff
Tyler Reid, Andrew Neish, Todd Walter, Per Enge

Notice bibliographique

RevueNAVIGATION Journal of the Institute of Navigation · 2018
Typearticle
Langueen
DomaineEngineering
ThématiqueGNSS positioning and interference
Établissements canadiensnon disponible
Organismes subventionnairesDeutsches Zentrum für Luft- und RaumfahrtNatural Sciences and Engineering Research Council of CanadaLockheed MartinU.S. Department of Homeland SecurityBoeing
Mots-clésConstellationPayload (computing)Global Positioning SystemComputer scienceRemote sensingSatellite constellationBroadbandSatelliteTelecommunicationsReal-time computingGeographyAerospace engineeringEngineeringPhysicsComputer security

Résumé

récupéré en direct d'OpenAlex

There has been resurgent interest in building low Earth orbiting (LEO) constellations of satellites on a new scale. Their aim is Internet for the world with plans for potentially thousands of satellites. Here, we explore how these LEO constellations can be utilized for navigation. Closer to Earth, LEO offers stronger signals, strengthening us against jamming and aiding in indoor and urban environments. Proximity is also its weakness, where satellites have a small Earth footprint requiring many to provide global coverage. We show that the strength of the Broadband LEO constellations is their numbers, where they offer threefold improvement in satellite geometry compared to navigation core-constellations today. This allows for relaxation of the signal-in-space user range error, while still matching the position accuracy of GPS. Coupled with the more benign radiation environment in LEO compared to GPS in medium Earth orbit, this enables a navigation payload designed using commercial-off-the-shelf components. © 2018 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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,030

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0090,003

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 Opus0,018
Tête enseignante GPT0,263
Écart entre enseignants0,245 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
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

Citations214
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

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