Site-Specific Unmodeled Error Mitigation for GNSS Positioning in Urban Environments Using a Real-Time Adaptive Weighting Model
Notice bibliographique
Résumé
In Global Navigation Satellite System (GNSS) positioning, observation precisions are frequently impacted by the site-specific unmodeled errors, especially for the code observations that are widely used by smart phones and vehicles in urban environments. The site-specific unmodeled errors mainly refer to the multipath and other space loss caused by the signal propagation (e.g., non-line-of-sight reception). As usual, the observation precisions are estimated by the weighting function in a stochastic model. Only once the realistic weighting function is applied can we obtain the precise positioning results. Unfortunately, the existing weighting schemes do not fully take these site-specific unmodeled effects into account. Specifically, the traditional weighting models indirectly and partly reflect, or even simply ignore, these unmodeled effects. In this paper, we propose a real-time adaptive weighting model to mitigate the site-specific unmodeled errors of code observations. This unmodeled-error-weighted model takes full advantages of satellite elevation angle and carrier-to-noise power density ratio (C/N0). In detail, elevation is taken as a fundamental part of the proposed model, then C/N0 is applied to estimate the precision of site-specific unmodeled errors. The principle of the second part is that the measured C/N0 will deviate from the nominal values when the signal distortions are severe. Specifically, the template functions of C/N0 and its precision, which can estimate the nominal values, are applied to adaptively adjust the precision of site-specific unmodeled errors. The proposed method is tested in single-point positioning (SPP) and code real-time differenced (RTD) positioning by static and kinematic datasets. Results indicate that the adaptive model is superior to the equal-weight, elevation and C/N0 models. Compared with these traditional approaches, the accuracy of SPP and RTD solutions are improved by 35.1% and 17.6% on average in the dense high-rise building group, as well as 11.4% and 11.9% on average in the urban-forested area. This demonstrates the benefit to code-based positioning brought by a real-time adaptive weighting model as it can mitigate the impacts of site-specific unmodeled errors and improve the positioning accuracy.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 source (Gemma direct ou Codex distillé), 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 ».