Characterization of Range and Time Performance of Indoor GNSS Signals
Notice bibliographique
Résumé
Small cells are now widely used to provide indoor wireless services and are gaining further importance as technology enablers for emerging applications. These techniques rely on accurate synchronization of signals broadcast from neighboring base stations. Therefore, the latters must have access to reliable and accurate time reference. GNSS signals can be used to provide a reliable global time reference in open sky conditions. However, owing to low levels of signals indoors, the detection and processing of these signals and obtaining an accurate time indoors are still a challenge. It is assumed that accurate position estimates are known for indoor static applications which are obtained either using GNSS or other indoor positioning technologies. Under this assumption, fine timing solution can be provided with reliable single satellite information. As such this paper characterizes GPS based measurement and timing accuracies for indoor signals. This study specifically focuses on assessing range and timing accuracies for static indoor locations. Actual GPS data was collected at two indoor sites having different indoor characteristics for duration of more than ten minutes at each site. Assuming a known user position, measurement accuracies are analyzed over time while simultaneously observing received signal power. Ranging (timing) accuracy in the order of 10 m (30 ns) was achievable for the indoor scenarios considered. Finally, to assess the capability of indoor measurements to sustain good time synchronization accuracy over a longer duration, two-minute data segments were collected at intervals of 30 minutes for three hours. The time variations of the pseudorange (time) and position errors are studied.
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) | 0,000 | 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 ».