MétaCan
Menu
Retour à la cohorte
Enregistrement W2900863526 · doi:10.1002/navi.250

GPS IIR-M L1 Transmit Power Redistribution: Analysis of GNSS Receiver and High-Gain Antenna Data

2018· article· en· W2900863526 sur OpenAlexafffund
Steffen Thoelert, André Hauschild, Peter Steigenberger, Richard B. Langley, Felix Antreich

Notice bibliographique

RevueNAVIGATION Journal of the Institute of Navigation · 2018
Typearticle
Langueen
DomaineEngineering
ThématiqueGNSS positioning and interference
Établissements canadiensUniversity of New Brunswick
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésGNSS applicationsIntermodulationGlobal Positioning SystemEffective radiated powerComputer scienceRepeater (horology)Geodetic datumAntenna (radio)Transmitter power outputTelecommunicationsRemote sensingElectronic engineeringGeodesyEngineeringTransmitterBandwidth (computing)GeographyAmplifier

Résumé

récupéré en direct d'OpenAlex

All seven operational GPS Block IIR-M satellites experienced short maintenance periods in February 2017. It was later identified that the satellites' transmit power of different L1 signal components had been changed during this maintenance. The total radiated power of the satellites remains constant, but the powers of the C/A-code and the P(Y)-code signals have increased while the powers of the M-code and the intermodulation product have reduced. Further examination reveals a more efficient use of the total available power on the spacecraft as more power is available for the three navigation signals on L1. Observations from geodetic GNSS receivers were analyzed to demonstrate the effect of the change in L1 signal power distribution on the measured C/N0 of the C/A-code and P(Y)-code for different receiver types. High-gain antenna data collected before and after the maintenance periods are used to analyze improved utilization of the available power through the reduction of the losses caused by the intermodulation product. © 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: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,014

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
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

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 GPT0,255
Écart entre enseignants0,237 · 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'étudeObservationnel
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

Citations21
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

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