Triple-Frequency Combining Observation Models and Performance in Precise Point Positioning Using Real BDS Data
Notice bibliographique
Résumé
Although precise point positioning (PPP) is a well-established and promising technique with the use of precise satellite orbit and clock products, it requires a long convergence time to reach a centimeter-level positioning accuracy. The availability of triple-frequency observations from a modernized global navigation satellite system (GNSS) constellations makes it possible to improve performance by formulating new observation models. The contribution of this paper is to propose two new observation models using triple-frequency data. The first model (UofC3) is the triple-frequency extension of dual-frequency University of Calgary model. The second model (UofB) is a combining observation model with five-dimensional observation equations. Thereafter, by theoretically analyzing the dimension of the triple-frequency observation models, all feasible triple-frequency observation models are systematically found out. Finally, the positioning experiments with 3-h observation period using real data at four BeiDou Navigation Satellite System (BDS) Asia-Pacific distributed reference stations on the day of the year (DOY) 42-48, 2018 are conducted to compare the performance of observation models. The results show that the triple-frequency models have less convergence time than the dual-frequency models. Meanwhile, most of the triple-frequency models have approximate convergence time in an experiment. Furthermore, UofB, which is one of the most stabilized observation models as well as uncombined observation model with the triple-frequency data (UC3), has less processing time than UC3. Compared with UofB, UofC3 has less processing time with sacrificing stability. These results show the significance of the UofB and UofC3 for future PPP applications in modernized GNSS.
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 | 0,003 |
| 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 ».