Precise Point Positioning Using World’s First Dual-Frequency GPS/GALILEO Smartphone
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The release of the world's first dual-frequency GPS/Galileo smartphone, Xiaomi mi 8, in 2018 provides an opportunity for high-precision positioning using ultra low-cost sensors. In this research, the GNSS precise point positioning (PPP) accuracy of the Xiaomi mi 8 smartphone is tested in post-processing and real-time modes. Raw dual-frequency observations are collected over two different time windows from both of the Xiaomi mi 8 smartphone and a Trimble R9 geodetic-quality GNSS receiver using a short baseline, due to the lack of a nearby reference station to the observation site. The data sets are first processed in differential modes using Trimble business center (TBC) software in order to provide the reference positioning solution for both of the geodetic receiver and the smartphone. An in-house PPP software is then used to process the collected data in both of post-processing and real-time modes. Precise ephemeris obtained from the multi-GNSS experiment (MGEX) is used for post-processing PPP, while the new NAVCAST real-time GNSS service, Germany, is used for real-time PPP. Additionally, the real-time PPP solution is assessed in both of static and kinematic modes. It is shown that the dual-frequency GNSS smartphone is capable of achieving decimeter-level positioning accuracy, in both of post-processing and real-time PPP modes, respectively. Meter-level positioning accuracy is achieved in the kinematic mode.
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.
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) | 0,001 | 0,001 |
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.
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 découle