MétaCan
Menu
Retour à la cohorte
Enregistrement W2995957663 · doi:10.3390/s19245532

Direction of Arrival Estimation of GPS Narrowband Jammers Using High-Resolution Techniques

2019· article· en· W2995957663 sur OpenAlexaff
Mohamed M. Moussa, Abdalla Osman, Mohamed Tamazin, Michael J. Korenberg, Aboelmagd Noureldin

Notice bibliographique

RevueSensors · 2019
Typearticle
Langueen
DomaineEngineering
ThématiqueIndoor and Outdoor Localization Technologies
Établissements canadiensRoyal Military College of CanadaQueen's University
Organismes subventionnairesnon disponible
Mots-clésJammingGlobal Positioning SystemNarrowbandComputer scienceDirection of arrivalGPS signalsAssisted GPSTelecommunicationsAntenna (radio)Physics

Résumé

récupéré en direct d'OpenAlex

GPS jamming is a considerable threat to applications that rely on GPS position, velocity, and time. Jamming detection is the first step in the mitigation process. The direction of arrival (DOA) estimation of jamming signals is affected by resolution. In the presence of multiple jamming sources whose spatial separation is very narrow, an incorrect number of jammers can be detected. Consequently, mitigation will be affected. The ultimate objective of this research is to enhance GPS receivers' anti-jamming abilities. This research proposes an enhancement to the anti-jamming detection ability of GPS receivers that are equipped with a uniform linear array (ULA) and uniform circular array (UCA). The proposed array processing method utilizes fast orthogonal search (FOS) to target the accurate detection of the DOA of both single and multiple in-band CW jammers. Its performance is compared to the classical method and MUSIC. GPS signals obtained from a Spirent GSS6700 simulator and CW jamming signals were used. The proposed method produces a threefold advantage, higher accuracy DOA estimates, amplitudes, and a correct number of jammers. Therefore, the anti-jamming process can be significantly improved by limiting the erroneous spatial attenuation of GPS signals arriving from an angle close to the jammer.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,422
Score d'incertitude au seuil0,330

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
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)0,0000,000

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.

Tête enseignante Opus0,007
Tête enseignante GPT0,215
Écart entre enseignants0,208 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
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

Citations7
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSensorsMême sujetIndoor and Outdoor Localization TechnologiesTravaux en français237 207