Mitigation of Short-Term Temporal Variations of Receiver Code Bias to Achieve Increased Success Rate of Ambiguity Resolution in PPP
Notice bibliographique
Résumé
Ambiguity resolution (AR) is critical for achieving a fast, high-precision solution in precise point positioning (PPP). In the standard uncombined PPP (S-UPPP) method, ionosphere-free code biases are superimposed by ambiguity and receiver clock offsets to be estimated. However, besides the time-constant part of the receiver code bias, the complex and time-varying term in receivers destroy the stability of ambiguities and degrade the performance of the UPPP AR. The variation of receiver code bias can be confirmed by the analysis in terms of ionospheric observables, code multipath (MP) of the Melbourne–Wübbena (MW) combination and the ionosphere-free combination. Therefore, the effect of receiver code biases should be rigorously mitigated. We introduce a modified UPPP (M-UPPP) method to reduce the effects of receiver code biases in ambiguities and to decouple the correlation between receiver clock parameters, code biases, and ambiguities parameters. An extra receiver code bias is set to isolate the code biases from ambiguities. The more stable ambiguities without code biases are expected to achieve a higher success rate of ambiguity resolution and a shortened convergence time. The variations of the receiver code biases, which are the unmodeled errors in measurement residuals of the S-UPPP method, can be estimated in the M-UPPP method. The maximum variation of the code biases is up to 16 ns within two-hour data. In the M-UPPP method, the averaged epoch residuals for code and phase measurements recover their zero-mean features. For the ambiguity-fixed solutions in the M-UPPP method, the convergence times are 14 and 43 min with 17.7% and 69.2% improvements compared to that in the S-UPPP method which are 17 and 90 min under the 68% and 95% confidence levels.
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 ».