Determination and analysis of front-end and correlator-spacing-induced biases for code and carrier phase observations
Notice bibliographique
Résumé
Abstract Global navigation satellite system (GNSS) biases preclude integer ambiguity resolution and degrade positioning accuracy if they are not corrected in GNSS precise applications. Biases in GNSS positioning applications occur because of imperfections and physical limitations in satellite and receiver hardware. Consequently, these biases will affect the accuracy of positioning solutions, particularly for precise applications due to the existence of biases in the code and carrier phase observations. Various types of biases between systems, frequencies, and satellites have been defined and analyzed. In addition, receiver biases are often assumed to be eliminated by differencing observations between satellites, although this is not always true. This paper investigates the determination of the receiver front-end and correlator-spacing-induced biases in code and carrier phase observations with a focus on how receiver front-end and correlator spacing affect the code and carrier phase measurements, and how such biases vary with respect to the use of different correlator spacings and frontends. Firstly, oscillator, front-end chip, and ADC-induced biases, as well as their observability, will be discussed. Several groups of datasets with different frontends have been collected and used to determine the inter-front-end (including oscillator, chip, and ADC) pseudorange and carrier phase biases. Then, a software receiver that allows the tracking of a satellite with a series of different correlator spacings has been developed to assess measurement biases with different datasets. The results show that the inter-front-end biases and correlator-spacing-induced biases are significantly different among satellites, which can not be ignored during the GNSS positioning. This is because the single-difference of measurements between satellites can not eliminate all these biases. The results with the software receiver connected to different frontends and different correlator spacings indicate that the satellite-dependent biases depend on the configuration of the in-receiver hardware and software.
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 ».