Evaluation on Nonholonomic Constraints and Rauch–Tung–Striebel Filter-Enhanced UWB/INS Integration
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
Precise and seamless positioning is becoming a basic requirement for the Internet of Things (IoT). However, there is a gap for precise positioning in Global Navigation Satellite System- (GNSS-) denied indoor areas. Thus, a multisensor integration system based on ultrawide-band (UWB), inertial navigation system (INS), nonholonomic constraints (NHCs), and Rauch–Tung–Striebel (RTS) smoother is proposed. In this system, the UWB performs as the major precise positioning system, while the INS bridges the UWB-degraded and UWB-denied periods. Meanwhile, the NHC restrains the drifts of INS, while the RTS smoother further upgrades the navigation accuracy. The contributions of this article are as follows. First, it presents the robust least square- (RLS-) based UWB positioning. The proposed method is effective in mitigating the impact of the effect of non-line-of-sight (NLOS), which is one of the most significant error sources for UWB positioning. Second, it derives the mathematical model of the UWB/INS/NHC/RTS integration, which is new compared to the existing approaches. Results illustrate that the proposed system can provide centimeter-level positioning accuracy, millimeter-level velocimetry accuracy, and accuracy of better than 0.05 and 0.15 degrees for horizontal and vertical attitude angles, respectively. Even in the scenario with short-term UWB outages (30 s), simulation results show that the three-dimensional position still can be better than 20 cm. Such accuracy values reach the state-of-the-art for indoor positioning using UWB and INS.
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 | 0,001 |
| 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 découle