Performance evaluation of real-time tightly-coupled GNSS PPP/MEMS-based inertial integration using an improved robust adaptive Kalman filter
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
Abstract Typically, the extended Kalman filter (EKF) is used for tightly-coupled (TC) integration of multi-constellation GNSS PPP and micro-electro-mechanical system (MEMS) inertial navigation system (INS) to provide precise positioning, velocity, and attitude solutions for ground vehicles. However, the obtained solution will generally be affected by both of the GNSS measurement outliers and the inaccurate modeling of the system dynamic. In this paper, an improved robust adaptive Kalman filter (IRKF) is adopted and used to overcome the effect of the measurement outliers and dynamic model errors on the obtained integrated solution. A real-time IRKF-based TC GPS+Galileo PPP/MEMS-based INS integration algorithm is developed to provide precise positioning and attitude solutions. The pre-saved real-time orbit and clock products from the Centre National d’Etudes Spatials (CNES) are used to simulate the real-time scenario. The performance of the real-time IRKF-based TC GNSS PPP/INS integrated system is assessed under open sky environment, and both of simulated partial and complete GNSS outages through two ground vehicular field trials. It is shown that the real-time TC GNSS PPP/INS integration through the IRKF achieves centimeter-level positioning accuracy under open sky environments and decimeter-level positioning accuracy under GNSS outages that range from 10 to 60 seconds. In addition, the use of IRKF improves the positioning accuracy and enhances the convergence of the integrated solution in comparison with the EKF. Furthermore, the IRKF-based integrated system achieves attitude accuracy of 0.052°, 0.048°, and 0.165° for pitch, roll, and azimuth angles, respectively. This represents improvement of 44 %, 48 %, and 36 % for the pitch, roll, and azimuth angles, respectively, in comparison with the EKF-based counterpart.
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) | 0,000 | 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