Mitigating high latitude ionospheric scintillation effects on GNSS Precise Point Positioning exploiting 1-s scintillation indices
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 Ionospheric scintillation refers to rapid and random fluctuations in radio frequency signal intensity and phase, which occurs more frequently and severely at high latitudes under strong solar and geomagnetic activity. As one of the most challenging error sources affecting Global Navigation Satellite System (GNSS), scintillation can significantly degrade the performance of GNSS receivers, thereby leading to increased positioning errors. This study analyzes Global Positioning System (GPS) scintillation data recorded by two ionospheric scintillation monitoring receivers operational, respectively, in the Arctic and northern Canada during a geomagnetic storm in 2019. A novel approach is proposed to calculate 1-s scintillation indices. The 1-s receiver tracking error variances are then estimated, which are further used to mitigate the high latitude scintillation effects on GPS Precise Point Positioning. Results show that the 1-s scintillation indices can describe the signal fluctuations under scintillation more accurately. With the mitigation approach, the 3D positioning error is greatly reduced under scintillation analyzed in this study. Additionally, the 1-s tracking error variance achieves a better performance in scintillation mitigation compared with the previous approach which exploits 1-min tracking error variance estimated by the commonly used 1-min scintillation indices. This work is relevant for a better understanding of the high latitude scintillation effects on GNSS and is also beneficial for developing scintillation mitigation tools for GNSS positioning.
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 | 0,001 |
| 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