A modified between‐receiver single‐difference‐based fault detection and exclusion algorithm for real‐time kinematic positioning
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 With the increasing number of available satellites from multi‐global navigation satellite systems (GNSS) and their applications in complicated environments, an increased number of faults in measurements are inevitable. Fault detection and exclusion (FDE) is an effective way to reject observation faults in order to guarantee the integrity of a GNSS positioning and navigation system. We propose a modified between‐receiver single‐differencing (SD)‐based FDE algorithm for real‐time kinematic (RTK) positioning. First, a modified between‐receiver SD model‐based FDE is proposed for testing the estimated float ambiguities. This is helpful in rejecting observations with unreliable float ambiguities and obtaining reliable double‐differencing (DD) integer ambiguities, denoted as the SD float model in the sequel. Second, DD ambiguities are resolved by the DD model and used to update the previous SD float ambiguity. After that, a modified SD fix model, taking the DD ambiguities as the known parameters, is further developed to detect any unreliable or fault‐resolved ambiguities. To verify the modified SD model‐based FDE algorithm, a kinematic vehicle test is conducted. The fault detection test statistics of the SD float model and the SD fix model, time‐to‐first‐fix, ambiguity‐fix rate, SD residuals, and positioning performances are examined. The results show that the modified FDE method can detect and exclude fault satellites accurately and effectively, which is verified by the SD residuals of fault satellites. The ambiguity‐fix rate of the proposed modified FDE algorithm is improved by approximately 3% with 70 more epochs of fixes. Regarding the 3D positioning performance, the modified proposed SD‐based FDE algorithm can achieve 54.11%, 57.78%, and 73.11% improvements for standard deviation, root mean square, and mean bias, respectively, when compared with the processing strategy without the use of the proposed FDE.
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 | 0,001 | 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