MétaCan
Menu
Retour à la cohorte
Enregistrement W4389689173 · doi:10.3390/enc2023-15470

Performance Characterization of Hexagon|NovAtel’s Robust Dual-Antenna Receiver (RoDAR) during the Norwegian Jamming Trial 2022

2023· article· en· W4389689173 sur OpenAlexaff
Ali Broumandan, Sandy Kennedy

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueGNSS positioning and interference
Établissements canadiensNovAtel (Canada)
Organismes subventionnairesnon disponible
Mots-clésSpoofing attackGNSS applicationsJammingComputer scienceAntenna (radio)Interference (communication)Global Positioning SystemElectronic engineeringTelecommunicationsEngineeringComputer securityPhysics

Résumé

récupéré en direct d'OpenAlex

NovAtel has recently leveraged its expertise in both receiver design and anti-jam technology to develop solutions for space- and weight-constrained applications in challenged GNSS environments. Robust Dual-Antenna Receiver (RoDAR), is based on a commercial dual-antenna receiver, originally designed for attitude determination, and employs special firmware to mitigate jammers and spoofers without an increase in size or power consumption. With RoDAR, the multi-frequency, multi-constellation dual-antenna receiver is capable of null-steering at two different frequency bands (e.g., L1 and L5). In September 2022, the Norwegian Public Roads Administration hosted JammerTest, a live, over-the-air broadcast jamming and spoofing test. This paper presents the jamming and spoofing detection and mitigation performance of RoDAR during this live broadcast test. The interference detection provides spectrum monitoring and jamming characterization on all GNSS bands. The mitigation is carried out by steering a null formed on-board the receiver towards a jamming/spoofing source at GPS L1 and L5 bands. The null steering performance is characterized as a function of signal and position availability compared to a non-protected NovAtel receiver. The effectiveness of the anti-jam and anti-spoofing technology is demonstrated using representative complex spoofing and jamming test cases during this event.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,708
Score d'incertitude au seuil0,397

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,014
Tête enseignante GPT0,196
Écart entre enseignants0,182 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetGNSS positioning and interferenceTravaux en français237 207