MétaCan
Menu
Retour à la cohorte
Enregistrement W4396870227 · doi:10.1017/s0373463324000158

An improved wide-lane ambiguity resolution method for kinematic smartphone positioning

2024· article· en· W4396870227 sur OpenAlexafffund
Yan Zhang, Yang Jiang, Yuting Gao, Shuai Guo, Yang Gao

Notice bibliographique

RevueJournal of Navigation · 2024
Typearticle
Langueen
DomaineEngineering
ThématiqueGNSS positioning and interference
Établissements canadiensUniversity of Calgary
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésAmbiguity resolutionAmbiguityKinematicsComputer scienceComputer visionGeodesyRemote sensingArtificial intelligenceResolution (logic)GeographyAeronauticsGlobal Positioning SystemEngineeringTelecommunicationsGNSS applicationsPhysics

Résumé

récupéré en direct d'OpenAlex

Abstract The release of GNSS raw data on Android smartphones provides the potential for high-precision smartphone positioning using multi-constellation and multi-frequency signals. However, severe multipath and low observation quality in kinematic environments make double-differenced uncombined ambiguities difficult to resolve reliably. To address this, the paper proposes an improved wide-lane (WL) integer ambiguity resolution (IAR) method that combines integer rounding and the Least-Square AMBiguity Decorrelation Adjustment (LAMBDA) methods. The proposed method achieved fix rates of 57% to 70% in challenging environments, with an average improvement of 7 · 7% in horizontal positioning accuracy compared to the float solution. The traditional partial integer rounding method only improved accuracy by 1 · 1%.

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)0,001
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: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,870
Score d'incertitude au seuil0,320

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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 savante0,0000,001
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 Opus0,011
Tête enseignante GPT0,297
Écart entre enseignants0,286 · 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'étudeSimulation ou modélisation
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

Citations5
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of NavigationMême sujetGNSS positioning and interferenceTravaux en français237 207