A Closed-Form Method With Low Noise Sensitivity for Locating a Moving Source on Earth at a Known Altitude
Notice bibliographique
Résumé
This article proposes a closed-form method that does not require an initial guess to determine the geographical location and velocity of a moving source at a known altitude. The primary objective of this method is to overcome the main limitations of the two-step weighted least squares (TWLS) method and its related approaches, by exploiting the prior knowledge that the source is on earth with known altitude such as in geolocation. For this reason, our proposed approach refrains from assuming simplifications or linearizations in the TWLS relationships by utilizing the earth model and known source altitude in locating the source with the measurements. Unlike the TWLS method that does not use any prior knowledge of the source location, which becomes less effective beyond a noise threshold, our method consistently demonstrates improved performance. The main idea of the proposed method is to use a different regressor in the formulation from the measurement models of the localization problem. The regressor matrix in the proposed method is noise-free and depends only on the 2-D coordinates of the receivers. The proposed approach in the formulation not only solves the singularity issue of the regressor caused by factors like noise variance and receiver arrangement (such as being in a line, a plane, or close to each other) but also reduces the required minimum number of receivers from five to three. Finally, for the purpose of evaluating and comparing the proposed method with other recent approaches, the constrained Cramer–Rao lower bound (CCRLB) has been evaluated. The CCRLB is obtained with two constraints, both of which pertain to the World Geodetic System 1984 model assumed for the earth. Simulation results show that the proposed method performs better than other methods in challenging scenarios.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,004 |
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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».