Credible Positioning of BDS RTK/INS Integration Based on Multi-Information Cross-Validation
Notice bibliographique
Résumé
The requirement for credible and reliable positioning of a multi-sensor integration system is an essential foundation for comprehensive PNT (Positioning, Navigation, and Timing) services. However, the credibility of positioning results based on multi-sensor integration is difficult to evaluate and even there is no effective mode at present. To try to solve such a problem, a credible positioning model based on the tight integration of BDS Real Time Kinematic (RTK) and Inertial Navigation System (INS) is presented in this paper. In such a model, a multi-information cross-validation algorithm is introduced to ensure the credibility of RTK/INS tight integration. Meanwhile, a backward quality checking model is generated based on the result of the calculated credible positioning error level, which can optimize the positioning results of RTK/INS integration furtherly. After the mathematical model descriptions, a simulated test and a real experiment are adopted to evaluate this presented method. Results illustrated that: 1) envelope level of the credible factor for the real error can reach the centimeter level and the average probability of unenveloped error is within 2%; 2) after applying the quality control scheme based on credible positioning feedback information, the positioning results of RTK/INS integration are improved by 67.6%, 78.9%, and 77.3% on average.
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 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 | 0,001 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».