Advancing Precise Point Positioning With All-Source CSSR Message Augmentation
Notice bibliographique
Résumé
Real-time estimation of a precise ephemeris poses a formidable challenge for precise point positioning (PPP); such estimation potentially leads to degraded positioning accuracy and a long convergence time. In particular, the satellite-specific errors resulting from satellite positions, clock biases and code biases, can cause positioning errors on the order of meters, with the convergence time in the range of hours. To address this problem, next-generation services are provided by the Quasi-Zenith Satellite System, Galileo system and BeiDou system. These services broadcast satellite augmentation data through modernized signals in the compact state space representation (CSSR) format for use in realtime PPP. However, the availability of a single service is limited because it is not adaptable to different environments or regions. In this study, we proposed an advancing PPP by using all sources of satellite-based correction data. This method allows the number of usable satellites to reach 25 in a dynamic scenario because it maximizes the number of valid CSSR corrections. The proposed advanced CSSR-PPP addresses the problem of limited service availability, thus expanding applicability of real-time PPP with satellite-based augmentation data. Furthermore, a positioning engine was developed and validated through kinematic experiments. This engine achieved a horizontal root mean square error of 0.19 m and a 95th-percentile horizontal error of 0.28 m by using a low-cost global navigation satellite system receiver in a suburban region. The proposed CSSR-PPP method is competitive with the postprocessing-based Canadian Spatial Reference System PPP service.
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 | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 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 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 ».