MétaCan
Menu
Retour à la cohorte
Enregistrement W4411232432 · doi:10.1109/plans61210.2025.11028327

Simulation of the Impact of Low-Earth-Orbit GNSS on Carrier Phase Ambiguity Resolution

2025· article· en· W4411232432 sur OpenAlexaff
Kyle O’Keefe

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueGNSS positioning and interference
Établissements canadiensUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésGNSS applicationsAmbiguity resolutionLow earth orbitPhase (matter)Orbit (dynamics)Computer scienceEarth's orbitAmbiguityRemote sensingGeodesyPhysicsGlobal Positioning SystemAerospace engineeringGeologyTelecommunicationsEngineeringSpacecraftSatellite

Résumé

récupéré en direct d'OpenAlex

This paper details the impact that a Low-Earth-Orbit (LEO) constellation will have on existing GNSS carrier phase ambiguity resolution. A LEO constellation was modelled to have 66 satellites at an altitude of 780km and was used together with GPS satellites to conduct a global covariance simulation and evaluate the performance of a combined low- and medium-earth orbit system compared to GPS alone. The LEO satellites were found to improve how quickly the system could reach 99.9% probability of correct fix by a factor of 2.4 on average. Additionally, a detailed look at an example where a LEO satellite disappears early in the dataset emphasizes how strongly the system can be affected by the fast-changing geometry of a single LEO satellite. Overall, this leads to the conclusion that current GNSS systems will be well complimented by future LEO GNSS, and that LEO satellites will be beneficial to positioning applications without requiring full global coverage with redundancy.

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: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,156
Score d'incertitude au seuil0,163

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 Opus0,013
Tête enseignante GPT0,301
Écart entre enseignants0,288 · 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

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetGNSS positioning and interferenceTravaux en français237 207