Performance of GPS and Partially Deployed BeiDou for Real-Time Kinematic Positioning in Western Canada
Notice bibliographique
Résumé
China has completed the development of the first phase of its BeiDou satellite navigation system, which contains fourteen operational satellites at of the end of 2012. This thesis implements the Real-Time Kinematic (RTK) positioning using the integrated GPS and BeiDou system in comparison to the GPS-only system to evaluate whether current BeiDou, which is designed to provide regional coverage in the Asia-Pacific region, can augment the GPS system in North America. Three types of measurements, L1-only, L1 and L2, and Wide-lane combination, were tested over short (10 m), medium (20 km), and long (40 km) baselines to give a comprehensive performance analysis in terms of RTK positioning. The signal quality and measurement precision of BeiDou are presented and compared with those of GPS. The availability and geometry, float and fixed positioning accuracy, convergence time of float ambiguities, Time To First-Fix (TTFF) the ambiguities, and the actual success rate of the ambiguities for the GPS/BeiDou system and the GPS-only system are compared to analyze the improvements brought by the current BeiDou system. Results reveal that BeiDou measurements have the same level of precision as GPS. Adding BeiDou improves the float positioning accuracy and accelerates the convergence time of the ambiguities over three different baselines. The actual success rates are improved and the TTFFs are reduced by inducing BeiDou in the L1-only and L1 and L2 cases. The use of the wide-lane combination brings great improvements in the ambiguity resolution particularly over longer baselines. With the additional BeiDou measurements, the actual success rates do not improve since they all maintain at 100%, but the TTFFs are reduced greatly over the three baselines.
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 ».