已入深夜,您辛苦了!由于当前在线用户较少,发布求助请尽量完整的填写文献信息,科研通机器人24小时在线,伴您度过漫漫科研夜!祝你早点完成任务,早点休息,好梦!

Machine Learning in GNSS Multipath/NLOS Mitigation: Review and Benchmark

非视线传播 全球导航卫星系统应用 计算机科学 多径传播 水准点(测量) 人工智能 机器学习 多路径缓解 卫星系统 实时计算 全球定位系统 电信 频道(广播) 无线 大地测量学 地理
作者
Penghui Xu,Guohao Zhang,Bo Yang,Li–Ta Hsu
出处
期刊:IEEE Aerospace and Electronic Systems Magazine [Institute of Electrical and Electronics Engineers]
卷期号:39 (9): 26-44 被引量:2
标识
DOI:10.1109/maes.2024.3395182
摘要

Global navigation satellite system (GNSS) positioning accuracy is degraded in urban canyons due to signal blockages and reflections, which is still a major challenge. Recently, using machine learning to improve the accuracy of GNSS positioning in urban areas has become a new trend. This paper summarizes the works focused on GNSS multipath/non-light-of-sight (NLOS) mitigation using machine learning. The review of the studies is categorized based on the input features, algorithms, and outputs. The categorization shows that the received signal strength, elevation angle, and receiver correlator outputs from a single channel of satellite signal are the most popular input features. For the algorithm selection, the support vector machine and fully connected neural network (FCNN) are the algorithms most widely used. In terms of the outputs, most of the works made improvements in measurement status prediction, namely, LOS, multipath, and NLOS. Besides, this paper also provides an open-source dataset with four scenarios for machine learning algorithms for the GNSS multipath/NLOS mitigation. Finally, the benchmarks are established based on the proposed dataset and the FCNN and least-squares estimation to enable performance evaluation in Kaggle.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
嗯哼应助shuhaha采纳,获得20
刚刚
酷波er应助jmg03采纳,获得10
4秒前
6秒前
7秒前
合适善若发布了新的文献求助10
10秒前
11秒前
务实的小熊猫完成签到,获得积分10
13秒前
527完成签到,获得积分10
14秒前
852应助拼搏的似狮采纳,获得10
15秒前
菜鸟一枚完成签到,获得积分10
15秒前
nater4ver发布了新的文献求助10
15秒前
xiaomeng完成签到 ,获得积分10
16秒前
17秒前
vinh发布了新的文献求助10
19秒前
落后的觅松完成签到,获得积分10
20秒前
20秒前
YHQ完成签到,获得积分10
22秒前
呼叫外星人完成签到,获得积分10
22秒前
小二郎应助合适善若采纳,获得20
23秒前
零慧发布了新的文献求助10
25秒前
30秒前
无心的寄灵完成签到,获得积分10
31秒前
timemaster666完成签到,获得积分10
32秒前
32秒前
DeaR完成签到 ,获得积分10
33秒前
33秒前
ginseng发布了新的文献求助10
35秒前
隐形曼青应助冰块采纳,获得10
37秒前
38秒前
一屋鱼发布了新的文献求助10
38秒前
Limpidly应助TS采纳,获得10
39秒前
郝好完成签到 ,获得积分10
41秒前
44秒前
Czt完成签到,获得积分10
47秒前
49秒前
50秒前
mmmm应助zr92采纳,获得100
52秒前
fufu发布了新的文献求助10
54秒前
冰块发布了新的文献求助10
56秒前
56秒前
高分求助中
Evolution 10000
ISSN 2159-8274 EISSN 2159-8290 1000
Becoming: An Introduction to Jung's Concept of Individuation 600
Ore genesis in the Zambian Copperbelt with particular reference to the northern sector of the Chambishi basin 500
A new species of Coccus (Homoptera: Coccoidea) from Malawi 500
A new species of Velataspis (Hemiptera Coccoidea Diaspididae) from tea in Assam 500
PraxisRatgeber: Mantiden: Faszinierende Lauerjäger 500
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3161905
求助须知:如何正确求助?哪些是违规求助? 2813139
关于积分的说明 7898729
捐赠科研通 2472140
什么是DOI,文献DOI怎么找? 1316366
科研通“疑难数据库(出版商)”最低求助积分说明 631278
版权声明 602129