XiaoMi-AI文件搜索系统
World File Search System同步技术
GNSS 中 AI 算法执行的可能性
人工智能算法在 GNSS 中执行的可能性 Darshna Jagiwala(1)、Shweta N. Shah(2) (1) 女科学家，DST (2) 助理教授，SVNIT，印度 摘要 大量研究验证了在全球导航卫星系统 (GNSS) 领域使用人工智能 (AI) 算法的机会。实现智能有两种方式：一种是通过机器学习 (ML)，另一种是通过深度学习 (DL)。最常见的是，支持向量机 (SVM) 和卷积神经网络 (CNN) 是人工智能的重要算法，在文献中用于提高 GNSS 系统的定位精度。本文通过考虑 GNSS 接收器在射频 (RF) 前端级别、预相关级别、后相关级别和导航级别的不同阶段来进行文献综述，这将更好地理解 AI 在该领域的实施。主要研究工作是在后相关阶段进行的，其中使用了不同的数据格式，如相关输出、国家海洋电子协会 (NMEA) 数据和接收器独立交换格式 (RINEX) 数据。除此之外，本文还讨论了与 AI 算法应用相关的威胁和风险因素。1.简介 GNSS 使用精确的定时信息、定位和同步技术提供全球和实时服务。目前，美国的全球定位系统（GPS）、俄罗斯的全球导航卫星系统（GLONASS）、欧洲的伽利略（GALILEO）和中国的北斗卫星导航系统（BDS）是全面运行的GNSS系统。此外，印度的印度星座导航（NavIC）和日本的准天顶卫星系统（QZSS）都是独立自主的区域导航系统。近年来，GNSS应用越来越精确，其精确度为广泛的应用打开了大门。[1]。卫星导航系统是根据发现的物理定律设计的[2]。• GNSS系统背后的基本思想是卫星在太空中传输信号。在这里，卫星在轨道上的位置遵循开普勒行星运动定律。• 这些信号由地球表面或附近的接收器接收。扩频技术用于获取从地球轨道发射的非常微弱的卫星信号。