Séance de cours
Erreurs d'observation et combinaisons de fréquences
Séances de cours associées (55)
Positionnement avancé des satellites
Couvre les principes du positionnement par satellite, de l'acquisition de signaux, du suivi et de l'atténuation des erreurs.
GNSS pour les applications spatiales
Couvre l'utilisation des GNSS pour les applications spatiales, y compris la navigation, les solutions à faible coût et les exemples en temps réel.
Analyse des interférences GNSS : impact sur la précision de positionnement
Explore l'impact des événements solaires extrêmes sur la précision du positionnement GPS, révélant les erreurs et les vulnérabilités lors des tempêtes géomagnétiques et des éruptions solaires.
Localisation du satellite: Reflection Surface Analysis
Explore l'analyse de la surface de réflexion des satellites pour un positionnement précis et ses implications pour la prévision du tsunami.
Intégrité du positionnement et de la présentation des articles
Couvre l'architecture d'EGNOS, les messages, l'intégrité, l'évaluation des performances et la surveillance dans l'aviation.
Systèmes mondiaux de navigation par satellite: aperçu opérationnel
Fournit un aperçu des modes d'exploitation, des principes, des limites et des applications de haute précision des GNSS.
Structure du signal GPS: évolution et applications
Explore l'évolution et la structure des signaux GPS, le suivi par satellite et le système de coordonnées GPS.
Positionnement avancé des satellites: GNSS demain
Explore les tendances actuelles et futures des systèmes mondiaux de navigation par satellite, en abordant les défis, les vulnérabilités et les stratégies de sauvegarde des technologies de positionnement par satellite.
Positionnement à double fréquence Galileo uniquement
Explore le positionnement absolu à double fréquence de Galileo et ses défis, les architectures de réseau et le potentiel de prédictions précises.
Modèle de réduction
Explore les techniques de réduction des modèles pour les systèmes de positionnement par satellite et l'étalonnage des capteurs stochastiques à l'aide de la méthode GMWM.