中国科学院机构知识库网格
Chinese Academy of Sciences Institutional Repositories Grid
首页
机构
成果
学者
登录
注册
登陆
×
验证码:
换一张
忘记密码?
记住我
×
校外用户登录
CAS IR Grid
机构
云南天文台 [6]
采集方式
OAI收割 [6]
内容类型
期刊论文 [5]
学位论文 [1]
发表日期
2022 [1]
2021 [4]
2020 [1]
学科主题
天文学 [6]
天文学::天体测量学 [4]
天文学:: 天体力学 [1]
天文学::空间天文学 [1]
筛选
浏览/检索结果:
共6条,第1-6条
帮助
限定条件
学科主题:天文学
条数/页:
5
10
15
20
25
30
35
40
45
50
55
60
65
70
75
80
85
90
95
100
排序方式:
请选择
提交时间升序
提交时间降序
发表日期升序
发表日期降序
题名升序
题名降序
作者升序
作者降序
低轨卫星及其编队GNSS精密定轨关键技术研究
学位论文
OAI收割
北京: 中国科学院大学, 2022
作者:
金彪
  |  
收藏
  |  
浏览/下载:102/0
  |  
提交时间:2023/02/06
北斗三号全球卫星导航系统
低轨编队卫星
精密定轨
姿态估计
模糊度固定
Grace-fo antenna phase center modeling and precise orbit determination with single receiver ambiguity resolution
期刊论文
OAI收割
Remote Sensing, 2021, 卷号: 13, 期号: 21
作者:
Jin B(金彪)
;
Li YQ(李语强)
;
Jiang, Kecai
;
Li ZL(李祝莲)
;
Chen, Shanshan
  |  
收藏
  |  
浏览/下载:52/0
  |  
提交时间:2021/11/15
single receiver ambiguity resolution
phase center variation (PCV) calibration
precise orbit determination
GRACE
FO satellites
Performance analysis of SBAS ephemeris corrections and integrity algorithms in China region
期刊论文
OAI收割
SATELLITE NAVIGATION, 2021, 卷号: 2, 期号: 1
作者:
Jin B(金彪)
;
Chen, Shanshan
;
Li, Dongjun
;
Wang, Yuechen
;
Takka, Elhadi
  |  
收藏
  |  
浏览/下载:20/0
  |  
提交时间:2022/05/30
SBAS
Minimum variance estimation
Ephemeris correction
UDRE
SBAS GEO卫星URE精度及定位增强研究
期刊论文
OAI收割
武汉大学学报(信息科学版)/Geomatics and Information Science of Wuhan University, 2021
作者:
金彪
;
陈姗姗
;
李祝莲
;
李语强
;
李子潇
  |  
收藏
  |  
浏览/下载:33/0
  |  
提交时间:2021/09/22
星基增强系统
GEO卫星
用户测距误差
定位增强
SBAS星历改正数及UDRE参数生成算法分析
期刊论文
OAI收割
武汉大学学报(信息科学版)/Geomatics and Information Science of Wuhan University, 2021, 卷号: 46, 期号: 1, 页码: 111-117
作者:
金彪
;
魏巍
;
陈姗姗
;
李东俊
  |  
收藏
  |  
浏览/下载:81/0
  |  
提交时间:2021/01/18
星基增强系统
星历改正数
完好性
用户差分距离误差
Ionospheric correlation analysis and spatial threat model for SBAS in China region
期刊论文
OAI收割
Advances in Space Research, 2020
作者:
Jin, Biao
;
Chen, Shanshan
;
Li, Dongjun
;
Takka, Elhadi
;
Li, Zishen
  |  
收藏
  |  
浏览/下载:26/0
  |  
提交时间:2020/06/15
SBAS
GIVE
Ionospheric correlation
Undersampled threat model