Centre dedocumentation
scientifique

Effects of a navigation spoofing signal on a receiver loop and a UAV spoofing approach / Chao Ma in GPS solutions, Vol 24 n° 3 (July 2020)  

Public [article]  inGPS solutions > Vol 24 n° 3 (July 2020) Titre : Effects of a navigation spoofing signal on a receiver loop and a UAV spoofing approach Type de document : Article/Communication Auteurs : Chao Ma, Auteur ; Jun Yang, Auteur ; Jianyun Chen, Auteur ; et al., Auteur Année de publication : 2020 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement du signal [Termes descripteurs IGN] amplitude [Termes descripteurs IGN] atténuation du signal [Termes descripteurs IGN] autocorrélation [Termes descripteurs IGN] drone [Termes descripteurs IGN] erreur de phase [Termes descripteurs IGN] interférence [Termes descripteurs IGN] leurrage [Termes descripteurs IGN] récepteur Doppler [Termes descripteurs IGN] utilisateur civil Résumé : (auteur) A civil navigation signal is vulnerable to interference and tampering owing to its open interface and low signal power. We focus on navigation spoofing. First, using a piecewise function, we quantitatively analyze the effects of the navigation spoofing signal on the receiver tracking loop. For a phase-locked loop, the spoofing signal extends the pull-in range of the discriminator. The autocorrelation gain of the spoofing signal has a different effect on the slope of the discriminator, depending on whether the discriminator is related to the signal amplitude. For the delay-locked loop, taking the non-coherent early minus late power method as an example, the unlocking condition and interval are analyzed quantitatively using the spoofing amplitude gain and the initial phase cosine of the spoofing and authentic carriers. A carrier frequency difference between the spoofing signal and authentic signal causes a phase jump and attenuation of the amplitude gain. Second, in luring an unmanned aerial vehicle (UAV) to a designated location, we assume a UAV model and provide a spoofing strategy. Experimental results show that it is feasible to lure a civilian quadrotor UAV to a designated location about 50 m from where the UAV believes it is located. Numéro de notice : A2020-326 Affiliation des auteurs : non IGN Thématique : POSITIONNEMENT Nature : Article nature-HAL : ArtAvecCL-RevueNat DOI : 10.1007/s10291-020-00986-z date de publication en ligne : 09/05/2020 En ligne : https://doi.org/10.1007/s10291-020-00986-z Format de la ressource électronique : url article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=95207 [article]

Signaux et systèmes / André Quinquis (2019)

Public Titre : Signaux et systèmes : signaux, filtrage et décision Type de document : Guide/Manuel Auteurs : André Quinquis, Auteur ; Ali Mansour, Auteur ; Emanuel Radoi, Auteur Editeur : Paris : Lavoisier Année de publication : 2019 Collection : Information numérique - Traitement, interprétation, communication Importance : 361 p. Format : 16 x 24 cm ISBN/ISSN/EAN : 978-2-7462-4859-5 Note générale : Bibliographie Langues : Français (fre) Descripteur : [Vedettes matières IGN] Traitement du signal [Termes descripteurs IGN] autocorrélation [Termes descripteurs IGN] bruit thermique [Termes descripteurs IGN] distribution de Gauss [Termes descripteurs IGN] filtrage du signal [Termes descripteurs IGN] fonction aléatoire [Termes descripteurs IGN] phénomène de Gibbs [Termes descripteurs IGN] signal analogique [Termes descripteurs IGN] signal analytique [Termes descripteurs IGN] théorème de Plancherel [Termes descripteurs IGN] transformation de Fourier [Termes descripteurs IGN] variable aléatoire Index. décimale : 24.20 Traitement du signal Résumé : (Editeur) Dans notre société moderne, où la technologie a envahi la vie de tous les jours, l'information devient essentielle. Le traitement du signal joue un rôle crucial pour mieux interpréter les observations reçues et extraire l'information pertinente et utile pour une décision quelle qu'en soit la finalité. De nos jours, le traitement des signaux et des systèmes trouve ses applications dans des domaines variés comme la surveillance, le numérique, l'automatisme, la santé, les télécommunications, la cyberdéfense, les capteurs intelligents, l'internet des objets, l'astronomie, la guerre électronique, la robotique, etc. Cet ouvrage présente d'une manière originale et didactique les concepts fondamentaux du traitement de signal en abordant plus d'une centaine de questions que les étudiants ou les personnes non-spécialistes de la discipline se posent. Armés d'une longue expérience dans l'enseignement supérieur et dans la recherche en France et à l'étranger, les auteurs apportent des éléments de réponse dans un langage clair, concis et mathématiquement accessible au public. Les concepts fondamentaux sont traités via des questions illustrées d'exemples, renforçant le bon sens physique et facilitant l'appréhension de notions trop souvent réputées ardues. L'ouvrage est ainsi rendu accessible au public le plus large : ingénieurs généralistes, étudiants préparant des DUT, BTS, diplômes d'ingénieurs, licences et masters scientifiques. Si l'exercice de dialectique qui consiste, pour convaincre, à proposer simultanément questions et réponses afférentes s'avère parfois réducteur, force est de constater que les auteurs ont su maintenir une très grande ouverture dans leur exposition qui devrait inciter beaucoup de dubitatifs du traitement du signal, de tous bords, à consulter leur ouvrage. Note de contenu : 1. Quelle est la définition physique d’un signal ? 2. Comment distingue-t-on le signal d’un bruit ? 3. Comment définir les observations, les données et les informations ? 4. Qu’est-ce que la théorie du signal et quelles sont ses applications ? 5. Comment peut-on classifier les signaux ? 6. Comment décrit-on un signal temporel en fonction de la nature, discrète ou continue, de ses axes ? 7. Qu’est-ce qu’un signal à bande étroite ? 8. Qu’est ce que l’impulsion de Dirac ? 9. Qu’est ce que la fonction d’Heaviside ? 10. Que représente la composante continue d’un signal ? 11. Quelle est l’effet de la modulation d’amplitude sur le spectre d’un signal ? 12. Quelles sont les principales différences entre les types de modulations analogiques ? 13. Quelles sont les avantages des modulations numériques sur les analogiques ? 14. A quoi sert la transformée de Fourier ? 15. Pourquoi change-t-on d’espace de représentation de signaux ? 16. Quelles sont les propriétés de la transformée de Fourier ? 17. A quoi sert la décomposition en série de Fourier ? 18. Quelles sont les conditions de Dirichlet ? Quelles sont les définitions de la série de Fourier ? 19. Quelle est la définition de la série de Fourier Complexe ? Quelles sont ses propriétés ? 20. Comment peut-on simplifier la décomposition en série de Fourier d’un signal périodique pair ? 21. Que décrit la dualité temps-fréquence ? 22. Si x(t) est un signal réel et impair alors quelles sont les propriétés de sa TF ? 23. Quelle est la transformée de Fourier de la fonction porte ? Quelle est la transformée de Fourier d’un échelon ? 24. Quelle est l’allure de la TF d’un signal gaussien ? 25. Comment peut-on énoncer le principe d’incertitude en théorie du signal ? 26. Quel est le sens physique de la fonction d’autocorrélation ? 27. Quelles sont les propriétés de l’autocorrélation des signaux déterministes ? 28. Quelle est la particularité de l’autocorrélation d’un signal périodique ? 29. Quelle est la différence entre la corrélation de deux fonctions de L2(R) et leur convolution ? 30. Quelles sont les définitions de la puissance et de l’énergie moyennes d’un signal complexe ou réel ? 31. Quelle est la différence entre la DSP et la DSE ? 32. Que traduit physiquement l’identité de Parseval pour des signaux à énergie finie ? 33. Comment s’énonce l’identité de Parseval pour des signaux périodiques ? 34. Si un signal est à énergie finie, que peut-on dire de sa puissance moyenne ? Comment calculer son énergie ? 35. En utilisant Parseval, calculer de deux façons différentes l’énergie de x(t) = te−tu(t) ? 36. Quelle est la principale propriété de la DSP d’un signal périodique ? 37. Comment calcule-t-on la DSP d’un signal continu s’il est périodique ? S’il n’est pas périodique ? 38. Comment fait-on pour passer d’un signal analogique à un signal numérique ? 39. A quoi servent les CNA et CAN ? 40. Qu’appelle-t-on bruit de quantification ? 41. Quel est le domaine d’application du théorème d’échantillonnage ? 42. Qu’appelle-t-on « effet de repliement de spectre » ? 43. Pourquoi appliquer un filtre passe-bas avant l’échantillonnage d’un signal ? . 1 44. Qu’est-ce qu’un échantillonneur bloqueur ? 45. Est-on obligé de respecter la fréquence de Shannon pour échantillonner un signal passe-bande ? 46. Que devient la restitution d’un signal sinusoïdal si on ne respecte pas la fréquence limite de Shannon ? 47. Quelles sont les applications du théorème de Plancherel ? 48. Quel est l’effet d’un échantillonnage temporel dans le domaine spectral ? 49. Pourquoi doit-on introduire la transformée de Fourier discrète TFD? 50. Quelle est la relation entre la TFD et la TZ ? 51. Quelles sont les particularités de la TFD ? 52. Quelles sont les erreurs liées au calcul de la TFD ? 53. Que traduit le phénomène de Gibbs ? 54. Qu’est ce qu’un signal causal ? 55. Qu’est-ce qu’un signal analytique ? 56. Quel est l’effet de la transformée de Hilbert ? 57. Quelle est la définition d’une fonction aléatoire ? 58. Qu’est ce qu’un signal aléatoire ? 59. Quelles sont les grandeurs les plus intéressantes pour caractériser une variable aléatoire ? 60. Quelles sont les propriétés importantes d’une densité de probabilité ? 61. Quel est le lien entre une densité de probabilité et une fonction de répartition ? 62. Quelles sont les propriétés les plus intéressantes des fonctions caractéristiques d’une variable aléatoire ? 63. Comment calcule-t-on la densité de probabilité d’une fonction d’une variable aléatoire : changement des variables ? 64. Comment estime-t-on une densité de probabilité ? 65. Comment définit-on les moments d’une variable aléatoire ? 66. Comment estime-t-on les moments d’une variable aléatoire ? 67. Comment définit-on la stationnarité au sens strict et au sens large d’un signal aléatoire ? 68. Quelle est l’interprétation de la stationnarité au sens large ? 69. Pourquoi l’ergodisme d’un processus aléatoire induit-il des simplifications dans un problème ? 70. Si un processus est stationnaire, est-il toujours ergodique ? 71. Comment définit-on la densité de probabilité conditionnelle ? 72. Comment peut-on caractériser deux variables aléatoires décorrélées ? 73. Comment peut-on caractériser deux variables aléatoires indépendantes 74. Quelle est la densité de probabilité de la somme de deux variables aléatoires indépendantes ? 75. Quelle est la définition d’une variable aléatoire uniforme ? 76. Quelle est l’interprétation du théorème de la limite centrale ? 77. Quelle est la définition d’une densité de probabilité gaussienne ? 78. Que peut-on dire de la loi de la quadration d’une variable gaussienne ? 79. Quelle est la définition de la densité de probabilité de Rayleigh ? 80. Si X, Y,Z et T sont les composantes d’un vecteur gaussien centré alors que valent E{XY ZT } et E{XY Z} ? 81. Qu’est-ce qu’un processus stochastique gaussien ? 82. Qu’est ce qu’un processus aléatoire Markovien ? 83. Comment définit-on un bruit blanc et quelles sont ses propriétés ? 84. Comment définit-on un bruit pseudo-blanc et quelles sont ses propriétés ? 85. Comment est défini le bruit thermique ? 86. Un bruit pseudo-blanc peut-il être à densité de probabilité gaussienne ? 87. Comment définit-on la bande spectrale équivalente du bruit ? 88. Comment choisit-on le nombre de niveaux de quantification pour numériser les réalisations d’une variable aléatoire ? 89. Quelles sont les différences entre les moments et les cumulants d’une variable aléatoire ? 90. Quelles sont les propriétés des cumulants ? 91. Quelle est la « valeur la plus probable » d’une variable aléatoire continue ? Quelle est la différence entre « valeur plus probable », « moyenne » et « médiane » ? 92. Comment calcule-t-on la valeur moyenne d’une variable aléatoire continue ? 93. Comment interprète-t-on l’écart type ? 94. Comment définit-on le coefficient de corrélation ? 95. A quoi servent l’asymétrie « Skewness » et l’aplatissement « kurtosis » ? 96. Comment calculer la moyenne d’une variable aléatoire uniforme ? 97. Comment définit-on la fonction de corrélation dans le cas aléatoire ? 98. Quelle est la différence entre les notions de corrélation et de covariance ? 99. Comment peut-on caractériser le contenu spectral d’un signal aléatoire ? 100. Quelles sont les principales propriétés de la fonction d’intercorrélation ? 101. Quelle est l’expression de la matrice de corrélation d’un processus aléatoire stationnaire ? 203 102. Comment définir la densité spectrale de puissance dans le cas aléatoire ? 103. Quelle est l’erreur d’estimation sur la fonction de corrélation ? Sur la densité de probabilité ? 104.Quels sont les différents modes de convergence pour une variable aléatoire ? 105. Quelle est la distinction entre l’inégalité de Biennaymé-Tchebychev etle théorème de la limite centrale ? 106. Est ce qu’on peut générer un signal non-stationnaire ? Que peut-on dire sur la stationnarité des signaux modulés ? 107. Qu’appelle-t-on « système linéaire, continu et invariant » ? 108. Pourquoi la convolution joue-t-elle un si grand rôle en traitement du signal ? 109. Quel est le lien entre la convolution et le filtrage ? 110. Soit un filtre linéaire analogique de réponse impulsionnelle h(t) excité par un signal x(t). Quelle est l’expression de sa sortie y(t) ? 111. Quelles sont les propriétés vérifiées par la transformée en Z ? 112. Quelles sont les relations entre les transformées de Fourier, de Laplace et en Z ? 113.Quelle est la différence entre la fonction de transfert et le gain complexe ? 114. Que représente un pôle pour une fonction de transfert ? 115. A quoi peut servir la transformée de Laplace ? 116. Quelle définition donne-t-on à la bande passante ? 117. Comment définit-on la fréquence de coupure sur une courbe de gain ? 118. Quelle est l’expression type de la fonction de transfert pour un filtre d’ordre deux ? 119. Quelle est l’atténuation d’un filtre en fonction de son ordre ? 120. Qu’est-ce que la représentation de Bode ? 121. A partir de la fonction de transfert d’un filtre passe-bas normalisé, comment obtient-on les passe-haut, passe-bande correspondants ? 122. Comment se comporte un système en fonction de la position des pôles de sa fonction de transfert ? 123. Si le signal d’entrée d’un système réel est sinusoïdal, comment se comporte le signal de sortie ? 124. Pour un système linéaire, comment définit-on le retard de phase et le retard de groupe ? 125. Comment déterminer la stabilité d’un système analogique ? 126. Quelle est la condition de stabilité d’un filtre numérique ? 127. Qu’appelle-t-on système réalisable ? 128. Pourquoi un filtre idéal n’est-il pas réalisable physiquement en temps réel ? 129. Un filtre linéaire retardant un signal sans déformation est-il réalisable en temps réel ? 130. A quoi sert le théorème des résidus ? 131. Comment retrouver de deux façons différentes la réponse impulsionnelle d’un système linéaire discret ? 132. Qu’est-ce qu’un modèle ARMA? 133. Comment définit-on un gabarit ? 134. Que représentent les filtres de Butterworth, Tchebychev, Cauer ? 135. Quelle est la particularité, au niveau de la réponse impulsionnelle, d’un filtre discret non-récursif ? 136. A quoi sert une fenêtre d’apodisation ? 137. Comment synthétise-t-on un filtre numérique récursif par la méthode de l’invariance impulsionnelle ? 138. Qu’est-ce que la transformee bilineaire (TBL) ? 139.Comment synthétiser un filtre numérique à réponse impulsionnelle finie ? 140. Quelles sont les différences entre les filtres RIF et RII ? 141. Quelles sont les paramètres caractéristiques à prendre en compte pour l’implantation d’un filtre numérique ? 142. Quelles sont les propriétés intéressantes d’un filtre à minimum de phase ? 143. Que nous apprend la formule des interférences ? 144. Comment calculer la moyenne d’un signal aléatoire continu x(t,w) par filtrage ? 145. Qu’appelle-t-on « moyenne linéaire » et « moyenne exponentielle » d’un signal numérique ? 146. Comment mesure-t-on, en pratique, la fonction de transfert d’un système linéaire ? 147. Quelle information peut-on extraire de la fonction de cohérence ? 148. Quels sont les avantages et inconvénients des communications numériques ? 149. Quel est le principe d’une chaîne de communication ? 150. Quels sont les intérêts des techniques de modulation ? 151. Quels sont les principaux paramètres dictant le choix d’un type de modulation ? 152. Donner le sens physique d’un rapport signal sur bruit 153. Définir : détection, estimation, déconvolution, classification 154. Quels sont les quatre principaux critères de détection à structure libre ? 155. Comment définit-on la probabilité d’erreur dans un problème de détection ? 156.Comment évaluer l’erreur commise sur la réception d’un signal binaire transmis dans un canal fortement bruité ? 157. Quel est le critère d’optimisation utilisé dans la théorie du filtre adapté ? 158.Comment détecte-t-on un signal déterministe noyé dans un bruit guaussien ? 159. Quels sont les différents types d’estimateurs bayésiens ? 160. Comment estime-t-on la corrélation d’un processus stationnaire au second ordre ? 161. Quelle est la différence entre le corrélogramme et le périodogramme? 162. Quel est le principal défaut du périodogramme standard ? Comment y remédier ? 163. Quelles sont les qualités attendues d’un estimateur ? 164. Qu’apporte l’analyse spectrale paramétrique par rapport à l’analyse spectrale classique ? 165. Quel est l’intérêt du filtrage de Wiener ? 166. Qu’apporte le filtrage de Kalman ? 167. Qu’apporte la représentation d’état d’un système ? 168. Quelles sont les limitations inhérentes à l’analyse spectrale appliquée aux signaux non-stationnaires ? 169. Qu’est-ce que le spectrogramme ? 170. Comment définit-on une représentation de Wigner-Ville ? 171. Qu’apporte au traitement des signaux non-stationnaires la transformée en ondelettes ? 172. Quel est le principe des méthodes homomorphiques ? 173. Pourquoi dans plusieurs applications une analyse au second ordre Estelle insuffisante ? 174. Qu’appelle-t-on bicorrélation d’un processus ? Numéro de notice : 26023 Affiliation des auteurs : non IGN Thématique : MATHEMATIQUE Nature : Manuel de cours Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=92402

Réservation

Réserver ce document

Exemplaires (1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
26023-01	24.20	Livre	Centre de documentation	Physique	Disponible

Complexity reduction in choropleth map animations by autocorrelation weighted generalization of time-series data / Christoph Traun in Cartography and Geographic Information Science, Vol 45 n° 3 (May 2018)  

Public [article]  inCartography and Geographic Information Science > Vol 45 n° 3 (May 2018) . - pp 221 - 237 Titre : Complexity reduction in choropleth map animations by autocorrelation weighted generalization of time-series data Type de document : Article/Communication Auteurs : Christoph Traun, Auteur ; Christoph Mayrhofer, Auteur Année de publication : 2018 Article en page(s) : pp 221 - 237 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Termes descripteurs IGN] autocorrélation [Termes descripteurs IGN] carte choroplèthe [Termes descripteurs IGN] complexité [Termes descripteurs IGN] généralisation automatique de données [Termes descripteurs IGN] série temporelle [Vedettes matières IGN] Généralisation Résumé : (Auteur) Choropleth map animation is widely used to show the development of spatial processes over time. Although animation congruently depicts change, the rapid succession of complex map scenes easily exceeds the human cognitive capacity, causing map users to miss important information. Hence, a reduction of the visual complexity of map animations is desirable. This article builds on research related to complexity reduction of static choropleth maps. It proposes value generalization of choropleth time-series data in space and time, by using a method that adapts to the degree of global spatiotemporal autocorrelation within the dataset. A combination with upstream algorithms for local outlier detection results in less complex map animations focusing on large-scale patterns while still preserving significant local deviations in space and time. An according software application allows for in-depth exploration of the spatial and temporal autocorrelation structures in time-series data and provides control over the whole process of generalization. Numéro de notice : A2018-130 Affiliation des auteurs : non IGN Thématique : GEOMATIQUE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1080/15230406.2017.1308836 date de publication en ligne : 03/04/2017 En ligne : https://doi.org/10.1080/15230406.2017.1308836 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=89658 [article]

Réservation

Réserver ce document

Exemplaires (1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
032-2018031	SL	Revue	Centre de documentation	Revues en salle	Disponible

Unsupervised object-based differencing for land-cover change detection / Jinxia Zhu in Photogrammetric Engineering & Remote Sensing, PERS, vol 83 n° 3 (March 2017)  

Public [article]  inPhotogrammetric Engineering & Remote Sensing, PERS > vol 83 n° 3 (March 2017) . - pp 225 - 236 Titre : Unsupervised object-based differencing for land-cover change detection Type de document : Article/Communication Auteurs : Jinxia Zhu, Auteur ; Yanjun Su, Auteur ; Qinghua Guo, Auteur ; Thomas C. Harmon, Auteur Année de publication : 2017 Article en page(s) : pp 225 - 236 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique [Termes descripteurs IGN] algorithme espérance-maximisation [Termes descripteurs IGN] altération [Termes descripteurs IGN] autocorrélation [Termes descripteurs IGN] changement d'occupation du sol [Termes descripteurs IGN] Chine [Termes descripteurs IGN] classification non dirigée [Termes descripteurs IGN] classification orientée objet [Termes descripteurs IGN] détection de changement [Termes descripteurs IGN] image multitemporelle [Termes descripteurs IGN] image SPOT-HRV [Termes descripteurs IGN] occupation du sol [Termes descripteurs IGN] traitement d'image Résumé : (Auteur) One main problem of the spectral decomposition-based change detection method is the lack of efficient automatic techniques for developing the difference image. Traditional techniques generally assume that gray-level values in a difference image are independent and multitemporal images are co-registered/rectified perfectly without error. However, such assumptions are often violated because of the inevitable image misregistration and the interference of correlations between spectral bands. This study proposes an automated method based on the object-based multivariate alteration detection/maximum autocorrelation factor approach and the Gaussian mixture model-expectation maximization algorithm to obtain unsupervised difference images. This procedure is applied to bi-temporal (2005 and 2006) SPOT-HRV images at Panyu District Ponds, China. Results show that the proposed method successfully excludes the correlations of spectral bands and the influence of misregistration, as evidenced by a higher accuracy (up to 93.6 percent). These unique technical characteristics make this analytical framework suitable for detecting changes. Numéro de notice : A2017-089 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article DOI : 10.14358/PERS.83.3.225 En ligne : https://doi.org/10.14358/PERS.83.3.225 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=84424 [article]

Réservation

Réserver ce document

Exemplaires (2)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
105-2017031	SL	Revue	Centre de documentation	Revues en salle	Disponible
105-2017032	SL	Revue	Centre de documentation	Revues en salle	Disponible

Acceleration of the global coastal sea level rise during the 20th century re-evaluated / Huseyin Baki Iz in Journal of geodetic science, vol 7 n° 1 (February 2017)  

Public [article]  inJournal of geodetic science > vol 7 n° 1 (February 2017) . - pp 51 - 58 Titre : Acceleration of the global coastal sea level rise during the 20th century re-evaluated Type de document : Article/Communication Auteurs : Huseyin Baki Iz, Auteur Année de publication : 2017 Article en page(s) : pp 51 - 58 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Géodésie physique [Termes descripteurs IGN] autocorrélation [Termes descripteurs IGN] changement climatique [Termes descripteurs IGN] changement du niveau de la mer [Termes descripteurs IGN] données marégraphiques [Termes descripteurs IGN] niveau de la mer [Termes descripteurs IGN] niveau moyen des mers Résumé : (Auteur) In contrast to some of the recent investigations, this study shows that far less number of tide gauge stations experienced statistically significant accelerations in sea level rise during the 20th century. Twenty-seven tide gauge stations with century long data were analyzed for the presence of an acceleration in global sea level rise using a kinematic model inclusive of a secular trend, acceleration, and compounded periodicities with autocorrelated random effects. Eight out of twenty-seven stations revealed statistically significant but slow sea level rise acceleration (p Numéro de notice : A2017-301 Affiliation des auteurs : non IGN Thématique : POSITIONNEMENT Nature : Article En ligne : https://doi.org/10.1515/jogs-2017-0006 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=85336 [article]

GNSS interferometric radio occultation / Manuel Martín-Neira in IEEE Transactions on geoscience and remote sensing, vol 54 n° 9 (September 2016)  

Permalink

Statistical analysis handbook / Michael J. de Smith (2015)  

Permalink

Dynamic modeling of GNSS troposphere wet delay for estimation of precipitable water vapour / Ahmed El-Mowafy in Journal of applied geodesy, vol 8 n° 1 (April 2014)  

Permalink

Analysing spatio-temporal autocorrelation with LISTA-Viz / F. Hardisty in International journal of geographical information science IJGIS, vol 24 n° 10 (october 2010)  

Permalink

Determination of optimum window size for SAR image co-registration with decomposition of auto-correlation / W. Zou in Photogrammetric record, vol 22 n° 119 (September - November 2007)

Permalink

GPS sidereal filtering: coordinate- and carrier-phase-level strategies / A.E. Ragheb in Journal of geodesy, vol 81 n° 5 (May 2007)

Permalink

Évaluation de la qualité des séries temporelles de mesures en géodesie spatiale / Karine Le Bail in Bulletin d'information scientifique et technique de l'IGN, n° 75 (mars 2006)

Permalink

Analyse de sensibilité des calculs hydrologiques à la qualité du relief / Julien Beaunol (2004)

Permalink

Computation and characterization of autocorrelations and partial autocorrelations in periodic ARMA models / Q. Shao in Journal of time series analysis, vol 25 n° 3 (01/01/2004)

Permalink

Ein dynamisches Fehlermodell für GPS Autokorrelationsempfänger / Bernd Eissfeller (1997)

Permalink