Tradução automática, não revista por um falante nativo. O inglês é a referência.

Famílias de tipos de cenárioEditar no GitHubFonte: docs/kinds/gps-denied-alternative-pnt.md

PNT alternativo sem GPS (família de tipos de cenário)

5 tipos de cenário do mecanismo v0.40.0. Consultivo: resultado de análise de uma ferramenta de pesquisa e engenharia, não um equipamento de navegação homologado e não um serviço de segurança da vida humana. Todo rótulo aqui é do mecanismo ou da matriz de verificação; um tipo é MODELLED a menos que a matriz diga o contrário (como um rótulo é obtido: a seção Evidence do README).

Páginas de tópico: CAPABILITY, RESILIENCE-CROSSWALK. Execute uma: kshana scenarios/combined-altpnt.toml. Todas as famílias: KINDS.md.

Folha de contatos dos gráficos que o mecanismo gera para os tipos da família PNT alternativo sem GPS
Tipo O que faz Registro
gravity-map Navegação por correspondência com mapa de gravidade sem GPS: um gravímetro de átomos frios recupera uma deriva constante do INS a partir da sequência de anomalias de gravidade pela qual voa. MODELLED (rótulo do resultado)
terrain-nav Navegação referenciada ao terreno sem GPS (TERCOM/SITAN): um altímetro de radar/barométrico compara o perfil de elevação do solo com um DEM de estilo SRTM para recuperar a deriva do INS. MODELLED
terrain-slam Navegação sequencial (recursiva) referenciada ao terreno sem GPS: um filtro de partículas executa o modelo de medição de correspondência de terreno época a época (SITAN como filtro em execução), de modo que uma deriva do INS variável no tempo é tr MODELLED (rótulo do resultado)
combined-altpnt Navegador combinado de gravidade + campo magnético + terreno sem GPS: três canais de campo escalares fundidos a cada ponto de passagem para uma correção de deriva mais precisa (CRLB menor) do que qualquer campo isolado. MODELLED (rótulo do resultado)
conflict-resilience Resiliência a conflitos de PNT em camadas MODELLED (P7): um usuário em ambiente contestado dispõe de várias camadas de PNT (GNSS de serviço aberto, GNSS de banda larga, uma constelação autenticada, um relé de aumentação), cada uma com MODELLED (rótulo do resultado)

gravity-map#

Navegação por correspondência com mapa de gravidade sem GPS: um gravímetro de átomos frios recupera uma deriva constante do INS a partir da sequência de anomalias de gravidade pela qual voa.

Campos obrigatórios: nmax, start_lat_deg, start_lon_deg, step_lat_deg, step_lon_deg, waypoints, drift_lat_deg, drift_lon_deg, gravimeter_asd, averaging_time_s, map_sigma_mgal, search_half_deg, search_step_deg. Opcionais: coeffs, mascons, refine_stages, refine_factor, noise_seed, reference, map_error_mc.

Registro: nenhuma linha da matriz cita este tipo; o mecanismo rotula o seu próprio resultado. Página completa, com as entradas, os resultados, as evidências e as limitações: gravity-map.

kshana scenarios/gravity-map-nav.toml
O gráfico que o motor gera para scenarios/gravity-map-nav.toml, tipo de cenário gravity-map

terrain-nav#

Navegação referenciada ao terreno sem GPS (TERCOM/SITAN): um altímetro de radar/barométrico compara o perfil de elevação do solo com um DEM de estilo SRTM para recuperar a deriva do INS.

Campos obrigatórios: dem_seed, start_lat_deg, start_lon_deg, step_lat_deg, step_lon_deg, waypoints, drift_lat_deg, drift_lon_deg, altimeter_sigma_m, map_sigma_m, search_half_deg, search_step_deg. Opcionais: refine_stages, refine_factor, noise_seed.

Registro: MODELLED. Página completa, com as entradas, os resultados, as evidências e as limitações: terrain-nav.

kshana scenarios/terrain-nav.toml
O gráfico que o mecanismo gera para scenarios/terrain-nav.toml, tipo terrain-nav

terrain-slam#

Navegação sequencial (recursiva) referenciada ao terreno sem GPS: um filtro de partículas executa o modelo de medição de correspondência de terreno época a época (SITAN como filtro em execução), de modo que uma deriva do INS variável no tempo é acompanhada ao longo da trajetória, enquanto o terrain-nav em lote só recupera um único deslocamento constante.

Campos obrigatórios: dem_seed, start_lat_deg, start_lon_deg, step_lat_deg, step_lon_deg, waypoints, drift_rate_lat_deg, drift_rate_lon_deg, altimeter_sigma_m, map_sigma_m. Opcionais: n_particles, init_pos_sigma_deg, process_sigma_deg, resample_ess_frac, seed.

Registro: nenhuma linha da matriz cita este tipo; o mecanismo rotula o seu próprio resultado. Página completa, com as entradas, os resultados, as evidências e as limitações: terrain-slam.

kshana scenarios/terrain-slam.toml
O gráfico que o mecanismo gera para scenarios/terrain-slam.toml, tipo terrain-slam

combined-altpnt#

Navegador combinado de gravidade + campo magnético + terreno sem GPS: três canais de campo escalares fundidos a cada ponto de passagem para uma correção de deriva mais precisa (CRLB menor) do que qualquer campo isolado.

Campos obrigatórios: start_lat_deg, start_lon_deg, step_lat_deg, step_lon_deg, waypoints, drift_lat_deg, drift_lon_deg, search_half_deg, search_step_deg, nmax, gravity_sigma_mgal, igrf_year, magnetic_sigma_nt, dem_seed, terrain_sigma_m. Opcionais: coeffs, mascons, magnetic_mascons, igrf_alt_km, refine_stages, refine_factor, noise_seed, magnetic_grid.

Registro: nenhuma linha da matriz cita este tipo; o mecanismo rotula o seu próprio resultado. Página completa, com as entradas, os resultados, as evidências e as limitações: combined-altpnt.

kshana scenarios/combined-altpnt.toml
O gráfico que o motor gera para scenarios/combined-altpnt.toml, tipo de cenário combined-altpnt

conflict-resilience#

Resiliência a conflitos MODELLED de PNT em camadas (P7): um usuário em ambiente contestado dispõe de várias camadas de PNT (GNSS de serviço aberto, GNSS de banda larga, uma constelação autenticada, um relé de aumentação), cada uma com uma disponibilidade-base, uma exatidão de 1σ e uma vulnerabilidade de negação por vetor à ameaça compartilhada de jamming/spoofing. Um Monte Carlo COM SEMENTE, varrido em intensidade, nega cada camada com probabilidade clamp(vulnerabilidade·intensidade·peso_do_vetor,0.1), funde as sobreviventes pela regra de forma fechada de variância inversa σ_fused=(Σ 1/σ_i²)^(−1/2), e informa a probabilidade de perda total (todas as camadas negadas), o erro fundido mediano e estatísticas de utilizável/negada por camada em função da intensidade. A razão de resiliência principal (probabilidade de perda total de camada única contra em camadas) chega a cerca de 7x sob a hipótese de INDEPENDÊNCIA; uma varredura de negação correlacionada por cópula gaussiana de um fator mostra então esse ~7x colapsando em direção a 1 à medida que a correlação da negação aumenta (a correlação derrota a estratificação em camadas). Um bloco de sensibilidade a priors varia o valor principal sobre os priors de vulnerabilidade COM FONTE por meio do tornado mcda + uma realocação de esforço de ameaça de Dirichlet + ICs por percentis. Núcleo VALIDATED: a perda total por Monte Carlo converge para o produto independente de forma fechada Π_i p_deny_i (dentro do erro-padrão do MC com semente fixa e N grande); a fusão por variância inversa é uma identidade de forma fechada; em ρ=0 a cópula se reduz ao modelo independente e todo ρ preserva a taxa de negação marginal de cada camada. MODELLED: as magnitudes de vulnerabilidade/disponibilidade/exatidão por camada são entradas com fonte, porém modeladas (JammerTest 2024, TEXBAT, EASA SIB, RTCA DO-229, LunaNet/IOAG — ver conflict_threat_params), e a magnitude específica de ~7x e a forma da curva razão-versus-correlação decorrem dessa parametrização. Um detalhamento de sobrevivência por vetor, na seção § 4,2, resolve então a ameaça de RF compartilhada nos quatro vetores nomeados (jamming/spoofing/cinético/cibernético) e informa a curva de degradação gradual de PNT utilizável de cada vetor S_v(x)=1-Prod_i(1-a_i(1-clamp(susceptibilidade_i,v·x,0.1))) — VALIDATED: o Monte Carlo por camada com semente converge para essa forma fechada; o jamming é o vetor mais severo para a linha de base de RF correlacionada e a camada inercial, imune a RF, é a sobrevivente decisiva. Não é um produto de disponibilidade de navegação certificado.

Campos obrigatórios: nenhum. Opcionais: layers, intensity, correlation, trials, seed, primary_layer.

Registro: nenhuma linha da matriz cita este tipo; o mecanismo rotula o seu próprio resultado. Página completa, com as entradas, os resultados, as evidências e as limitações: conflict-resilience.

kshana scenarios/conflict-resilience.toml
O gráfico que o motor gera para scenarios/conflict-resilience.toml, tipo de cenário conflict-resilience