4. 定位解算原理

GNSS接收机输出的原始观测量本身并不能直接给出高精度位置，必须经过定位解算。定位解算的本质，是利用伪距、载波相位、多普勒等观测值与卫星位置、钟差等信息，建立观测方程，再通过估计方法求解接收机的位置、速度和时间（PVT）。本章围绕单点定位、差分定位、相对定位三条技术路线，以及最小二乘与卡尔曼滤波两类基本估计方法展开。

一、核心原理：从观测方程到位置解

伪距观测方程可写为：

P = ρ + c(dt_r - dt_s) + I + T + ε_P

其中：
P      伪距观测值（m）
ρ      接收机到卫星的几何距离
dt_r   接收机钟差
dt_s   卫星钟差
I      电离层延迟
T      对流层延迟
ε_P    伪距噪声与多路径

几何距离 ρ 是接收机坐标 (x, y, z) 与卫星坐标 (X_s, Y_s, Z_s) 的非线性函数。对单点定位而言，未知量包括三维坐标和接收机钟差，共4个；因此至少需要4颗卫星才能求解。若同时估计接收机钟速，则还需多普勒观测，形成速度解。

载波相位观测方程比伪距多了一个整周模糊度 N，但相位噪声仅为毫米级，是高精度相对定位的核心观测量。相对定位正是利用两台接收机对同一卫星的相位观测求差，消去卫星钟差、电离层和对流层中的公共部分，再通过基线向量解算获得厘米级甚至毫米级相对位置。

二、三条技术路线：单点、差分与相对定位

单点定位（SPP）仅使用一台接收机的伪距观测和广播星历，逐历元解算绝对坐标。其优点是独立、无需外部链路，缺点是受卫星钟差、电离层、对流层和多路径影响，精度通常在米级到十米级。适合导航、粗略定位和接收机冷启动初定位。

差分定位（DGPS/RTK）引入一个坐标已知的基准站，基准站根据自身观测计算改正数并发送给流动站。流动站利用改正数削弱公共误差。伪距差分可达分米级，载波相位差分（RTK）在模糊度固定后可达厘米级。其关键前提是基准站与流动站误差空间相关性足够强，因此基线距离通常限制在10～30 km以内。

相对定位不直接求绝对坐标，而是求两台接收机之间的基线向量。通过站间、星间双差，可消去卫星钟差和接收机钟差，大幅削弱电离层与对流层影响。相对定位配合整周模糊度固定，是GNSS高精度测量、变形监测和无人机RTK的核心方法。

三、最小二乘与卡尔曼滤波

无论哪条路线，最终都要把观测方程线性化后求解。设观测方程为 L = A·x + ε，其中 x 为待估参数向量。最小二乘估计为：

x_hat = (A^T · W · A)^(-1) · A^T · W · L

A  设计矩阵（方向余弦等）
W  权矩阵（由高度角、信噪比确定）
L  观测残差向量
x_hat  位置、钟差、模糊度等参数

最小二乘是逐历元独立解算，不利用历史信息，实现简单，但观测噪声大时结果跳动明显。卡尔曼滤波则引入状态方程和观测方程，把位置、速度、钟差、模糊度等作为状态量，通过“预测—更新”递推，实现时序平滑和动态跟踪。

预测：
x_k^- = F · x_(k-1)
P_k^- = F · P_(k-1) · F^T + Q

更新：
K_k = P_k^- · H^T · (H · P_k^- · H^T + R)^(-1)
x_k = x_k^- + K_k · (z_k - H · x_k^-)
P_k = (I - K_k · H) · P_k^-

其中 F 为状态转移矩阵，Q 为过程噪声，H 为观测矩阵，R 为观测噪声，K 为卡尔曼增益。Q 和 R 的取值直接决定滤波器对动态和观测的信任程度：Q 偏大则更信任观测，动态响应快但噪声大；R 偏大则更信任预测，平滑但可能滞后。

四、案例与场景：无人机RTK定位解算链路

以无人机RTK航测为例，机载接收机同时接收卫星观测和基准站差分数据。解算流程通常为：

1. 读取基站与流动站的伪距、载波相位观测值；
2. 进行站间、星间双差，形成双差观测方程；
3. 用卡尔曼滤波估计位置、速度和浮点模糊度；
4. 通过LAMBDA等方法搜索并固定整周模糊度；
5. 回代固定模糊度，输出厘米级固定解；
6. 若固定失败，则输出浮点解并标记质量因子。

在这一链路中，最小二乘常用于单历元快速初解或质量检核，卡尔曼滤波用于连续动态跟踪。两者并非互斥，而是配合使用。

五、误区与复盘

复盘时应重点关注：双差残差是否均匀、模糊度固定率是否稳定、基线长度是否在合理范围、卡尔曼滤波新息是否异常。只有观测质量、解算模型和估计参数三者匹配，定位结果才真正可靠。