4、GNSS定位基础：伪距定位、载波相位、RTK/PPK技术原理与局限
各位同学好，我是老张。今天咱们聊聊GNSS定位。
说实话，很多做感知融合的工程师，一听到GNSS就觉得「这东西不就是给个经纬度嘛，精度还差」。嗯，这话对了一半。GNSS原始定位确实粗糙，但你要是把伪距、载波相位、RTK这些搞明白了，会发现它其实是自动驾驶定位里不可或缺的一环。
我当年刚入行时，也踩过不少坑。有一次在隧道口测试，定位直接跳了十几米，吓得我赶紧把融合算法里的GNSS权重调低了。后来才明白，那不是GNSS的错，是我没理解它的局限。
4.1 伪距定位：最基础的定位方式
伪距定位，说白了就是「测距定位」。卫星告诉你「我在哪」，你的接收机测量「卫星离我多远」，然后解算出你的位置。
原理其实很简单：
- 每颗卫星都在广播自己的位置和发射时间
- 接收机收到信号，记录到达时间
- 时间差 × 光速 = 距离
- 至少4颗卫星，就能解出三维坐标 + 钟差
但这里有个坑——伪距的精度其实不高。为什么？因为接收机的时钟不准，卫星的时钟也有漂移，再加上大气延迟、多路径效应……这些误差加起来，伪距定位的精度通常只有5-10米。
核心公式：
ρ = r + c·(δt_u - δt_s) + I + T + ε其中ρ是伪距测量值，r是真实几何距离，c是光速，δt_u和δt_s分别是接收机和卫星钟差，I和T是电离层和对流层延迟，ε是噪声。
我在项目中遇到过一件事：有一次用单点定位做车道级导航，结果车辆在高速上左右横跳，轨迹像喝醉了酒。后来一查，是伪距噪声太大，加上多路径效应。从那以后，我但凡做融合定位，一定会在伪距解算后加一个粗差剔除。
避坑指南：我曾经在城区高架桥下测试，伪距定位误差飙到30米。后来发现是信号反射导致的。建议在融合算法里，对伪距残差设置一个阈值，超过20米的直接丢弃。
4.2 载波相位：精度提升的关键
伪距精度不够，怎么办？用载波相位。
载波相位测量的是卫星信号载波的相位变化。你想想看，L1载波的波长才19厘米，相位测量精度可以做到毫米级。这比伪距的米级精度高了好几个数量级。
但问题来了：载波相位测量存在整周模糊度。什么意思？就是你只能测到相位的小数部分，整数部分不知道。就像你只知道钟表指针的位置，但不知道现在是几点。
载波相位观测方程：
Φ = λ^(-1)·r + N + c·(δt_u - δt_s)/λ + I/λ + T/λ + ε其中Φ是载波相位观测值（以周为单位），λ是波长，N是整周模糊度（整数）。
整周模糊度N的求解，是载波相位定位的核心难点。我刚开始做RTK时，最头疼的就是模糊度固定。有时候明明卫星数够了，但模糊度就是固定不下来，定位精度直接掉回米级。
为什么会这样？因为模糊度解算需要足够多的观测数据，而且对多路径和电离层非常敏感。我记得有一次在雷雨天气测试，电离层活跃，模糊度解算了整整5分钟才固定。嗯，这在自动驾驶里是不可接受的。
注意：载波相位还有一个问题——周跳。当接收机失锁再重新捕获信号时，整周计数会跳变。如果不处理周跳，定位结果会直接崩掉。我建议在预处理阶段一定要做周跳检测，常用的方法有GF（几何无关）组合和MW（Melbourne-Wübbena）组合。
4.3 RTK：实时动态差分定位
RTK（Real-Time Kinematic）是目前自动驾驶里用得最多的高精度定位技术。它的核心思想很简单：利用基准站和流动站的观测值做差分，消除公共误差。
RTK的工作流程：
- 基准站架设在已知坐标点上，连续观测卫星
- 基准站通过电台或4G网络，把观测值发给流动站
- 流动站收到数据后，做双差处理，消除钟差和大气延迟
- 解算整周模糊度，得到厘米级定位
我做过一个测试：在开阔环境下，RTK的定位精度可以稳定在2-3厘米。这个精度对于车道级定位来说，绰绰有余。
但RTK的局限也很明显：
- 依赖通信链路：基准站和流动站之间需要实时数据传输。一旦断链，RTK就退化成单点定位
- 作用距离有限：基准站和流动站距离超过30公里，大气延迟差异变大，模糊度固定困难
- 初始化时间：每次开机或失锁后，需要重新固定模糊度，通常需要几十秒
实战经验：我曾经在城区测试RTK，发现只要经过高架桥下，RTK就会失锁。后来我加了一个策略：在失锁期间，用IMU做航位推算，等RTK重新固定后再融合。这样定位的连续性好了很多。
4.4 PPK：后处理差分定位
PPK（Post-Processed Kinematic）和RTK的原理一样，区别在于PPK是事后处理，不需要实时通信链路。
PPK的优势：
- 不需要实时数据链路，适合偏远地区
- 可以回放数据，反复优化解算参数
- 精度通常比RTK更稳定，因为可以后处理滤波
PPK的局限：
- 不能实时输出定位结果，不适合自动驾驶
- 需要存储原始观测数据，数据量较大
- 后处理流程复杂，需要专业软件
说实话，PPK在自动驾驶里用得不多。但我在做高精度地图采集时，经常用PPK做后处理验证。先把RTK的实时结果存下来，再用PPK跑一遍，对比两者的差异，就能发现RTK解算中的问题。
我的建议：如果你在做自动驾驶定位系统，RTK是首选。但一定要做好降级策略——当RTK不可用时，能平滑切换到伪距定位或IMU推算。别让定位精度突然跳变，那对控制模块是灾难。
4.5 三种技术的对比与选择
| 技术 | 精度 | 实时性 | 依赖条件 | 适用场景 |
|---|---|---|---|---|
| 伪距定位 | 5-10米 | 实时 | 无 | 低精度导航、辅助定位 |
| 载波相位 | 厘米级（需解模糊度） | 实时/后处理 | 需解算整周模糊度 | 高精度定位基础 |
| RTK | 2-5厘米 | 实时 | 基准站+通信链路 | 自动驾驶、无人机 |
| PPK | 1-3厘米 | 后处理 | 基准站+数据存储 | 测绘、地图采集 |
你想想看，在实际的感知融合定位系统里，我们通常不会只用一种技术。伪距定位做粗定位和故障检测，RTK做高精度主定位，IMU做短时间推算——这才是工程上的成熟方案。
最后提醒一句：GNSS定位不是万能的。在隧道、地下车库、高楼峡谷这些场景，GNSS信号会完全丢失。这时候，感知融合里的视觉、激光雷达、IMU就要顶上。别把鸡蛋都放在一个篮子里。
可可精品资料库