尘世冰封的专栏

ION GNSS+是全球最大的GNSS技术、产品和服务的技术会议和展示活动。今年的会议将汇集国际GNSS及相关定位、导航和定时领域的领导者，展示新的研究成果，介绍新技术，讨论当前政策，展示产品并交流思想。

RTKLib完整学习笔记

PPP-RTK：有人给你张房间地图+墙距修正，你慢慢摸就能很准- LEO：一群无人机在头顶飞，几秒换一次位置，你马上能 triangulate 出来。- PPP：一台接收机看全球 GNSS，靠地面/星基播发的精密轨道、钟差、大气改正，慢慢收敛到厘米级。用 PPP 的“不依赖附近基站” + 用 RTK 的“大气改正/模糊度快速固定”，争取广域范围内几十秒甚至几秒到厘米级。> 在“更多卫星、更快收敛、更强信号”的同时，把新来的 LEO 故障、大气模型误差、模糊度错固都装进保护水平里。

北斗三号短报文

接收机自主完好性监测（Receiver Autonomous Integrity Monitoring，RAIM）是利用GNSS接收机内部冗余观测信息进行卫星故障自主检测与识别的一类关键技术，被广泛应用于航空、航海、自动驾驶等生命安全相关领域。随着多星座多频GNSS技术的发展，RAIM算法已从最初的单星故障假设逐步演进至双星乃至多星故障的同时检测与排除。本文以故障卫星数目为线索，系统综述了RAIM算法在单星故障、双星故障和多星故障三类场景下的基本原理、核心公式与算法流程。

接收机自主完好性监测（Receiver Autonomous Integrity Monitoring, RAIM）是GNSS导航中的核心技术，利用接收机内部冗余的伪距观测量进行一致性校验，以检测和排除故障卫星，保证定位结果的完好性。随着多星座组合导航的普及和可见卫星数量增加，高级接收机自主完好性监测（ARAIM）面临的核心挑战在于：多假设解分离（MHSS）方法需要进行故障子集搜索，待监测的子集数量随卫星数呈组合爆炸式增长，带来巨大的计算负担。传统RAIM采用固定的卡方检测阈值，对复杂环境适应能力不足。

最后，聚焦RAIM在航空（进近、航路）、航海、自动驾驶、精准农业等核心安全关键领域的应用现状、挑战（如城市峡谷环境下的性能退化）及未来发展机遇（如结合多传感器、人工智能）。随着多星座GNSS（GPS、北斗、Galileo、GLONASS）的融合应用，可用卫星数量大幅增加，显著改善了卫星几何分布，为RAIM/FDE性能（尤其是可用性）带来了革命性提升，也催生了面向多星座的先进RAIM算法研究。作为接收机内部运行的一套算法体系，RAIM的核心思想在于。，是实现GNSS高可靠应用的关键技术屏障。

本实现通过自适应卡尔曼滤波技术，在动态环境下显著提升了单点定位精度。算法特别优化了对机动场景的适应性，并通过多星座融合和鲁棒滤波技术增强了系统的可靠性。在动态环境下优化单点定位，卡尔曼滤波是核心算法。

ARAIM（Advanced Receiver Autonomous Integrity Monitoring）是一种基于多假设解分离（MHSS）的接收机自主完好性监测算法，由斯坦福大学GPS实验室提出，旨在为民航精密进近（如LPV-200）提供高可靠性的垂直引导。其核心原理是通过构建多个故障假设模型，计算每个假设下的位置解和检验统计量，最终导出保护级（PL），以量化位置误差的统计上界，确保完好性风险（）低于目标值（如10⁻⁷）。假设有 颗可见卫星，观测方程为：z=Hx+ϵ+bfz = Hx + \ep

我国地域辽阔，大量无人区、无网络区域（如山区、沙漠、林区、海域等）通信基础设施不完善，户外作业人员和探险爱好者在紧急情况下难以与外界联系。现有的地面通信技术（如以太网、移动蜂窝网络、GPRS等）存在通信链路不稳定、传输距离短、数据传输可靠性差等问题。北斗三号卫星导航系统的短报文通信服务，凭借其无需地面网络、覆盖范围广、误码率低、传输可靠等独特优势，为户外应急搜救提供了全新的技术解决方案。

接收机自主完好性监测（Receiver Autonomous Integrity Monitoring, RAIM）是GNSS接收机内部的一种算法，它仅利用冗余的伪距观测量来判断定位结果是否可靠、是否存在故障卫星，并能识别和排除故障卫星。奇偶矢量法是RAIM最经典的实现方式之一，它将不可直接观测的测量误差映射到一个“奇偶空间”中，使故障检测变得简单且服从精确的概率分布。w\mathbf{w}w虽然能反映故障，但它的协方差矩阵不是单位阵，各分量相关，不利于统计检验。奇偶矢量通过一个正交变换P。

接收机自主完好性监测（Receiver Autonomous Integrity Monitoring，RAIM）是全球导航卫星系统（GNSS）中保障定位可靠性的关键技术。针对传统最小二乘残差法在复杂观测条件下检测灵敏度不足、阈值设置保守等问题，本文提出一种基于贝塞尔曲线优化算法（Bezier Curve-based Optimization，BCO）的RAIM改进方法。

这篇文章总结了北斗卫星导航系统的关键技术指标和定位服务性能。主要内容包括：1）北斗三号系统频点和服务类型，支持B1I/B2a等频点及全球/区域服务；2）授时与短报文功能，提供RNSS和RDSS两种服务模式；3）PVT解算原理及影响因素（卫星几何分布、伪距精度等）；4）精密单点定位（PPP）和实时动态定位（RTK）技术对比，PPP收敛时间约30分钟，水平精度可达5cm；5）PPP-RTK融合技术及北斗特有的PPP-B2b星基增强服务；6）地基增强系统架构和基于短报文的精密定位方案。数据显示，静态PPP定位水平

你的终端会变成时空智能助理。比如，它不再仅说“前方200米右转”，而是结合你的日程、实时路况和天气，主动建议：“距离会议还有45分钟，常走路线拥堵，已为你规划一条风景更好、能准时到达的路线，开始导航吗？从技术到场景再到制度，最终形态是：你感觉不到“导航”的存在，但你能安全地抵达目的地，这一切自然发生。形态上，它将是一块低功耗、火柴盒大小的模组，以极高频率输出可靠位姿，成为所有机器人的小脑。结合定位，可生成不可篡改的“时空电子围栏”和“位置证明”，用于自动驾驶事故定责或保险理赔，形态上是数字契约的终极裁判。

更远的未来，还有量子导航（冷原子干涉陀螺仪+北斗长期校正）、地月空间导航（将北斗星座扩展到拉格朗日点，为月球车与空间站提供导航）、水下北斗（通过浮标/声学中继，把定位能力延伸到深海）等颠覆性方向。真正的“未来导航”，就是让你在任何时间、任何地点，透明地获得恰到好处的时空信息服务，甚至感知不到“导航”这个动作的存在。· 新架构：基于因子图优化的全源导航，动态评估每种传感器可信度，自主剔除欺骗干扰，即使北斗短暂失效，也能维持高可靠性的自主导航。将北斗的导航能力、低轨星座的通信能力与遥感卫星的感知能力融合。

基于性能的导航（PBN）概述了RNAV和RNP两类导航方法，通过导航规范（NavSpecs）定义航空器与机组要求。RNAV允许灵活航径设计，提升效率与空域利用率；RNP则额外要求机载性能监控与告警能力（OBPMA）。PBN运行依赖航空器导航精度（如RNAV 1需保持95%飞行时间内误差≤1海里），并涉及多种航段类型（如TF、DF、RF）和传感器输入（GPS、DME、惯性导航等）。FMS整合多源数据支持导航，而RNP规范（如RNP APCH）进一步要求航空器验证资格能力。飞行员需熟悉系统逻辑、数据库限制及程序

本文提出了一种融合LSTM与卡尔曼滤波的北斗卫星单点定位算法。通过建立LSTM误差预测模型对原始观测数据进行粗定位修正，结合改进的自适应卡尔曼滤波进行精确定位。算法包含三个核心模块：数据预处理采用滑动窗口标准化处理，LSTM网络建模误差特征向量并输出位置修正量，自适应卡尔曼滤波动态调整噪声参数。实验表明，在城市峡谷环境中，该方法较传统算法定位精度提升约40%，平均误差控制在2.1米内，虽处理时延增至15.4ms，但满足了实时性要求。研究为复杂环境下的高精度定位提供了有效解决方案。

摘要：本文提出了一种基于激光雷达（LiDAR）抑制北斗卫星非直射信号（NLOS）误差的方法。通过LiDAR点云分析卫星信号路径的遮挡情况，动态调整观测权重，并结合扩展卡尔曼滤波（EKF）融合北斗、LiDAR-SLAM和IMU数据。关键步骤包括NLOS概率建模、动态权重调整和多源传感器融合，显著提升了复杂城市环境下的定位精度。MATLAB仿真验证了该方法的有效性，通过点云聚类和信号路径分析实现NLOS检测，最终输出优化后的轨迹估计结果。

载波相位接收机自主完好性监测（Carrier‑phase RAIM, CRAIM）是将传统基于伪距的RAIM扩展到载波相位域的技术，专门为RTK、PPP‑RTK等厘米级高精度定位提供完好性保障。与传统PRAIM不同，CRAIM必须同时估计 位置参数 与 整周模糊度参数，而错误的模糊度固定本身就是一种严重的故障模式——它会引入系统性偏差，而非简单的随机噪声。本文给出了载波相位RAIM的数学模型、整体化CRAIM的核心公式与算法流程图，并提供了可直接运行的MATLAB仿真代码。为对应故障模式的垂直误差标准差，

载波相位接收机自主完好性监测（Carrier-phase Receiver Autonomous Integrity Monitoring, CRAIM）是将传统基于伪距的RAIM（PRAIM）扩展至载波相位域的完好性监测技术，旨在为RTK（Real-Time Kinematic）等高精度定位应用提供厘米级的完好性保障。与PRAIM相比，CRAIM面临的核心挑战在于整周模糊度解算的不确定性——错误的模糊度固定将导致系统性定位偏差，而非简单的随机噪声。

接收机自主完好性监测（Receiver Autonomous Integrity Monitoring，RAIM）是保障卫星导航系统可靠性的核心技术之一，其通过接收机内部冗余观测信息的一致性检验，实现对卫星故障的自主检测与隔离。随着实时动态定位（Real-Time Kinematic，RTK）技术在高精度定位场景中的广泛应用，以及多星座、双频GNSS技术的快速发展，传统RAIM算法已逐步演进为高级RAIM（ARAIM）和载波相位RAIM（CRAIM），并开始融合机器学习等智能化方法。

ARAIM故障子集优化：利用SSA的发现者-跟随者-警戒者机制，高效搜索关键故障模式子集，在双星座场景下可将计算耗时降低68%–88%，同时保持完好性可用性变化不超过2%。算法扩展性：随着多星座GNSS（GPS/BDS/Galileo/GLONASS）的普及和卫星数量的增加，传统RAIM方法面临的计算负担问题将更加突出，SSA优化方法为大规模故障子集搜索提供了可行方案。应用场景：该方法特别适用于航空进近（LPV-200阶段）、城市峡谷环境自主驾驶等对完好性要求严格且可见卫星数量较多（多星座）的场景。

raPPPid（Rapid Precise Point Positioning with integer ambiguity resolution，快速精密单点定位与整周模糊度解算）是由维也纳工业大学（TU Wien）大地测量与地理信息系开发的MATLAB开源PPP软件包。它是VieVS（Vienna VLBI and Satellite Software，维也纳VLBI与卫星软件）的PPP模块，由Marcus Franz Glaner和Robert Weber主导开发。

Net_Diff是由中国科学院上海天文台张益泽博士自主开发的GNSS后处理软件，其定位模式覆盖面广，支持多系统（GPS/GLONASS/北斗/Galileo/QZSS/IRNSS）和多频信号（单频至三频）。该软件主要面向GNSS数据处理的全流程需求，集数据下载、精密定位、结果分析于一体。

开发参考：SPP适合入门学习GNSS定位原理和最小二乘。RTK是工程高精度定位主流方案，但依赖基站。PPP适合无基站区域的广域高精度应用。PPP-RTK是融合两者优点的新一代技术，但系统复杂度最高。· 代码资源：raPPPid（VieVS PPP）是功能完整的MATLAB开源PPP工具箱，支持多系统PPP-AR。MATLAB GPS Toolbox 提供从SPP到PPP的完整功能实现。· 实际应用：农业自动驾驶、无人机航测通常使用网络RTK；大地测量、地壳形变监测常采用PPP事后处理；

电离层对RTK信号的影响，本质上是因为它在空间和时间上都极不稳定。当GNSS信号穿过电离层时，其传播速度会改变，导致信号延迟；更严重时，信号会发生幅度和相位的快速抖动（即“电离层闪烁”），甚至中断，从而导致RTK精度下降甚至无法获得固定解。

北斗三号短报文的应用拓展遵循“技术突破→终端普及→行业赋能→标准引领→国际输出→系统融合”的演进路径：维度 拓展方向 关键进展技术层 芯片小型化低功耗、富媒体通信 22nm芯片功耗降80%，支持图片语音发送消费层 大众消费电子融合 三大运营商入局，近60款手机支持，用户超千万行业层 千行百业赋能 应急管理、水利、渔业、低空经济、户外运动等标准层 标准化体系引领 首批国标实施，产能提升40%，终端市占率超80%国际层 海外市场拓展 尼泊尔首个海外商业闭环，共建“一带一路”推广。

对于高精度的RTK（Real-Time Kinematic）定位，其完好性监测与标准接收机自主完好性监测（RAIM）有所不同。标准RAIM处理的是米级精度的伪距观测值，而RTK RAIM则需要应对厘米级精度的载波相位观测值，这引入了模糊度解算和更复杂误差模型等独特挑战。

RTK（Real-Time Kinematic，实时动态）定位技术是GNSS高精度定位的核心技术，它通过载波相位差分处理，将传统卫星导航米级的精度提升至厘米级。这项技术是自动驾驶、无人机、精密农业和工程测绘等领域不可或缺的基础能力。

功能：支持多系统（GPS/BDS/Glonass/Galileo）数据质量分析，涵盖数据完整率、多路径误差、信噪比、周跳检测等，兼容RINEX 2.x/3.x格式，支持北斗三代新频点。· 功能：基于Go语言的RINEX数据预处理工具，支持RINEX 2.x/3.x/4.x，提供文件合并、钟跳校正、电离层校正、质量检查等功能，生成HTML5交互式查看器。· 功能：Novatel公司的事后处理软件，支持GNSS+INS数据组合处理，提供高精度位置、速度、姿态信息，支持多基站、多频率处理。

通过卫星观测值的统计特性检测故障卫星，确保定位可靠性。：可处理高达30%的故障观测值，适用于复杂城市环境。：航空导航、自动驾驶等高可靠性定位系统。

以下流程图展示了基于奇偶矢量法的接收机自主完好性监测（RAIM）算法的完整技术实现流程。中会引入与该卫星对应的奇偶空间列向量相关的故障分量。当检测到故障后，可进一步识别故障卫星。若某颗卫星存在故障偏差。故障检测通过构建一个标量检测统计量。的中心卡方分布表，即可确定门限值。将分解结果代入观测方程，并左乘。奇偶矢量法的核心是对观测矩阵。基于χ²分布与虚警概率PFA。对观测矩阵G进行QR分解。（伪距、星历、钟差等）计算奇偶空间矩阵Qp。计算故障检测统计量f。可选：故障识别与排除。

该结构正是随机集理论中经典的**“可能性测度（Possibility Measure）”与“必然性测度（Necessity Measure）”对偶框架**。，跳过此环节将导致对保护级（PL）、漏检概率（PMD）、风险分配等核心概念的理解停留在黑箱调参层面，无法通过适航审定或参与下一代完好性标准制定。，与MHSS中“硬判决+风险分配”的确定性决策范式存在根本性错配。“属于第k个高斯成分”的软隶属度），其目标是。，而非高斯混合模型（GMM）。被错误排除（如双星故障未建模），，二者量纲与约束维度完全不同。

组件公式/代码作用引用支撑空间投影基编码星间空间相关性，降低Cₑ自由度故障驱动方差将残差幅值映射为协方差膨胀系数跨星座剩余噪声捕获硬件共享导致的非对角相关VPL闭式解将动态Cₑ映射为可认证保护级最终答案：双星故障下VPL计算的UERE协方差必须采用基于随机集投影的时变建模（RSP-Cov），其核心是联合刻画空间相关性（Φ）、故障幅值敏感性（Σ(t)）和跨星座硬件耦合（R(t)），三者共同构成。