Кратко — влияние и практические способы обработки.
Влияние мультипути в городской среде
- Модель наблюдений (учёт мультипути):
$P=\rho +c(d{T}_r-d{T}_s)+I+T+M_P+{\epsilon }_P$,
$\Phi =\rho +c(d{T}_r-d{T}_s)-I+T+\lambda N+M_{\Phi }+{\epsilon }_{\Phi }$,
где $M_P,M_{\Phi }$ — ошибки от мультипути в псевдодальном и фазовом измерении.
- Характеристики эффекта:
- Псевдодальность: систематическая смещение до нескольких метров (в глубоком урбанистическом каньоне >$10\mathrm{m}$).
- Фазовое измерение: обычно порядки долей длины волны (L1: ${\lambda }_{L1}\approx 0.19\mathrm{m}$), но может давать десятки сантиметров, нарушая разрешение целочисленных амбигуит.
- Мультипути дают коррелированную по времени и пространству ошибку (небелый шум), приводят к смещению и увеличению дисперсии оценок, усложняют RAIM/AR.
- Последствия: снижение точности и надежности позиционирования, потеря спутников, ложные цикличные сдвиги, неверный выбор целых амбигуит.
Способы повышения надежности координат (аппаратные и программные)
1) Аппаратные меры
- Антенна с подавлением боковых отражений (choke‑ring, ground‑plane, направленная): снижает $M_P$, особенно низкоугловые отражения.
- Многодиапазонный приёмник (L1/L2/L5) и многоконстелляционный приём: увеличивает число прямых путей и даёт возможность комбинаций для подавления ошибок.
2) Предварительная фильтрация и маски
- Элевационная маска: исключать спутелиты ниже $e_{min}$ (рекомендация $e_{min}=15^{\circ }$–$20^{\circ }$).
- Порог по отношению сигнал/шум: $C/N_0^{min}$ (рекомендация $C/N_0^{min}\approx 30\mathrm{dBHz}$).
- Отклонять сигналы с резкими изменениями $C/N_0$ и внезапными сдвигами фаз.
3) Взвешивание наблюдений
- Взвешивать по качеству (C/N0, elevation): $w_i=1/{\sigma }_i^2$, где ${\sigma }_i$ моделировать как функция $C/N_0$ (в простом виде \(w_i \propto (C/N_0_i)^2\)).
- Использовать elevation‑зависимые веса: ${\sigma }_i\propto 1/\sin (e_i)$.
4) Гладкие и фильтрация временной серии
- Carrier‑smoothing (Hatch) для уменьшения рандомной составляющей псевдодальности (срок сглаживания $T_s$ выбирать: статично $T_s\approx 100\mathrm{s}$, для движения $T_s\approx 5$–$20\mathrm{s}$). Учтите: сглаживание уменьшает шум, но не устранит систематический NLOS‑сдвиг.
- Калман/ФК для интеграции фазовых и псевдодальных измерений с моделями движения; применять адаптивные шумовые ковариации, чтобы учитывать смену мультипути.
5) Динамическая детекция и отбраковка NLOS/мультипути
- Анализ остатков модели позиции (псевдодальные остатки) с robust‑методами (M‑оценки, Tukey, Huber) и RAIM.
- Классификация сигналов по признакам (C/N0, степень дисперсии фазовых остатков, S4): ML/threshold‑классификаторы для пометки NLOS.
- Быстрая отбраковка спутников с подозрительными остатками и повторная оценка.
6) Использование 3D‑карты и моделирования видимости
- Ray‑tracing/видимость по 3D‑модели зданий: помечать и исключать NLOS‑сигналы заранее.
- Shadow‑matching / map‑aiding: сопоставление наблюдаемых C/N0 и видимости со сценой для дополнительной фиксации положения.
7) Сочетание с другими датчиками (sensor fusion)
- Интеграция IMU, одометра, Wi‑Fi/Bluetooth для устойчивости при потере или искажении GNSS.
- Фильтр состояний (EKF/UKF/particle) для повышения устойчивости в коротких периодах полного NLOS.
8) PPP/RTK и сети
- RTK/RTN с сетью ставит на пользу в открытой местности; в урбане применяйте гибридные стратегии (локальный RTK + NLOS‑фильтрация).
- PPP‑AR даёт улучшение точности, но чувствителен к мультипути на фазе; применять только при контролируемых сигналах.
Рекомендованный практический конвейер обработки (шаги)
1. Предобработка: применить маску по элев. $e_{min}$ и по $C/N_0^{min}$.
2. Carrier‑smoothing (короткий $T_s$ для движения) + вычислить остатки модели.
3. Детекция аномалий: остатки, резкие изменения $C/N_0$, ML‑классификатор → отбраковка/понижение веса.
4. Рекурсивная оценка позы (KF/EKF) с адаптивной ковариацией + интеграция IMU.
5. При доступности 3D‑карты — NLOS‑отсечение через ray‑tracing; при малой спутниковости — использовать robust‑оценивание.
6. Пост‑проверка: RAIM/валидиция решения, при наличии — попытка AR (только если чистые фазовые измерения).
Ожидаемый эффект
- Простые меры (маска, $C/N_0$ фильтр, антенна) могут снизить ошибка псевдодальности на порядок до метра уровня в плохих участках; carrier‑smoothing и фильтрация дают дополнительное уменьшение случайного шума.
- Полное устранение систематического NLOS возможно только через геометрическое отбрасывание (3D‑модель) или отказ от соответствующих спутников; без этого возможны остаточные смещения.
Коротко: мультипути в городе — источник систематических смещений и коррелированного шума; сочетание аппаратных средств (антенна, многодиапазон), фильтрации по качеству, адаптивной оценки (robust KF), carrier‑smoothing и использования 3D‑моделей/датчиков движения даёт наилучшее практическое улучшение надежности координат.