论文引用信息本文内容基于以下SPIE会议论文Zixia Shang, “Off-line Data Processing Based on GNSSLOGGER, GNSS System Positioning Data Quality and Accuracy Analysis,”Fourth International Conference on Geology, Mapping, and Remote Sensing (ICGMRS 2023), Wuhan, China, 14-16 April 2023.Proceedings of SPIE, Vol. 12978. DOI: 10.1117/12.3019575论文实验数据已上传至GitHubhttps://github.com/ZixiaShang/GNSSLOGGER-Data-8多GNSS系统定位对比单系统与融合系统精度分析一、引言为什么需要多系统融合在系列的前四篇文章中我们完成了GNSS数据采集、质量分析、Fix记录提取以及轨迹可视化。我们已经能够在地图上看到清晰的“字母S”形轨迹并且直观地感受到FLP融合定位比GPS纯GNSS定位更加平滑。但视觉上的平滑不等于科学上的精度。我们需要定量地回答以下问题GPS单系统的定位误差有多大FLP融合系统相比GPS单系统精度提升了多少不同设备Xiaomi vs Huawei的定位精度差异有多大不同环境建筑物群 vs 开阔操场对精度的影响有多显著论文第三章和第五章正是围绕这些问题展开的。本文将基于论文中的实验数据和分析系统对比单系统与多系统融合的定位精度并提供MATLAB代码实现定量误差计算。二、单系统与多系统概述2.1 四大GNSS系统概况目前全球共有70-80颗可供GNSS使用的在轨卫星请以官方文件为主GEO变MEO这事鬼知道咋回事儿系统运营方在轨卫星数特点GPS美国24颗最成熟全球覆盖Galileo欧盟21颗高精度民用服务GLONASS俄罗斯17颗高纬度地区几何更强BeiDouBDS中国35颗5 GEO 3 IGSO 27 MEO亚太地区优势明显2.2 单系统的局限性单一GNSS系统在恶劣观测环境下存在明显的精度瓶颈可见卫星数量有限在城市峡谷、建筑物遮挡等场景下单系统可见卫星可能不足4颗无法实现稳定3D定位几何构型不佳卫星分布不均匀时PDOP位置精度衰减因子值增大定位精度下降系统间精度差异显著不同系统的广播星历精度、信号质量存在差异2.3 多系统融合的优势多系统融合通过联合使用多个GNSS系统的观测数据可以增加可见卫星数量显著提高定位可用性和可靠性改善卫星几何构型降低PDOP值提高定位精度缩短收敛时间尤其在精密单点定位PPP中效果明显减少定位结果抖动融合系统比单系统更稳定三、论文实验设计回顾3.1 实验设备与配置论文共进行了8组实验涉及3款设备设备型号平台版本制造商Xiaomi 22041216CAndroid 12 / GNSSLogger v3.0.5.6XiaomiXiaomi M2007J17CAndroid 12 / GNSSLogger v3.0.5.6XiaomiHUAWEI DBY-W09Android 12 / GNSSLogger v3.0.5.6Huawei3.2 实验环境环境类型实验编号地点轨迹形状建筑物群内1, 3, 4, 5, 6UNSW Law Library / Village Fields字母S/Z扭曲开阔操场2, 7, 8Centennial Parklands / Village Fields字母S清晰3.3 三种定位Provider如前几篇所述Fix行中的Provider字段记录了三种定位来源Provider全称说明GPSGNSS Location Provider纯GNSS卫星定位单系统NLPNetwork Location Provider基站Wi-Fi定位FLPFused Location Provider多GNSS融合定位多系统四、卫星信号接收能力对比4.1 各设备可接收的GNSS系统论文通过GNSSAnalysis分析了各设备可接收的卫星信号实验设备GPSGLONASSGalileoBeiDou2-28-1Xiaomi 22041216C✅✅✅✅3-08-3HUAWEI DBY-W09✅✅❌✅3-08-4Xiaomi M2007J17C✅✅✅✅关键观察Xiaomi设备支持全部四大系统可实现真正的四系统融合Huawei设备不支持Galileo融合能力受限仅三系统GPS和北斗信号普遍优于其他系统4.2 信号功率对比论文中GNSSAnalysis分析的各系统前四强卫星信号功率C/No数据显示GPS和BDS在卫星信号强度方面优于GLONASS和GalileoXiaomi接收器的信号接收能力优于Huawei接收器信号功率直接影响伪距测量精度和定位结果可靠性4.3 对定位精度的影响设备可接收的系统数量直接影响融合定位的效果Xiaomi设备四系统→ FLP融合效果最佳Huawei设备三系统缺Galileo→ FLP融合效果受限五、伪距误差分析5.1 伪距误差与C/No论文通过伪距误差图和载波噪声密度C/No图评估信道质量C/No越高表示卫星信道质量越好伪距误差越接近0表示定位越准确两者都能客观反映卫星信道的质量5.2 不同环境下的误差对比图号设备环境信道质量伪距误差C/No25, 28Xiaomi建筑物群内差波动大低27, 29Xiaomi室外操场好波动小高26, 30Huawei室外操场中波动小但绝对值大中关键发现环境是首要因素建筑物群内的信号质量远低于开阔操场硬件差异显著Huawei设备虽在室外但芯片质量导致误差较大算法可弥补部分不足Huawei设备伪距误差波动小可通过算法改善5.3 卡尔曼滤波的效果论文对比了原始伪距坐标和经卡尔曼滤波处理后的坐标滤波后的坐标跳变更少轨迹更平滑在建筑物密集区域滤波效果更为明显这表明即使硬件和信道条件有限优秀的算法也能显著提升定位精度。六、精度量化对比6.1 定性对比轨迹平滑度从论文的轨迹图Figure 19-24可以观察到对比维度GPS单系统FLP融合系统轨迹跳变多少轨迹平滑度较差较好信号丢失时的表现大幅漂移相对稳定建筑物群内表现严重扭曲扭曲但相对连续6.2 定量误差分析思路虽然当年2022年初的写的论文未给出具体的RMS数值但我们可以从数据中计算。以下是计算GPS与FLP定位精度的MATLAB代码%% % 文件名compare_gnss_accuracy.m% 功能对比GPS单系统与FLP融合系统的定位精度% 参考论文第五章 - GNSS error analysis% clear;clc;close all;%% -------------------- 1. 加载数据 --------------------load(gnss_parsed_data.mat,FLP_data,GPS_data);% 提取经纬度列顺序[Lat, Lon, Alt, Speed, Accuracy]lat_FLPFLP_data(:,1);lon_FLPFLP_data(:,2);alt_FLPFLP_data(:,3);acc_FLPFLP_data(:,5);% 精度米lat_GPSGPS_data(:,1);lon_GPSGPS_data(:,2);alt_GPSGPS_data(:,3);acc_GPSGPS_data(:,5);% 精度米%% -------------------- 2. 计算统计指标 --------------------% 精度Accuracy字段的统计分析mean_acc_GPSmean(acc_GPS);std_acc_GPSstd(acc_GPS);rms_acc_GPSsqrt(mean(acc_GPS.^2));mean_acc_FLPmean(acc_FLP);std_acc_FLPstd(acc_FLP);rms_acc_FLPsqrt(mean(acc_FLP.^2));% 精度提升百分比improvement(rms_acc_GPS-rms_acc_FLP)/rms_acc_GPS*100;fprintf( 定位精度统计 \n);fprintf(GPS (单系统):\n);fprintf( 平均精度: %.3f m\n,mean_acc_GPS);fprintf( 标准差: %.3f m\n,std_acc_GPS);fprintf( RMS: %.3f m\n,rms_acc_GPS);fprintf(\n);fprintf(FLP (融合系统):\n);fprintf( 平均精度: %.3f m\n,mean_acc_FLP);fprintf( 标准差: %.3f m\n,std_acc_FLP);fprintf( RMS: %.3f m\n,rms_acc_FLP);fprintf(\n);fprintf(精度提升: %.1f%%\n,improvement);6.3 误差分布可视化%% -------------------- 3. 误差分布对比 --------------------figure(Position,[100,100,1200,500]);% 子图1精度直方图对比subplot(1,2,1);histogram(acc_GPS,50,FaceColor,[0.8,0.3,0.3],EdgeAlpha,0.3,...DisplayName,GPS (单系统));hold on;histogram(acc_FLP,50,FaceColor,[0.3,0.3,0.8],EdgeAlpha,0.3,...DisplayName,FLP (融合系统));xlabel(定位精度 (米));ylabel(频次);legend(Location,best);title(精度分布对比);grid on;% 子图2箱线图对比subplot(1,2,2);data[acc_GPS;acc_FLP];group[ones(size(acc_GPS));2*ones(size(acc_FLP))];boxplot(data,group,Labels,{GPS,FLP});ylabel(定位精度 (米));title(精度箱线图对比);grid on;sgtitle(单系统 vs 融合系统 定位精度对比);6.4 时间序列误差分析%% -------------------- 4. 时间序列误差分析 --------------------% 假设数据点按时间顺序排列% 计算滑动窗口内的平均精度windowSize100;% 滑动窗口大小% GPS滑动平均smooth_acc_GPSmovmean(acc_GPS,windowSize);smooth_acc_FLPmovmean(acc_FLP,windowSize);figure;plot(smooth_acc_GPS,r-,LineWidth,1.5,DisplayName,GPS (单系统));hold on;plot(smooth_acc_FLP,b-,LineWidth,1.5,DisplayName,FLP (融合系统));xlabel(采样点序号);ylabel(滑动平均精度 (米));legend(Location,best);title(sprintf(定位精度时间序列对比 (窗口%d),windowSize));grid on;% 计算FLP比GPS稳定的程度方差比var_ratiovar(acc_FLP)/var(acc_GPS);fprintf(FLP方差 / GPS方差 %.3f (越小越稳定)\n,var_ratio);七、不同设备的精度对比7.1 设备间对比论文中的实验数据显示不同设备的定位精度存在显著差异设备支持系统数信号质量伪距误差综合表现Xiaomi 22041216C4GPSGLOGALBDS优小最佳Xiaomi M2007J17C4GPSGLOGALBDS优小最佳HUAWEI DBY-W093GPSGLOBDS中波动小但绝对值大中等7.2 设备间对比代码%% -------------------- 5. 设备间精度对比 --------------------% 假设有多个设备的数据% device_labels {Xiaomi A, Xiaomi B, Huawei};% device_acc {acc_device1, acc_device2, acc_device3};% 计算各设备的RMS精度% for i 1:length(device_labels)% rms_devices(i) sqrt(mean(device_acc{i}.^2));% end% 绘制柱状图对比% figure;% bar(rms_devices);% set(gca, XTickLabel, device_labels);% ylabel(RMS精度 (米));% title(不同设备定位精度对比);八、精度提升的机理分析8.1 为什么融合系统更精确多系统融合提升精度的核心机理1. 可见卫星数量增加场景GPS单系统四系统融合开阔环境8-12颗25-35颗城市峡谷3-6颗10-18颗室内/高遮挡0-2颗3-8颗更多卫星意味着冗余观测可检测和剔除粗差几何构型更优PDOP值更低定位可用性大幅提升2. 系统间偏差ISB的合理处理不同系统的时间基准和坐标基准存在差异但通过合理建模可以消除这些偏差实现无缝融合。3. 信号互补GPS在低纬度地区表现好GLONASS在高纬度地区几何更强BDS在亚太地区信号更优Galileo信号稳定民用服务精度高多系统融合可以实现全球范围内的一致高精度。九、实际应用建议基于论文的分析结论以下是实际应用中的建议9.1 设备选择建议需求场景推荐设备原因高精度研究Xiaomi旗舰机支持四系统信号质量优一般导航任意支持原始GNSS的设备FLP已能满足日常需求成本敏感中端Android设备基础FLP功能可用9.2 环境应对策略环境策略开阔环境单系统GPS已足够FLP锦上添花城市峡谷必须使用FLP否则定位不可靠室内/高遮挡FLP 卡尔曼滤波尽可能改善高动态场景FLP 传感器融合IMU9.3 算法优化建议优先使用FLP数据论文已证明其精度和稳定性优于GPS应用卡尔曼滤波可显著减少跳变平滑轨迹结合C/No进行质量控制低C/No的观测值应降权或剔除十、总结本文基于论文的实验数据系统对比了单系统GPS与多系统融合FLP的定位精度核心结论对比维度GPS单系统FLP融合系统提升效果可见卫星数少多3-4倍⬆️ 显著增加轨迹平滑度差好⬆️ 明显改善信号丢失时表现大幅漂移相对稳定⬆️ 鲁棒性增强建筑物群内表现严重扭曲扭曲但连续⬆️ 可用性提升论文最终结论“在无法改善信道质量或硬件设备的情况下使用组合GNSS系统可以大幅提高GNSS定位的精度和连续性。”这一结论清晰地回答了本系列的核心问题多系统融合不是锦上添花而是在复杂环境下实现可靠定位的必要手段。十一、下一步预告本文是“GNSS数据采集、处理与可视化全流程”系列的第五篇。在下一篇文章中我们将完成全流程复盘提供一套完整的工程化脚本和最佳实践建议将前五篇的所有技术串联成一个可部署的数据处理流水线。十二、参考资料Zixia Shang, “Off-line Data Processing Based on GNSSLOGGER, GNSS System Positioning Data Quality and Accuracy Analysis,”Proceedings of SPIE, Vol. 12978, 2024. DOI: 10.1117/12.3019575GNSS 原始测量数据 | Android DevelopersMATLAB Mapping Toolbox文档论文实验数据https://github.com/ZixiaShang/GNSSLOGGER-Data-8 系列文章索引第一篇Android GNSS数据采集入门GNSSLogger完整配置指南第二篇GNSS数据解析与质量分析从GNSSAnalysis到MATLAB第三篇MATLAB读取GNSSLogger数据Fix记录筛选与提取实战第四篇MATLAB地理轨迹可视化基于速度的分段彩色地图绘制间章GNSS轨迹数据的向量化处理——从时间序列到地理形状第五篇多GNSS系统定位对比单系统与融合系统精度分析本文第六篇GNSS数据处理全流程复盘从手机到地图的完整链路待续
【GNSS】多GNSS系统定位对比：单系统与融合系统精度分析
论文引用信息本文内容基于以下SPIE会议论文Zixia Shang, “Off-line Data Processing Based on GNSSLOGGER, GNSS System Positioning Data Quality and Accuracy Analysis,”Fourth International Conference on Geology, Mapping, and Remote Sensing (ICGMRS 2023), Wuhan, China, 14-16 April 2023.Proceedings of SPIE, Vol. 12978. DOI: 10.1117/12.3019575论文实验数据已上传至GitHubhttps://github.com/ZixiaShang/GNSSLOGGER-Data-8多GNSS系统定位对比单系统与融合系统精度分析一、引言为什么需要多系统融合在系列的前四篇文章中我们完成了GNSS数据采集、质量分析、Fix记录提取以及轨迹可视化。我们已经能够在地图上看到清晰的“字母S”形轨迹并且直观地感受到FLP融合定位比GPS纯GNSS定位更加平滑。但视觉上的平滑不等于科学上的精度。我们需要定量地回答以下问题GPS单系统的定位误差有多大FLP融合系统相比GPS单系统精度提升了多少不同设备Xiaomi vs Huawei的定位精度差异有多大不同环境建筑物群 vs 开阔操场对精度的影响有多显著论文第三章和第五章正是围绕这些问题展开的。本文将基于论文中的实验数据和分析系统对比单系统与多系统融合的定位精度并提供MATLAB代码实现定量误差计算。二、单系统与多系统概述2.1 四大GNSS系统概况目前全球共有70-80颗可供GNSS使用的在轨卫星请以官方文件为主GEO变MEO这事鬼知道咋回事儿系统运营方在轨卫星数特点GPS美国24颗最成熟全球覆盖Galileo欧盟21颗高精度民用服务GLONASS俄罗斯17颗高纬度地区几何更强BeiDouBDS中国35颗5 GEO 3 IGSO 27 MEO亚太地区优势明显2.2 单系统的局限性单一GNSS系统在恶劣观测环境下存在明显的精度瓶颈可见卫星数量有限在城市峡谷、建筑物遮挡等场景下单系统可见卫星可能不足4颗无法实现稳定3D定位几何构型不佳卫星分布不均匀时PDOP位置精度衰减因子值增大定位精度下降系统间精度差异显著不同系统的广播星历精度、信号质量存在差异2.3 多系统融合的优势多系统融合通过联合使用多个GNSS系统的观测数据可以增加可见卫星数量显著提高定位可用性和可靠性改善卫星几何构型降低PDOP值提高定位精度缩短收敛时间尤其在精密单点定位PPP中效果明显减少定位结果抖动融合系统比单系统更稳定三、论文实验设计回顾3.1 实验设备与配置论文共进行了8组实验涉及3款设备设备型号平台版本制造商Xiaomi 22041216CAndroid 12 / GNSSLogger v3.0.5.6XiaomiXiaomi M2007J17CAndroid 12 / GNSSLogger v3.0.5.6XiaomiHUAWEI DBY-W09Android 12 / GNSSLogger v3.0.5.6Huawei3.2 实验环境环境类型实验编号地点轨迹形状建筑物群内1, 3, 4, 5, 6UNSW Law Library / Village Fields字母S/Z扭曲开阔操场2, 7, 8Centennial Parklands / Village Fields字母S清晰3.3 三种定位Provider如前几篇所述Fix行中的Provider字段记录了三种定位来源Provider全称说明GPSGNSS Location Provider纯GNSS卫星定位单系统NLPNetwork Location Provider基站Wi-Fi定位FLPFused Location Provider多GNSS融合定位多系统四、卫星信号接收能力对比4.1 各设备可接收的GNSS系统论文通过GNSSAnalysis分析了各设备可接收的卫星信号实验设备GPSGLONASSGalileoBeiDou2-28-1Xiaomi 22041216C✅✅✅✅3-08-3HUAWEI DBY-W09✅✅❌✅3-08-4Xiaomi M2007J17C✅✅✅✅关键观察Xiaomi设备支持全部四大系统可实现真正的四系统融合Huawei设备不支持Galileo融合能力受限仅三系统GPS和北斗信号普遍优于其他系统4.2 信号功率对比论文中GNSSAnalysis分析的各系统前四强卫星信号功率C/No数据显示GPS和BDS在卫星信号强度方面优于GLONASS和GalileoXiaomi接收器的信号接收能力优于Huawei接收器信号功率直接影响伪距测量精度和定位结果可靠性4.3 对定位精度的影响设备可接收的系统数量直接影响融合定位的效果Xiaomi设备四系统→ FLP融合效果最佳Huawei设备三系统缺Galileo→ FLP融合效果受限五、伪距误差分析5.1 伪距误差与C/No论文通过伪距误差图和载波噪声密度C/No图评估信道质量C/No越高表示卫星信道质量越好伪距误差越接近0表示定位越准确两者都能客观反映卫星信道的质量5.2 不同环境下的误差对比图号设备环境信道质量伪距误差C/No25, 28Xiaomi建筑物群内差波动大低27, 29Xiaomi室外操场好波动小高26, 30Huawei室外操场中波动小但绝对值大中关键发现环境是首要因素建筑物群内的信号质量远低于开阔操场硬件差异显著Huawei设备虽在室外但芯片质量导致误差较大算法可弥补部分不足Huawei设备伪距误差波动小可通过算法改善5.3 卡尔曼滤波的效果论文对比了原始伪距坐标和经卡尔曼滤波处理后的坐标滤波后的坐标跳变更少轨迹更平滑在建筑物密集区域滤波效果更为明显这表明即使硬件和信道条件有限优秀的算法也能显著提升定位精度。六、精度量化对比6.1 定性对比轨迹平滑度从论文的轨迹图Figure 19-24可以观察到对比维度GPS单系统FLP融合系统轨迹跳变多少轨迹平滑度较差较好信号丢失时的表现大幅漂移相对稳定建筑物群内表现严重扭曲扭曲但相对连续6.2 定量误差分析思路虽然当年2022年初的写的论文未给出具体的RMS数值但我们可以从数据中计算。以下是计算GPS与FLP定位精度的MATLAB代码%% % 文件名compare_gnss_accuracy.m% 功能对比GPS单系统与FLP融合系统的定位精度% 参考论文第五章 - GNSS error analysis% clear;clc;close all;%% -------------------- 1. 加载数据 --------------------load(gnss_parsed_data.mat,FLP_data,GPS_data);% 提取经纬度列顺序[Lat, Lon, Alt, Speed, Accuracy]lat_FLPFLP_data(:,1);lon_FLPFLP_data(:,2);alt_FLPFLP_data(:,3);acc_FLPFLP_data(:,5);% 精度米lat_GPSGPS_data(:,1);lon_GPSGPS_data(:,2);alt_GPSGPS_data(:,3);acc_GPSGPS_data(:,5);% 精度米%% -------------------- 2. 计算统计指标 --------------------% 精度Accuracy字段的统计分析mean_acc_GPSmean(acc_GPS);std_acc_GPSstd(acc_GPS);rms_acc_GPSsqrt(mean(acc_GPS.^2));mean_acc_FLPmean(acc_FLP);std_acc_FLPstd(acc_FLP);rms_acc_FLPsqrt(mean(acc_FLP.^2));% 精度提升百分比improvement(rms_acc_GPS-rms_acc_FLP)/rms_acc_GPS*100;fprintf( 定位精度统计 \n);fprintf(GPS (单系统):\n);fprintf( 平均精度: %.3f m\n,mean_acc_GPS);fprintf( 标准差: %.3f m\n,std_acc_GPS);fprintf( RMS: %.3f m\n,rms_acc_GPS);fprintf(\n);fprintf(FLP (融合系统):\n);fprintf( 平均精度: %.3f m\n,mean_acc_FLP);fprintf( 标准差: %.3f m\n,std_acc_FLP);fprintf( RMS: %.3f m\n,rms_acc_FLP);fprintf(\n);fprintf(精度提升: %.1f%%\n,improvement);6.3 误差分布可视化%% -------------------- 3. 误差分布对比 --------------------figure(Position,[100,100,1200,500]);% 子图1精度直方图对比subplot(1,2,1);histogram(acc_GPS,50,FaceColor,[0.8,0.3,0.3],EdgeAlpha,0.3,...DisplayName,GPS (单系统));hold on;histogram(acc_FLP,50,FaceColor,[0.3,0.3,0.8],EdgeAlpha,0.3,...DisplayName,FLP (融合系统));xlabel(定位精度 (米));ylabel(频次);legend(Location,best);title(精度分布对比);grid on;% 子图2箱线图对比subplot(1,2,2);data[acc_GPS;acc_FLP];group[ones(size(acc_GPS));2*ones(size(acc_FLP))];boxplot(data,group,Labels,{GPS,FLP});ylabel(定位精度 (米));title(精度箱线图对比);grid on;sgtitle(单系统 vs 融合系统 定位精度对比);6.4 时间序列误差分析%% -------------------- 4. 时间序列误差分析 --------------------% 假设数据点按时间顺序排列% 计算滑动窗口内的平均精度windowSize100;% 滑动窗口大小% GPS滑动平均smooth_acc_GPSmovmean(acc_GPS,windowSize);smooth_acc_FLPmovmean(acc_FLP,windowSize);figure;plot(smooth_acc_GPS,r-,LineWidth,1.5,DisplayName,GPS (单系统));hold on;plot(smooth_acc_FLP,b-,LineWidth,1.5,DisplayName,FLP (融合系统));xlabel(采样点序号);ylabel(滑动平均精度 (米));legend(Location,best);title(sprintf(定位精度时间序列对比 (窗口%d),windowSize));grid on;% 计算FLP比GPS稳定的程度方差比var_ratiovar(acc_FLP)/var(acc_GPS);fprintf(FLP方差 / GPS方差 %.3f (越小越稳定)\n,var_ratio);七、不同设备的精度对比7.1 设备间对比论文中的实验数据显示不同设备的定位精度存在显著差异设备支持系统数信号质量伪距误差综合表现Xiaomi 22041216C4GPSGLOGALBDS优小最佳Xiaomi M2007J17C4GPSGLOGALBDS优小最佳HUAWEI DBY-W093GPSGLOBDS中波动小但绝对值大中等7.2 设备间对比代码%% -------------------- 5. 设备间精度对比 --------------------% 假设有多个设备的数据% device_labels {Xiaomi A, Xiaomi B, Huawei};% device_acc {acc_device1, acc_device2, acc_device3};% 计算各设备的RMS精度% for i 1:length(device_labels)% rms_devices(i) sqrt(mean(device_acc{i}.^2));% end% 绘制柱状图对比% figure;% bar(rms_devices);% set(gca, XTickLabel, device_labels);% ylabel(RMS精度 (米));% title(不同设备定位精度对比);八、精度提升的机理分析8.1 为什么融合系统更精确多系统融合提升精度的核心机理1. 可见卫星数量增加场景GPS单系统四系统融合开阔环境8-12颗25-35颗城市峡谷3-6颗10-18颗室内/高遮挡0-2颗3-8颗更多卫星意味着冗余观测可检测和剔除粗差几何构型更优PDOP值更低定位可用性大幅提升2. 系统间偏差ISB的合理处理不同系统的时间基准和坐标基准存在差异但通过合理建模可以消除这些偏差实现无缝融合。3. 信号互补GPS在低纬度地区表现好GLONASS在高纬度地区几何更强BDS在亚太地区信号更优Galileo信号稳定民用服务精度高多系统融合可以实现全球范围内的一致高精度。九、实际应用建议基于论文的分析结论以下是实际应用中的建议9.1 设备选择建议需求场景推荐设备原因高精度研究Xiaomi旗舰机支持四系统信号质量优一般导航任意支持原始GNSS的设备FLP已能满足日常需求成本敏感中端Android设备基础FLP功能可用9.2 环境应对策略环境策略开阔环境单系统GPS已足够FLP锦上添花城市峡谷必须使用FLP否则定位不可靠室内/高遮挡FLP 卡尔曼滤波尽可能改善高动态场景FLP 传感器融合IMU9.3 算法优化建议优先使用FLP数据论文已证明其精度和稳定性优于GPS应用卡尔曼滤波可显著减少跳变平滑轨迹结合C/No进行质量控制低C/No的观测值应降权或剔除十、总结本文基于论文的实验数据系统对比了单系统GPS与多系统融合FLP的定位精度核心结论对比维度GPS单系统FLP融合系统提升效果可见卫星数少多3-4倍⬆️ 显著增加轨迹平滑度差好⬆️ 明显改善信号丢失时表现大幅漂移相对稳定⬆️ 鲁棒性增强建筑物群内表现严重扭曲扭曲但连续⬆️ 可用性提升论文最终结论“在无法改善信道质量或硬件设备的情况下使用组合GNSS系统可以大幅提高GNSS定位的精度和连续性。”这一结论清晰地回答了本系列的核心问题多系统融合不是锦上添花而是在复杂环境下实现可靠定位的必要手段。十一、下一步预告本文是“GNSS数据采集、处理与可视化全流程”系列的第五篇。在下一篇文章中我们将完成全流程复盘提供一套完整的工程化脚本和最佳实践建议将前五篇的所有技术串联成一个可部署的数据处理流水线。十二、参考资料Zixia Shang, “Off-line Data Processing Based on GNSSLOGGER, GNSS System Positioning Data Quality and Accuracy Analysis,”Proceedings of SPIE, Vol. 12978, 2024. DOI: 10.1117/12.3019575GNSS 原始测量数据 | Android DevelopersMATLAB Mapping Toolbox文档论文实验数据https://github.com/ZixiaShang/GNSSLOGGER-Data-8 系列文章索引第一篇Android GNSS数据采集入门GNSSLogger完整配置指南第二篇GNSS数据解析与质量分析从GNSSAnalysis到MATLAB第三篇MATLAB读取GNSSLogger数据Fix记录筛选与提取实战第四篇MATLAB地理轨迹可视化基于速度的分段彩色地图绘制间章GNSS轨迹数据的向量化处理——从时间序列到地理形状第五篇多GNSS系统定位对比单系统与融合系统精度分析本文第六篇GNSS数据处理全流程复盘从手机到地图的完整链路待续
