4. 卫星导航基础：GPS/北斗信号结构，伪距与载波相位观测方程，单点定位原理，最小二乘定位解算
各位同学，今天咱们聊聊卫星导航的根基。说实话，搞组合导航这么多年，我见过太多人一上来就扑到卡尔曼滤波上，结果连伪距和载波相位都分不清。嗯，这不行。地基打不牢，楼盖得再高也得塌。
我个人习惯，讲卫星导航之前，先让大家明白一件事：卫星到底在发什么？我们怎么用它来算位置？
4.1 GPS/北斗信号结构
GPS和北斗的信号，说白了就是电磁波。但这不是普通的电磁波，它上面「驮」着三样东西：载波、测距码、导航电文。
- 载波：就是那个高频正弦波。GPS的L1频率是1575.42 MHz，L2是1227.60 MHz。北斗的B1I是1561.098 MHz。频率越高，测距精度理论上越好，但穿透性差。
- 测距码：也叫伪随机噪声码（PRN）。GPS的C/A码速率1.023 MHz，码长1023个码片，周期1毫秒。北斗的B1I码速率2.046 MHz。这个码是干嘛用的？用来测量卫星到接收机的距离。
- 导航电文：包含卫星的轨道参数（星历）、时钟修正参数、电离层修正参数等。没有这些，你就算测出了距离，也不知道卫星在哪。
核心要点：信号结构决定了你能测什么、能测多准。载波相位精度高但有整周模糊度，伪距精度低但无模糊度。这就是后面紧组合里要用到的互补特性。
我记得刚入行时，有个老工程师跟我说：「小伙子，别小看信号结构。你连卫星发的是啥都不知道，怎么敢做定位？」后来我在一个车载项目里，因为没注意北斗B1I和B2I的码速率差异，导致伪距测量偏差，定位结果飘了十几米。嗯，从那以后，我再也不敢跳过信号结构这一节。
4.2 伪距与载波相位观测方程
好，现在卫星信号到了接收机。我们怎么用它算距离？
伪距观测方程：
ρ = r + c·(δt_u - δt_s) + I + T + ε_ρ其中：
- ρ：伪距测量值（米）
- r：卫星到接收机的几何距离（米）
- c：光速（299792458 m/s）
- δt_u：接收机钟差（秒）
- δt_s：卫星钟差（秒）
- I：电离层延迟（米）
- T：对流层延迟（米）
- ε_ρ：伪距测量噪声（米）
你想想看，伪距为什么叫「伪」？因为它不是真实距离，里面掺杂了钟差、大气延迟等各种误差。说白了，伪距就是「带误差的测量值」。
载波相位观测方程：
φ = (r + c·(δt_u - δt_s) - I + T) / λ + N + ε_φ其中：
- φ：载波相位测量值（周）
- λ：载波波长（米）
- N：整周模糊度（整数）
- ε_φ：载波相位测量噪声（周）
注意看，电离层延迟在伪距里是加号，在载波相位里是减号。为什么？因为电离层对码和载波的影响是相反的。这个特性在双频组合里非常有用。
实战经验：我在做高精度定位时，伪距用来解算初始位置和钟差，载波相位用来做厘米级定位。但载波相位有个麻烦——整周模糊度N。你想想看，你只知道相位的小数部分，不知道整数部分是多少。这就好比你知道现在是0.3秒，但不知道是第几秒。怎么解？这就是后面要讲的模糊度固定问题。
4.3 单点定位原理
单点定位，也叫绝对定位。就是只用一台接收机，接收卫星信号，算出自己的位置。
原理其实很简单：
- 已知卫星的位置（从导航电文里解出来）
- 测量卫星到接收机的距离（伪距）
- 以卫星为球心，距离为半径画球
- 多个球相交的点，就是接收机的位置
但这里有个坑：接收机钟差是未知的。所以实际上我们有4个未知数：三维位置（x, y, z）加上钟差δt_u。因此至少需要4颗卫星才能解算。
注意：单点定位的精度一般在米级（5-15米），受大气延迟、卫星轨道误差、多径效应等影响。如果你想要厘米级精度，单点定位是不够的，需要差分定位或RTK。
我曾经在测试一个车载导航系统时，发现定位结果总是偏东3米。查了半天，原来是卫星星历里的轨道参数有误差。嗯，单点定位就是这样，你只能依赖卫星播发的信息，自己没法修正。
4.4 最小二乘定位解算
好，现在我们有4颗以上的卫星，每个卫星都有一个伪距方程。怎么解？
最小二乘法。说白了，就是找一组位置和钟差，使得所有卫星的伪距残差平方和最小。
解算步骤：
- 线性化：伪距方程是非线性的，需要泰勒展开，取一阶近似。
- 构建观测矩阵：H矩阵，每行对应一颗卫星的方向余弦。
- 计算残差：测量伪距减去计算伪距。
- 求解增量：Δx = (H^T·H)^{-1}·H^T·Δρ
- 更新状态：x = x_0 + Δx
- 迭代：重复2-5步，直到收敛。
代码实现（伪代码）：
function least_squares_positioning(sat_positions, pseudoranges):
x = [0, 0, 0, 0] # 初始位置和钟差
for iter in range(10):
H = []
delta_rho = []
for i in range(len(sat_positions)):
r = norm(sat_positions[i] - x[0:3])
rho_calc = r + x[3] # 计算伪距
H_row = [-(sat_positions[i][0] - x[0])/r,
-(sat_positions[i][1] - x[1])/r,
-(sat_positions[i][2] - x[2])/r, 1]
H.append(H_row)
delta_rho.append(pseudoranges[i] - rho_calc)
H = matrix(H)
delta_rho = vector(delta_rho)
delta_x = (H^T * H)^(-1) * H^T * delta_rho
x = x + delta_x
if norm(delta_x) < 1e-4:
break
return x[0:3], x[3] # 位置和钟差关键点：H^T·H矩阵的逆是否存在，取决于卫星的几何分布。如果卫星都挤在一起，矩阵会奇异，解算结果不可靠。这就是为什么我们常说「GDOP（几何精度因子）」要小。
我个人习惯，在解算前先检查一下卫星数量和几何分布。如果GDOP大于5，我建议你等一等，或者换一组卫星。曾经有个项目，在峡谷里测试，卫星信号被遮挡，只剩4颗星，GDOP高达8，定位结果跳来跳去。后来加了惯性导航辅助，才稳住。
4.5 本章知识体系
下面这张图，是我自己画的，把本章的核心逻辑串起来了。你仔细看看，信号结构是基础，观测方程是桥梁，单点定位是目标，最小二乘是工具。四者缺一不可。
好了，这一章的内容就这些。信号结构是基础，观测方程是核心，单点定位是应用，最小二乘是算法。你把这四块吃透了，后面讲紧组合、松组合、深组合，你才能跟得上。
我的建议：学完这一章，你最好自己动手写一个最小二乘定位程序。用真实的卫星数据跑一遍，看看定位结果和真实位置差多少。纸上得来终觉浅，绝知此事要躬行。
公众号:蓝海资料掘金营，微信deep3321