In den urbanen Schluchten moderner Megastädte ist die dominierende Ursache für GNSS-Positionsfehler nicht atmosphärische Verzögerung, Satellitentaktversatz oder Ephemeridenungenauigkeit; ist esMultipath. Wenn Satellitensignale von Gebäuden, Fahrzeugen und Asphalt reflektiert werden, bevor sie die Empfängerantenne erreichen, korrumpieren die daraus resultierenden verzögerten Repliken den Korrelationsprozess und führen zu Positionsfehlern, die in schweren Fällen 10 Meter überschreiten können.
Für Anwendungen, die Genauigkeit auf Zentimeterebene, autonome Fahrzeugspurhaltung, Drohnennavigation und präzise Vermessung erfordern, ist Mehrwege-Minderung keine Leistungssteigerung, sondern eine grundlegende Voraussetzung. Dieser Artikel untersucht die Physik der Mehrwege-Ausbreitung, klassische Minderungstechniken und die Algorithmen der nächsten Generation, die die Genauigkeit der urbanen Positionierung an neue Grenzen treiben.
Die Physik des urbanen Multipaths
Multipath tritt auf, wenn ein GNSS-Signal über mehrere Pfade beim Empfänger ankommt: dem direkten Sichtlinienpfad und einem oder mehreren reflektierten Pfaden. In städtischen Umgebungen sind überall reflektierende Oberflächen; Glasvorhangwände, Metallkarosserien, nasser Belag und Betonstrukturen erzeugen alle verzögerte Signalreplikaen mit komplexen Phasenbeziehungen.
- Kurzzeit-Multipath:Reflexionen von nahegelegenen Oberflächen (Fahrzeuge, Fußgänger) treffen innerhalb von 50 Nanosekunden nach dem direkten Signal ein, verzerren den Korrelationspeak und erzeugen Submeter-Verspannungen, die schwer zu erkennen sind.
- Langzeit-Multipath:Reflexionen von entfernten Gebäuden können Hunderte von Nanosekunden zu spät ankommen und deutliche sekundäre Korrelationsspitzen erzeugen, die fortschrittliche Empfänger identifizieren und ausschließen können.
- Frequenzabhängigkeit:L5-Signale bieten mit ihrer 10,23-MHz-Chipping-Rate schärfere Korrelationsspitzen als L1-Signale, was L5 von Natur aus widerstandsfähiger gegen kurzzeitige Multipath-Signale macht – ein Hauptgrund, warum moderne Empfänger Multiband-Architekturen priorisieren.
In der Innenstadt von Shanghai oder Manhattan bildet Multipath keine Ausnahme; Es ist der normale Betriebszustand. Ein Empfänger, der ausschließlich für die Leistung im offenen Himmel ausgelegt ist, wird in diesen Umgebungen katastrophal ausfallen.
Klassische Abmilderungstechniken
GNSS-Empfänger-Designer haben zahlreiche Techniken entwickelt, um Multipath zu bekämpfen, wobei jede unterschiedliche Abwägungen zwischen Effektivität, Rechenaufwand und Hardwarekomplexität aufweist.
Enge Korrelatorabstände:Durch das Abtasten der Korrelationsfunktion bei eng gelegenen Versätzen um den Peak (0,1 Chip-Abstand statt des traditionellen 0,5-Chips) können Empfänger Direktweg-Peaks besser von den breiteren, verzerrten Peaks unterscheiden, die durch Multipath erzeugt werden. Diese Technik bietet eine 3- bis 5-fache Verbesserung des Mehrwegfehlers, erfordert jedoch höhere Abtastraten und Verarbeitungsbandbreite.
Mehrweg-Schätzverzögerungs-Lock-Loop (MEDLL):Dieser fortschrittliche Tracking-Algorithmus modelliert das empfangene Signal als Summe aus direkten und reflektierten Komponenten und schätzt Verzögerung, Amplitude und Phase jedes Weges. Durch Rekonstruktion und Subtrahierung von Mehrwegekomponenten kann MEDLL städtische Positionsfehler im Vergleich zu Standardkorrelatoren um bis zu 70 % reduzieren.
KI-unterstützte Minderung der nächsten Generation
Neue Ansätze nutzen maschinelles Lernen, um Multipath auf eine Weise zu adressieren, wie es klassische Algorithmen nicht können. Durch das Training neuronaler Netze auf beschrifteten Datensätzen bekannter Mehrwegbedingungen können Empfänger anhand des Umweltkontexts vorhersagen, welche Satelliten wahrscheinlich kontaminiert sind; städtische Canyon-Geometrie, Fahrzeugausrichtung und sogar Tageszeitverkehrsmuster.
Die neueste Empfänger-Firmware von Jumpstar integriert kontextbewusste Mehrwegerkennung, die Satelliten dynamisch anhand der vorhergesagten Reflexionswahrscheinlichkeit gewichtet. Bei Feldtests in zentralen Geschäftsvierteln von Peking, London und New York reduzierte dieser Ansatz die horizontalen Fehler im 95. Perzentil von 3,2 Metern auf 0,8 Meter, wodurch die städtische RTK-Leistung in die Reichweite von Open-Sky-Benchmarks heranreicht wurde.
Für Systemintegratoren, die GNSS in herausfordernden Umgebungen einsetzen, stellt die Entwicklung von reiner hardwarebasierten Minderung hin zu KI-unterstützten, kontextbewussten Algorithmen einen Paradigmenwechsel in der erreichbaren Zuverlässigkeit der Positionierung dar.
.png)
