Di ngarai perkotaan kota-kota besar modern, sumber dominan kesalahan pemosisian GNSS bukanlah penundaan atmosfer, offset jam satelit, atau ketidakakuratan efeméris; itu adalahmultipath. Ketika sinyal satelit memantulkan bangunan, kendaraan, dan trotoar sebelum mencapai antena penerima, replika tertunda yang dihasilkan merusak proses korelasi dan memperkenalkan bias posisi yang dapat melebihi 10 meter dalam kasus yang parah.
Untuk aplikasi yang menuntut akurasi tingkat sentimeter, pemeliharaan jalur kendaraan otonom, navigasi drone pengiriman, dan survei presisi, mitigasi multipath bukanlah peningkatan kinerja tetapi persyaratan mendasar. Artikel ini membahas fisika perambatan multijalur, teknik mitigasi klasik, dan algoritme generasi berikutnya yang mendorong akurasi pemosisian perkotaan ke batas baru.
Fisika Multipath Perkotaan
Multipath terjadi ketika sinyal GNSS tiba di penerima melalui beberapa jalur: jalur garis pandang langsung dan satu atau lebih jalur yang dipantulkan. Di lingkungan perkotaan, permukaan reflektif ada di mana-mana; dinding tirai kaca, bodi kendaraan logam, trotoar basah, dan struktur beton semuanya menciptakan replika sinyal tertunda dengan hubungan fase yang kompleks.
- Multipath Penundaan Pendek:Pantulan dari permukaan terdekat (kendaraan, pejalan kaki) tiba dalam waktu 50 nanodetik dari sinyal langsung, mendistorsi puncak korelasi dan menciptakan bias sub-meter yang sulit dideteksi.
- Multipath Penundaan Panjang:Refleksi dari bangunan yang jauh dapat tiba terlambat ratusan nanodetik, menghasilkan puncak korelasi sekunder yang berbeda yang dapat diidentifikasi dan dikecualikan oleh penerima tingkat lanjut.
- Ketergantungan Frekuensi:Sinyal L5, dengan tingkat chipping 10,23 MHz, memberikan puncak korelasi yang lebih tajam daripada sinyal L1, membuat L5 secara inheren lebih tahan terhadap multipath penundaan pendek, alasan utama penerima modern memprioritaskan arsitektur multi-band.
Di pusat kota Shanghai atau Manhattan, multipath tidak terkecuali; Ini adalah kondisi operasi normal. Penerima yang dirancang hanya untuk kinerja langit terbuka akan gagal secara bencana di lingkungan ini.
Teknik Mitigasi Klasik
Desainer penerima GNSS telah mengembangkan banyak teknik untuk memerangi multipath, masing-masing dengan trade-off yang berbeda antara efektivitas, biaya komputasi, dan kompleksitas perangkat keras.
Jarak Korelasor Sempit:Dengan mengambil sampel fungsi korelasi pada offset berjarak dekat di sekitar puncak (jarak chip 0,1 daripada chip 0,5 tradisional), penerima dapat lebih membedakan puncak jalur langsung dari puncak yang lebih lebar dan terdistorsi yang dibuat oleh multipath. Teknik ini memberikan peningkatan 3-5x dalam kesalahan multipath tetapi membutuhkan laju pengambilan sampel dan bandwidth pemrosesan yang lebih tinggi.
Multipath Estimating Delay Lock Loop (MEDLL):Algoritme pelacakan canggih ini memodelkan sinyal yang diterima sebagai jumlah komponen langsung dan terpantul, memperkirakan penundaan, amplitudo, dan fase setiap jalur. Dengan merekonstruksi dan mengurangi komponen multipath, MEDLL dapat mengurangi kesalahan pemosisian perkotaan hingga 70% dibandingkan dengan korelator standar.
Mitigasi Berbantuan AI Generasi Berikutnya
Pendekatan yang muncul memanfaatkan pembelajaran mesin untuk mengatasi multipath dengan cara yang tidak dapat dilakukan oleh algoritme klasik. Dengan melatih jaringan saraf pada kumpulan data berlabel dari kondisi multipath yang diketahui, penerima dapat memprediksi satelit mana yang kemungkinan terkontaminasi berdasarkan konteks lingkungan; geometri ngarai perkotaan, orientasi kendaraan, dan bahkan pola lalu lintas waktu.
Firmware penerima terbaru Jumpstar menggabungkan deteksi multipath sadar konteks yang secara dinamis menimbang satelit berdasarkan probabilitas refleksi yang diprediksi. Dalam pengujian lapangan di seluruh kawasan pusat bisnis di Beijing, London, dan New York, pendekatan ini mengurangi kesalahan horizontal persentil ke-95 dari 3,2 meter menjadi 0,8 meter, membawa kinerja RTK perkotaan dalam jangkauan tolok ukur langit terbuka.
Untuk integrator sistem yang menerapkan GNSS di lingkungan yang menantang, evolusi dari mitigasi khusus perangkat keras ke algoritme sadar konteks yang dibantu AI mewakili perubahan paradigma dalam keandalan pemosisian yang dapat dicapai.
.png)
