Di ngarai perkotaan megakota modern, sumber utama kesalahan posisi GNSS bukanlah penundaan atmosfer, offset jam satelit, atau ketidakakuratan efemeris; memangmultipath. Ketika sinyal satelit memantul dari bangunan, kendaraan, dan aspal sebelum mencapai antena penerima, replika yang tertunda yang dihasilkan merusak proses korelasi dan memperkenalkan bias posisi yang dapat melebihi 10 meter dalam kasus berat.
Untuk aplikasi yang menuntut akurasi setingkat sentimeter, pemeliharaan jalur kendaraan otonom, navigasi drone pengiriman, dan survei presisi, mitigasi multipath bukanlah peningkatan kinerja melainkan persyaratan fundamental. Artikel ini mengkaji fisika propagasi multipath, teknik mitigasi klasik, dan algoritma generasi berikutnya yang mendorong akurasi penentuan posisi 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, permukaan basah, dan struktur beton semuanya menciptakan replika sinyal tertunda dengan hubungan fase yang kompleks.
- Multipath Pendek dengan Penundaan:Pantulan dari permukaan sekitar (kendaraan, pejalan kaki) tiba dalam waktu 50 nanodetik dari sinyal langsung, mendistorsi puncak korelasi dan menciptakan bias sub-meter yang sulit dideteksi.
- Multipath Long-Delay:Pantulan dari bangunan yang jauh dapat tiba ratusan nanodetik terlambat, menghasilkan puncak korelasi sekunder yang jelas yang dapat diidentifikasi dan dikecualikan oleh penerima tingkat lanjut.
- Ketergantungan Frekuensi:Sinyal L5, dengan laju chip 10,23 MHz, memberikan puncak korelasi yang lebih tajam dibandingkan sinyal L1, sehingga L5 secara inheren lebih tahan terhadap multipath pendek, alasan utama penerima modern memprioritaskan arsitektur multi-band.
Di pusat kota Shanghai atau Manhattan, multipath bukan pengecualian; Ini adalah kondisi operasi normal. Penerima yang hanya dirancang untuk performa di langit terbuka akan gagal secara fatal di lingkungan seperti ini.
Teknik Mitigasi Klasik
Desainer penerima GNSS telah mengembangkan berbagai teknik untuk melawan multipath, masing-masing dengan kompromi yang berbeda antara efektivitas, biaya komputasi, dan kompleksitas perangkat keras.
Jarak Korelator Sempit:Dengan mengambil sampel fungsi korelasi pada offset yang berdekatan di sekitar puncak (jarak chip 0,1 dibandingkan chip tradisional 0,5), penerima dapat membedakan puncak jalur langsung dengan lebih baik dari puncak yang lebih lebar dan terdistorsi yang dihasilkan oleh multipath. Teknik ini memberikan peningkatan 3-5x pada kesalahan multipath tetapi membutuhkan laju sampling dan bandwidth pemrosesan yang lebih tinggi.
Loop Pengundaan Estimasi Multipath (MEDLL):Algoritma pelacakan canggih ini memodelkan sinyal yang diterima sebagai jumlah komponen langsung dan pantulan, memperkirakan delay, amplitudo, dan fase dari setiap jalur. Dengan merekonstruksi dan mengurangi komponen multipath, MEDLL dapat mengurangi kesalahan penentuan posisi perkotaan hingga 70% dibandingkan korelator standar.
Mitigasi Berbasis AI Generasi Berikutnya
Pendekatan baru memanfaatkan pembelajaran mesin untuk menangani multipath dengan cara yang tidak dapat dilakukan algoritma klasik. Dengan melatih jaringan saraf pada dataset berlabel dari kondisi multipath yang diketahui, penerima dapat memprediksi satelit mana yang kemungkinan terkontaminasi berdasarkan konteks lingkungan; Geometri ngarai perkotaan, orientasi kendaraan, bahkan pola lalu lintas waktu dalam sehari.
Firmware penerima terbaru Jumpstar menggabungkan deteksi multipath yang sadar konteks yang secara dinamis memberi bobot pada satelit berdasarkan probabilitas refleksi yang diprediksi. Dalam uji lapangan di distrik bisnis pusat di Beijing, London, dan New York, pendekatan ini mengurangi kesalahan horizontal persentil ke-95 dari 3,2 meter menjadi 0,8 meter, sehingga kinerja RTK perkotaan dapat mencapai tolok ukur langit terbuka.
Bagi integrator sistem yang menerapkan GNSS di lingkungan yang menantang, evolusi dari mitigasi berbasis perangkat keras menjadi algoritma berbasis AI dan sadar konteks merupakan perubahan paradigma dalam keandalan posisi yang dapat dicapai.
.png?imageMogr2/format/webp)
.png?imageMogr2/format/webp)
