我国北斗系统已全面建成并进入规模化应用快车道，北斗产业发展呈现强劲态势。然而，在城市复杂环境下的地面应用推广仍面临严峻挑战，尤其是由于建筑物遮挡反射，造成严重卫星信号衰减、多径效应等问题，定位精度下降可达数十米。这一技术瓶颈已成为制约北斗产业发展的核心难题。针对这一难题，本文提出将AI技术与北斗导航深度融合，研发了基于深度强化学习（DRL）自适应卡尔曼滤波（KF）的卫星定位增强方法，并部署应用于北斗导航芯片。该AI+北斗方案显著提升了在城市峡谷、高架桥底等极端复杂环境下北斗定位设备的定位精度和鲁棒性，解决了面向复杂城市环境下的卫星导航痛点，实现了AI+北斗创新应用的落地。该成果突破了复杂环境下高精度实时定位的技术瓶颈，为北斗应用的“提质增效”提供了显著的示范效应。
一、城市复杂环境的导航应用需求
北斗规模化应用是国家战略发展的重要组成部分。国家正着力推动北斗在各领域的广泛应用，以提升我国的自主创新能力和国际竞争力。这些发展对设备的安全运行和精准作业，尤其是面向城市复杂环境的精准定位、航线高效保持，以及高楼林立间的安全穿梭与精准投递，提出了前所未有的高精度导航定位需求。高精度导航定位是保障设备安全运行的先决条件，其中卫星导航是影响设备运行安全与精确控制的核心。然而，在城市复杂环境下，由于建筑物的遮挡与反射，卫星信号衰减、多径效应等问题突出，卫星定位常出现数十米的偏移。城市复杂环境对卫星导航实时定位带来了多方面的挑战，不同城市环境类型如图1所示。
城市复杂环境会带来以下严重干扰：1）高楼遮挡：城市中密集的摩天大楼会严重遮挡卫星信号，导致可见卫星数量锐减甚至完全丢失，进而显著影响定位精度和可用性。2）多径效应：卫星信号在抵达接收机前，会经过建筑物表面（如墙壁、玻璃）的多次反射。这些反射信号与直射信号叠加，导致信号畸变，引发伪距测量误差，对定位精度造成严重影响，高精度定位应用中这一影响尤为突出。3）信号强度衰减：建筑物、树木等障碍物会吸收或散射卫星信号，导致信号强度显著衰减，降低信号质量，甚至使接收机无法有效跟踪卫星。4）电磁干扰：城市中存在大量无线电发射源（如通信基站、WIFI、电视广播等），这些信号可能对微弱的卫星信号产生干扰，降低信噪比，从而影响接收机性能。
这些城市复杂环境场景催生了北斗应用的需求痛点与落地挑战。对于任何需要高精度定位的设备而言，这种数十米的定位误差都可能导致严重的后果，例如在高楼林立的城市环境中，路径规划的偏差可能引发碰撞事故。因此，传统卫星导航系统面临着精度不足、完好性缺失、抗干扰能力弱等问题，严重制约了卫星导航系统的服务范围与应用能力。当前，全球相关导航企业正积极推动“AI+GNSS”技术的部署与落地，基于AI增强的卫星定位方法正革新下一代定位、导航、授时（PNT）技术，这对于实现新一代高精度卫星定位设备至关重要。研发面向城市复杂环境的AI+北斗方案并实现其部署落地，是保障城市复杂环境下卫星导航定位机制的可靠、可信、可用的重要支撑技术。
二、卫星导航需求痛点与落地挑战
解决城市复杂环境中的卫星定位痛点是保障设备安全运行的关键。卫星导航提供的时空信息是影响设备运行安全的首要因素，用于提供全局绝对定位基准，是确保精准定位的核心。卫星定位在复杂城市环境中极易受到多径效应的影响，即接收机接收到来自同一卫星的电磁波经过周围地物反射后的信号，导致信号失真。此外，当卫星信号到达地面时已非常微弱，容易受到城市内各种有意或无意的干扰。这些干扰因素所产生的随机测量噪声，可能导致高达数十米的定位误差。
1.研发定位增强算法成为需求痛点
研发具备动态适应性的定位增强算法尤为急迫。传统卫星导航接收机的定位模型参数往往是静态预设或基于理想环境标定的，难以有效应对城市峡谷、密集建筑群等复杂多变的信号传播环境。由多径效应和干扰产生的噪声具有强烈的时变特性和空间特异性。因此，亟须开发能够实时感知并量化环境特性、动态调整定位模型参数的新型增强算法。这种自适应性是提升复杂环境下定位精度、完好性和鲁棒性的核心技术途径。
2.部署落地成为关键性挑战
当前已有一些将AI模型部署到云端服务器上使用的尝试。然而，受限于数据传输时延、网络绑定、隐私安全和定位实时性需求等问题，AI模型在云端侧的部署难以满足实际连续高频率实时定位的应用需求。直接将AI模型部署到卫星定位接收机的微型控制器芯片中，能够有效避免数据传输造成的延迟对定位实时性的影响，同时降低模型维护成本并确保隐私安全。但终端侧部署需攻克低功耗微型控制器的算力限制、AI模型轻量化适配，以及城市复杂场景下北斗定位增强算法的兼容性难题，这些技术瓶颈导致终端侧的AI定位方案难以落地。鉴于此，目前行业内仍缺乏面向低功耗微型控制器、能有效实现城市复杂场景下实时卫星定位增强的AI增强型北斗卫星定位设备。
三、AI+北斗的创新突破
近年来，数据驱动的人工智能增强技术在提升北斗卫星导航系统在复杂城市地区的服务能力方面，展现出巨大的潜力。通过深度神经网络强大的非线性拟合能力，AI能够从海量数据中学习复杂系统的映射关系，有效建模卫星定位中复杂的非高斯随机噪声误差和非线性系统误差。这弥补了传统基于模型的定位方法在处理复杂误差方面的不足。
本文介绍了一款面向城市复杂环境的AI增强型北斗卫星定位设备，该设备集成了基于深度强化学习的自适应卡尔曼滤波卫星定位方法。该方法与城市动态环境交互，学习测量噪声动态变化对定位误差的影响规律，实现测量噪声误差的估计和去除，从而增强北斗定位效果。
1．技术特点
基于深度强化学习的自适应卡尔曼滤波卫星定位方法，核心在于AI赋能的PNT参数预测：即通过反向梯度传播，将卫星定位方法中的模型参数（如卡尔曼滤波的噪声协方差）作为可学习参数进行预测或调优。
这项端侧部署的突破，使其成为能够直接运行AI模型的北斗导航芯片，彻底解决了传统云端部署在复杂环境卫星定位中面临的实时性、带宽和安全瓶颈，确保了北斗导航设备在城市高楼林立或受地形遮蔽的区域，依然能自主、可靠地执行定位任务。
2．技术核心
（1）AI增强的北斗定位算法设计
通过深入分析环境随机测量噪声误差，对卫星定位模型进行了精确建模。北斗卫星定位接收机在每个历元接收并处理卫星信号后，会获得原始的伪距、载波相位等观测数据。在对这些原始数据进行电离层、对流层延迟以及卫星钟差等系统性误差的修正后，所剩下的误差通常被视为随机测量噪声误差。这些随机测量噪声误差可能包含由多径效应、接收机热噪声等因素产生的未能有效建模的误差。
对卫星定位模型进行建模时，可将卡尔曼滤波模型中的状态变量定义为接收机的位置。将卫星定位接收机中卡尔曼滤波的定位过程建模为一个多任务决策问题，并构建了一个深度强化学习模型进行策略学习，通过实时学习环境噪声特性并自适应调整定位参数，使北斗定位设备即使在卫星信号剧烈波动的城市峡谷、立交桥下等复杂环境中，也能像“智能大脑”一样自主修正定位偏差，确保其规划路径的精确性与安全性。该深度强化学习模型能在接收环境观测后输出相应的动作，这些动作包括对卡尔曼滤波中的测量噪声误差进行估计与去除，同时对噪声协方差进行自适应调整。随后，通过卡尔曼滤波方法得到接收机的位置估计。此后，系统会计算奖励以评估位置估计的准确性，深度强化学习模型再根据每一历元返回的奖励对策略进行调整，直至学习到最佳策略。深度强化学习能够通过与环境进行持续的动态交互不断探索优化策略，从而有效建模动态变化的测量噪声对定位误差的潜在规律，显著提高定位系统对环境的适应性。
（2）AI增强的北斗卫星定位设备
本方案将AI模型直接部署到北斗卫星定位接收机的微型控制器芯片中。设备首先捕获来自四颗及以上北斗卫星的信号，经过基本的射频前端处理和基带数字信号处理后，将定位所需的测量信息输入至计算核心一，进行初步的接收设备三维位置、速度和时间（PVT）解算。随后，通过核间通信，将测量和初步解算后的PVT信息传输给计算核心二。在计算核心二中，并行处理AI模型的推理以及卡尔曼滤波解算，最终得到高精度、高可靠性的位置估计结果。
3．技术优势
经实测验证，所开发的AI增强型北斗接收机系统能够稳定输出10Hz更新频率的实时位置信息。在典型城市场景下，其定位精度相比于传统伪距单点定位模式的基准北斗接收机平均提升约15%，即便在立交桥下仍能保持相对准确和稳定的定位，这对于保障北斗定位设备在城市高架桥下等复杂空域的穿越安全至关重要。
该成果不仅突破了复杂环境下高精度实时定位的技术瓶颈，更在北斗应用的“提质增效”方面起到了显著的示范效应。具体而言，分米级的定位精度和增强的定位可靠性，为城市环境中的各类应用提供了关键支持。例如，在城市交通管理中，可以实现车辆的厘米级精确定位，有效缓解拥堵；在公共安全领域，能够帮助救援人员在复杂建筑群中精准定位目标；在智能电网巡检中，可确保机器人或无人机在狭窄空间内进行厘米级悬停和精确数据采集。此外，接收机在恶劣环境下的稳定表现，也为北斗系统在各类严苛场景下的规模化应用提供了可能。
四、应用案例
1．广州城市复杂环境场景
广州的城市复杂环境给卫星定位接收机带来了多方面的挑战。广州市内高楼林立，存在密集的摩天大楼；城市森林覆盖率高，树木较多；市内存在大量的无线电发射源（如通信基站、WIFI、电视广播等）。这些特点导致卫星导航系统在城市复杂环境中常常出现高达十几米甚至上百米的定位偏移。为此，在广州的不同城市场景采集了丰富的定位数据，构建了一个通用数据库，以供AI卫星定位增强模型的训练和验证。
2．具体应用方案
利用基于深度强化学习的自适应卡尔曼滤波卫星定位方法，并在此基础上成功开发了AI增强型北斗卫星定位设备，专用于城市复杂环境下的实时卫星定位增强，架构如图2所示。基于在广州不同城市场景采集的定位数据，构建一个通用数据库，为AI卫星定位增强模型的训练与验证提供了坚实基础。通过将深度强化学习模型成功部署到小型低功耗北斗卫星定位接收机的微型控制器中，并在多种定位场景下进行实地验证和性能测试，从而完成AI+北斗方案的创新应用与落地实践。这种高性能的具有实时定位能力的AI+北斗创新应用方案，可极大推动低空物流、城市空中交通、应急测绘等新兴产业的商业化落地，降低运营风险，提高作业效率。
3．应用成效
在广州的不同城市场景进行实地验证和性能测试，实验结果表明，本文提出的AI赋能北斗方案能够在离线情况下实现实时的卫星定位增强，完全满足卫星定位接收机通用的10Hz实时输出频率要求。在不同场景的测试中，相较于标准接收机使用的基准伪距单点定位结果，平均精度提升了约15%以上。这充分证明了该方案能有效提高北斗定位在复杂城市环境下的准确性和可靠性。
这种显著的精度提升，意味着北斗定位设备在城市复杂三维空间中拥有了更“清晰的视野”和更“稳定的路径感知”，大幅降低了操作风险和对人工干预的依赖。实际应用效果主要体现在以下几个方面。
（1）定位准确性大幅提升
图3展示了本文所提出的基于深度强化学习的卡尔曼滤波方法在立交桥下的性能表现。相较于标准设备普遍采用的加权最小二乘（WLS）基准方法，本方案在各项定位指标上均有显著提升。同时，该方法也能有效降低定位误差的方差。
在城市道路、城市森林、高速路和立交桥下，三维定位精度分别提升了13.01%、13.02%、16.18%和17.27%。
值得注意的是，在立交桥下的严重遮挡环境中，可见卫星数量锐减且信号质量极差，导致传统方法定位误差显著增大。本文提出的AI+北斗方法不仅能在空旷的高速路环境下有效降低定位误差，在立交桥等严重遮挡环境中同样表现出色，这充分展现了该方法在不同复杂环境下的卓越泛化性。此外，传统卡尔曼滤波方法在高速环境下水平定位精度出现下降，而本文提出的基于深度强化学习的卡尔曼滤波方法依然能有效提升定位精度，并在高程方向上取得更为显著的提升。这主要归因于AI+北斗方法能够根据环境动态变化自适应地调整噪声协方差参数，并有效去除测量噪声误差。
（2）定位可靠性大幅增强
图4展示了在2D地图的不同环境下的定位可视化效果，该方法中，本方案（红色点）在不同环境下相较于基准的WLS方法都能更接近参考真值（黄色点），定位更稳定、连续且更少异常偏移点，并且长期有效。这表明，在不同环境下，本研究提出的方法均能更接近参考真值，实现更稳定、连续且异常偏移点更少的定位，并展现出长期有效性。尤其在恶劣的立交桥下环境，当WLS误差严重发散时，本文方法的定位依然能保持在参考真值附近的合理范围内。
五、结语
本文提出了人工智能技术在卫星导航中的创新应用，也实现了AI在北斗导航芯片中的工程化应用，研发的新一代智能北斗定位技术在抗多径干扰、复杂环境定位增强等方面性能提升显著。在不同场景的测试中，相较于标准接收机使用的基准伪距单点定位结果，平均精度提升了约15%，有效提高北斗定位在复杂城市环境下的准确性和可靠性。
随着通用航空、无人机、低空物流等新兴业态的迅速发展，北斗系统成为低空空域安全高效运行的核心支撑。AI赋能的北斗导航定位，特别是高精度、智能化、实时化的卫星导航技术研究将迎来更广泛的应用前景。
来源：卫星应用微信公众号