در درههای شهری کلانشهرهای مدرن، منبع غالب خطای موقعیتیابی GNSS تأخیر جوی، انحراف ساعت ماهواره یا عدم دقت جدول نجومی نیست؛ بلکهچندمسیرهاست. وقتی سیگنالهای ماهوارهای قبل از رسیدن به آنتن گیرنده از ساختمانها، وسایل نقلیه و سطح جاده بازتاب میشوند، نسخههای تأخیری حاصل فرآیند همبستگی را مخدوش کرده و انحرافات موقعیتی ایجاد میکنند که در موارد شدید میتواند از ۱۰ متر فراتر رود.
برای کاربردهایی که دقت سطح سانتیمتر را میطلبند، حفظ خط حرکت خودروهای خودران، ناوبری پهپادهای تحویلدهنده و نقشهبرداری دقیق، کاهش چندمسیره نه یک بهبود عملکرد بلکه یک نیاز اساسی است. این مقاله به بررسی فیزیک انتشار چندمسیره، تکنیکهای کلاسیک کاهش و الگوریتمهای نسل بعدی میپردازد که دقت موقعیتیابی شهری را به مرزهای جدیدی میرسانند.
فیزیک چندمسیره شهری
چندمسیره زمانی رخ میدهد که سیگنال GNSS از طریق چند مسیر به گیرنده میرسد: مسیر مستقیم خط دید و یک یا چند مسیر بازتابی. در محیطهای شهری، سطوح بازتابنده همهجا هستند؛ دیوارهای شیشهای، بدنههای فلزی خودروها، سطح خیس جاده و سازههای بتنی همگی نسخههای تأخیری سیگنال با روابط فاز پیچیده ایجاد میکنند.
- چندمسیره با تأخیر کوتاه:بازتابهای سطوح نزدیک (خودروها، عابران پیاده) در عرض ۵۰ نانوثانیه پس از سیگنال مستقیم میرسند، قله همبستگی را مخدوش کرده و انحرافات زیر متری ایجاد میکنند که تشخیص آنها دشوار است.
- چندمسیره با تأخیر طولانی:بازتابهای ساختمانهای دور میتوانند صدها نانوثانیه دیرتر برسند و قلههای همبستگی ثانویه متمایزی تولید کنند که گیرندههای پیشرفته میتوانند آنها را شناسایی و حذف کنند.
- وابستگی به فرکانس:سیگنالهای L5 با نرخ تراشه ۱۰.۲۳ مگاهرتز، قلههای همبستگی تیزتری نسبت به سیگنالهای L1 ارائه میدهند و L5 را ذاتاً مقاومتر در برابر چندمسیره با تأخیر کوتاه میکنند؛ این دلیل کلیدی است که گیرندههای مدرن معماریهای چندباندی را در اولویت قرار میدهند.
در مرکز شانگهای یا منهتن، چندمسیره یک استثنا نیست؛ شرایط عملیاتی عادی است. گیرندهای که فقط برای عملکرد در آسمان باز طراحی شده باشد در این محیطها بهطور فاجعهباری شکست خواهد خورد.
تکنیکهای کلاسیک کاهش
طراحان گیرنده GNSS تکنیکهای متعددی برای مقابله با چندمسیره توسعه دادهاند که هر کدام دارای مبادلات متمایز بین اثربخشی، هزینه محاسباتی و پیچیدگی سختافزاری هستند.
فاصله همبستگی باریک:با نمونهبرداری از تابع همبستگی در فواصل نزدیک به قله (فاصله ۰.۱ تراشه به جای ۰.۵ تراشه سنتی)، گیرندهها میتوانند قلههای مسیر مستقیم را بهتر از قلههای پهن و مخدوش ایجاد شده توسط چندمسیره تشخیص دهند. این تکنیک بهبود ۳ تا ۵ برابری در خطای چندمسیره ایجاد میکند اما به نرخ نمونهبرداری و پهنای باند پردازش بالاتری نیاز دارد.
حلقه قفل تأخیر با تخمین چندمسیره (MEDLL):این الگوریتم ردیابی پیشرفته سیگنال دریافتی را به عنوان مجموع اجزای مستقیم و بازتابی مدلسازی میکند و تأخیر، دامنه و فاز هر مسیر را تخمین میزند. با بازسازی و حذف اجزای چندمسیره، MEDLL میتواند خطاهای موقعیتیابی شهری را تا ۷۰٪ در مقایسه با همبستهسازهای استاندارد کاهش دهد.
کاهش نسل بعد با کمک هوش مصنوعی
رویکردهای نوظهور از یادگیری ماشین برای مقابله با چندمسیره به روشهایی استفاده میکنند که الگوریتمهای کلاسیک قادر به آن نیستند. با آموزش شبکههای عصبی بر روی مجموعه دادههای برچسبگذاری شده از شرایط شناخته شده چندمسیره، گیرندهها میتوانند پیشبینی کنند کدام ماهوارهها بر اساس زمینه محیطی، هندسه دره شهری، جهتگیری خودرو و حتی الگوهای ترافیکی زمان روز، احتمالاً آلوده هستند.
جدیدترین سیستم عامل گیرنده Jumpstar شامل تشخیص چندمسیره آگاه از زمینه است که به صورت پویا به ماهوارهها بر اساس احتمال بازتاب پیشبینیشده وزن میدهد. در آزمایشهای میدانی در مناطق مرکزی تجاری پکن، لندن و نیویورک، این رویکرد خطاهای افقی صدک ۹۵ را از ۳.۲ متر به ۰.۸ متر کاهش داد و عملکرد RTK شهری را به محدوده معیارهای آسمان باز رساند.
برای یکپارچهسازان سیستم که GNSS را در محیطهای چالشبرانگیز مستقر میکنند، تکامل از کاهش صرفاً سختافزاری به الگوریتمهای آگاه از زمینه با کمک هوش مصنوعی، یک تغییر پارادایم در قابلیت اطمینان موقعیتیابی دستیافتنی را نشان میدهد.
.png?imageMogr2/format/webp)
.png?imageMogr2/format/webp)
