[原创] 紧耦合、深耦合，打造行业高壁垒

紧耦合可以在信号屏蔽环境下有效利用卫星观测数据，提高定位效果。紧耦合时，GNSS接收机观测到的原始信息与INS输出数据相结合，得到伪距和伪距率，它们与GNSS观测到的伪距和伪距率之差作为滤波器的观测值。信息融合是在原GNSS观测终端紧密进行的，因此在GNSS卫星可观测数据少于4个的情况下仍然可以输出有用的信息，但在同样的情况下不具备松耦合的GNSS输出信息。所以在相同的硬件配置下，紧耦合的健壮性会更高。紧耦合的难点在于组合导航终端厂商需要RTK定位算法，这对于在卫星制导领域积累较浅的厂商来说比较困难。

除了松耦合或紧耦合，深度耦合还可以利用INS测量(加速度)或导航信息(位置、速度)来辅助接收机的信号跟踪。深度耦合需要深入到接收机内部，涉及到接收机信号处理层面的整合，在结构或算法上比松耦合和紧耦合更复杂，是GNSS和INS最深度的结合。深度耦合将惯性导航模块的部分数据送入GNSS基带芯片，将惯性导航的惯性数据作为GNSS解决方案的一部分，因此对组合终端厂商基带芯片的自研能力要求更高。具体是对GNSS导航芯片进行基带处理，计算伪距和多普勒等效。同时，由MEMS器件组成的INS系统计算当前INS的位置、速度和姿态信息，将两个输出信息一起放入卡尔曼滤波器进行信息融合和PVT计算。以及INS和GNSS之间的双向信息传输。一方面，GNSS信号用于校正ins另一方面，借助卫星历书，还利用INS信号计算载波相对于GNSS卫星的伪距和伪距率，并利用这些信息辅助GNSS信号的接收和锁相过程，从而提高GNSS的接收精度和动态性能。

在开阔场景下，定位精度由GNSS性能决定；在完全遮挡的场景下，定位精度由IMU的性能决定，上述两种场景的定位精度与耦合方式的关系较弱。三种耦合的区别主要体现在部分遮挡的环境下(如高楼林立的城市、港口等场景)，基于更前端集成的耦合方式可以实现更精准的定位。目前搭载组合导航 terminal的乘用车只实现了接近L3级别的自动驾驶，自动驾驶的应用场景比较单一。L3级别及以上的自动驾驶需要满足更多的场景，包括高层建筑、隧道、高架桥等。，并且需要更高的耦合度。