盡管 CDNN 工具包等解決方案允許神經(jīng)網(wǎng)絡在嵌入式處理器上本地運行，但最有效的 AI 系統(tǒng)需要云連接。當連接到數(shù)據(jù)中心時，嵌入式設備在推理過程（目標應用人工智能模型概述的邏輯做出決策的過程）期間捕獲的新信息或異常信息可以反饋到人工智能模型中，以隨著時間的推移對其進行優(yōu)化。

除此之外，ADAS 和自動駕駛用例中連接的主要應用是定位。例如，精密全球導航衛(wèi)星系統(tǒng) （GNSS） 現(xiàn)已在歐洲、俄羅斯和美國推出，可為 LDW 和 V2X 通信等應用提供低至厘米級的精度。

GNSS 系統(tǒng)精度的提高可歸因于更新的誤差建模技術，這些技術用于解釋誤差源，例如衛(wèi)星軌道位置誤差、衛(wèi)星時鐘誤差以及電離層和對流層干擾。

為了抵消 GNSS 系統(tǒng)中的這些錯誤，私人糾錯服務歷來使用觀察空間表示 （OSR）。在 OSR 中，雙向通信鏈路用于將 GNSS 參考站的觀測結果與基于現(xiàn)場 GNSS 接收器位置的距離相關誤差結合起來（圖 1）。然后將糾正后的錯誤作為一次性總和傳送到目標平臺，這限制了它們的準確性。

圖 1.觀測空間表示 （OSR） 誤差建模技術需要 GNSS 參考站和與現(xiàn)場 GNSS 用戶的雙向通信。糾錯是一次性提供的，從而降低了它們的準確性。

相比之下，狀態(tài)空間表示 （SSR） 依賴于從衛(wèi)星直接到單個 GNSS 接收器的單向廣播，只有該接收器的觀測結果才用于糾錯（圖 2）。在 SSR 實施中，糾錯也作為單獨的組件提供，它與單源觀測相結合以產(chǎn)生前面提到的厘米級定位。

圖 2.狀態(tài)空間表示 （SSR） 誤差建模消除了 GNSS 參考站，僅依賴于特定 GNSS 接收器的觀測。誤差校正作為單個組件提供，以提高定位精度。

多頻段解決了多徑問題

但就其所有好處而言，校正服務并未考慮衛(wèi)星信號在通過環(huán)境時的反射或衍射引起的多徑誤差。為了克服汽車安全和其他需要精確單點定位 （PPP） 的應用中的挑戰(zhàn)，u-blox 等供應商采用了多頻段方法。

GNSS 衛(wèi)星在不同頻段傳輸信號，包括 GPS L1 （1575 MHz）、GPS L2 （1227 MHz） 和 GPS L5 （1176 MHz）。這在 PPP 的背景下是幸運的，因為每使用一個額外的頻率，就可以從大氣中消除更多的失真。

u-blox 的雙頻接收器將于 2018 年推出，利用這一現(xiàn)象。如圖 3 所示，使用這種雙頻 GNSS 方法來消除多路徑誤差以及 SSR 校正服務可提供安全關鍵型應用所需的定位精度。

圖 3.雙頻 GNSS 接收器和 SSR 糾錯提供比現(xiàn)有解決方案更好的定位精度。

削減糾錯成本將連接汽車

雖然高精度 GNSS 在某種程度上仍是一項利基技術，但 u-blox 預測該市場將在 2025 年成熟。然而，為了實現(xiàn)大眾市場的采用，必須降低私有 GNSS 糾錯服務的成本。

審核編輯：郭婷