在自动驾驶领域，全球导航卫星系统(GNSS)是车辆、公交车、无人机等实现定位的关键。但人口密集的城市里，高楼大厦等会阻挡、反射GNSS信号，致其定位精度下降，给安全自主导航带来挑战。

传统高精度方法依赖载波相位整数模糊度解算，像实时动态GNSS(RTK-GNSS)，可城市环境中信号易中断、受多径效应影响，模糊度解析失败时定位误差大增，危及安全应用。

为攻克难题，日本名城大学机电工程系副教授目黑淳一带领团队，包括硕士研究生新见大树，开发出全新纯GNSS定位方法。该方法核心创新是采用紧耦合的Rao-Blackwellized粒子滤波器，以概率方式估计位置，无需依赖载波相位整数模糊度解算。它利用载波相位测量的分数分量评估多个位置假设可能性，即便GNSS测量质量因多径效应等下降，也能稳定定位。

研究团队还通过多种技术增强鲁棒性。将原始多普勒测量值集成到卡尔曼滤波器，持续估计车辆速度和接收器时钟变化;实现对非视距卫星的粒子级剔除，应用基于学生t分布的鲁棒滤波方案，降低异常值影响。这些机制让系统在少数卫星可用时也能稳定估计位置。

新见大树先生强调：“新方法核心是概率方法，无需载波相位整数模糊度解算，这是传统RTK-GNSS在城市中的缺陷。”研究团队在名古屋和东京六个复杂城市场景用真实车辆数据验证，六次测试中五次优于现有GNSS方法，卫星严重遮挡时也能保持亚米级精度，最困难情况比传统方案高出近30个百分点。

目黑博士称，此研究解决了现实世界卫星定位难题，为纯卫星导航定位开辟新可能，预计对自动驾驶和户外自主移动系统未来贡献重大。

更多信息：作者：Daiki Niimi等人，标题：《用于城市环境中无模糊度解算的 GNSS 单路定位的紧耦合 Rao-Blackwellized 粒子滤波器》，发表于：《IEEE 机器人与自动化快报》(2026)。