覃龙光markdown复制## 1. 项目背景与核心挑战
车道级定位是智能交通和自动驾驶的基础需求。传统GNSS定位在开阔环境下精度约2-5米，而标准车道宽度通常仅3-3.5米。去年参与某车企ADAS项目时，我们发现在城市峡谷环境中，纯GNSS定位会出现10米以上的漂移，导致车辆频繁误判车道。这个MATLAB项目通过融合智能手机内置的IMU（加速度计+陀螺仪）与GNSS原始观测数据，将定位精度提升至亚米级（0.5-1.2米），实测在80%场景下能准确判断车辆所在车道。
## 2. 传感器特性与数据预处理
### 2.1 GNSS观测值特性分析
智能手机的GNSS模块（如高通骁龙中的GPS/北斗双频接收器）提供：
- 伪距观测值（C/A码精度约3米）
- 载波相位观测值（精度毫米级但存在整周模糊度）
- 多普勒频移（速度测量精度0.1m/s）
```matlab
% 原始GNSS数据解析示例
gnss_data = readtable('gnss_log.csv');
raw_pr = gnss_data.PseudoRange; % 伪距观测值
carrier_phase = gnss_data.CarrierPhase; % 载波相位
注意：智能手机GNSS天线增益较低，需特别处理多径效应。我们采用信噪比(SNR)加权策略，对SNR<30dBHz的卫星数据降权处理。
2.2 IMU误差补偿方案
手机IMU的误差主要来自：
- 加速度计零偏（典型值±20mg）
- 陀螺仪随机游走（约5°/√h）
通过静态初始化阶段（车辆静止前10秒）计算零偏：
matlab复制% 零偏校准代码片段
static_interval = 1:100; % 前100个采样点
accel_bias = mean(imu_data.Accel(static_interval, :));
gyro_bias = mean(imu_data.Gyro(static_interval, :));
3. 紧耦合滤波算法实现
3.1 状态向量设计
采用15维状态向量：
code复制x = [位置(3) 速度(3) 姿态(3) 加速度计零偏(3) 陀螺仪零偏(3)]
3.2 预测-更新流程
matlab复制% 卡尔曼滤波主