北斗卫星导航定位从核心框架到定位流程详解（一）

hello~这里是维构lbs智能定位，如果有项目需求和技术交流欢迎来私信我们~点击文章最下方可获取免费获取技术文档和解决方案

我国的北斗卫星导航系统（BDS）的定位核心原理是“空间星座+地面控制+用户终端”协同，以伪距测量与空间后方交会为底层逻辑，通过多颗卫星的信号计算接收机的三维坐标，结合多频信号、差分增强等技术实现从米级到厘米级的定位，本文就核心框架到定位流程将从展开论述。

一、北斗卫星导航定位的系统核心框架

北斗三号由三大核心部分组成，是定位的基础设施，缺一不可

二、北斗卫星导航定位全流程：从信号到坐标的7个核心步骤

北斗定位的底层逻辑是根据已知多颗卫星的空间位置，测量接收机到每颗卫星的距离，再通过几何计算确定接收机位置，类似“地面找一点，测量它到三个已知坐标地标点的距离，就能锁定位置”，本质是“解4元方程组”（3个空间坐标+1个时间误差）。

1.卫星播发导航信号与电文

每颗北斗卫星会持续发射测距码（如B1C/B2a/B3I）和导航电文：

（1）测距码

用于测量信号传播时间，多频设计可抑制电离层延迟，提升抗干扰能力。

（2）导航电文

包含卫星星历（实时三维坐标）、卫星钟差、电离层/对流层延迟修正参数（如TGD）、卫星健康状态等关键数据，为定位提供“已知参考”。

（3）卫星搭载铷原子钟/氢原子钟

授时精度达20纳秒级，确保时间基准一致。

2.用户终端接收与伪距测量

接收机天线捕获≥4颗卫星信号后，计算信号从卫星到终端的传播时间Δt，再通过公式伪距ρ = c×Δt（c为光速）得到“近似距离”。

伪距≠真实距离：因卫星钟差、接收机钟差、大气延迟、多路径效应等，存在固有偏差，需后续修正。

注：需4颗卫星的原因：3颗卫星解算三维坐标（经度、纬度、高度）+ 1颗卫星用于修正终端与卫星的时间同步误差，共4个未知数，需要4组伪距方程联立求解。

3.伪距误差初步修正（单频/双频策略）

接收机先通过导航电文内置参数做初步修正，核心修正项如下：

（1）卫星钟差修正

用导航电文中的钟差参数+TGD（群延迟偏差）修正单频/双频伪距。

（2）电离层延迟修正

单频用户用Klobuchar模型，双频用户通过无电离层组合（如B1C+B2a）抵消大部分电离层影响。

（3）对流层延迟修正

用Hopfield/Saastamoinen模型，基于终端位置、时间、气象数据估算延迟。

伪距误差初步修正（单频 / 双频）Python 实现： import math import numpy as np def satellite_clock_error_correction(t_transmit, a0, a1, a2, tgd=0.0): """ 卫星钟差修正 :param t_transmit: 卫星信号发射时刻（s） :param a0: 钟差常数项（s） :param a1: 钟差一次项（s/s） :param a2: 钟差二次项（s/s²） :param tgd: 群延迟偏差TGD（s，单频/双频均需传入，双频根据频率组合调整） :return: 修正后的卫星发射时刻（s）、卫星钟差（s） """ # 卫星钟差计算：Δt_sv = a0 + a1*(t - t_oc) + a2*(t - t_oc)² delta_t_sv = a0 + a1 * t_transmit + a2 * (t_transmit ** 2) # 加入TGD群延迟偏差修正 delta_t_sv += tgd # 修正后的发射时刻 t_transmit_corrected = t_transmit - delta_t_sv return t_transmit_corrected, delta_t_sv def klobuchar_ionospheric_correction(lat_user, lon_user, t, elev, azim, alpha0, alpha1, alpha2, alpha3, beta0, beta1, beta2, beta3): """ 单频用户电离层延迟修正（Klobuchar模型） :param lat_user: 用户纬度（rad） :param lon_user: 用户经度（rad） :param t: GPS周内秒（s） :param elev: 卫星高度角（rad） :param azim: 卫星方位角（rad） :param alpha0-alpha3: Klobuchar模型alpha参数（导航电文提供） :param beta0-beta3: Klobuchar模型beta参数（导航电文提供） :return: 电离层延迟修正量（m，伪距修正用） """ # 1. 计算电离层穿刺点（IPP）的地心纬度 psi = 0.0137 / (elev / math.pi * 180 + 0.11) - 0.022 lat_ipp = lat_user + psi * math.cos(azim) # 限制纬度范围在±80° lat_ipp = max(min(lat_ipp, 80 * math.pi / 180), -80 * math.pi / 180) lon_ipp = lon_user + psi * math.sin(azim) / math.cos(lat_ipp) # 2. 计算太阳赤纬角 t_utc = t + 14400 # 转换为世界时（UTC），GPS时比UTC快14s（实际可调整，此处简化） t_day = t_utc % 86400 # 日秒数 omega = 2 * math.pi * (t_day - 43200) / 86400 # 太阳时角 delta_sun = 0.0167 * math.sin(2 * math.pi * (t_utc / 86400 - 80) / 365) # 太阳赤纬角简化计算 # 3. 计算电离层延迟的周期项 phi_m = lat_ipp + delta_sun * math.cos(omega) lambda_m = lon_ipp t_m = 43200 * lambda_m / math.pi + t_day # 地方太阳时 t_m = t_m % 86400 # 归一化到0-86400s # 4. 计算振幅和周期 amp = alpha0 + alpha1 * phi_m + alpha2 * (phi_m ** 2) + alpha3 * (phi_m ** 3) amp = max(amp, 0.0) # 振幅非负 per = beta0 + beta1 * phi_m + beta2 * (phi_m ** 2) + beta3 * (phi_m ** 3) per = max(per, 72000.0) # 周期不小于20小时 # 5. 计算电离层延迟 if abs(t_m - 54000) < per / 2: ion_delay = 5e-9 + amp * (1 - ( (t_m - 54000) ** 2 ) / ( (per / 2) ** 2 ) + ( (t_m - 54000) ** 4 ) / ( (2 * per / 2) ** 4 )) else: ion_delay = 5e-9 # 夜间电离层延迟恒定 # 6. 高度角修正 ion_delay = ion_delay / math.sin(elev + 0.11 * (elev / math.pi * 180) ** 2 / (elev / math.pi * 180 + 0.11)) # 转换为距离延迟（m，光速c=3e8 m/s） ion_delay_m = ion_delay * 3e8 return ion_delay_m def tropospheric_correction(lat_user, elev, height_user, temp=20.0, press=1013.25, humi=50.0): """ 对流层延迟修正（Hopfield模型，兼顾干、湿分量） :param lat_user: 用户纬度（rad） :param elev: 卫星高度角（rad） :param height_user: 用户海拔高度（m） :param temp: 地面温度（℃，默认20℃） :param press: 地面气压（hPa，默认标准大气压） :param humi: 地面相对湿度（%，默认50%） :return: 对流层延迟修正量（m） """ # 单位转换 temp_k = temp + 273.15 # 转换为开尔文 elev_deg = elev / math.pi * 180 # 转换为角度 if elev_deg < 5: elev_deg = 5 # 高度角不小于5°，避免分母过小 # 1. 干分量修正（Hopfield模型） # 干大气常数 R_d = 287.05 # 干空气气体常数（J/(kg·K)） g = 9.80665 # 重力加速度（m/s²） T0_d = temp_k # 干大气底层温度 P0_d = press * 100 # 转换为Pa H_d = 40136 + 148.72 * (temp_k - 273.15) # 干大气标高（m） # 干分量延迟 delta_d = (0.002277 / math.sin(math.radians(elev_deg))) * P0_d delta_d *= (1 + (height_user / H_d) - (0.002 * lat_user ** 2)) # 2. 湿分量修正 # 湿大气常数 T0_w = temp_k # 湿大气底层温度 e0 = 6.1078 * math.exp( (17.27 * (temp_k - 273.15)) / (temp_k - 35.85) ) # 饱和水汽压 P0_w = (humi / 100) * e0 * 100 # 水汽压（Pa） H_w = 11000 # 湿大气标高（m，经验值） # 湿分量延迟 delta_w = (0.002277 * 0.0026 / math.sin(math.radians(elev_deg))) * (P0_w * T0_d) / T0_w delta_w *= (1 + height_user / H_w) # 总对流层延迟 tropo_delay_m = (delta_d + delta_w) / 100 # 转换为m return tropo_delay_m def undifferenced_ionospheric_free_combination(pseudo1, pseudo2, f1, f2): """ 双频用户无电离层组合（抵消大部分电离层影响） :param pseudo1: 频率1伪距观测值（m，如B1C） :param pseudo2: 频率2伪距观测值（m，如B2a） :param f1: 频率1（Hz，如B1C: 1.57542e9 Hz） :param f2: 频率2（Hz，如B2a: 1.20714e9 Hz） :return: 无电离层组合伪距（m） """ # 无电离层组合系数 k1 = (f1 ** 2) / (f1 ** 2 - f2 ** 2) k2 = - (f2 ** 2) / (f1 ** 2 - f2 ** 2) # 无电离层组合伪距 pseudo_if = k1 * pseudo1 + k2 * pseudo2 return pseudo_if def pseudo_range_correction(pseudo_ranges, freq_info, user_info, sat_clock_params, iono_params, tropo_params, is_dual_frequency=True): """ 伪距误差综合修正入口函数 :param pseudo_ranges: 伪距观测值字典，key=频率标识，value=伪距（m） :param freq_info: 频率信息字典，key=频率标识，value=频率（Hz） :param user_info: 用户信息字典，包含lat(rad)、lon(rad)、height(m)、t(gps周内秒) :param sat_clock_params: 卫星钟差参数 (a0, a1, a2, tgd) :param iono_params: 电离层参数，单频=Klobuchar参数，双频=None :param tropo_params: 对流层气象参数 (temp, press, humi) :param is_dual_frequency: 是否双频用户（True=双频，False=单频） :return: 修正后的伪距（m） """ # 1. 卫星钟差修正（先修正伪距对应的发射时刻） a0, a1, a2, tgd = sat_clock_params t_transmit = user_info['t'] # 初始发射时刻 t_transmit_corr, delta_t_sv = satellite_clock_error_correction(t_transmit, a0, a1, a2, tgd) # 钟差对应的距离修正量（m） clock_corr_m = delta_t_sv * 3e8 # 2. 电离层修正 + 双频无电离层组合 if is_dual_frequency: # 双频：无电离层组合抵消电离层影响 if len(pseudo_ranges) < 2: raise ValueError("双频用户需要至少两个频率的伪距观测值") freq_keys = list(pseudo_ranges.keys()) f1, f2 = freq_info[freq_keys[0]], freq_info[freq_keys[1]] pseudo1, pseudo2 = pseudo_ranges[freq_keys[0]], pseudo_ranges[freq_keys[1]] # 先扣除卫星钟差影响 pseudo1 -= clock_corr_m pseudo2 -= clock_corr_m # 无电离层组合 pseudo_iono_corr = undifferenced_ionospheric_free_combination(pseudo1, pseudo2, f1, f2) else: # 单频：Klobuchar模型修正电离层 if len(pseudo_ranges) < 1: raise ValueError("单频用户需要至少一个频率的伪距观测值") freq_key = list(pseudo_ranges.keys())[0] pseudo = pseudo_ranges[freq_key] # 先扣除卫星钟差影响 pseudo -= clock_corr_m # Klobuchar模型参数 alpha0, alpha1, alpha2, alpha3, beta0, beta1, beta2, beta3 = iono_params # 计算电离层延迟修正量 ion_delay_m = klobuchar_ionospheric_correction( user_info['lat'], user_info['lon'], user_info['t'], user_info['elev'], user_info['azim'], alpha0, alpha1, alpha2, alpha3, beta0, beta1, beta2, beta3 ) # 修正电离层延迟（伪距减去电离层延迟） pseudo_iono_corr = pseudo - ion_delay_m # 3. 对流层修正 temp, press, humi = tropo_params tropo_delay_m = tropospheric_correction( user_info['lat'], user_info['elev'], user_info['height'], temp, press, humi ) # 修正对流层延迟（伪距减去对流层延迟） pseudo_final_corr = pseudo_iono_corr - tropo_delay_m return pseudo_final_corr # -------------------------- 测试示例 -------------------------- if __name__ == "__main__": # 1. 输入参数 # 伪距观测值（双频：B1C、B2a；单频：仅B1C） pseudo_ranges = { "B1C": 20000000.0, # B1C伪距（m） "B2a": 20000005.0 # B2a伪距（m） } # 频率信息（B1C:1.57542e9 Hz，B2a:1.20714e9 Hz） freq_info = { "B1C": 1.57542e9, "B2a": 1.20714e9 } # 用户信息 user_info = { "lat": 30 * math.pi / 180, # 纬度30°（rad） "lon": 120 * math.pi / 180, # 经度120°（rad） "height": 100.0, # 海拔100m "t": 3600.0, # GPS周内秒3600s "elev": 30 * math.pi / 180, # 卫星高度角30°（rad） "azim": 90 * math.pi / 180 # 卫星方位角90°（rad） } # 卫星钟差参数（a0,a1,a2,TGD） sat_clock_params = (1.2e-8, 5e-15, 0.0, 2.0e-9) # Klobuchar电离层参数（单频使用） iono_params = (1.0e-8, 0.0, 0.0, 0.0, 7.2e4, 0.0, 0.0, 0.0) # 对流层气象参数（温度20℃，气压1013.25hPa，湿度50%） tropo_params = (20.0, 1013.25, 50.0) # 2. 双频用户伪距修正 try: pseudo_corr_dual = pseudo_range_correction( pseudo_ranges, freq_info, user_info, sat_clock_params, iono_params, tropo_params, is_dual_frequency=True ) print(f"双频（无电离层组合）修正后伪距：{pseudo_corr_dual:.2f} m") except Exception as e: print(f"双频修正异常：{e}") # 3. 单频用户伪距修正（仅使用B1C频率） pseudo_ranges_single = {"B1C": 20000000.0} freq_info_single = {"B1C": 1.57542e9} try: pseudo_corr_single = pseudo_range_correction( pseudo_ranges_single, freq_info_single, user_info, sat_clock_params, iono_params, tropo_params, is_dual_frequency=False ) print(f"单频（Klobuchar模型）修正后伪距：{pseudo_corr_single:.2f} m") except Exception as e: print(f"单频修正异常：{e}")

4.空间后方交会解算原始坐标

以4颗卫星的已知坐标为球心，以修正后的伪距为半径，建立4个球面方程，联立求解唯一交点，得到用户的原始三维坐标（WGS - 84坐标系）。

核心算法：最小二乘法，通过迭代降低观测误差对坐标解算的影响，确保结果收敛。

5.差分增强修正（高精度定位关键）

米级定位满足消费级需求，工业场景需进一步提升精度，主流技术如下：

6.多系统融合与辅助定位（复杂环境兜底）

卫星信号遮挡/弱信号场景下，接收机自动融合惯性导航（IMU）、UWB、蓝牙AOA等技术，实现实现“室内外无缝定位”:

室外开阔区：北斗+RTK提供厘米级定位，适配高压管廊、厂区道路人员/设备盯防。

室内金属密集区：卫星信号被屏蔽，自动切换UWB基站接管，保障定位连续性。

7.输出最终定位结果

经上述步骤修正后，终端输出经纬度、高度、速度、时间等数据，定位频率可达1–10Hz，满足动态追踪需求。

希望本篇对大家有所帮助~因为篇幅有限，（二）将会放在下篇，感兴趣的朋友可以关注一下~

点击下方可获取免费获取技术文档和解决方案↓↓↓↓↓↓↓