HMW组合解析：PPP宽巷模糊度固定原理与工程实践

精密单点定位里，HMW组合是我这几年被问得最多的一个环节。很多刚接触PPP解算的朋友，一看到宽巷、窄巷、Melbourne-Wübbena这几个词就头大，其实把它拆开看，无非是用双频载波和伪距的线性组合，把电离层一阶项和几何距离一起消掉，剩下的就是纯粹的宽巷模糊度浮点值。这个组合能做什么？简单说，它让你在浮点解阶段就能把宽巷整周跳变看得清清楚楚，为后续固定宽巷、再固定窄巷铺路。适合谁看？做过RTK、玩过双频接收机、想往PPP-AR方向深入一步的从业者，或者正在写解算程序、被模糊度固定卡住的同学。下面我按自己实际写代码、跑数据的顺序，把这个组合从思路到落地完整捋一遍。

1. 先搞清楚HMW组合到底在解决什么问题

1.1 从双频观测方程说起

精密单点定位的观测方程，载波相位和伪距各一条，双频情况下就是四条。载波相位里有几何距离、钟差、对流层、电离层延迟（一阶项与频率平方成反比）、整周模糊度和观测噪声；伪距里结构类似，只是没有模糊度项，噪声大得多。电离层一阶项是频率相关的，这是所有双频组合的物理基础——只要两个频率的系数配得好，就能让电离层项在组合里消失。

HMW组合的巧妙之处在于，它同时用了宽巷载波相位和窄巷伪距。宽巷相位是L1、L2相位的差频组合，波长约86厘米，模糊度是N1减N2；窄巷伪距是P1、P2的加权和，系数与频率相关。两者相减，几何距离、钟差、对流层这些与频率无关的项全部抵消，电离层一阶项也因系数设计而消掉，最后剩下的表达式里只有宽巷模糊度、残余电离层高阶项和噪声。这就是为什么它能独立估计宽巷模糊度——不需要精密轨道、不需要钟差产品，单靠观测值本身就能算。

我一开始不理解为什么要用窄巷伪距而不是直接P1减P2，后来自己推了一遍系数才明白：宽巷相位的频率组合系数和窄巷伪距的系数必须严格配对，才能让几何项和电离层项同时归零。这个配对关系不是随便凑的，是从频率定义推出来的，下面会给具体公式。

1.2 宽巷模糊度为什么值得单独拎出来

整周模糊度固定是PPP走向厘米级甚至毫米级的关键一步，但直接固定L1、L2的整周模糊度太难，因为它们的波长只有十几厘米和二十几厘米，浮点解误差稍大就固定错。宽巷模糊度波长86厘米，浮点解精度要求低得多，先固定它成功率高，固定之后把它作为约束再去固定窄巷，整个固定链条就稳了。

HMW组合的价值就在于：它给出的是一个几乎不受几何项和电离层影响的宽巷浮点值，序列平稳、噪声可控，取平均或者做平滑之后很容易判断整周。我实测下来，静态数据几分钟的HMW序列取整成功率就很高，动态数据稍差但也能用。这就是为什么几乎所有PPP-AR的实现里，HMW组合都是第一步。

1.3 组合的适用边界与前提

这个组合不是万能的，有几个硬前提得先说清楚。第一，必须是双频及以上的观测，单频做不了。第二，两个频率的伪距和相位都得有，缺一个就构不成完整组合。第三，它对伪距噪声很敏感，因为窄巷伪距的噪声会被放大，所以伪距质量差的数据（比如某些低成本模块）HMW序列会抖得厉害，取整就不可靠。

还有一个容易被忽略的点：HMW组合消掉的是电离层一阶项，高阶项和残余的硬件延迟偏差还在。硬件延迟偏差（码偏差）如果不处理，会让宽巷浮点值整体偏移，取整就偏了。所以实际工程里，要么用产品里的偏差改正，要么在组合前先做卫星端的偏差估计。这一点后面在实操环节会展开。

2. 公式推导与参数选择背后的逻辑

2.1 宽巷相位与窄巷伪距的系数怎么定

先把频率记清楚：L1频率f1约1575.42MHz，L2频率f2约1227.60MHz，波长对应约19.03厘米和24.42厘米。宽巷相位定义为：

L_W = (f1·L1 - f2·L2) / (f1 - f2)

它的等效波长是 c/(f1-f2)，约86.2厘米，模糊度N_W = N1 - N2。窄巷伪距定义为：

P_N = (f1·P1 + f2·P2) / (f1 + f2)

注意这里是加权和，权重是频率本身，不是频率平方。这个细节很多人会搞错，写成频率平方就错了，因为伪距的电离层项系数和相位不同，配对关系要重新推。

HMW组合就是 L_W - P_N。把观测方程代进去，几何距离项在L_W和P_N里系数都是1，相减归零；钟差、对流层同理；电离层一阶项在L_W里系数是负的某个值，在P_N里是正的另一个值，两者恰好相等相反，归零。剩下的就是：

HMW = λ_W · N_W + 残余项 + 噪声

所以宽巷模糊度浮点值就是 HMW / λ_W。这个推导我建议每个做PPP的人都自己手推一遍，推完你对系数为什么这么配就再也不会忘了。

2.2 为什么噪声会被放大，放大多少

窄巷伪距的噪声是P1、P2噪声的加权和，权重加起来是1，但因为系数是频率比，实际放大倍数要算一下。设P1、P2噪声标准差都是σ_P，窄巷伪距噪声标准差约为σ_P乘以一个系数，这个系数在1附近但略大于1。宽巷相位的噪声则被频率差放大，因为分母是f1-f2，相对较小，所以相位噪声放大明显。

综合下来，HMW组合的噪声主要来自伪距，量级在分米级甚至更大。这就是为什么HMW序列不能单历元取整，必须做多历元平滑或者用滤波。我一般用几十到上百个历元的滑动平均，静态数据效果很好，动态数据要看运动状态，剧烈机动时平滑窗口要缩短。

这里给个经验值：静态、采样率30秒、观测质量正常的情况下，100个历元的HMW均值取整，宽巷固定成功率能到九成以上；动态数据建议用20到50个历元，并且加个质量阈值，均值偏离整周超过0.25周就判为不可靠。

2.3 残余偏差从哪来，怎么处理

前面说了，HMW消不掉硬件延迟偏差。卫星端和接收机端的码偏差会让宽巷浮点值产生一个系统性偏移，这个偏移对不同卫星还不一样。处理方法有两种：一是用外部产品提供的宽巷偏差改正数，直接减掉；二是在解算里把宽巷偏差作为参数估计，用多颗卫星联合解。

我实际做的时候，如果手头有偏差产品就用产品，没有的话就在HMW序列上做卫星间单差，消掉接收机端偏差，卫星端偏差靠多历元平均吸收一部分。这个做法不严谨但工程上够用，前提是卫星端偏差在短时间内稳定。要注意的是，单差之后宽巷模糊度的整周关系变了，取整逻辑要相应调整，不能直接套单星的结果。

3. 实操流程：从原始观测到宽巷固定

3.1 数据准备与预处理

拿到观测文件后，第一步不是急着算HMW，而是先做数据清洗。我一般检查这几项：两个频率的伪距和相位是否齐全、有没有明显的粗差、周跳标记是否可靠。伪距粗差对HMW影响极大，一个几十米的伪距跳变就能让整个序列报废，所以粗差探测要做在前面。

周跳处理也要注意，HMW组合本身对周跳敏感，因为宽巷相位里含有N1-N2，任何一个频率跳变都会反映到HMW序列上。我的做法是先用几何无关组合（GF）或者相位减伪距的方法探测周跳，标记出来，然后在HMW平滑时把周跳前后的数据分段处理，不要跨周跳做平均。

预处理还包括高度角筛选，低高度角卫星的伪距噪声大、多路径严重，HMW序列质量差，我一般设15度截止高度角，特殊情况下放宽到10度但会加大平滑窗口。

3.2 逐历元计算HMW值

计算本身不复杂，按2.1的公式逐历元算就行。我用Python写个示意，实际工程里可能是C++或者Fortran，逻辑一样：

import numpy as np f1 = 1575.42e6 f2 = 1227.60e6 c = 299792458.0 lambda_W = c / (f1 - f2) def compute_hmw(L1, L2, P1, P2): # L1, L2 单位：米（相位已乘波长） # P1, P2 单位：米 L_W = (f1 * L1 - f2 * L2) / (f1 - f2) P_N = (f1 * P1 + f2 * P2) / (f1 + f2) hmw = L_W - P_N n_w_float = hmw / lambda_W return hmw, n_w_float

这段代码里有个容易踩的坑：相位观测值必须先转成米，如果原始文件是周数，要乘各自波长再代入。我见过有人直接拿周数算，结果数量级完全不对。另外浮点精度用双精度，单精度在频率相乘时会丢精度。

算出来的n_w_float就是宽巷模糊度浮点值，理论上应该在某个整数附近波动，波动幅度反映噪声水平。你可以先画个序列图看看，如果波动超过半周，说明数据质量或者预处理有问题，先别急着往下走。

3.3 平滑、取整与质量控制

单历元值不能直接用，要做平滑。我用的是滑动平均加中位数滤波的组合：先算滑动窗口内的均值，再用中位数剔除异常历元，最后用剔除后的均值取整。窗口长度按2.2的经验值选。

取整之后要做质量判定，我设了几个阈值：均值与最近整数的偏差小于0.25周、窗口内标准差小于0.3周、有效历元数大于窗口的一半。三个条件都满足才认为宽巷固定可靠，否则标记为浮点。这个判定逻辑看着简单，但实际跑数据时能挡掉大部分错误固定。

固定之后，宽巷模糊度作为已知量约束到后续解算里，窄巷固定就有了基础。这里要注意，宽巷固定值要回代到观测方程里，不是单独存着就完事，回代的方式影响后续窄巷估计的精度。

3.4 与后续窄巷固定的衔接

宽巷固定后，窄巷模糊度的浮点值精度直接决定最终固定成败。窄巷波长约10.7厘米，比宽巷短得多，所以对浮点解精度要求高。HMW给出的宽巷固定值相当于给窄巷估计提供了一个强约束，把宽巷那部分不确定性消掉，窄巷浮点解的方差就小了。

实际衔接时，我把宽巷固定值作为伪观测方程加入法方程，权重给得比较高但不给无穷大，留一点余量防止错误固定传播。然后重新解算，得到窄巷浮点值和协方差，再做整数最小二乘搜索（LAMBDA或者其变种）。这一步的细节超出HMW本身，但衔接逻辑得清楚：HMW是链条的第一环，它稳了后面才稳。

4. 常见问题与排查实录

4.1 HMW序列抖动大、取整老失败

这是最常见的问题，原因通常有三类。第一类是伪距质量差，低成本接收机或者多路径严重环境，窄巷伪距噪声大，HMW自然抖。排查方法是看伪距残差，如果P1、P2的残差标准差超过一米，基本就是数据问题，换数据或者加大平滑窗口。第二类是周跳没处理干净，HMW序列在周跳处有跳变，跨周跳平均就废了。排查方法是画序列图看有没有台阶，有就分段。第三类是硬件延迟偏差没改正，序列整体偏移，均值不在整数附近。排查方法是看多颗卫星的偏移是否一致，一致的话可能是接收机端偏差，不一致可能是卫星端偏差。

我整理了一个速查表，实际排查时对着看：

4.2 宽巷固定了但窄巷固定不上

这个问题我遇到过好几次，一开始以为是窄巷算法问题，后来发现根子在宽巷固定值的精度上。宽巷虽然固定了，但如果固定时用的均值偏差接近0.25周的阈值边缘，回代后给窄巷的约束就有偏差，窄巷搜索就失败。解决办法是把宽巷固定的质量阈值收紧，偏差超过0.2周就不固定，宁可浮着也别固定错。

另一个原因是宽巷固定值的协方差给得不合理，给太小会让法方程过度自信，给太大会起不到约束作用。我的经验是给0.1到0.2周的方差，具体看数据质量调。

4.3 动态数据下HMW还能用吗

能用，但要调整策略。动态情况下卫星几何变化快，HMW序列的非几何项虽然消掉了，但残余误差和噪声随运动状态变化，平滑窗口不能太长。我一般用20到30个历元，并且加运动状态检测，剧烈机动时暂停固定或者重置窗口。

还有一个动态特有的问题：接收机钟跳。钟跳会让伪距和相位同时跳变，HMW组合里几何项消掉了，但钟跳如果处理不当会残留。我的做法是在预处理阶段检测钟跳并修复，不要在HMW阶段硬扛。

4.4 实操心得几条

第一条，HMW计算前一定先做伪距粗差探测，这一步省不得，我吃过亏，一个粗差让整段数据白跑。第二条，平滑窗口不是越长越好，太长会把真实的模糊度变化（比如周跳后）抹平，我一般不超过150历元。第三条，取整判定用偏差加标准差双阈值，单用偏差容易在噪声大时误判。第四条，多系统数据要分系统处理，不同系统的频率和偏差特性不同，混在一起算会互相干扰。

5. 工程实现里的几个关键取舍

5.1 用产品偏差还是自估偏差

手头有可靠的偏差产品时，直接用产品最省事，精度也有保证。没有产品时自估，自估的做法是在HMW序列上做星间单差消接收机端偏差，卫星端偏差靠长时间平均吸收。自估的代价是需要更长的数据弧段，短弧段自估偏差不可靠。我一般弧段短于半小时就倾向用产品，长弧段可以自估。

5.2 平滑算法选滑动平均还是卡尔曼滤波

滑动平均简单、鲁棒，对模型误差不敏感，适合工程快速实现。卡尔曼滤波理论上更优，能把模糊度作为状态估计，但需要合理的过程噪声和观测噪声模型，调参麻烦。我早期用滑动平均，后来数据量大、实时性要求高时转卡尔曼，但滑动平均作为交叉验证一直保留。新手建议先从滑动平均入手，把流程跑通再考虑滤波。

5.3 阈值设定的经验值汇总

把前面散落的阈值集中列一下，方便直接抄：高度角截止15度（可放宽到10度）、平滑窗口静态100历元动态20到30历元、取整偏差阈值0.25周（严格时0.2周）、窗口标准差阈值0.3周、有效历元占比大于50%、宽巷回代方差0.1到0.2周。这些值不是金科玉律，不同数据要微调，但作为起点够用。

5.4 代码结构建议

我把HMW模块拆成四层：数据读取与预处理层、逐历元组合计算层、平滑与质量控制层、结果输出与回代层。分层的好处是每层可以单独测试，出问题好定位。组合计算层是纯函数，输入观测输出浮点值，不依赖全局状态，方便单元测试。质量控制层的阈值做成配置项，不同项目改配置不改代码。

这套结构我在几个模拟项目里用过，数据量从几MB到几GB都扛得住，主要瓶颈在预处理和文件IO，组合计算本身很快。如果要做实时，把逐历元计算和滑动窗口做成流式处理，内存占用可控。

最后分享一个我踩过的坑：早期实现时我把宽巷波长算错了，用了L1波长代替宽巷波长，结果浮点值整体差了好几倍，排查了半天才发现是常数写错。这种低级错误在公式实现里很常见，建议把频率、波长这些常数集中定义，加单元测试验证组合结果在合理范围，能省很多调试时间。HMW组合本身不复杂，难的是把预处理、偏差处理、质量控制这些周边环节做扎实，链条上任何一环松了，宽巷就固定不住。