深入浅出GNSS：白噪声、高斯白噪声与 PPP Kalman 滤波

1. 结论

在 PPP Kalman 滤波中，需要描述两类不确定性：

• 过程噪声：状态模型没有描述到的随机变化，协方差记为 $\mathbf{Q}$；
• 观测噪声：伪距、载波相位等观测值中的随机误差，协方差记为 $\mathbf{R}$。

工程中常把过程噪声和观测噪声近似为零均值高斯白噪声。

需要注意：

PPP 中的钟差、天顶湿延迟、电离层延迟等状态，通常不是白噪声本身，而是由白噪声驱动的随机过程。

2. 什么是白噪声

设离散噪声序列为 $w_k$，其中 $k$ 表示历元编号。零均值白噪声通常满足

$$E[w_k]=0,$$

$$E[w_i{w}_j]=\{\begin{array}{ll}{\sigma }_w^2,& i=j,\\ 0,& i\ne j.\end{array}$$

式中：

• $E[\cdot ]$：数学期望；
• ${\sigma }_w^2$：噪声方差；
• $i,j$：不同历元编号。

这表示：

• 同一历元的噪声具有有限方差；
• 不同历元的噪声互不相关。

因此，白噪声描述的是时间相关性，而不是概率分布。

在频率域中，理想白噪声的功率谱密度为常数，因此称为“白”噪声。真实 GNSS 接收机带宽有限，只能在一定频带和采样间隔下近似为白噪声。

不相关不一定等于独立

一般情况下，不相关不能直接推出独立。只有当随机量满足联合高斯分布时，不相关才等价于独立。

3. 什么是高斯白噪声

如果噪声既是白噪声，又服从高斯分布，则称为高斯白噪声：

$$w_k\sim \mathcal{N}(0,{\sigma }_w^2).$$

式中：

• $\mathcal{N}$：高斯分布；
• $0$：噪声均值；
• ${\sigma }_w^2$：噪声方差。

白噪声与高斯描述的是两个不同属性：

因此：

• 白噪声不一定是高斯噪声；
• 高斯噪声也不一定是白噪声；
• 同时满足两者，才是高斯白噪声。

4. 白噪声与随机游走有什么区别

随机游走模型写成

$$x_k=x_{k-1}+w_{k-1},$$

其中

$$w_{k-1}\sim \mathcal{N}(0,Q_{k-1}).$$

式中：

• $x_k$：当前历元状态；
• $x_{k-1}$：上一历元状态；
• $w_{k-1}$：相邻历元之间的随机增量；
• $Q_{k-1}$：随机增量的方差。

这里：

• $w_{k-1}$ 是高斯白噪声；
• $x_k$ 是随机游走状态；
• $x_k$ 会继承并累积以前的随机增量，因此状态本身不是白噪声。

例如，PPP 中的天顶湿延迟可以理解为：上一历元的估计值，加上本历元无法预测的小变化。

若随机游走强度为 $q_x$，采样间隔为 $\Delta t$，常用离散过程噪声为

$$Q_k=q_x\Delta t.$$

式中：

• $q_x$：随机游走强度，单位为“状态单位的平方每秒”；
• $\Delta t$：相邻历元时间间隔，单位为秒；
• $Q_k$：本历元加入的过程噪声方差。

因此，采样间隔改变时，不能机械地保持相同的逐历元 $Q_k$。

5. Kalman 滤波中的白噪声

5.1 状态方程与过程噪声

Kalman 滤波的状态方程为

$${\mathbf{x}}_k={\mathbf{F}}_{k-1}{\mathbf{x}}_{k-1}+{\mathbf{w}}_{k-1}.$$

式中：

• ${\mathbf{x}}_k$：当前历元状态向量；
• ${\mathbf{F}}_{k-1}$：状态转移矩阵；
• ${\mathbf{w}}_{k-1}$：过程噪声向量。

通常假设

$$E[{\mathbf{w}}_k]=0,$$

$$E[{\mathbf{w}}_i{\mathbf{w}}_j^T]={\mathbf{Q}}_i{\delta }_{ij}.$$

其中：

• ${\mathbf{Q}}_i$：过程噪声协方差矩阵；
• ${\delta }_{ij}$：Kronecker 符号，当 $i=j$ 时为 1，否则为 0；
• 上标 $T$：矩阵转置。

状态协方差预测为

$${\mathbf{P}}_k^{-}={\mathbf{F}}_{k-1}{\mathbf{P}}_{k-1}^{+}{\mathbf{F}}_{k-1}^T+{\mathbf{Q}}_{k-1}.$$

式中：

• ${\mathbf{P}}_{k-1}^{+}$：上一历元更新后的状态协方差；
• ${\mathbf{P}}_k^{-}$：当前历元观测更新前的预测协方差。

直观理解：

• $\mathbf{Q}$ 越大，越不相信状态模型，滤波器更依赖当前观测；
• $\mathbf{Q}$ 越小，越相信状态在历元之间保持平滑。

5.2 观测方程与观测噪声

PPP 的非线性观测方程可写成

$${\mathbf{z}}_k=\mathbf{h}({\mathbf{x}}_k)+{\mathbf{v}}_k.$$

式中：

• ${\mathbf{z}}_k$：伪距、载波相位等观测向量；
• $\mathbf{h}({\mathbf{x}}_k)$：由状态计算得到的理论观测值；
• ${\mathbf{v}}_k$：观测噪声向量。

通常近似认为

$${\mathbf{v}}_k\sim \mathcal{N}(0,{\mathbf{R}}_k),$$

其中 ${\mathbf{R}}_k$ 是观测噪声协方差矩阵。

标准 Kalman 滤波还常假设过程噪声与观测噪声互不相关：

$$E[{\mathbf{w}}_i{\mathbf{v}}_j^T]=0.$$

因此，白噪声模型不仅用于 $\mathbf{Q}$，也常用于 $\mathbf{R}$。

6. PPP 中常见参数采用什么模型

严格来说，不宜笼统地说“某个状态使用白噪声”。更准确的说法应是：

• 状态采用常数、随机游走或动力学模型；
• 模型中的随机驱动项采用白噪声；
• 观测误差采用白噪声近似。

6.1 接收机坐标

静态 PPP

接收机位置理论上不变，通常采用常数模型：

$${\mathbf{r}}_k={\mathbf{r}}_{k-1}.$$

式中 ${\mathbf{r}}_k=[x_k,y_k,z_k{]}^T$ 为接收机三维坐标。

对应的坐标过程噪声可设为 0，或设置为很小的值以吸收轻微位移和建模误差。

动态 PPP

常见做法有两种：

1. 逐历元独立估计位置：不利用相邻历元的运动连续性；
2. 位置—速度模型：用白加速度描述未建模的运动变化。

一维常速度模型为

$$\left[\begin{array}{c}{p}_k\\ v_k\end{array}\right]=\left[\begin{array}{cc}1& \Delta t\\ 0& 1\end{array}\right]\left[\begin{array}{c}{p}_{k-1}\\ v_{k-1}\end{array}\right]+{\mathbf{w}}_{k-1}.$$

式中：

• $p_k$：位置；
• $v_k$：速度；
• $\Delta t$：历元间隔；
• ${\mathbf{w}}_{k-1}$：由未建模加速度产生的过程噪声。

6.2 接收机钟差

接收机钟差模型与振荡器质量和软件实现有关，常见方法包括：

• 逐历元独立估计：不使用上一历元钟差约束；
• 随机游走：认为钟差在相邻历元之间缓慢变化；
• 钟差—钟漂模型：同时估计钟差和钟漂。

普通接收机可能存在钟跳，因此不能简单地认为所有 PPP 都采用同一种钟差模型。

6.3 天顶湿延迟

天顶湿延迟（ZWD）随大气水汽缓慢变化，常采用随机游走：

$$Z_k=Z_{k-1}+w_{Z,k-1}.$$

式中：

• $Z_k$：当前历元 ZWD；
• $w_{Z,k-1}$：ZWD 的白噪声增量。

对流层水平梯度也常采用常数模型或小过程噪声随机游走。

6.4 UC-PPP 电离层延迟

非组合 PPP（UC-PPP）通常为每颗卫星估计斜路径电离层延迟：

$$I_k^s=I_{k-1}^s+w_{I,k-1}^s.$$

式中：

• $I_k^s$：历元 $k$ 时卫星 $s$ 的电离层延迟；
• $w_{I,k-1}^s$：电离层状态的白噪声增量；
• 上标 $s$：卫星编号。

IF-PPP 通过无电离层组合消除一阶电离层项，通常不再显式估计该状态。

6.5 载波相位模糊度

无周跳的连续弧段内，模糊度通常采用常数模型：

$$N_k^s=N_{k-1}^s,Q_N\approx 0.$$

式中：

• $N_k^s$：卫星 $s$ 的模糊度状态；
• $Q_N$：模糊度过程噪声方差。

发生周跳、失锁或观测弧段中断时，应重新初始化模糊度，而不是将其长期设置为普通随机游走。

6.6 系统间偏差和频间偏差

多系统 PPP 中的系统间偏差（ISB）以及部分接收机中的频间偏差（IFB），可采用：

• 常数模型；
• 小过程噪声随机游走；
• 分段常数模型。

具体模型取决于接收机硬件、固件和温度稳定性。

6.7 伪距和载波相位观测误差

伪距和载波相位观测误差通常近似为高斯白噪声，并写入 $\mathbf{R}$。

一般有：

• 伪距噪声大于载波相位噪声；
• 低高度角观测噪声和多路径通常更大；
• 不同系统、频点和信号类型可设置不同方差。

一种常见高度角定权模型为

$${\sigma }^2(e)=a^2+\frac{b^2}{{\sin }^{2}e}.$$

式中：

• $e$：卫星高度角；
• $a,b$：经验参数；
• ${\sigma }^2(e)$：该观测的方差。

真实多路径、粗差和残余系统误差通常具有时间相关性或非高斯特性，因此不能仅依靠白噪声模型处理，还需要周跳探测、异常值检验和抗差估计。

7. PPP 状态模型速查表

8. 怎样理解和调整 $\mathbf{Q}$ 与 $\mathbf{R}$

8.1 $\mathbf{Q}$ 的含义

$\mathbf{Q}$ 描述状态模型遗漏变化的强度。

• $\mathbf{Q}$ 过小：状态变化跟踪过慢，滤波器过度相信模型；
• $\mathbf{Q}$ 过大：状态估计波动增大，时间连续性约束减弱。

8.2 $\mathbf{R}$ 的含义

$\mathbf{R}$ 描述观测值的不确定性。

• $\mathbf{R}$ 过小：滤波器过度相信观测，容易受粗差和多路径影响；
• $\mathbf{R}$ 过大：观测权重过低，收敛和状态更新可能变慢。

8.3 注意单位和采样间隔

若状态单位为米，则相应 $Q$ 元素单位为 ${\mathrm{m}}^2$；若钟差状态单位为秒，则相应单位为 ${\mathrm{s}}^2$。

必须区分：

• 标准差；
• 方差；
• 随机游走强度或功率谱密度；
• 离散历元使用的过程噪声 $Q_k$。

参数设置还应考虑采样间隔 $\Delta t$，并通过创新序列、残差和状态变化是否符合物理规律进行检验。

9. 常见概念误区

误区 1：白噪声就是高斯噪声

错误。白噪声描述时间相关性，高斯描述概率分布。

误区 2：白噪声一定意味着不同历元独立

不严谨。普通白噪声只要求不同历元不相关；在联合高斯条件下，才可进一步推出独立。

误区 3：随机游走状态本身是白噪声

错误。随机游走状态由白噪声增量累积而成，状态本身具有时间相关性。

误区 4：白噪声只用于过程噪声 $\mathbf{Q}$

错误。观测噪声也通常采用白噪声近似，并通过 $\mathbf{R}$ 描述。

误区 5：PPP 所有状态都应该加入过程噪声

错误。连续弧段内的载波模糊度通常采用常数模型，周跳后重新初始化。

误区 6：接收机钟差一定采用随机游走

错误。钟差可逐历元独立估计，也可采用随机游走或钟差—钟漂模型。

误区 7：增大 $\mathbf{Q}$ 就能提高滤波稳健性

错误。$\mathbf{Q}$ 过大会使状态波动增大；过小又会导致真实变化跟踪不足。

10. 一条主线理解全文

状态模型不能完全描述真实变化
              │
              ▼
       用过程噪声 w 描述
              │
              ▼
  其统计强度写入过程协方差 Q
              │
              ▼
  Q 决定滤波器对状态模型的信任程度

观测值中存在随机误差
              │
              ▼
       用观测噪声 v 描述
              │
              ▼
  其统计强度写入观测协方差 R
              │
              ▼
  R 决定滤波器对观测值的信任程度

需要牢记：

$\mathbf{Q}$ 和 $\mathbf{R}$ 是噪声统计强度的描述，不是每个历元人为生成并加入解算的具体误差值。

11. 要点归纳

1. 白噪声强调不同历元之间不相关，高斯强调概率分布。
2. 高斯白噪声同时满足时间不相关和联合高斯分布。
3. 随机游走状态由白噪声增量驱动，但状态本身不是白噪声。
4. PPP Kalman 滤波使用 $\mathbf{Q}$ 描述过程噪声，使用 $\mathbf{R}$ 描述观测噪声。
5. ZWD 和 UC-PPP 电离层通常采用随机游走；模糊度在连续弧段内通常采用常数模型。
6. 接收机钟差没有唯一模型，应根据振荡器和软件设计选择。
7. 静态坐标通常采用常数模型，动态坐标可逐历元独立估计或采用运动模型。
8. 多路径、粗差、周跳等并不符合简单白噪声假设，需要额外质量控制。