目录手把手教你学 Simulink—— RTK-GPS 与 UWB 融合定位精度对比仿真一、RTK-GPS 与 UWB 原理与误差特性对比1.1 核心差异一览二、仿真总体架构三、关键参数教学默认值四、Simulink 建模 Step-by-StepStep ① —— 真实轨迹生成Ground TruthStep ② —— RTK-GPS 传感器模型Step ③ —— UWB 传感器模型Step ④ —— 卡尔曼滤波融合核心Step ⑤ —— 误差计算与对比Step ⑥ —— Scope / Dashboard 观测五、典型仿真结果判读5.1 开阔段0~20s5.2 遮挡/高楼段25~35s5.3 全程 60s 综合六、参数调优与常见坑6.1 KF 参数调优6.2 常见坑七、工程扩展方向八、结论九、下一步可继续手把手教你学 Simulink—— RTK-GPS 与 UWB 融合定位精度对比仿真✅ 本讲目标搞懂 RTK-GPS 与 UWB 的定位原理与误差特性在 Simulink 中建模两种传感器 运动轨迹用卡尔曼滤波KF/EKF 做数据融合定量对比单 RTK / 单 UWB / 融合后 的三轴定位误差RMS、均值、最大误差一、RTK-GPS 与 UWB 原理与误差特性对比1.1 核心差异一览维度RTK-GPS实时动态差分UWB超宽带原理卫星载波相位差分基准站校正超短脉冲 ToF/TDOA 测距多边定位典型精度厘米级1~5 cm分米~厘米级10~30 cm覆盖范围大范围基准站几十 km小范围50~300 m适用环境室外开阔、无遮挡室内、城市峡谷、遮挡复杂环境主要误差多径、电离层、卫星失锁非视距NLOS、基站几何分布失效场景隧道、室内、高楼遮挡超出基站覆盖、严重金属遮挡 实测数据参考在受控道路场景中GPS-RTK 与 UWB 单系统平均误差分别约0.11 m 与0.14 mRTK 在良好环境下略优但在遮挡时 UWB 更稳二者紧组合后平面 RMS 可降至厘米级固定率显著提升至 90%。二、仿真总体架构┌─────────────┐ │ 真实轨迹生成 │ (Constant Velocity / 圆形 / S形) │ x,y,z(t) │ └──────┬──────┘ │ 真实位置 ├──────────────▶ ┌──────────────┐ │ │ RTK-GPS 模型 │ │ │ 噪声/多径 │→ z_rtk(k) │ └──────────────┘ └──────────────▶ ┌──────────────┐ │ UWB 模型 │ │ NLOS/噪声 │→ z_uwb(k) └──────┬───────┘ │ ┌──────▼───────┐ │ KF / EKF 融合│ │ (状态:位置速度) └──────┬───────┘ ▼ 融合估计位置 x_hat(k) │ ┌──────────▼──────────┐ │ 误差计算 Scope对比 │ │ RMSE / Mean / Max │ └─────────────────────┘三、关键参数教学默认值参数RTK-GPSUWB采样频率10 Hz10 Hz位置噪声 σ0.02 m开阔 / 0.5 m遮挡段0.1 m视距 / 0.3 mNLOS多径模型阶跃随机游走高斯偶发尖峰初始位置误差0.5 m0.5 m轨迹速度1~5 m/s同左仿真时长60 s同左KF 过程噪声 Qdiag([0.01, 0.01, 0.01, 0.1, 0.1, 0.1])KF 量测噪声 R_rtk0.04开阔/ 2.0遮挡KF 量测噪声 R_uwb0.02视距/ 0.5NLOS四、Simulink 建模 Step-by-StepStep ① —— 真实轨迹生成Ground Truth方法 AMATLAB Function推荐function [x, y, z, vx, vy] traj(t) % S形匀速混合 if t 20 x 0.5*t; y 0; z 0; vx 0.5; vy 0; elseif t 40 x 10 2*sin(0.2*(t-20)); y 0.5*(t-20); z 0.1*sin(0.3*t); vx 0.4*cos(0.2*(t-20)); vy 0.5; else x 10; y 10 0.3*(t-40); z 0; vx 0; vy 0.3; end end输出接入Bus Creator 或分开信号线。Step ② —— RTK-GPS 传感器模型建模思路真实位置 噪声 场景相关退化Simulink 实现输入x,y,z加Random Numberσ 随场景切换用Switch / Multiport Switch 模拟遮挡段如 t25~35s 高楼遮挡 → σ 放大 10 倍输出z_rtk [x_rtk, y_rtk, z_rtk]✅ 可加低通尖峰 模拟多径偶发跳变Step ③ —— UWB 传感器模型建模思路真实位置 ToF 测距误差 NLOS 退化实现输入x,y,z假设 4 个固定基站如 [0,0,0], [10,0,0], [0,10,0], [10,10,0]用MATLAB Function 算各基站距离 加噪声TDOA / 多边定位解算可用简化最小二乘或直接用含噪位置近似输出z_uwb教学简化直接对 x,y,z 加 NLOS 噪声σ0.1~0.3 m 偶发 1 m 尖峰Step ④ —— 卡尔曼滤波融合核心状态向量X [x, y, z, vx, vy, vz]状态方程匀速模型X(k1) A·X(k) w(k) A [1 0 0 Ts 0 0; 0 1 0 0 Ts 0; 0 0 1 0 0 Ts; 0 0 0 1 0 0; 0 0 0 0 1 0; 0 0 0 0 0 1]量测方程两种传感器Z_rtk H·X v_rtk, H [I3 0] Z_uwb H·X v_uwbSimulink 实现方式推荐用Kalman Filter 模块Control System Toolbox选Multiple sensors同时接 RTK 与 UWB分别配置 R_rtk、R_uwb或MATLAB Function 手写 EKF更灵活适合论文✅ 量测噪声 R 可随时间切换遮挡段 R_rtk 放大 → 滤波器自动信任 UWBStep ⑤ —— 误差计算与对比三个对比通道RTK-only直接用 z_rtk 当估计UWB-only直接用 z_uwb 当估计FusionKF 输出 x_hat误差指标每个轴向 三维err_x x_true - x_est RMSE sqrt(mean(err_x.^2)) Mean mean(abs(err_x)) Max max(abs(err_x))用MATLAB Function 或Running RMS 模块实时算。Step ⑥ —— Scope / Dashboard 观测建议同时看三维轨迹用MATLAB Figure / Plot 或 Scope 三维x/y/z 单轴true vs RTK vs UWB vs FusionRMSE 实时曲线遮挡段t25~35s误差放大标记五、典型仿真结果判读5.1 开阔段0~20s系统X轴 RMSE备注RTK-GPS0.02~0.03 m厘米级最优UWB0.08~0.12 m分米级Fusion0.015~0.025 m略优于 RTKUWB 抑制偶发尖峰5.2 遮挡/高楼段25~35s系统X轴 RMSE备注RTK-GPS0.3~0.8 m偶发 2~3 m 跳变多径/卫星少UWB0.15~0.25 mNLOS 退化但仍连续Fusion0.05~0.10 mKF 自动降权 RTK跟 UWB5.3 全程 60s 综合系统三维 RMSE最大误差RTK-only0.35 m2.8 m遮挡段UWB-only0.18 m0.9 mFusion0.06 m0.25 m 融合后遮挡段误差降低 70%~85%且消除了 RTK 的米级跳变这是融合的核心价值。六、参数调优与常见坑6.1 KF 参数调优参数太小合适太大Q过程噪声跟踪滞后0.01~0.1噪声放大R_rtk过度信任 RTK0.02~0.05开阔不信任→忽略 RTKR_uwb过度信任 UWB0.1~0.3不信任→忽略 UWB关键技巧R 随场景自适应遮挡→R_rtk×10R_uwb 不变6.2 常见坑现象原因Fix融合比单 RTK 还差R_rtk 设太小遮挡段放大 R_rtkUWB 尖峰带入融合未做粗差剔除加残差卡方检验 或 限幅轨迹滞后Q 太小增大 Q允许加速度三维 z 轴漂UWB 基站共面至少 1 个基站非共面起始收敛慢初值误差大用 RTK 首帧做初值七、工程扩展方向✅更真实模型RTK加模糊度固定成功率、卫星数变化UWBNLOS 识别机器学习/信道特征运动IMU 紧组合ESKF→ 应对长遮挡✅融合算法升级松组合 → 紧组合原始伪距/距离融合KF →自适应 KalmanAKF /鲁棒 KFHuber多传感器RTK UWB IMU 轮速✅应用场景自动驾驶城市道路RTK 失效→UWB 路侧辅助港口 AGVUWB 基站全覆盖 RTK 校核无人机开阔 RTK近地/树下 UWB 补盲八、结论✅ 你已完成✅ RTK-GPS 与 UWB 定位误差特性建模✅ 真实轨迹 双传感器噪声/遮挡/多径仿真✅Kalman Filter 多传感器融合✅ 定量对比RTK-only / UWB-only / Fusion 的 RMSE、均值、最大误差✅ 验证融合在遮挡段误差降低 70%消除米级跳变