一、当温度成为“隐形的误差”

在理想状态下，IMU 测得的角速度与加速度应该与真实运动一致。

但现实中，只要温度发生变化，敏感元件的特性就会改变——

晶体的应力、焊点的膨胀、放大电路的漂移，

都会让原本的测量值“微微偏离”。

这种偏离不会让你立刻察觉，

但当车行驶几公里、机器人运转几分钟，误差就会逐渐积累。

温度漂移（Temperature Drift）

正是让惯性导航系统“看似稳，却悄然失准”的根源之一。

二、标度因子：每一度倾斜都要精确计算

除了温漂，还有一个隐藏的关键——标度因子（Scale Factor）。

它定义了传感器输出值与真实物理量之间的比例关系。

想象你拿着一把“稍微伸缩”的尺子去量距离：

每一段都只差一点点，但量得越多，误差越大。

在 IMU 中，这种比例偏差同样存在。 一个理想的加速度计输出应该是线性的， 但现实中，因电路、机械结构、老化等因素， 其响应曲线往往会轻微弯曲或失真。 这就需要通过标度因子校正， 让 IMU 的“刻度尺”重新回归标准。

三、建模的艺术：把混乱变成可预测

SUMACO 系列 IMU 采用自研误差建模体系，将温漂与标度因子综合校正。

核心方法是：

1. 多温标定：在 -40℃～85℃ 范围内记录传感器响应；
2. 参数拟合：建立温度与输出的误差模型；
3. 在线补偿：运行时动态读取温度，调用模型进行实时修正。

这一过程就像给传感器装上“大脑”——

它知道自己在变热或变冷时会出什么错，并主动抵消。

这种建模方法不仅适用于单台设备，

还可通过生产数据分析，逐步优化整个批次的系数模板，

让“稳定”成为可批量生产的结果。

四、可控的误差，才是可靠的系统

在车规级的语境下，IMU 不追求“零误差”， 而追求可控误差（Controllable Error）。 真正的稳定来自对误差的理解、建模与管理。 因此，SUMACO 把误差当作一种可被塑造的特性， 而不是必须掩盖的缺陷。

在出厂测试中，每一颗 SUMACO IMU 都经历：

• 多温度闭环验证；
• 动态标度因子测试；
• 数据拟合残差评估； 确保最终输出在所有温区、所有动态场景下， 都能保持一致的特性。

这也是“车规级”的核心含义之一——

不是比谁更灵敏，而是比谁更可预期。

五、稳定性，是建立在理解之上的

当系统知道自己在什么情况下会“犯错”，

它就更接近于真正的智能。

SUMACO 的温漂与标度因子模型，

让这种智能有了“物理的基础”。

从硬件到算法，从数据到模型，

稳定性不再只是产品特性，

而是对世界变化的理解能力。

因为唯有理解变化，

才能在变化中保持恒定——

这正是车规级 IMU 的价值所在。

关于 MCT 毫厘智能

MCT 毫厘智能是一家专注于 Physical AI 时代的姿态感知与绝对定位创新公司。 我们以人工智能为核心技术，采用“数据驱动、软硬结合”的策略， 开发并提供全面的姿态感知与绝对定位软硬件解决方案， 服务于具身智能、城区辅助驾驶、低空经济、机器人、智能设备等领域。 公司基于自研的车规级北斗高精度芯片和模组，融合高精度 IMU、视觉及雷达等传感器技术， 结合海量数据，为自主规划和自动控制提供更可靠、更安全、更精准的技术支撑， 持续提升载体的空间感知能力。

想了解更多关于 MCT 毫厘智能的最新动态？

欢迎访问 www.mctech.ai / www.mctai.cn，或关注微信公众号「毫厘智能 MCT」。

一、从“静止信号”中听出噪声的节奏

如果把 IMU 想象成一个“倾听世界的耳朵”，

那么 Allan 方差（Allan Variance）就是帮它识别自己听到的杂音。

在实验室里，工程师常让 IMU 静止工作数小时或数天——

不是为了看它“动得多准”，而是为了听它“静得多稳”。

IMU 输出的每一点数据中，都包含了噪声：有快有慢，有轻有重。

Allan 方差通过把时间拉长、再压缩，去观察误差如何随时间变化。

它不关心“此刻的误差”，而关心“误差的节奏”。

二、Allan 方差到底是什么？

Allan 方差是一种统计工具，用于区分不同类型的随机噪声。

它通过计算相邻时间段平均值的方差，分析信号随时间的波动特性。

可以简单理解：

• 如果误差变化得很快，它可能是随机游走（Random Walk）；
• 如果误差变化缓慢但稳定，它可能是零偏漂移（Bias Drift）。

因此 Allan 方差的横轴是时间间隔 τ（tau），

纵轴是方差 σ(τ)。

不同噪声类型在曲线上的斜率不同，就像声音谱中的频率特征，

每种噪声都有自己的“声纹”。

三、从曲线中读出“噪声的家谱”

在 Allan 偏差曲线中，不同噪声类型通常呈现不同斜率特征：

• 角随机游走（ARW）：反映传感器短时白噪声主导下的随机抖动，对应斜率 -1/2；
• 零偏稳定性（Bias Stability）：反映零偏在中长期内的稳定程度，通常对应曲线的最低点附近或近似平坦区；
• 速率随机游走（RRW）：反映长期漂移累积趋势，对应斜率 +1/2。

对工程师而言，这张曲线就像 IMU 的“指纹”——

你可以从中看到它的天赋（传感噪声水平）、性格（漂移特征），

甚至判断它在不同环境下的表现。

四、为什么它对“车规级”至关重要

对于车规级 IMU，稳定性不是抽象的概念，而是要能被量化与复现。

Allan 方差让这种“稳定”有了客观标准：

• 它能评估不同批次器件的一致性；
• 能量化算法补偿的效果；
• 能判断温度、振动等环境因素对精度的影响。

在 SUMACO 的生产体系中，Allan 方差不仅是测试工具，

更是产品定义与质量控制的依据。

每一颗 SUMACO MA 系列模组在出厂前都需通过 Allan 方差评估，

确保噪声谱型与设定标准一致——这就是“可追溯的稳”。

五、在时间中建立信任

Allan 方差的意义，不止是识别噪声，而是理解时间的稳定性。

它告诉我们：稳定不是瞬间，而是长期积累的秩序。

正如驾驶员信任导航的连续，IMU 的“稳”也来自这种对时间的坚守。

在每一条 Allan 曲线的背后，是无数次测量与标定的努力——

让每一台车、每一个机器人，都能在时间的噪声中，

依然保持清晰的方向感。

关于 MCT 毫厘智能

MCT 毫厘智能是一家专注于 Physical AI 时代的姿态感知与绝对定位创新公司。 我们以人工智能为核心技术，采用“数据驱动、软硬结合”的策略， 开发并提供全面的姿态感知与绝对定位软硬件解决方案， 服务于具身智能、城区辅助驾驶、低空经济、机器人、智能设备等领域。 公司基于自研的车规级北斗高精度芯片和模组，融合高精度 IMU、视觉及雷达等传感器技术， 结合海量数据，为自主规划和自动控制提供更可靠、更安全、更精准的技术支撑， 持续提升载体的空间感知能力。

想了解更多关于 MCT 毫厘智能的最新动态？

欢迎访问 www.mctech.ai / www.mctai.cn，或关注微信公众号「毫厘智能 MCT」。

一、从“能用”到“可信”：车规级的真正含义

在消费电子领域，产品只需“能用”； 但在智能驾驶领域，芯片必须“可信”。 “可信”的定义不仅是性能稳定，更是可验证、可追溯、可复制的可靠性。 这正是“车规级（Automotive-Grade）”的核心含义—— 在高温、低温、震动、电磁干扰、长时运行等极端环境下， 仍能维持持续、稳定、无故障的运行状态。

对于 MOJANDA 来说，可靠性不是后期测试，而是自设计之初就嵌入的系统逻辑。 每一颗芯片，从晶圆级验证到整车上车，都要经历层层考验： 它不只是一个“计算器”，而是一名经过严苛训练的“飞行员”。

二、AEC-Q100/Q104：芯片可靠性的标准语言

“车规级”并非口号，而是由严格标准定义的。 AEC-Q100 是针对车规级 IC 芯片的验证标准， 而 AEC-Q104 则用于多芯片封装模组（如 MOJANDA M1 系列）。 两者共同规定了从设计、验证、老化到应力测试的全流程。

关键测试包括：

• 高温工作寿命（HTOL）：模拟 1,000 小时高温连续运行；
• 温度循环（TC）：在 -40℃～+125℃ 环境反复循环 1,000 次；
• 机械冲击（MS）与振动（VIB）：验证芯片在震动下的焊点可靠性；
• 湿热偏压（HAST）：考察高湿度下的密封与材料稳定性。

通过这些测试，芯片的每一个参数、每一条焊线都被量化验证。 MOJANDA 通过 SGS 第三方认证机构 的完整测试流程， 正式获得 AEC-Q100 Grade 2 认证，这意味着它可在 -40℃~+105℃ 范围内可靠工作。

三、从实验室到整车：验证的五重防线

MOJANDA 的验证体系采用“五重防线”模型，确保每一个环节都有可追溯记录：

1. 设计防线： 采用车规级 IP 库与冗余设计架构，减少单点失效。
2. 晶圆防线： 晶圆级测试（WAT）筛除早期缺陷，确保良率稳定。
3. 封装防线： 使用车规级引脚材料与防潮封装工艺，通过 MSL3 测试。
4. 模块防线： 进行高低温、震动、热冲击等模块级验证。
5. 系统防线： 在整车环境中进行 EMC、电源波动与通信异常测试。

五重防线共同构成“设计→制造→封装→验证→上车”的完整闭环，

让每颗芯片都能在真实世界的苛刻环境中长期运行。

四、可靠性不止是通过测试

在 MCT 的理念中，可靠性并不是一次性任务，而是一个持续演化的过程。 通过数据驱动的质量回溯系统，每一颗 MOJANDA 芯片的测试数据、工艺参数与在车表现， 都会被记录并反馈到设计与生产环节。

这使得产品的可靠性不是静态达标，而是动态进化：

• 通过长期运行数据，预测潜在老化趋势；
• 通过算法分析，优化后续批次设计；
• 通过生产溯源，实现从晶圆号到整车 VIN 的数据闭环。

这正是 MCT 所说的“数据驱动的可靠性”——

让可靠，不仅是承诺，更是系统能力。

五、当可靠成为信任

可靠性是技术的基石，更是信任的起点。

在车规级 GNSS 芯片的世界里，

每一次重新启动、每一次信号捕获，都是对系统工程能力的验证。

MOJANDA 用一颗颗稳定运行的芯片，让“可靠”不再只是实验室指标，

而是行驶在每一辆车、飞行在每一架无人机、运行在每一台机器人中的真实体验。

关于 MCT 毫厘智能

MCT 毫厘智能是一家专注于 Physical AI 时代的姿态感知与绝对定位创新公司。我们以人工智能为核心技术，采用“数据驱动、软硬结合”的策略，开发并提供全面的姿态感知与绝对定位软硬件解决方案，服务于具身智能、城区辅助驾驶、低空经济、机器人、智能设备等领域。公司基于自研的车规级北斗高精度芯片和模组，融合高精度 IMU、视觉及雷达等传感器技术，结合海量数据，为自主规划和自动控制提供更可靠、更安全、更精准的技术支撑，持续提升载体的空间感知能力。

想了解更多关于 MCT 毫厘智能的最新动态？

欢迎访问 www.mctech.ai / www.mctai.cn，或关注微信公众号「毫厘智能 MCT」。

1️⃣ 为什么 GNSS 需要“另一个自己”

在开阔的天空下，GNSS 能精确告诉我们“我在哪里”； 但一旦进入隧道、林荫或城市峡谷，信号被遮挡、反射或失锁，定位的连续性便被打断。 这时，就需要另一个“不会迷路”的感知源接过方向盘——那就是 IMU（惯性测量单元）。

IMU 不依赖外部信号，通过陀螺仪与加速度计，实时测量设备的角速度与加速度，

能在短时 GNSS 信号缺失时继续计算位置与姿态变化。

它像一位“盲行者”，在黑暗中仍凭惯性与方向感前进。

2️⃣ 两种测量的互补关系

GNSS 与 IMU 在原理上截然不同：

• GNSS：基于外部信号，通过测距和时间同步计算位置；
• IMU：基于内部惯性，积分角速度和加速度求得姿态与位移。

GNSS 优点是长期无漂移，但受环境影响大；

IMU 优点是短时高稳定，但误差随时间积累。

因此，它们是一对理想的互补——

GNSS 定义“绝对位置”，IMU 保持“连续姿态”，融合后，系统既“知道在哪”，也“知道如何动”。

3️⃣ 紧耦合的意义：让两个世界在同一秒跳动

融合的关键，不只是数据叠加，而是时间与空间的统一基准。 在 MOJANDA 与 SUMACO 紧耦合架构中：

• GNSS 的授时信号（PPS） 作为时间主线；
• IMU 的惯性数据流 以相同时间戳标定；
• 两者在 REVENTADOR 平台上完成多维卡尔曼滤波融合，形成统一的动态模型。

这种结构被称为 “紧耦合（Tightly Coupled）”—— GNSS 不再只是提供定位结果，而是将原始观测量输入融合系统； IMU 也不再只是姿态传感器，而是时间连续性的“骨架”。 最终结果是：即使卫星数少于四颗、信号中断或多径严重，系统仍可维持稳定解算。

4️⃣ 从算法到可靠性：让融合更“聪明”

MOJANDA 的紧耦合融合算法不仅仅在物理层对齐数据，更实现了“智能选择”：

• 当 GNSS 信号质量高时，系统自动加权 GNSS；
• 当 GNSS 失锁或受干扰时，权重自动切换到 IMU；
• 当环境恢复时，再平滑切换回 GNSS 主导。

这套自适应权重机制结合了 AI 辅助滤波算法，能识别异常模式并提前预测漂移趋势，使系统在复杂环境中仍维持高达 99.8% 的轨迹连续性。

换言之，它不仅仅是融合，更像是协作—— 两个传感器相互校准、相互补充，共同定义一个可信、稳定、连续的空间秩序。

5️⃣ 当“位置”成为“感知”

在传统意义上，GNSS 只是一个坐标系； 但当它与 IMU 结合时，定位不再是静态结果，而变成了一个随时间演化的认知过程。 这正是空间智能的核心： 让机器不仅知道“我在哪”，还能理解“我是如何到这的”。

MOJANDA 与 SUMACO 的紧耦合结构，正是这一理念的实践者—— 它让定位系统成为一个感知-推理一体化的有机体。 这是从“精准定位”走向“智能理解空间”的关键一步。

关于 MCT 毫厘智能

MCT 毫厘智能是一家专注于 Physical AI 时代的姿态感知与绝对定位创新公司。我们以人工智能为核心技术，采用“数据驱动、软硬结合”的策略，开发并提供全面的姿态感知与绝对定位软硬件解决方案，服务于具身智能、城区辅助驾驶、低空经济、机器人、智能设备等领域。公司基于自研的车规级北斗高精度芯片和模组，融合高精度 IMU、视觉及雷达等传感器技术，结合海量数据，为自主规划和自动控制提供更可靠、更安全、更精准的技术支撑，持续提升载体的空间感知能力。 想了解更多关于 MCT 毫厘智能的最新动态？欢迎访问 www.mctech.ai / www.mctai.cn，或关注微信公众号「毫厘智能 MCT」。

由远及近，直至毫厘

1️⃣ 城市峡谷里的“幽灵信号”

当汽车行驶在高楼林立的城区时，GNSS 信号的路径早已不再笔直。 信号从卫星发出，穿过大气层，再在玻璃幕墙、金属结构、甚至地面反射。 一部分信号直达接收天线，另一部分却绕道反射再抵达——这就是多径效应（Multipath Effect）。 在定位解算中，这些“绕路而来的信号”与直达信号相叠，加上环境电磁干扰，就会让系统看到一个“模糊、漂移的世界”。

举个简单的比喻：

就像你在山谷中喊话，真声与回声叠在一起——如果没有合适的算法区分，你听到的“自己”反而是错位的。

2️⃣ 多径的本质：相位、幅度与时间的错位

每一条多径信号，都有三种特征变化：

• 传播延迟：反射路径更长，使信号到达时间延后；
• 相位偏移：反射改变波形相位，引入载波误差；
• 幅度变化：部分能量衰减或叠加，造成伪随机码畸变。

MOJANDA 采用了多频观测与相干检测技术：

• 在 L1/L2/L5 三频上同时观测同一卫星信号；
• 利用相干积分判断信号延迟特征；

结果是——即使直达信号短暂被遮挡，芯片仍可从剩余频点中恢复解算，保持厘米级稳定精度。

3️⃣ 抗干扰：让“嘈杂世界”保持安静

GNSS 干扰有两类：

• 窄带干扰（Narrowband）：集中在特定频点的高能信号，类似刺耳的单音；
• 宽带干扰（Broadband）：频谱分布更广，类似噪音墙，覆盖多个信号通道。

MOJANDA 芯片通过自适应频谱分析与动态陷波滤波器（Adaptive Notch Filter），实时检测干扰源位置与能量分布，并对受影响频带执行“定向静音”。 在强干扰环境下，它还可通过信号重采样机制保持解算连续性。

这意味着——哪怕在施工设备、通信基站、机场电磁干扰等复杂场景中，系统依旧“能听见真正的卫星声音”。

4️⃣ 可靠性的核心：信号质量监测（SQM）

如果说抗干扰是“消噪”，那 SQM（Signal Quality Monitoring）就是“听诊”。 MOJANDA 内部集成了多维信号质量监测模块，实时分析信号强度、信噪比、相位残差等指标，判断是否存在异常波形或跳变。 一旦发现伪锁定或多径污染，系统立即触发自恢复逻辑，通过权重调整与再捕获机制确保输出结果可靠。

这就是车规级芯片与普通消费级芯片的区别： 前者必须永远知道自己“有没有听错”。

5️⃣ 在噪声中保持信号：稳定的意义

抗干扰，不是屏蔽世界的嘈杂；

而是让系统在混乱中依然保持清晰。

MOJANDA 的意义正在于此——

在最复杂的城市环境、最严苛的电磁噪声中，

它依然能稳定、持续、可靠地给出一个“可信的世界坐标”。

关于 MCT 毫厘智能

MCT 毫厘智能是一家专注于 Physical AI 时代的姿态感知与绝对定位创新公司。我们以人工智能为核心技术，采用“数据驱动、软硬结合”的策略，开发并提供全面的姿态感知与绝对定位软硬件解决方案，服务于具身智能、城区辅助驾驶、低空经济、机器人、智能设备等领域。公司基于自研的车规级北斗高精度芯片和模组，融合高精度 IMU、视觉及雷达等传感器技术，结合海量数据，为自主规划和自动控制提供更可靠、更安全、更精准的技术支撑，持续提升载体的空间感知能力。

想了解更多关于 MCT 毫厘智能的最新动态？

欢迎访问 www.mctech.ai / www.mctai.cn，或关注微信公众号「毫厘智能 MCT」。

由远及近，直至毫厘

1️⃣ 为什么要“多星多频”——从“能定位”到“可依赖”

在开阔地，单一星座也能给出不错的结果；一旦进入城市峡谷、立交桥下或高纬区域，可见卫星数量、几何分布与信号质量迅速恶化。要把“能定位”提升为“可依赖”，路径并不在单一算法微调，而在拥抱更多星座与更多频点，并让它们协同工作——这就是多星多频。

2️⃣ 星座的“语言学”——芯片要听懂的不止一种语法（What）

全球主流 GNSS 系统包括 GPS、GLONASS、Galileo、北斗、QZSS。它们在时间基准、信号编码、频点布设上各不相同：

• 频点：L1/L2/L5、B1/B2 等，多频观测可相互校验、分担电离层与多径影响；
• 时间：各自有时标与授时误差，若不统一，会带来跨系统的偏差漂移；
• 模型：轨道、对流层/电离层、星地钟差补偿模型不同步，会降低融合质量。

因此，“兼容”绝不是“多接几路信号”，而是把不同语法的句子翻译成同一种、可被解算器理解的话： 1）频点协议解析；2）跨星座时间对齐（PPS 级）；3）轨道/电离层模型并行融合。只有这样，才谈得上多星数据“同台演奏”。

3️⃣ 多星一致性融合：MOJANDA 怎么让“众声成一”（How）

MOJANDA 的核心在于多星一致性融合算法，围绕“对齐—加权—滤波”三步走：

• 星间偏差修正（Inter-System Bias Correction）： 基于观测方程在统一参考系下估计并剔除星座间系统偏差，让不同来源“站到同一把尺子上”。
• 动态加权解算（SNR × Geometry）： 按**载噪比（CN₀）与几何分布（GDOP）**对卫星与频点进行权重分配，弱信号与差几何不“拖后腿”。
• 时频联合滤波（Time–Frequency Fusion）： 以统一时间轴为主线，联合不同频点的相位/伪距观测进行滤波，抑制异步采样造成的抖动误差。

在典型城区遮挡场景下，经内部对比验证： 收敛速度提升约 45%、定位保持率提升约 60%（相对传统 GPS+北斗双星方案），对突发遮挡的恢复时间显著缩短。

4️⃣ “全球可靠”的工程意义——在任何天空保持同样的自信（So What）

对车规级应用而言，全球兼容的价值是可靠性冗余：

• 不同纬度、不同生态：北半球（北斗+Galileo 可视更密集）、南美/非洲（GPS+GLONASS 可视更充分）、极区航线（多星切换避免盲区）；
• 不同场景、不同遮挡：城市峡谷、立交/隧道口、林荫/峡谷等复杂环境，通过多星多频提升可用性与恢复性；
• 从芯片到系统：与 IMU 紧耦合后，多星数据成为连续性的基座；结合 REVENTADOR 的自适应策略，多源信息按场景动态取舍，形成真正的系统级可靠。

5️⃣ 当芯片理解星座，定位才真正理解世界（Vision）

多星兼容不是“堆复杂度”，而是把不同来源的时空证据，化为同一种可被验证的确定性。 在 MOJANDA 里，它是一条“开放—协作—自适应”的长期道路： 开放于更多星座与频点，协作于统一时间轴与参考系，自适应于区域与场景差异。 当芯片真正“理解星座”，定位系统才在任何天空下都有同样的自信。

关于 MCT 毫厘智能

MCT 毫厘智能是一家专注于 Physical AI 时代的姿态感知与绝对定位创新公司。我们以人工智能为核心技术，采用“数据驱动、软硬结合”的策略，开发并提供全面的姿态感知与绝对定位软硬件解决方案，服务于具身智能、城区辅助驾驶、低空经济、机器人、智能设备等领域。公司基于自研的车规级北斗高精度芯片和模组，融合高精度 IMU、视觉及雷达等传感器技术，结合海量数据，为自主规划和自动控制提供更可靠、更安全、更精准的技术支撑，持续提升载体的空间感知能力。

想了解更多关于 MCT 毫厘智能的最新动态？

欢迎访问 www.mctech.ai / www.mctai.cn，或关注微信公众号「毫厘智能 MCT」。

由远及近，直至毫厘

“只有让信号与运动对话，定位才会真正‘理解’世界。”

一、为什么 GNSS 需要 IMU——当信号不再完整

GNSS 芯片的世界，是以“卫星为锚”的世界。

它靠卫星信号来确定自己“在何处”。

但在真实环境中，这些信号并不总是存在。

桥下、隧道中、林荫下、城市峡谷间，

卫星信号时常被遮挡、反射或干扰。

而 IMU（Inertial Measurement Unit，惯性测量单元） 记录的是另一种信息：运动本身的轨迹。 它不依赖外部信号，而通过加速度计和陀螺仪， 在极短时间内推算出姿态、速度和位移。

GNSS 告诉你“你在哪里”， IMU 告诉你“你是怎么来的”。 当两者融合，定位系统才具备“理解”的能力。

二、松耦合、紧耦合与深耦合：融合的“深度”

GNSS 与 IMU 的融合有不同层级，

核心差异在于——信息交互的“深度”。

• 松耦合（Loose Coupling）： 两者各自独立运行，GNSS 只向 IMU 提供位置校正。 优点是实现简单，但反应迟钝。
• 紧耦合（Tight Coupling）： GNSS 直接将卫星伪距和相位残差输入 IMU 滤波器， IMU 同时参与位置预测与误差修正。 优点是响应快、连续性强。
• 深耦合（Deep Coupling）： 信号层与惯性层融合， IMU 反馈实时姿态给 GNSS 接收机前端，实现协同跟踪。 优点是即使部分卫星信号中断，也能保持精度。

MOJANDA 芯片目前采用的是紧耦合架构， 在不依赖专用 SoC 的前提下实现高精实时性， 兼顾功耗、精度与系统复杂度的平衡。

三、MOJANDA 的紧耦合架构：数据驱动的实时融合

在 MOJANDA 芯片中， 紧耦合并非简单的数据拼接，而是一种动态协同：

1️⃣ 统一时间基准（PPS 同步） GNSS 授时模块输出 PPS 信号， 作为 IMU、雷达、摄像头等多传感器的时间锚点， 确保所有数据在同一时间轴上融合。

2️⃣ 双向数据流结构 GNSS 将解算残差输入惯性解算器， IMU 的姿态预测则反向反馈至 GNSS 测距滤波器， 形成数据的双向耦合通路。

3️⃣ 自适应卡尔曼滤波（Adaptive Kalman Filter） 融合算法实时调整噪声协方差矩阵， 根据动态环境变化自动优化估计精度。

4️⃣ 边缘计算协同（Edge-AI Fusion） 芯片级 AI 算法可识别“异常运动”模式， 在突然转弯、急刹或颠簸等情况下保持定位连续性。

它不仅融合数据，更融合“运动的逻辑”。

四、从芯片到系统：协同的价值

在车辆、无人机、机器人等系统中， 单个芯片的性能并不能决定整体表现， 关键是它如何与其他模块协同。

MOJANDA 的设计理念，是从一开始就为系统服务。

它提供稳定的时钟源、标准化的时间戳接口、

和与 SUMACO IMU 模组的无缝通信协议。

这种设计让系统开发者能够：

• 快速构建融合框架（不必从头做同步校准）；
• 降低算法复杂度（减少延迟与解算抖动）；
• 提高系统通用性（适配不同的主控与平台）。

从芯片到系统，真正的竞争力不在单点性能， 而在“让整个系统更容易正确运行”。

五、融合的意义：让机器真正理解空间

空间智能的核心，不是“知道坐标”， 而是理解自己在三维世界中的状态与变化。

GNSS 给出了“世界的参照”，

IMU 提供了“自我的感觉”，

两者结合，构成机器的“空间意识”。

MOJANDA 的紧耦合设计，

正是迈向这一目标的关键一步：

让定位系统不仅“知道自己在哪”， 还“知道自己是怎么到这来的”。

这不仅是技术的融合，

更是让机器从“测量空间”走向“理解空间”的起点。

关于 MCT 毫厘智能

MCT 毫厘智能是一家专注于 Physical AI 时代的姿态感知与绝对定位创新公司。

我们以人工智能为核心技术，采用“数据驱动、软硬结合”的策略，

开发并提供全面的姿态感知与绝对定位软硬件解决方案，

服务于具身智能、城区辅助驾驶、低空经济、机器人、智能设备等领域。

公司基于自研的车规级北斗高精度芯片和模组，

融合高精度 IMU、视觉及雷达等传感器技术，结合海量数据，

为自主规划和自动控制提供更可靠、更安全、更精准的技术支撑，

持续提升载体的空间感知能力。

想了解更多关于 MCT 毫厘智能的最新动态？ 欢迎访问 www.mctech.ai / www.mctai.cn， 或关注微信公众号「毫厘智能 MCT」。

由远及近，直至毫厘！Far. Then MCT.

“精准是一种能力，而可靠，是一种信任。”

1️⃣ 为什么“可靠性”比“精度”更关键

在 GNSS 芯片领域，大家最熟悉的指标往往是“定位精度”： 误差越小，系统越先进。 但在真实的工程环境中，精度只是性能的上限，可靠性才是生存的底线。

想象一辆自动驾驶车辆驶过高架桥下，

如果定位一度精准到 2cm，却因为瞬时干扰导致信号丢失，

车辆同样会陷入“盲行”的风险。

可靠性关注的不是“算得有多准”， 而是“能否一直稳、一直用、出错能复原”。

2️⃣ 可靠性三要素：稳定性、可用性、恢复性

1️⃣ 稳定性（Stability） 在复杂环境下，系统输出是否平滑且可控。 它衡量的是系统能否“稳得住”。 在 MOJANDA 芯片中，稳定性体现在 三频融合算法 与 抗干扰滤波机制， 即便在城市峡谷或弱信号环境中，也能持续保持平稳输出。

2️⃣ 可用性（Availability） 指系统是否能够持续在线，是否存在中断或掉线。 它衡量的是系统能否“用得起”。 MOJANDA 通过 长时间连续运行测试 与 信号健康监测机制， 确保芯片在高负载和复杂电磁环境下，依然保持稳定服务。

3️⃣ 恢复性（Recoverability） 当系统出现异常后，能否快速恢复到正常工作状态。 它衡量的是系统能否“能复原”。 MOJANDA 内置 自动重初始化与快速重捕获机制， 即使发生短时遮挡或掉电，也能在毫秒级恢复信号锁定，保证数据连续性。

3️⃣ 车规级可靠性：在极限中“稳得住”

车规级芯片不是实验室的产品，而是在恶劣环境中生存的硬件。 MOJANDA 的可靠性验证体系遵循 AEC-Q100 Grade 2 标准， 包括以下几类严苛测试：

• 高低温循环（−40℃～+105℃）：验证温度极限下的稳定性；
• 电磁兼容性（EMC）：确保在强干扰环境中依然输出稳定；
• 长期连续运行（72小时以上）：检验系统可用性；
• 掉电恢复测试：验证自复原机制是否可预测、无累积误差。

这些验证的目标不是追求“绝对精度”， 而是确保在任何条件下，系统都不会突然掉链子。

“稳定输出，比短暂的高精度更有价值。”

4️⃣ 可靠性的算法支撑：软硬协同

MOJANDA 芯片的可靠性不仅源自硬件工艺，也来自算法层的协同机制。

• 动态阈值自适应（Adaptive Thresholding）： 根据信号环境实时调整算法容差，保证在弱信号状态下仍能稳定输出。
• 卫星健康监测（Signal Health Monitor）： 自动剔除异常卫星信号，防止短时跳变造成解算崩溃。
• 融合冗余机制（Fusion Redundancy）： 当 GNSS 短时中断时，系统可依靠 IMU 数据维持导航连续性。
• 快速重捕获机制（Fast Re-acquisition）： 遮挡或掉电后，可在毫秒级时间内恢复锁定，保持数据连贯。

这些机制共同构成了“可复原”的算法底座。

MOJANDA 的可靠性不是被动防御，而是一种主动自愈的能力。

5️⃣ “可靠”，是AI时代的工程信仰

在智能驾驶、具身机器人和低空经济时代，

系统的智能程度再高，也必须建立在可靠的定位之上。

精度可以用算法提升，可靠性只能用工程积累。 这就是车规级 GNSS 芯片的精神所在——

“在最坏的环境中，也要给出可依赖的答案。”

MOJANDA 代表了 MCT 对“软硬结合、数据驱动”的承诺：

通过算法冗余、验证体系与工程标准，

让空间智能拥有真正的“稳感知、可信赖”的底层能力。

关于 MCT 毫厘智能

MCT 毫厘智能是一家专注于 Physical AI 时代的姿态感知与绝对定位创新公司。我们以人工智能为核心技术，采用“数据驱动、软硬结合”的策略，开发并提供全面的姿态感知与绝对定位软硬件解决方案，服务于具身智能、城区辅助驾驶、低空经济、机器人、智能设备等领域。公司基于自研的车规级北斗高精度芯片和模组，融合高精度 IMU、视觉及雷达等传感器技术，结合海量数据，为自主规划和自动控制提供更可靠、更安全、更精准的技术支撑，持续提升载体的空间感知能力。 想了解更多关于 MCT 毫厘智能的最新动态？ 请访问 www.mctech.ai / www.mctai.cn，或关注微信公众号「毫厘智能 MCT」。

由远及近，直至毫厘！

“卫星信号不是天降的光，而是一路受难的旅人。”

一、城市为何让卫星“迷路”

在开阔的平原上，GNSS 信号的传播几乎是理想的：

卫星在天顶发射，接收机直接接收，

传播路径只有一条。

但当你走进城市中心—— 摩天大楼、玻璃幕墙、广告屏与高架桥林立， 卫星信号开始在建筑表面反射、绕射、散射。

结果是：

接收机不再只接收到“直达信号”，

还接收到来自周围建筑反弹的“多径信号（Multipath）”。

这些多径信号带来时间延迟与相位扰动， 在定位上表现为：

“你看起来还在路上，但系统以为你已经撞上大楼。”

二、多径与干扰的物理原理

1️⃣ 多径（Multipath）是什么？

当卫星信号遇到障碍物（如墙面、玻璃、水面）时， 部分能量被反射回来。 反射路径更长，因此信号到达时间被延迟， 导致接收机误以为卫星“离得更远”。

2️⃣ 干扰（Interference）又是什么？

干扰不是反射，而是外部电磁噪声或同频信号造成的相位紊乱。 来源包括：

• 5G 基站和通信发射器；
• 车载雷达、导航设备的杂散辐射；
• 工业噪声与电源谐波。

两者结合， 使 GNSS 信号在城市环境中同时面临 延迟 + 混频 + 丢帧 三重挑战。

三、MOJANDA 的应对：算法层的“抗干扰神经系统”

MOJANDA 芯片并非只是“接信号”， 它拥有一个完整的抗干扰算法体系， 让系统具备自感知、自修正、自恢复的能力。

1️⃣ 多频融合滤波（Multi-Frequency Fusion）

通过三频信号的相位差分互校，识别并削弱多径路径的影响。 低频保证穿透力，高频用于判定反射误差。

2️⃣ 自适应信号加权（Adaptive Weighting）

当某个卫星或频段信噪比下降时， 系统自动降低其权重，避免干扰信号主导解算。

3️⃣ 干扰检测与抑制（Interference Suppression）

采用 FFT 频谱分析检测异常能量峰值， 自动在算法层屏蔽可疑频段，形成“实时防护罩”。

4️⃣ 信号质量监控（Signal HealthMonitor）

芯片内置诊断模块，持续监测信号一致性与波动率， 可在毫秒级识别“信号异常事件”。

这套体系让 MOJANDA 芯片在城市中“会自己防御”， 不再只是被动的接收者，而是主动的信号守护者。

四、工程验证：从实验室到城市峡谷

在 MOJANDA 的工程验证流程中，

抗干扰能力不是抽象指标，而是严格测出来的。

• 多径模拟测试：利用信号仿真器，构建虚拟城市场景；
• 电磁兼容测试（EMC）：验证强信号干扰下输出稳定性；
• 动态驾驶测试：在高架、隧道、立交桥区域验证定位连续性；
• 环境鲁棒性测试：评估温度、电压波动对信号锁定的影响。

结果表明，MOJANDA 芯片在多径环境下的平均定位误差 相比主流双频 RTK 模块降低 42%，信号恢复时间缩短 37%。

它不仅在实验室“抗干扰”， 更能在真实城市“活下去”。

五、在复杂世界中，坚持信号的“尊严”

卫星信号穿越大气、电离层、建筑群，

最终抵达你手中的接收机。

这是一段漫长而脆弱的旅程。

而 MOJANDA 所做的，

是让这段旅程不再轻易被打断。

我们不只是追求“测得更准”， 而是让信号在复杂世界中依然被尊重、被理解、被守护。

这正是 MCT 的工程信仰：

在噪声中寻找真相，在混乱中追求确定。

关于 MCT 毫厘智能

MCT 毫厘智能是一家专注于 Physical AI 时代的姿态感知与绝对定位创新公司。

我们以人工智能为核心技术，采用“数据驱动、软硬结合”的策略，

开发并提供全面的姿态感知与绝对定位软硬件解决方案，

服务于具身智能、城区辅助驾驶、低空经济、机器人、智能设备等领域。

公司基于自研的车规级北斗高精度芯片和模组，

融合高精度 IMU、视觉及雷达等传感器技术，结合海量数据，

为自主规划和自动控制提供更可靠、更安全、更精准的技术支撑，

持续提升载体的空间感知能力。

想了解更多关于 MCT 毫厘智能的最新动态？ 欢迎访问 www.mctech.ai / www.mctai.cn， 或关注微信公众号「毫厘智能 MCT」。

一、为什么要“三频”——精度的极限，不在算法，而在信号

你可能听过“RTK 定位能做到厘米级精度”， 但很少有人会问：为什么有些 RTK 收得快，有些却总“收不定”？

问题的根源在于： GNSS 的精度，取决于解算器能否准确判断每个卫星信号波的“整周数”。 而解算的关键，是相位。

然而相位测量存在天然的不确定性—— 你只能知道波形“此刻的位置”，但无法确定它“走了几圈”。 这就叫 模糊度（Ambiguity）问题。 RTK 要做的，就是通过多频、多差分和滤波算法，求解这个模糊度的整数值。

单频 RTK 解模糊就像只凭一个钟表看时间， 三频 RTK 则像多加了两只表，让时间误差“交叉验证”，收敛得更快。

二、什么是 RTK：从相位到厘米

RTK（Real-Time Kinematic）并不是一种“设备”， 而是一种基于载波相位的实时差分定位技术。

它的核心公式是：

ΔΦ=λ(N+δ)\Delta \Phi = \lambda (N + \delta)ΔΦ=λ(N+δ)

其中：

• ΔΦ 是两台接收机间的相位差，
• λ 是信号波长，
• N 是整周模糊度（需要解的整数），
• δ 是噪声与误差项。

单频 RTK 只能在一个频点上解方程， 三频 RTK 则引入更多观测方程，构建多维解算网络， 让系统在面对多径干扰、卫星几何劣化、信号遮挡时仍能快速锁定。

三频 RTK ≈ “更多独立方程 → 模糊度求解更稳 → 收敛更快”。

三、三频的价值：更快、更稳、更抗干扰

在工程环境中，三频 RTK 的价值不止于“更准”，而在于可靠性与稳定性：

• ① 收敛更快：三频信号让模糊度求解时间缩短 30%–50%。
• ② 抗干扰更强：低频抗遮挡，高频抗多径，三频结合实现频域补偿。
• ③ 定位更稳：在城市峡谷或电离层波动场景中，误差平均降低 40%。

在 MOJANDA 芯片中， 这三点通过 三频融合算法 + 自适应滤波 协同实现， 使得定位不仅精准，更“稳得住”。

四、为什么车规级必须“三频化”

车规级应用场景（自动驾驶、无人农机、低空飞行器）有一个共性： 它们无法容忍“信号重捕获”造成的延迟。

单频 GNSS 在极端天气、桥下或电磁干扰时，容易失锁；

双频略好，但在高纬或复杂场景仍存在波动。

三频 RTK 则以多路径冗余方式构建可靠性闭环：

• 一频失锁，系统仍可依两频维持解算；
• 同步算法实时评估各频信号质量；
• MOJANDA 芯片内置 三频融合滤波单元（Tri-Fusion Filter Unit）， 实现“信号动态加权”，优先选择质量最高的频段参与计算。

换句话说，三频 RTK 不仅“更快收敛”， 更是为了在极端情况下——仍有解算的底气。

五、从信号到信任：三频RTK的工程信仰

三频不是营销词，而是一种工程的敬畏。 它代表着面对物理世界的不确定性， 我们不再依赖单一信号，而是用冗余与算法让系统“自我修复”。

MOJANDA 的三频 RTK， 不仅提升了精度，更提升了在复杂世界中“活下去”的能力。

精度解决了“看得准”， 而三频，让系统“活得久”。

这正是 MCT 对空间智能的承诺：

用软硬结合与数据驱动，让每一个“坐标”都值得信赖。

关于 MCT 毫厘智能

MCT 毫厘智能是一家专注于 Physical AI 时代的姿态感知与绝对定位创新公司。

我们以人工智能为核心技术，采用“数据驱动、软硬结合”的策略，

开发并提供全面的姿态感知与绝对定位软硬件解决方案，

服务于具身智能、城区辅助驾驶、低空经济、机器人、智能设备等领域。

公司基于自研的车规级北斗高精度芯片和模组，

融合高精度 IMU、视觉及雷达等传感器技术，结合海量数据，

为自主规划和自动控制提供更可靠、更安全、更精准的技术支撑，

持续提升载体的空间感知能力。

想了解更多关于 MCT 毫厘智能的最新动态？ 欢迎访问 www.mctech.ai / www.mctai.cn， 或关注微信公众号「毫厘智能 MCT」。