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」。