盡管 CDNN 工具包等解決方案允許神經網絡在嵌入式處理器上本地運行，但最有效的 AI 系統需要云連接。當連接到數據中心時，嵌入式設備在推理過程（目標應用人工智能模型概述的邏輯做出決策的過程）期間捕獲的新信息或異常信息可以反饋到人工智能模型中，以隨著時間的推移對其進行優化。

除此之外，ADAS 和自動駕駛用例中連接的主要應用是定位。例如，精密全球導航衛星系統 （GNSS） 現已在歐洲、俄羅斯和美國推出，可為 LDW 和 V2X 通信等應用提供低至厘米級的精度。

GNSS 系統精度的提高可歸因于更新的誤差建模技術，這些技術用于解釋誤差源，例如衛星軌道位置誤差、衛星時鐘誤差以及電離層和對流層干擾。

為了抵消 GNSS 系統中的這些錯誤，私人糾錯服務歷來使用觀察空間表示 （OSR）。在 OSR 中，雙向通信鏈路用于將 GNSS 參考站的觀測結果與基于現場 GNSS 接收器位置的距離相關誤差結合起來（圖 1）。然后將糾正后的錯誤作為一次性總和傳送到目標平臺，這限制了它們的準確性。

圖 1.觀測空間表示 （OSR） 誤差建模技術需要 GNSS 參考站和與現場 GNSS 用戶的雙向通信。糾錯是一次性提供的，從而降低了它們的準確性。

相比之下，狀態空間表示 （SSR） 依賴于從衛星直接到單個 GNSS 接收器的單向廣播，只有該接收器的觀測結果才用于糾錯（圖 2）。在 SSR 實施中，糾錯也作為單獨的組件提供，它與單源觀測相結合以產生前面提到的厘米級定位。

圖 2.狀態空間表示 （SSR） 誤差建模消除了 GNSS 參考站，僅依賴于特定 GNSS 接收器的觀測。誤差校正作為單個組件提供，以提高定位精度。

多頻段解決了多徑問題

但就其所有好處而言，校正服務并未考慮衛星信號在通過環境時的反射或衍射引起的多徑誤差。為了克服汽車安全和其他需要精確單點定位 （PPP） 的應用中的挑戰，u-blox 等供應商采用了多頻段方法。

GNSS 衛星在不同頻段傳輸信號，包括 GPS L1 （1575 MHz）、GPS L2 （1227 MHz） 和 GPS L5 （1176 MHz）。這在 PPP 的背景下是幸運的，因為每使用一個額外的頻率，就可以從大氣中消除更多的失真。

u-blox 的雙頻接收器將于 2018 年推出，利用這一現象。如圖 3 所示，使用這種雙頻 GNSS 方法來消除多路徑誤差以及 SSR 校正服務可提供安全關鍵型應用所需的定位精度。

圖 3.雙頻 GNSS 接收器和 SSR 糾錯提供比現有解決方案更好的定位精度。

削減糾錯成本將連接汽車

雖然高精度 GNSS 在某種程度上仍是一項利基技術，但 u-blox 預測該市場將在 2025 年成熟。然而，為了實現大眾市場的采用，必須降低私有 GNSS 糾錯服務的成本。

審核編輯：郭婷