聊聊开发中定位这件事

打开一个地图 App，蓝点落在你脚下；调用一行 navigator.geolocation.getCurrentPosition()，经纬度回调到手。定位已经平常到让人忘了它的存在——直到某天你发现，蓝点飘到了马路对面，或者室内定位结果离了个大谱。

很多开发者把"定位"等同于"GPS"，这其实是一个误解。现代智能设备的定位，是一个典型的多技术融合系统：卫星、基站、Wi-Fi、蓝牙、运动传感器各司其职，再由算法综合出最优结果。GPS 只是其中最能打的一个，却远不是唯一的一个。

这篇文章把定位这件事拆开，讲清楚四根技术支柱——卫星定位、基站定位、Wi-Fi/蓝牙定位、传感器辅助——的原理，以及它们在实际开发中是如何被串联起来的。

---

一、卫星定位：最"正统"的答案

1.1 从"对表"说起

卫星定位的原理，本质上是一个初中物理题：距离 = 速度 × 时间。

卫星在太空按已知轨道飞行，不断向地面广播信号。信号以光速传播，设备只要测出信号从卫星飞到自己的时间，乘以光速，就得到了自己到那颗卫星的距离。一颗卫星能画出一个"距离圈"，三颗卫星的交点就确定了位置。

但这里有个细节：光速每秒 30 万公里，时间测量必须精确到纳秒（十亿分之一秒）级。差一纳秒，距离就偏 30 厘米。更重要的是，设备内部那个便宜的石英钟远没有卫星上的原子钟准，它和卫星之间天然存在一个未知的钟差。于是未知数变成了四个：三维坐标（X/Y/Z），加上接收机自身的钟差。四个未知数需要四个方程——这就是为什么 GPS 定位至少需要锁定 4 颗卫星。

卫星信号到了地面已经极其微弱（比 Wi-Fi 信号弱万亿倍），几十颗卫星又都挤在同一个频段上，接收机怎么区分"这是哪颗卫星发来的"？答案是码分多址（CDMA）：每颗卫星分配一个独一无二的伪随机噪声码（PRN 码），接收机内部预存了所有卫星的码，通过相关运算，谁的码对上了，就"提取"出谁的信号。GPS 用的是 L1 频段（1575.42MHz），北斗有 B1/B2/B3，俄罗斯 GLONASS、欧盟 Galileo 各有各的频点——但它们共用一套测距思想。

1.2 开发者的第一个坑：坐标为什么偏了几百米

假设你在北京用 GPS 拿到了一个"真实"坐标，拿它去比对手机地图上显示的蓝点，会发现差了几百米。这不是定位不准，而是坐标系不同。

卫星解算出的位置基于 WGS-84 坐标系——一个以地球质心为原点、全球统一的"数学地球"。而我们日常使用的经纬度，是高德、谷歌、百度等地图服务商展示出来的值：

• GCJ-02（火星坐标系）：中国国家测绘局制定的标准，在 WGS-84 基础上加了一层非线性的、不可逆的偏移（通常几百米），目的是符合地理信息保密要求。
• BD-09（百度坐标系）：百度在 GCJ-02 基础上再加密偏移一次。

所以你在手机里拿到的"原始定位"，底层是 WGS-84；地图 SDK 在展示时默默套了一层偏移。开发中如果后端拿的是手机原生 API 的坐标，前端用的是地图 SDK 的坐标，两边一比对，永远差着几百米——这不是 bug，是坐标系没统一。线上项目务必在接入层强制约定坐标系，用地图服务商提供的转换接口（GCJ-02 ↔ WGS-84、BD-09 ↔ GCJ-02）做一次收敛。

顺带一提，GPS 报的"海拔"也常常不准：卫星算的是相对 WGS-84 椭球面的几何高度，而我们在意的是相对海平面的正高。地球质量分布不均，两者在全球最大可相差 ±100 米。内陆地区看到的 GPS 海拔，本质是个"数学高度"。

1.3 为什么冷启动那么慢

用过 GPS 导航的人都有经验：刚开机时，定位经常要转圈转好几十秒。原因是接收机在"冷启动"时，不知道自己在哪里、现在是几点，必须先扫描天空、下载卫星的星历（描述卫星轨道和钟差的参数），才能开始测距。星历通过卫星信号播发，速率很低，下完一次要一两分钟。

这个体验问题，被基站定位顺手解决了——这就是 A-GNSS（辅助卫星导航）。手机通过蜂窝网络，从运营商或地图服务商的服务器直接下载当前区域对应的星历数据。接收机不用再去解卫星里慢吞吞的导航电文，冷启动时间从一分钟缩短到几秒。这里基站只是"数据快递员"，并不参与坐标计算。

1.4 头顶上的卫星，其实离不开地面

还有一个常被忽略的事实：卫星定位系统能正常工作，离不开地面的支持。

卫星在太空并不是纹丝不动的。月球引力、太阳风、地球自转都会让它的轨道缓慢漂移。如果卫星广播的轨道参数是错的，地面设备用它对表，定位自然失准。所以 GPS/北斗在全球布置了地面监测站，持续"盯着"每颗卫星，测出它真实的轨道和钟差，再通过注入站把修正后的参数上行发给卫星，卫星再广播给用户。没有这套地面系统，卫星轨道误差几天内就能累积到几公里，定位直接失效。

而普通用户想拿到厘米级精度，还需要另一类地面设施——差分定位（RTK）。固定的参考站（CORS）知道自己精确坐标，它接收卫星信号后能算出当前的大气误差，再把"误差修正值"通过 4G 或电台发给移动设备，设备在自己的计算结果上做减法，精度从几米跃升到厘米甚至毫米级。专业测绘、自动驾驶用的就是这条路，代价是需要依赖地面基础设施。

1.5 同一颗卫星，设备之间也有差异

只靠卫星、在信号良好的空旷室外，手机和手表的定位精度几乎没有差别。但一进入城市峡谷或室内，差别就出来了，根源在硬件：

• 天线：GPS 信号到达地面时极弱，理想天线需要约 5 厘米的净空。手机有大主板、金属中框当地网，能锁住十几颗星；手表表盘只有 4 厘米，天线只能做成微带贴片压在屏幕下，信噪比低 5–10dB，经常只锁得住六七颗星，几何分布还差，漂移自然更大。
• 功耗策略：手表为了省电，定位芯片常采用"间歇性睡眠"（占空比）策略，每秒只工作约 200 毫秒，丢失了大量多普勒频移信息，导致速度不准、轨迹呈锯齿状。
• 传感器质量：手机的陀螺仪、加速度计精度通常高于手表，在卫星信号短暂丢失时能靠惯性推算补位。
• 频段：支持 L1+L5 双频的旗舰设备，用 L5 的长波长信号抗多径反射，精度显著优于单频设备。

开发启示很直接：做运动轨迹记录，要给手表端更低的定位更新间隔（用续航换精度）；做导航应用，别指望消费级设备给你米级以下的承诺。

---

二、基站定位：城市里随叫随到的"兜底"

卫星定位依赖头顶开阔的天空，进了地铁、商场、地下车库就抓瞎。这时基站定位顶上来了——只要有手机信号的地方就能用。它的演进分三代。

第一代：Cell ID（小区识别码）。 运营商把每个基站覆盖范围看成一个"小区"，分配唯一编号。手机注册到网络，系统就知道你挂在哪个基站下，直接把基站坐标返回给你。精度完全取决于基站密度：城市密集区微基站覆盖半径 200–500 米，偏远农村一个基站覆盖 10 公里，误差就是 10 公里。优点是瞬间完成、几乎不耗电。

第二代：TDOA（到达时间差）。 当手机同时被多个基站"看到"时，可以测出信号到达两个基站的时间差。时间差恒定，意味着手机落在以这两个基站为焦点的双曲线上；引入第三个基站，两条双曲线一交，位置就出来了。它不测绝对时间，做差抵消了手机钟差，是 4G/5G 网络的主力方案（如 OTDOA），城市密集区精度可达 50–150 米。

第三代：AoA（到达角）+ Massive MIMO。 5G 基站天线阵列动辄几十上百根，能精确测出信号到达的水平角和俯仰角，结合距离估算（TA 时间提前量），一个基站就能画出一条"方向射线 + 距离"，理论精度可达亚米级。代价是基站硬件必须升级支持。

基站定位最大的局限是精度受制于基站密度，到了海上、荒漠就退化回 Cell ID 模式，误差以公里计。但在城市里，它是定位速度的保障——也是 A-GNSS 得以运转的通道。

---

三、Wi-Fi 与蓝牙：室内定位的主角

进了室内，卫星失效、基站变稀，但 Wi-Fi 和蓝牙信号密布。这两种技术原理同源，都依赖"固定锚点"，但工程实现上有本质分野。

3.1 Wi-Fi：一张靠众包养大的指纹地图

很多人想当然地以为 Wi-Fi 定位是"测信号强度、画圆求交点"。现实中商业方案几乎不这么做——Wi-Fi 信号穿墙衰减太离谱，用公式算距离误差能到几十米。真正的主流是指纹定位（Fingerprinting）：

把手机扫描到的"MAC 地址 + 信号强度"列表（比如 {MAC-A:-45dBm, MAC-B:-60dBm, MAC-C:-78dBm}）当成一个指纹，去数据库里找最相似的历史采样点。这更像人脸识别，而不是三角测量。匹配算法通常是 KNN（找最相似的 K 个点做加权平均）或贝叶斯推断（算指纹在每个地理网格上的出现概率）。

那么问题来了：这张庞大的指纹数据库哪来的？早期靠谷歌、苹果的街景车沿街采集，只能覆盖路边。现在靠众包：每一位开启定位服务的用户都是免费的采集员。手机在室外收到 GPS 信号时，会把周围扫到的所有 Wi-Fi MAC 地址、信号强度连同精确经纬度一起匿名上报。海量用户的"投票"让系统不仅知道某个路由器在哪，还能画出它的信号覆盖范围。用的人越多，地图越精细，定位越准——这是 Wi-Fi 定位最妙的地方。

这套系统还内建了防污染机制：

• 相似度替代相等：信号随时波动，系统只做"最相似 Top-N 点"的加权平均，返回的是一个计算出的重心，而不是某条历史记录的坐标。
• 移动热点排除：某个 MAC 若在几小时内出现在相距数十公里的位置，会被判定为移动热点（车载 Wi-Fi 之类），在匹配中直接降权剔除，防止位置被一辆路过的车拖走。
• 质量筛选：高速行驶中上报的 Wi-Fi 扫描与 GPS 坐标不匹配，属于脏数据。后台跑聚类算法，只有当大量用户在连续多天里对同一路由器上报了相近的强度，才置信它的位置并更新主库。

还有一个开发盲区值得点出：手机没连 Wi-Fi，也照样能被 Wi-Fi 定位。 只要系统里开着"位置信息扫描"，底层 Wi-Fi 芯片就在被动监听周围路由器的信标帧，不需要密码、不耗流量，拿到 MAC 列表后通过蜂窝数据上传换位置。这也是为什么关掉 Wi-Fi 后定位明显变慢。

3.2 蓝牙：从"指纹"到"测向"

蓝牙定位与 Wi-Fi 定位同宗同源——都靠固定锚点（蓝牙信标 Beacon）和指纹匹配。最早的 iBeacon 方案本质上就是一张"信标 MAC + RSSI"的指纹地图。但蓝牙有两个质变。

第一，信号特性更利于测距。蓝牙信标发射功率极低（1–10mW），覆盖只有 10–30 米，穿墙能力弱——这在工程上反而是优点：你收到的蓝牙信号绝大多数是直射路径，受反射干扰极小，RSSI 换算距离的公式比 Wi-Fi 可靠得多。

第二，蓝牙 5.1 引入了 AoA/AoD（到达角/出发角）测向。信标端改用阵列天线，设备发出的信号到达不同天线时有微小相位差，芯片算出差就能得到方位角和俯仰角。一个支持 AoA 的信标即可确定一条指向你的射线，再结合距离估算，就能实现亚米级精度。这不再是"指纹匹配"，而是回到了物理几何测距。代价是：指纹方案零部署成本（复用现有路由器），AoA 方案需要额外铺设专用信标阵列，且要求设备硬件支持蓝牙 5.1。

Wi-Fi 和蓝牙定位的共性也很明显：它们都是"人类社会活动的衍生产物"，靠众包数据画地图。野外没人部署锚点、数据库一片空白，这两兄弟就彻底失灵——野外的主力仍然只有卫星，以及接下来要讲的"盲推"。

---

四、传感器辅助：没有信号时的"盲推"

假设你走进一条长隧道，卫星、基站、Wi-Fi 全部失联，定位图标却还在移动。这就是运动传感器（惯性导航）在工作：它不依赖任何外部信号，只靠测量自身的加速度和角速度，从已知起点出发一路"盲推"。

4.1 两步积分算出位移

手机里的加速度计测量三维空间上的线性加速度（包括重力），陀螺仪测量绕三个轴的旋转角速度。算法的工作分两步：

1. 姿态解算：先把陀螺仪积出角度，结合加速度计感知的重力方向，融合出设备当前的朝向——手机横着放和竖着放，"前"是完全不同的方向。
2. 航位推算：从加速度中减去重力分量，对运动加速度积分一次得到速度，再积分一次得到位移，叠加到上一个已知坐标点上。

这就是"盲推"的完整数学过程。它不依赖任何基础设施，隐蔽性极强——潜艇在水下靠的就是它。

4.2 阿喀琉斯之踵：误差随时间爆炸

加速度计和陀螺仪存在零偏（静止时输出不为零）和噪声。微小的误差经过一次积分变成线性增长的速度误差，经过两次积分就变成二次增长的位置误差。顶级手机 IMU 在没有外部修正的情况下，一分钟内推算的位置误差可达几百米——你在隧道里走直线，出隧道时定位点已经飘到隔壁街道。

工程上的救赎有两个：一是零速修正（ZUPT）——算法通过加速度计的方差判断设备是否静止（等红灯、脚步落地那一瞬），一旦判定静止就强制把速度归零，斩断误差累积；二是定期校准——传感器只负责填补两次绝对定位之间的空档，一旦 GPS 重新捕获信号，就把位置"拽"回正确坐标，重置惯性误差。

4.3 顺带聊聊 MEMS 芯片

手机里没有传统意义的机械陀螺仪（那玩意儿体积比手机还大）。现代设备用的是 MEMS（微机电系统） 芯片——在指甲盖大的硅片上，用光刻机刻出一个微米级的"弹簧-质量块"结构。设备加速或倾斜时，质量块因惯性滞后于外壳，与固定电极的间距变化引起电容变化，芯片测电容即测加速度；陀螺仪则利用科里奥利力——一个持续振动的质量块在旋转时会被施加垂直方向的力，同样转化为电容变化。芯片工艺无法避免零偏，且零偏随温度漂移，这也是传感器数据必须交给融合算法"消化"的根本原因。

4.4 组合导航：松耦合与紧耦合

实际产品中，传感器从不单独作战，它和绝对定位源组成组合导航：

• 松耦合（手机常用）：GPS 每秒给一个位置，IMU 在间隙里填充轨迹让图标更顺滑；信号丢失时短暂接管，恢复后立即被拽回并重置误差。
• 紧耦合（汽车、无人机常用）：不再只消费 GPS 的位置结果，而是把多普勒频移、载波相位等原始观测值与 IMU 深度耦合滤波。即使卫星被短暂遮挡，车辆仍能保持车道级精度。

---

五、把它们串起来：一次定位请求的完整旅程

现在把四根支柱放回真实场景，看看现代设备一次"定位成功"背后发生了什么。

场景一：在户外打开导航。 冷启动时，基站先用 Cell ID 给出一个粗略位置（误差几百米），同时通过 A-GNSS 从服务器拉来星历。接收机拿到星历后秒级捕获卫星，开始伪距解算，坐标从"几百米"收敛到"几米"。过程中陀螺仪和加速度计持续记录运动，用卡尔曼滤波把卫星散点和惯性推算融合成一条平滑轨迹——过立交桥信号遮挡的那几秒，蓝点靠惯性撑着没乱跳。

场景二：走进商场。 卫星信号衰减到不可用，基站变稀。系统检测到环境变化，切换到 Wi-Fi/蓝牙指纹匹配：扫描周围几十个热点，上传指纹，服务端在众包数据库里算出位置（10–20 米），配合气压计校准楼层。这一步就是导航 App 商场内"一键寻店"的基础。

场景三：进入地铁隧道。 一切外部信号消失，定位完全交给惯性导航 + 零速修正。隧道短则误差可接受，隧道长则出站瞬间被 GPS 重新校准，"啪"地拽回真实位置——如果你见过地图 App 里图标在出隧道时瞬移，就是这个机制在起作用。

场景四：自驾跑长途。 车机用双频 GNSS + 差分（RTK）拿到车道级横向精度，靠战术级 IMU + 轮速脉冲在无星状态下继续航位推算，再用摄像头识别车道线做地图匹配，把定位点"吸附"到正确的车道上。这就是"导航知道你在主路还是辅路"的原因。

开发实践清单

把上面这些落到工程里，几条经验值得写进团队规范：

1. 坐标系先行。统一约定 WGS-84 / GCJ-02 / BD-09，在接入层做转换收敛，别让"差几百米"的问题追查半天。
2. 区分"粗定位"与"精定位"。用系统的融合定位接口（Android 的 FusedLocationProvider、iOS 的 Core Location）而不是裸调 GPS，让系统在功耗和精度之间做权衡。
3. 声明精度预期。室内外场景分开处理：室外可承诺 10 米内，室内别承诺高于 Wi-Fi/蓝牙能力，必要时自建蓝牙 AoA 或 UWB 基站。
4. 别裸用传感器。惯性数据必须配绝对定位校准，否则误差会以二次方的速度失控。
5. 理解设备差异。手表、低端机、双频旗舰的定位能力不在一个量级，测试时要覆盖"低端设备 + 复杂环境"这种最坏组合。

---

写在最后

回到开头那个蓝点。它落在你脚下这件事，背后是四套互不相干的技术在接力：卫星在太空广播时间，基站在地面递送数据，Wi-Fi 与蓝牙用众包指纹描绘室内，传感器在信号真空里默默推算。它们各自的精度都有限，合在一起才构成了现代设备"走到哪都知道自己在哪"的体验。

理解了这套系统，再回头看那些"定位不准"的 bug——坐标系没对齐、室内切场没触发、传感器误差没校准——就都有了清晰的排查方向。定位不是一行 API 的事，它是一整套系统工程，而认识它，是做好它的第一步。

聊聊开发中定位这件事

打开一个地图 App，蓝点落在你脚下；调用一行 navigator.geolocation.getCurrentPosition()，经纬度回调到手。定位已经平常到让人忘了它的存在——直到某天你发现，蓝点飘到了马路对面，或者室内定位结果离了个大谱。

很多开发者把"定位"等同于"GPS"，这其实是一个误解。现代智能设备的定位，是一个典型的多技术融合系统：卫星、基站、Wi-Fi、蓝牙、运动传感器各司其职，再由算法综合出最优结果。GPS 只是其中最能打的一个，却远不是唯一的一个。

这篇文章把定位这件事拆开，讲清楚四根技术支柱——卫星定位、基站定位、Wi-Fi/蓝牙定位、传感器辅助——的原理，以及它们在实际开发中是如何被串联起来的。

---

一、卫星定位：最"正统"的答案

1.1 从"对表"说起

卫星定位的原理，本质上是一个初中物理题：距离 = 速度 × 时间。

卫星在太空按已知轨道飞行，不断向地面广播信号。信号以光速传播，设备只要测出信号从卫星飞到自己的时间，乘以光速，就得到了自己到那颗卫星的距离。一颗卫星能画出一个"距离圈"，三颗卫星的交点就确定了位置。

但这里有个细节：光速每秒 30 万公里，时间测量必须精确到纳秒（十亿分之一秒）级。差一纳秒，距离就偏 30 厘米。更重要的是，设备内部那个便宜的石英钟远没有卫星上的原子钟准，它和卫星之间天然存在一个未知的钟差。于是未知数变成了四个：三维坐标（X/Y/Z），加上接收机自身的钟差。四个未知数需要四个方程——这就是为什么 GPS 定位至少需要锁定 4 颗卫星。

卫星信号到了地面已经极其微弱（比 Wi-Fi 信号弱万亿倍），几十颗卫星又都挤在同一个频段上，接收机怎么区分"这是哪颗卫星发来的"？答案是码分多址（CDMA）：每颗卫星分配一个独一无二的伪随机噪声码（PRN 码），接收机内部预存了所有卫星的码，通过相关运算，谁的码对上了，就"提取"出谁的信号。GPS 用的是 L1 频段（1575.42MHz），北斗有 B1/B2/B3，俄罗斯 GLONASS、欧盟 Galileo 各有各的频点——但它们共用一套测距思想。

1.2 开发者的第一个坑：坐标为什么偏了几百米

假设你在北京用 GPS 拿到了一个"真实"坐标，拿它去比对手机地图上显示的蓝点，会发现差了几百米。这不是定位不准，而是坐标系不同。

卫星解算出的位置基于 WGS-84 坐标系——一个以地球质心为原点、全球统一的"数学地球"。而我们日常使用的经纬度，是高德、谷歌、百度等地图服务商展示出来的值：

• GCJ-02（火星坐标系）：中国国家测绘局制定的标准，在 WGS-84 基础上加了一层非线性的、不可逆的偏移（通常几百米），目的是符合地理信息保密要求。
• BD-09（百度坐标系）：百度在 GCJ-02 基础上再加密偏移一次。

所以你在手机里拿到的"原始定位"，底层是 WGS-84；地图 SDK 在展示时默默套了一层偏移。开发中如果后端拿的是手机原生 API 的坐标，前端用的是地图 SDK 的坐标，两边一比对，永远差着几百米——这不是 bug，是坐标系没统一。线上项目务必在接入层强制约定坐标系，用地图服务商提供的转换接口（GCJ-02 ↔ WGS-84、BD-09 ↔ GCJ-02）做一次收敛。

顺带一提，GPS 报的"海拔"也常常不准：卫星算的是相对 WGS-84 椭球面的几何高度，而我们在意的是相对海平面的正高。地球质量分布不均，两者在全球最大可相差 ±100 米。内陆地区看到的 GPS 海拔，本质是个"数学高度"。

1.3 为什么冷启动那么慢

用过 GPS 导航的人都有经验：刚开机时，定位经常要转圈转好几十秒。原因是接收机在"冷启动"时，不知道自己在哪里、现在是几点，必须先扫描天空、下载卫星的星历（描述卫星轨道和钟差的参数），才能开始测距。星历通过卫星信号播发，速率很低，下完一次要一两分钟。

这个体验问题，被基站定位顺手解决了——这就是 A-GNSS（辅助卫星导航）。手机通过蜂窝网络，从运营商或地图服务商的服务器直接下载当前区域对应的星历数据。接收机不用再去解卫星里慢吞吞的导航电文，冷启动时间从一分钟缩短到几秒。这里基站只是"数据快递员"，并不参与坐标计算。

1.4 头顶上的卫星，其实离不开地面

还有一个常被忽略的事实：卫星定位系统能正常工作，离不开地面的支持。

卫星在太空并不是纹丝不动的。月球引力、太阳风、地球自转都会让它的轨道缓慢漂移。如果卫星广播的轨道参数是错的，地面设备用它对表，定位自然失准。所以 GPS/北斗在全球布置了地面监测站，持续"盯着"每颗卫星，测出它真实的轨道和钟差，再通过注入站把修正后的参数上行发给卫星，卫星再广播给用户。没有这套地面系统，卫星轨道误差几天内就能累积到几公里，定位直接失效。

而普通用户想拿到厘米级精度，还需要另一类地面设施——差分定位（RTK）。固定的参考站（CORS）知道自己精确坐标，它接收卫星信号后能算出当前的大气误差，再把"误差修正值"通过 4G 或电台发给移动设备，设备在自己的计算结果上做减法，精度从几米跃升到厘米甚至毫米级。专业测绘、自动驾驶用的就是这条路，代价是需要依赖地面基础设施。

1.5 同一颗卫星，设备之间也有差异

只靠卫星、在信号良好的空旷室外，手机和手表的定位精度几乎没有差别。但一进入城市峡谷或室内，差别就出来了，根源在硬件：

• 天线：GPS 信号到达地面时极弱，理想天线需要约 5 厘米的净空。手机有大主板、金属中框当地网，能锁住十几颗星；手表表盘只有 4 厘米，天线只能做成微带贴片压在屏幕下，信噪比低 5–10dB，经常只锁得住六七颗星，几何分布还差，漂移自然更大。
• 功耗策略：手表为了省电，定位芯片常采用"间歇性睡眠"（占空比）策略，每秒只工作约 200 毫秒，丢失了大量多普勒频移信息，导致速度不准、轨迹呈锯齿状。
• 传感器质量：手机的陀螺仪、加速度计精度通常高于手表，在卫星信号短暂丢失时能靠惯性推算补位。
• 频段：支持 L1+L5 双频的旗舰设备，用 L5 的长波长信号抗多径反射，精度显著优于单频设备。

开发启示很直接：做运动轨迹记录，要给手表端更低的定位更新间隔（用续航换精度）；做导航应用，别指望消费级设备给你米级以下的承诺。

---

二、基站定位：城市里随叫随到的"兜底"

卫星定位依赖头顶开阔的天空，进了地铁、商场、地下车库就抓瞎。这时基站定位顶上来了——只要有手机信号的地方就能用。它的演进分三代。

第一代：Cell ID（小区识别码）。 运营商把每个基站覆盖范围看成一个"小区"，分配唯一编号。手机注册到网络，系统就知道你挂在哪个基站下，直接把基站坐标返回给你。精度完全取决于基站密度：城市密集区微基站覆盖半径 200–500 米，偏远农村一个基站覆盖 10 公里，误差就是 10 公里。优点是瞬间完成、几乎不耗电。

第二代：TDOA（到达时间差）。 当手机同时被多个基站"看到"时，可以测出信号到达两个基站的时间差。时间差恒定，意味着手机落在以这两个基站为焦点的双曲线上；引入第三个基站，两条双曲线一交，位置就出来了。它不测绝对时间，做差抵消了手机钟差，是 4G/5G 网络的主力方案（如 OTDOA），城市密集区精度可达 50–150 米。

第三代：AoA（到达角）+ Massive MIMO。 5G 基站天线阵列动辄几十上百根，能精确测出信号到达的水平角和俯仰角，结合距离估算（TA 时间提前量），一个基站就能画出一条"方向射线 + 距离"，理论精度可达亚米级。代价是基站硬件必须升级支持。

基站定位最大的局限是精度受制于基站密度，到了海上、荒漠就退化回 Cell ID 模式，误差以公里计。但在城市里，它是定位速度的保障——也是 A-GNSS 得以运转的通道。

---

三、Wi-Fi 与蓝牙：室内定位的主角

进了室内，卫星失效、基站变稀，但 Wi-Fi 和蓝牙信号密布。这两种技术原理同源，都依赖"固定锚点"，但工程实现上有本质分野。

3.1 Wi-Fi：一张靠众包养大的指纹地图

很多人想当然地以为 Wi-Fi 定位是"测信号强度、画圆求交点"。现实中商业方案几乎不这么做——Wi-Fi 信号穿墙衰减太离谱，用公式算距离误差能到几十米。真正的主流是指纹定位（Fingerprinting）：

把手机扫描到的"MAC 地址 + 信号强度"列表（比如 {MAC-A:-45dBm, MAC-B:-60dBm, MAC-C:-78dBm}）当成一个指纹，去数据库里找最相似的历史采样点。这更像人脸识别，而不是三角测量。匹配算法通常是 KNN（找最相似的 K 个点做加权平均）或贝叶斯推断（算指纹在每个地理网格上的出现概率）。

那么问题来了：这张庞大的指纹数据库哪来的？早期靠谷歌、苹果的街景车沿街采集，只能覆盖路边。现在靠众包：每一位开启定位服务的用户都是免费的采集员。手机在室外收到 GPS 信号时，会把周围扫到的所有 Wi-Fi MAC 地址、信号强度连同精确经纬度一起匿名上报。海量用户的"投票"让系统不仅知道某个路由器在哪，还能画出它的信号覆盖范围。用的人越多，地图越精细，定位越准——这是 Wi-Fi 定位最妙的地方。

这套系统还内建了防污染机制：

• 相似度替代相等：信号随时波动，系统只做"最相似 Top-N 点"的加权平均，返回的是一个计算出的重心，而不是某条历史记录的坐标。
• 移动热点排除：某个 MAC 若在几小时内出现在相距数十公里的位置，会被判定为移动热点（车载 Wi-Fi 之类），在匹配中直接降权剔除，防止位置被一辆路过的车拖走。
• 质量筛选：高速行驶中上报的 Wi-Fi 扫描与 GPS 坐标不匹配，属于脏数据。后台跑聚类算法，只有当大量用户在连续多天里对同一路由器上报了相近的强度，才置信它的位置并更新主库。

还有一个开发盲区值得点出：手机没连 Wi-Fi，也照样能被 Wi-Fi 定位。 只要系统里开着"位置信息扫描"，底层 Wi-Fi 芯片就在被动监听周围路由器的信标帧，不需要密码、不耗流量，拿到 MAC 列表后通过蜂窝数据上传换位置。这也是为什么关掉 Wi-Fi 后定位明显变慢。

3.2 蓝牙：从"指纹"到"测向"

蓝牙定位与 Wi-Fi 定位同宗同源——都靠固定锚点（蓝牙信标 Beacon）和指纹匹配。最早的 iBeacon 方案本质上就是一张"信标 MAC + RSSI"的指纹地图。但蓝牙有两个质变。

第一，信号特性更利于测距。蓝牙信标发射功率极低（1–10mW），覆盖只有 10–30 米，穿墙能力弱——这在工程上反而是优点：你收到的蓝牙信号绝大多数是直射路径，受反射干扰极小，RSSI 换算距离的公式比 Wi-Fi 可靠得多。

第二，蓝牙 5.1 引入了 AoA/AoD（到达角/出发角）测向。信标端改用阵列天线，设备发出的信号到达不同天线时有微小相位差，芯片算出差就能得到方位角和俯仰角。一个支持 AoA 的信标即可确定一条指向你的射线，再结合距离估算，就能实现亚米级精度。这不再是"指纹匹配"，而是回到了物理几何测距。代价是：指纹方案零部署成本（复用现有路由器），AoA 方案需要额外铺设专用信标阵列，且要求设备硬件支持蓝牙 5.1。

Wi-Fi 和蓝牙定位的共性也很明显：它们都是"人类社会活动的衍生产物"，靠众包数据画地图。野外没人部署锚点、数据库一片空白，这两兄弟就彻底失灵——野外的主力仍然只有卫星，以及接下来要讲的"盲推"。

---

四、传感器辅助：没有信号时的"盲推"

假设你走进一条长隧道，卫星、基站、Wi-Fi 全部失联，定位图标却还在移动。这就是运动传感器（惯性导航）在工作：它不依赖任何外部信号，只靠测量自身的加速度和角速度，从已知起点出发一路"盲推"。

4.1 两步积分算出位移

手机里的加速度计测量三维空间上的线性加速度（包括重力），陀螺仪测量绕三个轴的旋转角速度。算法的工作分两步：

1. 姿态解算：先把陀螺仪积出角度，结合加速度计感知的重力方向，融合出设备当前的朝向——手机横着放和竖着放，"前"是完全不同的方向。
2. 航位推算：从加速度中减去重力分量，对运动加速度积分一次得到速度，再积分一次得到位移，叠加到上一个已知坐标点上。

这就是"盲推"的完整数学过程。它不依赖任何基础设施，隐蔽性极强——潜艇在水下靠的就是它。

4.2 阿喀琉斯之踵：误差随时间爆炸

加速度计和陀螺仪存在零偏（静止时输出不为零）和噪声。微小的误差经过一次积分变成线性增长的速度误差，经过两次积分就变成二次增长的位置误差。顶级手机 IMU 在没有外部修正的情况下，一分钟内推算的位置误差可达几百米——你在隧道里走直线，出隧道时定位点已经飘到隔壁街道。

工程上的救赎有两个：一是零速修正（ZUPT）——算法通过加速度计的方差判断设备是否静止（等红灯、脚步落地那一瞬），一旦判定静止就强制把速度归零，斩断误差累积；二是定期校准——传感器只负责填补两次绝对定位之间的空档，一旦 GPS 重新捕获信号，就把位置"拽"回正确坐标，重置惯性误差。

4.3 顺带聊聊 MEMS 芯片

手机里没有传统意义的机械陀螺仪（那玩意儿体积比手机还大）。现代设备用的是 MEMS（微机电系统） 芯片——在指甲盖大的硅片上，用光刻机刻出一个微米级的"弹簧-质量块"结构。设备加速或倾斜时，质量块因惯性滞后于外壳，与固定电极的间距变化引起电容变化，芯片测电容即测加速度；陀螺仪则利用科里奥利力——一个持续振动的质量块在旋转时会被施加垂直方向的力，同样转化为电容变化。芯片工艺无法避免零偏，且零偏随温度漂移，这也是传感器数据必须交给融合算法"消化"的根本原因。

4.4 组合导航：松耦合与紧耦合

实际产品中，传感器从不单独作战，它和绝对定位源组成组合导航：

• 松耦合（手机常用）：GPS 每秒给一个位置，IMU 在间隙里填充轨迹让图标更顺滑；信号丢失时短暂接管，恢复后立即被拽回并重置误差。
• 紧耦合（汽车、无人机常用）：不再只消费 GPS 的位置结果，而是把多普勒频移、载波相位等原始观测值与 IMU 深度耦合滤波。即使卫星被短暂遮挡，车辆仍能保持车道级精度。

---

五、把它们串起来：一次定位请求的完整旅程

现在把四根支柱放回真实场景，看看现代设备一次"定位成功"背后发生了什么。

场景一：在户外打开导航。 冷启动时，基站先用 Cell ID 给出一个粗略位置（误差几百米），同时通过 A-GNSS 从服务器拉来星历。接收机拿到星历后秒级捕获卫星，开始伪距解算，坐标从"几百米"收敛到"几米"。过程中陀螺仪和加速度计持续记录运动，用卡尔曼滤波把卫星散点和惯性推算融合成一条平滑轨迹——过立交桥信号遮挡的那几秒，蓝点靠惯性撑着没乱跳。

场景二：走进商场。 卫星信号衰减到不可用，基站变稀。系统检测到环境变化，切换到 Wi-Fi/蓝牙指纹匹配：扫描周围几十个热点，上传指纹，服务端在众包数据库里算出位置（10–20 米），配合气压计校准楼层。这一步就是导航 App 商场内"一键寻店"的基础。

场景三：进入地铁隧道。 一切外部信号消失，定位完全交给惯性导航 + 零速修正。隧道短则误差可接受，隧道长则出站瞬间被 GPS 重新校准，"啪"地拽回真实位置——如果你见过地图 App 里图标在出隧道时瞬移，就是这个机制在起作用。

场景四：自驾跑长途。 车机用双频 GNSS + 差分（RTK）拿到车道级横向精度，靠战术级 IMU + 轮速脉冲在无星状态下继续航位推算，再用摄像头识别车道线做地图匹配，把定位点"吸附"到正确的车道上。这就是"导航知道你在主路还是辅路"的原因。

开发实践清单

把上面这些落到工程里，几条经验值得写进团队规范：

1. 坐标系先行。统一约定 WGS-84 / GCJ-02 / BD-09，在接入层做转换收敛，别让"差几百米"的问题追查半天。
2. 区分"粗定位"与"精定位"。用系统的融合定位接口（Android 的 FusedLocationProvider、iOS 的 Core Location）而不是裸调 GPS，让系统在功耗和精度之间做权衡。
3. 声明精度预期。室内外场景分开处理：室外可承诺 10 米内，室内别承诺高于 Wi-Fi/蓝牙能力，必要时自建蓝牙 AoA 或 UWB 基站。
4. 别裸用传感器。惯性数据必须配绝对定位校准，否则误差会以二次方的速度失控。
5. 理解设备差异。手表、低端机、双频旗舰的定位能力不在一个量级，测试时要覆盖"低端设备 + 复杂环境"这种最坏组合。

---

写在最后

回到开头那个蓝点。它落在你脚下这件事，背后是四套互不相干的技术在接力：卫星在太空广播时间，基站在地面递送数据，Wi-Fi 与蓝牙用众包指纹描绘室内，传感器在信号真空里默默推算。它们各自的精度都有限，合在一起才构成了现代设备"走到哪都知道自己在哪"的体验。

理解了这套系统，再回头看那些"定位不准"的 bug——坐标系没对齐、室内切场没触发、传感器误差没校准——就都有了清晰的排查方向。定位不是一行 API 的事，它是一整套系统工程，而认识它，是做好它的第一步。