Author: MCT

一、从“抖动”到“稳定”：什么是 IMU 的“稳” 在自动驾驶系统中，IMU（惯性测量单元）是“姿态感知”的核心器官。 它由陀螺仪和加速度计组成，能实时测量载体的角速度和线加速度。 但 IMU 并不完美，它像一个时刻在倾听的传感器—— 任何微小的噪声、温度变化、机械震动，都会让它“听错”。 于是，“稳”成为衡量 IMU 的第一标准。 但“稳”并非静止，而是意味着输出误差的可控性。 真正的车规级 IMU，不是让波动消失，而是让每一次波动都可预测、可建模、可补偿。 这正是 SUMACO 系列的出发点：让“稳定”成为算法可依赖的常量。 二、误差的根源：漂移与噪声 IMU 的输出误差主要来自两类因素： 系统性误差可通过标定校正； 而随机噪声则需要从时间维度建模。 在 IMU 的专业测试中，工程师常用一种方法来识别噪声特征—— Allan 方差分析（Allan Variance Analysis）。 这就像在听音乐时识别“底噪”的节奏，通过时间间隔分析来辨别噪声类型。 三、温度的挑战：热噪声如何影响“稳” IMU 的另一个敌人，是温度。 当环境从冬天的 -40℃ 到夏天的 +85℃，敏感元件的输出曲线会发生漂移。 这种“温漂（Temperature Drift）”会让姿态感知在高低温下不一致。 SUMACO 的解决方案是： 换句话说，它不仅“知道自己热了”，还能“知道热到什么程度会影响输出”，并即时修正。 四、从标定到量产：稳定的工业逻辑 SUMACO 的“稳”并非源自单一算法，而是工业体系的结果。 在常州智能制造中心，SUMACO 采用“工厂标定 + 在线标定”双标定体系： 两级标定构建起从实验室到实际应用的一致性—— 这就是“车规级 IMU”的工业底色：可批量复制的稳定。 五、“稳”是一种系统能力 真正的稳定，从来不是单一指标的优秀，而是系统的协同。…

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： 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： 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： 这正是 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 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： 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”： 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——…

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： MOJANDA 采用了多频观测与相干检测技术： 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： 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。…

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： 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： 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： 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”。 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…

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…