Smartphone positioning: in questo articolo analizziamo le principali criticità del processamento GNSS da smartphone e le strategie per affrontarle.
Smartphone positioning: limiti, strategie e prospettive
Negli ultimi anni, gli smartphone sono diventati strumenti sempre più rilevanti nel campo del posizionamento satellitare. Non più semplici terminali per la navigazione stradale, ma dispositivi capaci di registrare osservazioni GNSS grezze, grazie all’apertura introdotta da Google a partire dal 2016 con Android 7.0 Nougat. Oggi è possibile accedere direttamente alle misure di codice, fase e Doppler dei principali sistemi satellitari, aprendo la porta a tecniche di posizionamento avanzate come il PPP (Precise Point Positioning), l’RTK (Real Time Kinematic) o la fusione con sensori inerziali.
Tuttavia, elaborare i dati provenienti da uno smartphone non è affatto paragonabile all’uso di un ricevitore geodetico di fascia alta. Le differenze hardware (antenne integrate, elettronica meno stabile, clock meno precisi) e software comportano sfide notevoli.
La conversione al formato RINEX: la base di ogni elaborazione
Il formato RINEX rappresenta lo standard universale per lo scambio di osservazioni GNSS. Per poter utilizzare dati da smartphone in software di elaborazione GNSS consolidati come RTKLIB, è indispensabile convertire correttamente i log grezzi. Questa operazione, apparentemente semplice, nasconde complessità tecniche:
- Molteplicità di convertitori: esistono diversi strumenti di conversione, che spesso producono risultati non identici, introducendo ambiguità nei dataset.
- Compatibilità tra osservabili: per alcuni smartphone le misure di codice, fase e Doppler non risultano perfettamente coerenti tra loro, a causa di bias costanti che devono essere considerati.
- Mancanza di standardizzazione: l’assenza di specifiche univoche complica ulteriormente l’interpretazione e la comparabilità dei file RINEX generati.
Senza una conversione accurata, l’intero dataset diventa inutilizzabile o produce soluzioni degradate.
Smartphone positioning: rilevamento dei salti di ciclo
Uno dei problemi più ricorrenti è l’elevata presenza di cycle slips, discontinuità nelle osservazioni di fase. Su ricevitori professionali i salti di ciclo sono eventi rari, spesso dovuti a ostruzioni temporanee del segnale. Sugli smartphone, invece, sono la regola:
- le antenne integrate hanno guadagni bassi e sono molto sensibili a interferenze e multipath
- il telefono è usato in condizioni dinamiche, spesso in mano o in tasca, con orientamento variabile
- la gestione del tracking da parte del chipset non è ottimizzata per applicazioni scientifiche
Il risultato è una fase estremamente frammentata, difficilmente utilizzabile. Per questo motivo, sono utili metodi di rilevamento avanzati, come quelli basati sulle osservazioni Doppler o quelli basati sulla combinazione lineare di osservazioni, che aiutano a individuare efficacemente le interruzioni del tracking.
Il valore aggiunto delle osservazioni Doppler
Se le fasi soffrono di continui salti, le osservazioni Doppler si rivelano abbastanza robuste. Il Doppler, derivata temporale della fase, fornisce informazioni dirette sulla velocità relativa tra ricevitore e satellite. Negli smartphone in particolare, con molte applicazioni dinamiche, le osservazioni Doppler mostrano rumore ridotto rispetto al codice, disponibilità continua e possono essere integrate in filtri di Kalman o in approcci di fusione con sensori inerziali per migliorare la dinamica della traiettoria.
Alcuni studi hanno dimostrato che le osservazioni Doppler degli smartphone consentono di ottenere stime di velocità con errori di pochi cm/s, rendendolo una risorsa fondamentale per applicazioni in movimento.
TDCP: la forza delle differenze temporali
Una tecnica particolarmente promettente è l’uso delle fasi in modalità Time-Differenced Carrier Phase (TDCP). L’idea è semplice: sottraendo le osservazioni di fase di uno stesso satellite in due epoche successive, si eliminano gran parte degli errori sistematici comuni (ambiguità, bias, errori atmosferici) e rimane una misura sensibile al solo spostamento relativo tra epoche.
Il TDCP permette quindi di stimare spostamenti e velocità con buona accuratezza, senza dover risolvere le ambiguità intere e combinare le informazioni con osservazioni Doppler per una stima più robusta.
Pesatura basata sull’SNR: non tutte le osservazioni valgono allo stesso modo
Una strategia efficace per migliorare l’elaborazione consiste nel pesare le osservazioni in base al loro SNR (Signal-to-Noise Ratio). L’SNR è un indicatore diretto della qualità del segnale ricevuto: valori elevati (tipici di satelliti con elevata elevazione sull’orizzonte) corrispondono a misure più affidabili mentre valori bassi indicano segnali disturbati, spesso influenzati da multipath o attenuazioni.
Attribuendo pesi proporzionali all’SNR si ottiene una soluzione stabile negli smartphone, in cui le osservazioni migliori guidano l’algoritmo di stima mentre quelle degradate hanno un impatto ridotto.
Smartphone positioning: prospettive future
Gli smartphone non sostituiranno nel breve periodo i ricevitori geodetici, ma il loro ruolo nella geolocalizzazione avanzata è destinato a crescere. Alcune direzioni promettenti sono:
- integrazione con sensori inerziali (accelerometri, giroscopi) per compensare le mancanze del GNSS
- uso combinato con servizi globali di correzione (Galileo HAS, CLAS, RTX) per ridurre gli errori sistematici
- algoritmi di fusione basati su grafi fattoriali (FGO), capaci di sfruttare in modo ottimale dati eterogenei.
Con il miglioramento delle antenne integrate e l’ottimizzazione dei chipset, la qualità delle osservazioni crescerà ulteriormente, rendendo lo smartphone un ricevitore accessibile per l’elaborazione GNSS avanzata.
(Fonte: Gter)
