气压计与GPS融合定高算法解析

📚 共计 30 章节

定高之困：为什么无人机需要融合定高？

单一传感器的局限性分析 · 高度不可靠场景

动机传感器对比

气压计原理：大气压强与高度

标准大气模型 · BMP280/MS5611 选型要点

物理基础选型

GPS测高原理与高程系统

大地高/椭球高/正高 · 垂直精度 · 多路径效应

传感器特性对比：气压计 vs GPS

更新率/精度/漂移 · 优缺点对比表

融合算法总览：卡尔曼/互补/加权

为什么卡尔曼滤波成为主流？

卡尔曼滤波基础：状态空间模型

预测与更新两步走 · 协方差矩阵意义

一维卡尔曼滤波：高度估计

状态量(高度,速度) · 观测模型设计

气压计噪声建模：Allan方差

量化噪声与随机游走 · 获取噪声参数

GPS噪声建模与VDOP

卫星颗数/HDOP/VDOP · 动态噪声特性

数据预处理：滤波与野值剔除

滑动平均/一阶RC · 3σ/中值滤波

预处理滤波

时间同步问题：时间戳对齐

线性插值/样条插值 · 传感器融合前提

坐标系统一：高度基准转换

相对起飞点 vs 椭球高 · 基准面校正

融合框架：松耦合 vs 紧耦合

为什么无人机定高常用松耦合？

架构松耦合

状态方程设计：PVA模型

位置-速度-加速度 · 加速度作为控制输入

PVA状态方程

观测方程设计：气压计+GPS

观测噪声矩阵R的调参方法

初始化与收敛：P0与收敛速度

滤波器初始状态 · 协方差矩阵选取

初始化收敛

自适应卡尔曼滤波：Sage-Husa

噪声协方差在线估计 · 防止发散

自适应Sage-Husa

抗干扰设计：风扰/温度/失锁

气压计受风影响 · GPS失锁纯气压计模式

抗干扰容错

高度变化率估计：垂直速度

融合结果求导 · 与GPS速度对比验证

垂直速度验证

仿真环境搭建：Python/Matlab

生成模拟数据(真值+噪声) · 框架设计

仿真实验一：静态悬停对比

纯气压计/纯GPS/融合高度误差

仿真实验二：匀速上升/下降

跟踪延迟与稳态误差评估

仿真实验三：风扰/温度突变

自适应滤波抗干扰能力验证

仿真鲁棒性

实飞数据采集：Pixhawk/APM

记录log · 提取气压计与GPS高度

实飞数据分析：log回放与残差

融合前后高度曲线 · 残差分析

数据分析回放

参数调优实战：R/Q矩阵经验

踩坑记录 · 发散/震荡解决方案

嵌入式移植要点：C语言实现

定点数 vs 浮点数 · 内存优化

嵌入式C语言

RTK-GPS融合：厘米级高度

融合策略调整 · 精度极限测试

多传感器冗余：超声波/激光

权重动态分配 · 融合策略扩展

总结与展望：未来深度融合

视觉+IMU+气压计 · 趋势分析