3. 硬铁干扰识别：静态数据采集方法、硬铁干扰的数据特征（固定偏置）、利用旋转法识别硬铁干扰、硬铁干扰的数学建模
各位工程师朋友，咱们今天聊聊硬铁干扰。说实话，这东西在磁力计应用里太常见了。我刚开始做无人机航向模块时，就被它坑过一回——明明校准好的磁力计，换个机架装上，数据直接飘了十几度。后来才明白，这就是典型的硬铁干扰。
3.1 什么是硬铁干扰？
硬铁干扰，说白了就是磁力计周围那些“自带磁性”的物体造成的。比如扬声器里的永磁体、电机转子、铁镍合金外壳，甚至你手里的螺丝刀。这些物体本身就有固定磁场，叠加在地球磁场上，就成了一个固定的偏置。
我个人习惯把硬铁干扰想象成一个“直流偏置”——它不随方向变化，始终往测量值上加一个固定向量。你想想看，如果磁力计周围有个永磁体，无论你怎么旋转传感器，这个额外磁场的方向和大小都不会变。这就是硬铁干扰最核心的特征。
3.2 静态数据采集方法
识别硬铁干扰，第一步就是采集数据。怎么采？我建议用静态采集法。
具体操作很简单：把传感器固定在一个位置，保持不动，连续采集一段时间（比如10秒）。然后取平均值。为什么要取平均？因为磁力计本身有噪声，单次读数不可靠。平均一下，噪声就被平滑掉了。
我在项目中遇到过这样的情况：有人只采了3秒数据就下结论，结果把噪声当成了干扰。嗯，这里要注意——静态采集的时间不能太短，建议至少10秒，采样率100Hz以上，这样就有1000个样本点，统计意义才够。
// 静态数据采集伪代码
#define SAMPLE_COUNT 1000
float samples[SAMPLE_COUNT];
for (int i = 0; i < SAMPLE_COUNT; i++) {
samples[i] = read_magnetometer();
delay(10); // 10ms间隔，即100Hz
}
// 计算平均值
float mean_x = 0, mean_y = 0, mean_z = 0;
for (int i = 0; i < SAMPLE_COUNT; i++) {
mean_x += samples[i].x;
mean_y += samples[i].y;
mean_z += samples[i].z;
}
mean_x /= SAMPLE_COUNT;
mean_y /= SAMPLE_COUNT;
mean_z /= SAMPLE_COUNT;
// 这个平均值就是硬铁干扰的估计值
printf("硬铁偏置: (%f, %f, %f)\n", mean_x, mean_y, mean_z);
3.3 硬铁干扰的数据特征
硬铁干扰的数据特征非常明显——就是固定偏置。咱们用数学语言描述一下：
假设真实地磁场向量为 B，硬铁干扰向量为 H，那么磁力计的测量值 M 就是：
M = B + H
你看，这个 H 是常数，不随传感器旋转而变化。这就是硬铁干扰和软铁干扰最本质的区别。软铁干扰会随方向变化，硬铁不会。
怎么在数据上看出来？我教你一招：把采集到的数据画在三维坐标系里。如果没有硬铁干扰，数据点应该分布在一个以原点为中心的球面上。如果有硬铁干扰，球心就偏移了。偏移量就是硬铁干扰向量。
| 干扰类型 | 数据特征 | 球心位置 |
|---|---|---|
| 无干扰 | 数据点在球面上均匀分布 | 原点 (0,0,0) |
| 硬铁干扰 | 球面整体偏移，形状不变 | 偏移到 (Hx, Hy, Hz) |
| 软铁干扰 | 球面变成椭球面 | 原点或偏移 |
3.4 利用旋转法识别硬铁干扰
静态采集只能得到一个方向的偏置估计。要全面识别硬铁干扰，我推荐用旋转法。
旋转法的原理很简单：让传感器在三维空间里做全姿态旋转，采集各个方向的数据。因为硬铁干扰是固定的，所以无论传感器转到哪个方向，测量值减去真实地磁场后，剩下的就是硬铁偏置。
具体操作步骤：
- 把传感器固定在一个平台上，确保周围没有移动的磁性物体
- 缓慢旋转平台，让传感器遍历所有姿态（绕X、Y、Z轴各转一圈）
- 连续采集数据，采样率建议100Hz以上
- 采集完成后，数据点应该形成一个球面
- 用最小二乘法拟合球心，球心坐标就是硬铁干扰向量
为什么用球心拟合？因为理想情况下，地磁场强度是恒定的，所有数据点都在同一个球面上。硬铁干扰只是把球心从原点移开了。拟合出球心，就找到了硬铁偏置。
// 球心拟合（最小二乘法）核心代码
// 输入：采集到的N个三维数据点 (xi, yi, zi)
// 输出：球心坐标 (cx, cy, cz)
// 构建矩阵 A 和向量 b
// 球面方程: (x-cx)^2 + (y-cy)^2 + (z-cz)^2 = R^2
// 展开后: x^2 + y^2 + z^2 = 2*cx*x + 2*cy*y + 2*cz*z + (R^2 - cx^2 - cy^2 - cz^2)
// 对于每个数据点:
// [2*xi, 2*yi, 2*zi, 1] * [cx, cy, cz, d]^T = xi^2 + yi^2 + zi^2
// 其中 d = R^2 - cx^2 - cy^2 - cz^2
// 用最小二乘法求解这个线性方程组即可得到 cx, cy, cz
3.5 硬铁干扰的数学建模
好了，咱们来建立硬铁干扰的数学模型。这个模型很简单，但很实用。
设真实地磁场为 B = [Bx, By, Bz]^T，硬铁干扰为 H = [Hx, Hy, Hz]^T，测量值为 M = [Mx, My, Mz]^T。那么：
M = B + H
写成矩阵形式：
[Mx] [Bx] [Hx]
[My] = [By] + [Hy]
[Mz] [Bz] [Hz]
校准的目标就是从测量值 M 中减去硬铁干扰 H，得到真实地磁场 B：
B = M - H
这个模型虽然简单，但非常有效。我做过一个项目，用这个模型校准后，航向精度从原来的±15度提升到了±3度。效果立竿见影。
不过要注意，这个模型只适用于硬铁干扰。如果同时存在软铁干扰，就需要更复杂的模型了。咱们后面章节会讲到。
3.6 知识体系图
下面我用一张SVG图来展示本章的知识体系，方便你理解各个概念之间的关系。
这张图把硬铁干扰识别的四个关键环节串起来了。从数据采集开始，到特征分析，再到识别方法，最后建立数学模型。每一步都有对应的技术要点。
好了，硬铁干扰识别就讲到这里。记住一句话：硬铁干扰不可怕，固定偏置好识别。静态采集加旋转法，球心拟合就搞定。