4、高度估计基础：高度定义、参考面、气压高度与相对高度、误差来源
在进入IMU与气压计融合滤波算法之前，必须先厘清“高度”这一物理量在嵌入式系统与导航应用中的确切含义。许多初学者将气压计输出的“海拔”直接当作飞行器距离地面的真实高度，或在融合IMU时未区分参考坐标系，导致后期调参时出现难以排查的偏移与震荡。本章从度量基准出发，系统梳理高度定义、参考面选择、气压高度换算原理以及主要误差来源，为后续基于互补滤波或卡尔曼滤波的融合实现奠定严格的概念基础。
4.1 高度的定义与参考面
在导航与控制工程中，“高度”并非单一概念，而是依赖于所选参考面的相对度量。根据参考基准的不同，高度可分为三类：绝对高度、相对高度和椭球高度。绝对高度以平均海平面（MSL）为基准，是气象与航空中最常用的海拔高度；相对高度以当地地面（AGL）为基准，表示物体距正下方地表的垂直距离，是无人机避障与着陆控制的关键参数；椭球高度则以WGS-84参考椭球面为基准，主要用于GPS定位解算。三者之间通过大地水准面差距（Geoid Undulation）相互关联，但在TinyML工程中，我们通常更关注前两者。
在嵌入式实现中，气压计直接测量的是大气静压，通过标准大气模型换算得到的是绝对高度（MSL）。然而，无人机或机器人真正需要的是相对高度（AGL），因此必须在起飞前记录当前地面气压值作为基准，将后续测量值转换为相对地面的高度变化。这一“归零”操作是所有气压高度应用的第一步，也是融合IMU前必须完成的预处理。
4.2 气压高度换算原理
气压高度换算基于国际标准大气（ISA）模型，其核心假设是海平面温度15°C、气压1013.25 hPa、温度递减率6.5°C/km。在该模型下，气压与高度的关系可用以下公式表达：
H = 44330.77 × [1 - (P / P₀)^0.190263]其中，H为绝对高度（米），P为当前大气压（hPa），P₀为海平面标准气压（1013.25 hPa）。该公式在0至11000米的对流层内精度较高，误差小于0.5%。但在实际工程中，由于天气系统变化导致海平面气压并非恒定值，因此直接使用固定P₀会产生系统性偏差。正确做法是：在已知海拔的地点（或起飞点）测量当前气压，反推实际P₀，再代入公式计算。
对于相对高度计算，更实用的方式是直接使用气压比：
H_rel = 44330.77 × [1 - (P / P_ground)^0.190263]其中P_ground为起飞前测得的地面气压。这种方式无需知道绝对海拔，且能自动消除大部分系统性偏差，是TinyML融合方案中的推荐做法。
| 参数 | 符号 | 典型值 | 说明 |
|---|---|---|---|
| 海平面标准气压 | P₀ | 1013.25 hPa | ISA模型基准值 |
| 地面基准气压 | P_ground | 实测值 | 起飞前采集，需多次平均 |
| 温度递减率 | L | 6.5 K/km | 对流层标准值 |
| 气体常数 | R | 287.05 J/(kg·K) | 干空气专用 |
| 重力加速度 | g | 9.80665 m/s² | 标准重力 |
4.3 误差来源与特性分析
气压高度计的误差来源可分为三类：传感器固有误差、环境扰动误差和系统集成误差。传感器固有误差包括量化噪声、温度漂移和非线性误差。以常用的BMP280为例，其相对精度为±0.12 hPa（约±1米），但温度漂移可达±1.5 Pa/°C，在温差较大的环境中不可忽视。环境扰动误差主要来自大气湍流、风压效应和室内外气压差，这些因素会导致气压在短时间内波动±0.5至±2 hPa，对应高度误差约±4至±16米。系统集成误差则包括基准气压校准不准确、气压计通风口被遮挡、以及采样时序抖动等。
IMU加速度计积分求高度时，误差特性完全不同：短时间精度高，但积分漂移随时间线性增长。加速度计零偏误差为10 mg时，积分1秒产生约5 cm误差，10秒后累积至约0.5米，60秒后可达18米。因此，单纯使用IMU无法获得长期稳定的高度估计，而气压计虽然长期稳定但噪声较大且响应慢。这正是融合算法的根本动机——利用IMU的高频响应补偿气压计的延迟，利用气压计的长期稳定性抑制IMU的漂移。
4.4 案例拆解：基准气压校准与误差抑制
某四旋翼无人机项目在室内飞行测试时，发现气压高度在悬停状态下波动达±2.5米，远超设计指标±0.8米。初步排查时，工程师首先检查了气压计原始数据，发现其标准差为0.8 hPa（约6.5米），明显异常。进一步分析日志发现，气压计安装在飞控板下方，靠近电池仓散热口，热气流直接冲击传感器封装，导致局部温度波动达±5°C，引发严重的热噪声。
针对该问题，团队采取了以下措施：首先，将气压计移至机臂前部远离热源的位置，并增加海绵隔离层；其次，在软件层面将采样率从25 Hz提升至50 Hz，并采用滑动窗口平均（窗口长度20）进行预处理；最后，在起飞前增加10秒静止校准流程，采集500个样本取均值作为P_ground。改进后，悬停高度波动降至±0.6米，满足设计要求。
该案例的关键启示在于：气压计误差并非全是随机噪声，相当一部分是系统性的热耦合和气流扰动。在TinyML部署中，除了算法层面的滤波，硬件布局和校准流程同样重要。建议在每次上电后执行“静止校准+零速检测”，确保融合滤波器启动时具有准确的初始高度和零速度状态。
4.5 常见误区与总结
在高度估计的工程实践中，以下误区最为常见：一是混淆绝对高度与相对高度，直接将气压计换算结果用于着陆控制，导致起飞点海拔非零时产生固定偏差；二是忽略基准气压的时效性，在天气快速变化时仍使用旧基准值，造成缓慢漂移；三是将气压计噪声视为高斯白噪声，实际上其频谱含有明显的低频分量，需要高通滤波或融合算法处理；四是过度信任IMU积分结果，在无外部校正的情况下长时间运行，导致高度发散。