传感器原理与数据融合：飞控的“感官”与“大脑”
各位同学，欢迎来到第二章。上一章我们聊了飞控的整体架构，今天咱们深入底层，看看飞控到底靠什么感知世界。
说白了，无人机就是个“瞎子”在空中飞。它没有眼睛，全靠一堆传感器来“看”自己在哪里、姿态怎么样、速度多快。这些传感器就是飞控的感官。而卡尔曼滤波，就是把这些感官信号整合起来的大脑。
我做了这么多年飞控，见过太多因为传感器选型或融合参数没调好而炸机的案例。嗯，今天咱们就把这些坑一个个填上。
2.1 加速度计：感受重力与运动
加速度计测量的是比力，也就是物体受到的惯性力与引力的合力。在静止状态下，它测到的就是重力加速度g。
你想想看，把加速度计平放在桌上，Z轴输出应该是1g（约9.8m/s²）。如果把它竖起来，X轴或Y轴就会变成1g。飞控就是靠这个来估算俯仰角和横滚角的。
但加速度计有个致命弱点——它分不清重力加速度和运动加速度。如果你在水平方向猛加速，它会把水平加速度误判为倾斜，导致姿态估算错误。这就是为什么不能只用加速度计做姿态解算。
2.2 陀螺仪：角速度的“快枪手”
陀螺仪测量的是角速度，单位是°/s。它响应快，动态性能好，是姿态控制的“主力军”。
但陀螺仪有个老毛病——零偏漂移。你把它放在桌上不动，它输出的角速度不是0，而是某个小值。这个值会随着温度和时间变化。如果不校准，积分出来的角度会越偏越远。
陀螺仪和加速度计正好互补：陀螺仪动态好但有漂移，加速度计静态准但动态差。所以飞控里常用互补滤波或卡尔曼滤波把它们融合起来。
2.3 磁力计：电子罗盘的“烦恼”
磁力计测量地磁场，用来确定航向（偏航角）。原理很简单，就是测三个轴上的磁场分量，然后算出与磁北的夹角。
但磁力计在实际环境中非常脆弱。电机电流、高压线、钢筋建筑都会产生干扰磁场。我见过最夸张的一次，飞机飞过高压线塔，航向瞬间偏了30度，直接触发返航。
| 干扰源 | 影响程度 | 应对方法 |
|---|---|---|
| 电机/电调 | 严重 | 远离安装，做硬铁校准 |
| 高压线 | 剧烈 | 飞控检测到异常后切换航向源 |
| 钢筋建筑 | 中等 | 使用GPS航向辅助 |
| 地磁异常区 | 持续 | 依赖GPS/RTK航向 |
2.4 气压计：高度测量的“软肋”
气压计通过测量大气压来推算高度。每上升1米，气压大约下降12Pa。原理简单，但实际用起来问题不少。
首先，气压受温度影响很大。太阳晒着飞控板，温度升高，气压计读数就会漂。其次，螺旋桨下洗气流会造成局部气压波动。还有，突风、门窗开关都会让气压突变。
我个人的做法是：
- 给气压计加海绵防风罩，减少气流冲击
- 做温度补偿，用板载温度传感器修正
- 与GPS高度做融合，GPS高度虽然噪声大但不漂移
气压计还有个特点：它测的是相对高度，不是绝对海拔。所以起飞前要记录基准气压，之后所有高度都是相对于起飞点的。
2.5 GPS/RTK：从米级到厘米级
普通GPS精度在2-5米，用于室外定位和航线飞行足够了。但如果你要做精准降落、测绘或编队飞行，这个精度远远不够。
RTK（实时动态差分定位）通过地面基准站和移动站之间的载波相位差分，能把精度做到厘米级。原理不复杂：基准站知道自己的精确坐标，它计算卫星信号的误差，然后通过数传电台发给飞机，飞机用这个误差修正自己的定位。
GPS还有一个重要输出——地面速度（地速）。这个速度没有漂移，非常适合与加速度计积分出来的速度做融合。
2.6 卡尔曼滤波：飞控的“大脑”
好了，传感器数据都有了，但每个都有缺陷。怎么把它们整合成准确可靠的姿态和位置？这就是卡尔曼滤波的活。
卡尔曼滤波的核心思想很简单：用模型预测下一步状态，然后用测量值修正预测值。它有两个步骤：预测和更新。
我画了一张图，帮你理解这个流程：
你看，卡尔曼滤波就像一个“智能加权平均”。当传感器噪声大时（R大），它更相信模型预测；当模型不准时（Q大），它更相信传感器测量。这个权重就是卡尔曼增益K。
在飞控中，我们通常用卡尔曼滤波做两件事：
- 姿态估计： 融合陀螺仪（角速度）和加速度计/磁力计（参考向量），得到稳定的姿态角
- 位置/速度估计： 融合加速度计（比力）、GPS（位置/速度）、气压计（高度），得到平滑的位置和速度
最后说一句，卡尔曼滤波假设噪声是高斯白噪声。实际传感器噪声往往不是纯白噪声，所以有时候扩展卡尔曼滤波（EKF）或无迹卡尔曼滤波（UKF）效果更好。但基础卡尔曼滤波是理解所有变体的起点，先把这个吃透，后面都好办。
好了，这一章的内容就到这。传感器是飞控的“眼睛”，卡尔曼滤波是“大脑”。没有好的传感器，再牛的算法也白搭；没有好的融合算法，再贵的传感器也发挥不出作用。两者缺一不可。