3. 传感器融合与状态估计高频问题
第 3 章
传感器融合与状态估计
IMU · 磁力计 · 气压计 · GPS · EKF/UKF · 回答框架
⚡ 飞控状态估计是面试必考区。面试官不仅关心你“会不会用EKF”，更关注你对传感器特性、融合策略、故障容错和工程调参的理解。本章用3个高频问答 + 1个项目案例模板，帮你建立结构化表达。
请描述IMU、磁力计、气压计和GPS在飞控中的融合策略，并说明EKF与UKF的适用场景。
面试官考察点
- 对多传感器互补特性的理解（高频/低频、绝对/相对）
- EKF/UKF的数学基础与工程选型能力
- 能否结合具体场景说明融合架构
回答框架
- 传感器角色：IMU高频姿态/加速度，磁力计航向绝对参考，气压计高度低频，GPS位置/速度低频绝对。
- 融合层级：姿态用互补滤波或EKF融合IMU+磁力计；位置/速度用EKF/UKF融合IMU+气压+GPS。
- EKF vs UKF：EKF计算量小、工程成熟；UKF对强非线性系统（如大机动）精度更高，但计算成本大。
- 工程取舍：资源受限选EKF，高精度需求选UKF或误差状态EKF。
简短示例回答
“IMU提供高频姿态和加速度，磁力计修正航向，气压计提供高度，GPS提供位置速度。姿态用EKF融合IMU和磁力计，位置用EKF融合IMU、气压和GPS。EKF计算量小适合嵌入式，UKF在大机动下精度更好但资源消耗大，实际选型看算力和精度要求。”
可能追问
磁力计受干扰怎么处理？
EKF的雅可比矩阵怎么推导？
GPS丢失后如何降级？
⚠️ 避坑：不要只背“EKF是扩展卡尔曼滤波”，要结合传感器特性和工程约束说明为什么选它。
在EKF中，如何处理磁力计和GPS的异常观测？请给出故障检测与容错方案。
面试官考察点
- 对传感器故障模式的认知（磁干扰、GPS多径/丢星）
- 卡方检验、新息检测等工程方法
- 容错策略与降级逻辑
回答框架
- 异常检测：计算新息（观测-预测），用马氏距离或卡方检验判断是否超阈值。
- 磁力计容错：检测磁场模长突变或方向跳变，动态降低权重或切换为纯IMU航向保持。
- GPS容错：监测卫星数、HDOP、新息协方差，异常时切换至气压+IMU组合导航。
- 恢复策略：连续多帧正常后逐步恢复权重，避免突变。
简短示例回答
“用新息卡方检验检测异常。磁力计模长突变或方向跳变时，降低其权重或切换纯IMU航向。GPS新息协方差过大或卫星数不足时，降级为气压+IMU组合。恢复时逐步增加权重，避免状态跳变。”
可能追问
卡方检验的自由度怎么定？
磁力计在线校准怎么做？
GPS/INS紧组合与松组合区别？
⚠️ 避坑：不要只说“用卡方检验”，要说明阈值设定、误报/漏报权衡以及恢复逻辑。
气压计在无人机定高中的作用是什么？如何融合气压计与IMU、GPS实现稳定高度估计？
面试官考察点
- 气压计特性（噪声、温漂、气流干扰）
- 高度融合的工程实现（互补滤波/EKF）
- 对定高与着陆阶段的理解
回答框架
- 气压计角色：提供绝对高度低频参考，但易受气流、温度影响。
- 融合方式：IMU积分得到相对高度（高频但漂移），气压计修正漂移，GPS提供绝对高度（更新率低）。
- EKF实现：状态含高度和垂直速度，观测为气压高度和GPS高度，噪声根据动态调整。
- 工程细节：气压计加海绵减震、温度补偿，起飞前校准地面气压。
简短示例回答
“气压计提供绝对高度低频参考，IMU积分高频但漂移。用EKF融合：状态为高度和垂直速度，观测为气压高度和GPS高度。气压计加海绵减震和温度补偿，起飞前校准地面气压。融合后高度估计平滑且抗漂移。”
可能追问
气流干扰导致气压跳变怎么办？
如何做气压计温度补偿？
定高与定点模式切换逻辑？
⚠️ 避坑：不要忽略气压计的动态误差，要提到减震、温度补偿和地面校准。
项目案例：多传感器融合状态估计模块开发
项目名称
无人机飞控EKF状态估计器设计与调优
业务背景
提升无人机在GPS拒止环境下的姿态与位置估计精度
规模指标
姿态误差 < 1°，位置误差 < 2m（GPS拒止30s内）
技术栈
STM32H7 + IMU(ICM42688) + 磁力计 + 气压计 + GPS + EKF
核心难点：磁力计动态干扰下的航向估计、GPS丢星后的位置保持、EKF参数整定与实时性平衡。
解决方案：采用误差状态EKF，磁力计在线椭球拟合校准，新息卡方检验动态降权；GPS丢失时切换气压+IMU组合导航，并逐步恢复。
EKF的雅可比矩阵怎么推导？
磁力计在线校准具体步骤？
如何验证融合效果？
实时性如何保证？
💬 可迁移回答话术：“在这个项目中，我负责EKF状态估计器的设计与调优。通过误差状态建模和卡方检验容错，实现了GPS拒止下30秒内位置误差小于2米。关键收获是：传感器融合不仅要数学正确，更要工程上处理噪声、故障和实时性。”