4. 风场感知技术概述

风场感知是无人机实现安全飞行与航迹修正的前提。所谓“感知”，并不是单一传感器直接给出一个风速数值，而是通过不同物理原理的传感器，从不同空间尺度、不同时间频率上获取气流信息，再经过融合与估计，形成可供飞控使用的风场模型。理解各类感知手段的适用边界，比记住参数更重要。

一、核心原理：五类感知手段的物理基础

机载传感器通常指空速管、惯性测量单元（IMU）、GPS/北斗组合导航等。空速管测量的是气流相对于机体的动压，换算为空速；IMU测量加速度与角速度；GNSS提供地速。三者结合可反推出风速矢量，即“地速－空速＝风速”。这类方法成本低、重量轻，但依赖空速管安装位置与校准，且无法提前感知前方风场。

地面雷达（如气象雷达、测风雷达）通过发射电磁波并接收大气中降水粒子或湍流散射回波，利用多普勒频移反演径向风速。其优势是探测距离远、可覆盖起降区域，但受地形遮挡和低空盲区限制，且设备固定，难以跟随无人机移动。

激光雷达（LiDAR）基于激光多普勒频移或相干探测，向大气发射激光并接收气溶胶粒子散射信号，可测量视线方向风速。它分为地基、机载和扫描式，能提供前方数十米至数百米的风场剖面，是当前“前视风感知”的核心手段，但受气溶胶浓度影响，雨雾天气性能下降。

超声波风速计利用超声波在顺风与逆风方向传播时间差计算风速和风向。它无机械转动部件、响应快、精度高，常用于地面气象站或无人机机载微型化版本，但测量的是局部点风速，空间代表性有限。

气压高度计通过测量静压推算高度，结合温度补偿可得到气压高度。它本身不直接测风，但气压场变化与风场密切相关，且高度信息是风场三维建模的必要维度。在低空风切变场景中，气压高度突变常作为辅助判据。

二、方法流程：从原始信号到风场估计

无论采用哪种传感器，风场感知的通用流程可归纳为四步：

1. 原始测量：获取空速、地速、径向风速、超声时差、气压高度等原始量。
2. 坐标变换与校准：将机体坐标系、传感器坐标系、地理坐标系统一，补偿安装角、温度、气压偏差。
3. 风矢量反演：对机载组合，用 V_wind = V_ground − V_air 计算；对雷达/激光雷达，用多普勒频移反演径向分量，再通过多波束或扫描合成三维风。
4. 融合与估计：采用卡尔曼滤波、互补滤波或因子图优化，将不同频率、不同精度的观测融合为连续风场估计。

三、案例/场景：起降与巡航中的感知组合

在起降阶段，地面雷达与超声波风速计可提供机场区域的风向风速，帮助判断侧风是否超限；机载空速管与IMU提供实时空速与姿态，用于修正着陆轨迹。在巡航阶段，机载激光雷达前视扫描可提前 3～5 秒发现风切变或阵风，飞控据此调整油门与舵面。若进入城市峡谷或山地，GNSS 信号受遮挡，机载传感器与气压高度计成为主要参考，但局部涡流难以提前感知，需降低速度并增加控制裕度。

四、对比清单与常见误区

综上，风场感知不是追求单一“最强传感器”，而是根据任务阶段、空间尺度与响应频率，合理组合机载、地面与遥感手段，并通过融合算法形成稳定可靠的风场估计，为航迹修正提供依据。