4. 传感器与测量原理
无人机风速风向在线估计的本质，是把多类传感器对“气流—机体—地速”的不同观测统一到同一状态空间中进行融合。不同传感器并不直接给出“风速风向”这一最终量，而是分别提供空速、地速、姿态、角速度、高度、相对气流图像或激光回波等中间量。理解每类传感器的物理原理与误差特性，是设计估计器、配置噪声矩阵和判断异常数据的前提。
一、核心原理：从物理量到风速风向的映射链
风速风向估计的基本关系可写为：风速矢量 = 地速矢量 − 空速矢量（在导航坐标系下）。其中地速由 GNSS 提供，空速由空速管或风速计测量，而空速矢量需要借助 IMU 提供的姿态信息从机体坐标系旋转到导航坐标系。气压计提供高度辅助，视觉与激光测风则提供相对气流的独立观测。各传感器的观测方程如下：
V_wind_n = V_ground_n - R_b2n * V_air_b
V_air_b = [Va, 0, 0]^T （空速管理想情况）
R_b2n = f(roll, pitch, yaw) （由 IMU/磁力计提供）因此，风速估计精度不仅取决于单个传感器精度，还取决于姿态误差、安装偏差和时间同步误差的传播。下图给出多传感器到风速风向估计的信号链与误差注入点。
二、各传感器原理与误差特性
| 传感器 | 测量量 | 物理原理 | 主要误差 | 适用场景 |
|---|---|---|---|---|
| 空速管 | 空速 Va | 伯努利方程，总压−静压=动压 | 安装角偏差、侧滑未测、结冰堵塞、低风速非线性 | 前飞段、固定翼 |
| 风速计 | 相对风速 | 螺旋桨转速或超声时差 | 响应延迟、机身扰流、雨雪影响 | 多旋翼悬停、低速 |
| IMU | 加速度/角速度 | MEMS 惯性测量 | 零偏、随机游走、温漂、积分发散 | 姿态基准、短时递推 |
| GNSS | 地速/位置 | 多普勒频移与伪距 | 多路径、遮挡、更新率低、延迟 | 室外开阔环境 |
| 气压计 | 气压高度 | 大气压随高度变化 | 天气漂移、气流扰动、温度影响 | 高度辅助、垂直风估计 |
| 视觉测风 | 光流/粒子位移 | 图像特征跟踪 | 尺度模糊、光照变化、纹理不足 | 低空、有地纹场景 |
| 激光测风 | 径向风速 | 多普勒频移 | 雨雾衰减、扫描几何、成本高 | 高精度科研、风场剖面 |
三、方法流程：从原始观测到风速估计
- 时间同步：将各传感器数据统一到同一时间戳，补偿 GNSS 延迟和空速管管路延迟。
- 坐标变换：利用 IMU 姿态将机体空速旋转到导航坐标系，注意安装角标定。
- 观测建模：为每类传感器建立观测方程和噪声模型，区分白噪声与有色噪声。
- 融合估计：采用卡尔曼滤波或因子图优化，在线估计风速矢量和偏差项。
- 异常检测：通过新息卡方检验识别空速管堵塞、GNSS 跳变等故障。
关键参数示例：
空速管噪声：σ_Va = 0.3 m/s
GNSS 地速噪声：σ_Vg = 0.1 m/s
IMU 姿态噪声：σ_att = 0.5°
时间同步误差：< 10 ms
安装角标定残差：< 0.3°四、案例与场景：多旋翼悬停测风
某多旋翼在 50 m 高度悬停，GNSS 地速接近零，此时风速近似等于负空速矢量。若仅用空速管，侧滑角未测会导致风向估计偏差可达 15°以上；引入 IMU 姿态和风速计后，风向误差降至 5°以内。若 GNSS 出现多路径跳变，地速噪声增大，融合器需自动降低 GNSS 权重，否则风速估计会出现高频抖动。
常见误区：
- 把空速管读数直接当作风速，忽略机体运动和姿态旋转。
- 忽略安装角偏差，导致系统性风向偏移。
- 未做时间同步，高速飞行时风速估计滞后明显。
- 在 GNSS 失锁时仍沿用其地速，造成风速发散。
五、复盘：误差传播与选型建议
风速估计的总误差是各传感器误差经观测矩阵传播后的综合结果。工程上应优先保证姿态精度和时间同步，其次标定空速管安装角，再根据场景选择视觉或激光测风作为独立校验。对于低成本无人机，推荐组合为：空速管 + IMU + GNSS + 气压计，视觉测风作为可选增强；对于高精度需求，可引入激光测风提供径向风速约束。只有理解每类传感器的误差特性，才能在融合算法中合理设置噪声矩阵和故障阈值，使风速风向估计在真实飞行中保持稳定可靠。