MEMS惯导在晃动环境下做自对准这个需求我太熟悉了。不管是船载设备、移动测绘车还是机械臂末端的姿态参考系统你都会撞上同一个尴尬局面理论书上都写“静基座对准”可实际现场根本没有绝对的“静”——发动机在震、甲板在晃、人在走动。标题里这三个词MEMS、惯导、自对准看起来都是老生常谈但把“晃动”这个条件加进去之后整套处理思路都要变。这篇文章我就围绕这个具体工况把从建模到滤波参数整定、再到实测评估的完整过程拆开讲清楚给正在调对准算法的朋友一份可以直接落地的参考。1. 项目概述与需求拆解1.1 这个项目要解决的核心问题自对准本质上是在系统上电之后、正式导航之前确定载体坐标系相对导航坐标系的初始姿态矩阵。对MEMS惯导来说这个姿态矩阵的水平部分通常靠加速度计观测重力方向来估计方位部分传统上靠陀螺敏感地球自转角速度的投影来估计。但这个流程有一个隐性前提载体必须近似静止。一旦载体晃动加速度计输出里混入了动态干扰加速度陀螺输出里混入了角振动直接用解析法算姿态结果会剧烈跳变甚至完全错误。我见过不少团队评估MEMS惯导时一开始都用三轴转台或者大理石平台做静态对准性能指标很好一到车上、船上实测就原形毕露。原因不是传感器变差了而是对准算法没有针对晃动环境做处理。本文要讲的就是如何让自对准在晃动条件下依然能收敛到可用精度说白了就是两个问题晃动怎么抑制对准怎么估计。1.2 为什么晃动环境会打破传统自对准的前提先看水平对准。解析法里俯仰角和横滚角的计算公式是根据重力加速度在载体坐标系三个轴上的投影分量反算姿态角。比如俯仰角可以用 θ atan2(-f_x, sqrt(f_y² f_z²)) 这类式子求出来。这个式子成立的前提是加速度计测到的比力只包含重力分量。一旦载体晃动比如船体在波浪中做低频起伏加速度计会额外测到运动加速度再比如车载安装位置靠近发动机高频振动会直接叠加在输出上。这些干扰反映到姿态角上就是水平姿态的抖动幅度会远超MEMS器件本身的噪声水平。再看方位对准。传统罗经对准的物理基础是利用陀螺敏感地球自转角速度在水平面的投影分量。地球自转角速率约15度/小时在北纬45度处其水平分量大概在10.6度/小时换算成每秒约0.0026度/秒。而消费级MEMS陀螺的零偏不稳定性通常在10度/小时到100度/小时量级即使是战术级MEMS也只能做到1度/小时左右。也就是说地球自转信号本身就淹没在陀螺零偏的“底噪”里静态下靠MEMS对准方位就已经很吃力晃动一叠加角振动信噪比进一步恶化用传统罗经方案基本行不通。1.3 技术选型为什么最终走了“滤波估计”这条路既然解析法在晃动下不可靠那就得换思路。工程上有几种可选方案对原始数据做低通滤波后再走解析对准。这个方案实现简单能滤掉一部分高频晃动但对付低频大幅摆动几乎没有效果。船在波浪里的横摇周期经常是5到10秒这个频段的运动无论如何滤波都会残留本质上是治标不治本。外部辅助传感器直接给定初始姿态。比如用磁力计辅助给方位角用倾角传感器辅助给水平姿态。这种方式工程上可行但对系统集成度有要求而且磁力计本身容易受载体磁环境干扰属于把一个问题换成另一个问题。间接法卡尔曼滤波把姿态误差作为状态量在线估计。这种方式的好处是模型里可以显式考虑加速度计零偏、陀螺零偏滤波过程天然具备对时变扰动的抑制能力而且对准结束后误差状态可以无缝衔接给导航解算。缺点是算法复杂度高需要对滤波模型有深入理解。最终选择的是第三种方案理由很实际姿态解算模块和导航滤波器共用同一套误差模型从对准到导航不需要切换算法架构后续扩展组合导航也方便。而且用滤波做自对准核心工作从“算一个姿态角”变成了“调好一个滤波器”这个转变对晃动工况特别有利因为滤波器天然有“用一段时间的数据来平滑估计”的特性。提示如果载体晃动幅度非常大比如姿态变化超过正负30度建议在对准之前先做一个粗略的姿态初始化把滤波器的初始失准角控制在小角度范围内否则线性化误差会严重影响收敛。2. 系统建模与核心原理2.1 坐标系定义和变量说明滤波模型的第一步不是写方程而是把坐标系和变量约定清楚。很多工程悲剧都是从坐标系定义混乱开始的。我这里统一用导航坐标系n系当地水平坐标系x北y东z地或者x东北天y北西z上你需要统一和载体坐标系b系x前y右z下。姿态矩阵 C_b^n 表示从载体坐标系到导航坐标系的变换。需要估计的误差状态包括三个平台失准角即姿态误差角在n系下的投影分量φ、陀螺零偏ε、加速度计零偏∇。如果只做对准不涉及速度估计速度误差δv也经常被引入状态向量因为它可以通过“零速观测”把加速度计零偏的可观测性建立起来。状态向量可以写为x [φ_x, φ_y, φ_z, δv_x, δv_y, δv_z, ε_x, ε_y, ε_z, ∇_x, ∇_y, ∇_z]^T这里 φ 是平台失准角δv 是速度误差ε 是陀螺零偏角速率量纲∇ 是加速度计零偏比力量纲。如果你只想做纯姿态对准也可以省略速度误差只保留9维状态但实际效果往往不如引入速度误差好后面我会说明原因。2.2 误差状态方程的建立在这个模型里姿态误差方程的线性化形式为φ̇ -ω_in^n × φ δω_ie^n δω_en^n - C_b^n ε在静基座或晃动基座对准场景中载体相对地球没有显著运动速度所以 δω_en^n 项可以近似忽略δω_ie^n 表示地球自转角速度的估计误差一般在地理纬度准确已知时近似为零。这样方程简化为φ̇ -ω_in^n × φ - C_b^n ε这个式子的物理含义很重要失准角的变化率一方面受当前的失准角和地球自转角速度n系下垂直于地球自转轴的分量耦合影响另一方面受陀螺零偏驱动。陀螺零偏越大失准角会持续累积这正是为什么滤波要把陀螺零偏作为状态估计出来的原因。速度误差方程的简化形式δv̇ - (C_b^n f^b) × φ C_b^n ∇这个方程说明两件事第一失准角会影响比力投影进而造成速度误差累积第二加速度计零偏直接耦合进速度误差。之所以引入速度误差状态并用“零速观测”来更新本质上是利用速度误差作为桥梁把加速度计零偏和失准角同时激励起来。2.3 观测方程与可观测性分析滤波器的观测用得很直接载体在晃动基座上并没有整体平移运动或者虽有平移但我们可以通过运动检测判断出“准静态”时段所以真实速度为零。观测方程为z δv v_noise这个观测量的妙处在于它间接地把水平失准角和加速度计零偏的线性组合观测出来了。从可观测性理论角度看静基座对准时系统的可观测矩阵秩为5也就是说15维或12维状态里只有5个线性组合是可观的——三个水平失准角中的两个、加速度计零偏的两个水平分量、方位失准角是不可观的。这个结论解释了为什么纯静基座MEMS对准无法获得高精度方位不是滤波算法不行是物理上就不可观测。但要注意“晃动”本身反而会提升可观测性。当载体在晃动时加速度计测量到的比力方向在变化这就相当于给系统增加了一个激励输入使得原本不可观的方位失准角在某种条件下变得部分可观。我在实测中确实观察到在持续小幅角晃动的条件下方位角的收敛速度和稳定性明显优于完全静止工况就是这个原理。2.4 水平失准角与方位失准角的收敛特性差异水平失准角的收敛速度通常很快。原理上可以这样理解初始水平失准角φ_y会在水平加速度计上引起一个重力投影误差 g·φ_y这个误差通过速度观测和加速度计零偏估计很快就能被分离出来。实测中在晃动不太剧烈的情况下俯仰和横滚失准角在20到60秒内就能收敛到0.1度以内。方位失准角则完全是另一回事。前面已经说过MEMS陀螺无法可靠敏感地球自转方位角的可观性主要来源于载体晃动引起的比力方向变化。如果晃动是绕天向轴的小幅摇摆它能给方位角提供一定的激励但收敛速度和精度高度依赖晃动幅度和频率。如果晃动是纯平动或者绕水平轴的摆动对方位角的可观测性提升就非常有限。所以实操里要有一个正确预期水平姿态可以在晃动下较好收敛方位角能不能对准、能对准到什么程度很大程度取决于“你所在环境的激励条件”。这也解释了为什么很多产品在Motion Rate模式下整机晃动几下方位角反而会跳变因为激励被算法误解为真实转动了。提示测试方位角收敛效果时不要只盯着滤波器输出的曲线要同时记录安装位置的振动频谱。如果振动能量集中在100Hz以上说明是高频振动低通滤波能处理如果晃动能量集中在0.5到2Hz的横摇纵摇这才是真正影响MEMS对准的“元凶”。3. 滤波器设计与参数整定3.1 状态向量与初始协方差配置滤波模型确定后第二个关键步骤是配置初始协方差矩阵。这个矩阵反映的是对自己初始估计不确定度的信任程度。失准角的初始不确定度可以根据你的粗略初始化方式来确定如果上电后用加速度计静态解析求了水平角水平失准角的初始标准差可以给0.1到0.5度方位角如果没有任何参考没有磁力计也没有外部航向建议给到5到10度甚至更大别给太乐观。陀螺零偏的初始标准差可以按MEMS器件手册里的零偏重复性来给比如消费级可以给0.1度/秒战术级给0.01度/秒。加速度计零偏的初始标准差同理参考零偏重复性指标常见0.005g到0.02g之间。初始协方差设得太小会“骄傲”导致滤波增益一直很低后续量测很难修正初始误差设得太大则前几十个历元增益过高输出波动大但最终也能收敛。我习惯上初始协方差宁可给大一些让滤波前段快速收敛代价是输出曲线前几十秒偏“躁”通过事后平滑可以处理。3.2 过程噪声Q矩阵的工程标定过程噪声Q是滤波器里最需要花心思调的参数。它反映的是你对状态方程模型本身的不信任程度也就是陀螺白噪声、加速度计白噪声以及随机游走等因素对状态演化的影响强度。姿态误差对应的Q块主要由陀螺角度随机游走ARW决定。如果陀螺的噪声密度是0.01度/s/√Hz带宽200Hz等效ARW约为0.14度/√h。速度误差对应的Q块由加速度计速度随机游走决定同时也要把晃动带来的等效振动干扰算进去。这里有一个工程技巧把“晃动”当作额外过程噪声来吸收。具体做法是在晃动环境下适当放大速度误差对应的Q值比如把等效加速度噪声密度从静止状态下的0.005g增加到0.02g甚至更高。这样滤波器就会被“劝退”——它知道速度观测量里含有大量不能靠状态估计解释的噪声就不会强行去跟振动姿态输出反而更稳。很多人滤波器发散就是Q给得比实际噪声小了一个量级滤波器以为自己很准结果疯狂跟踪振动。陀螺零偏和加速度计零偏对应的是随机游走率一个经验范围是陀螺零偏随机游走近似为陀螺零偏稳定性的千分之一到百分之一按秒记加速度计同理。这个值不要给零否则状态一旦收敛就永远改不过来也无法应对温度漂移导致的零偏缓变。3.3 量测噪声R矩阵的选取与自适应量测噪声R在零速观测里其实很微妙。如果R设得小说明你非常相信“速度为零”这个观测滤波器会强约束速度误差趋近为零这有助于快速收敛水平姿态但同时也会让速度观测里的晃动分量通过状态耦合污染姿态估计。如果R设得大滤波收敛变慢但鲁棒性好。我的经验是R不要用固定值最好做成可变的用加速度计输出的高频分量作为晃动强度的指标晃动大时把R调大晃动小时把R调小。这个技术称为自适应量测噪声实现起来并不复杂可以简单用一个滑动窗口计算比力模值相对重力模值的偏差ε_a std(|f| - g) 在最近2到3秒内的标准差然后令 R R_0 k·ε_a²其中 k 是需要标定的比例系数。这样在平稳时段滤波快速收敛在晃动时段滤波稳定不蹦。项目实测中这个自适应规则让我在晃动台实验里的横滚角均方根误差降低了约40%是提升最明显的一次改动。3.4 对准时间与收敛判据什么时候算“对准完成”很多工程人员会凭经验拍个固定时间比如“对准60秒”但实际晃动条件下收敛速度是时变的固定时间容易造成两个问题一是晃动剧烈时60秒根本不够强行进入导航会带着残余姿态误差二是晃动轻微时可能30秒就够了固定等待浪费了使用者的时间。更合理的做法是一个基于协方差的收敛判据。卡尔曼滤波输出的协方差矩阵P对角元素代表了状态估计的不确定度可以直接用姿态失准角对应的子块来判断当水平失准角的标准差连续20秒低于预设阈值比如0.2度且方位失准角标准差低于预设阈值比如2度就判定对准完成。这个判据不需要额外开发P矩阵本身就是现成的写几十行代码就能实现。提示收敛判据里的标准差阈值要和你最终应用的导航精度需求挂钩不必追求越低越好。如果后端回灌的初始姿态误差会被组合导航滤波器二次估计那么对准精度要求可以适当放宽重点放在“不残留发散性误差”上。4. 实操流程与代码实现要点4.1 传感器数据采集与预处理数据采集这一步看似简单却决定了对准效果的上限。我踩过最大的坑是采样延时和时钟抖动。MEMS惯导模块一般通过串口或SPI输出数据在嵌入式系统里如果软件架构设计不好中断响应不确定数据时间戳会出现毫秒级抖动。对于静态对准这个抖动影响不大但在晃动环境下时间错位等效于在角速率信号上叠加了一个和角速率变化率成正比的误差晃动越剧烈误差越大。正确的做法是在数据采集线程里用硬件定时器或IMU内部采样时钟给每一帧数据打时间戳而不是数据到达时刻才打。如果传感器支持数据就绪中断务必用中断信号同步采样时刻。另一个容易被很多人忽略的点是尽量避免在操作IMU读取时做高负载操作比如日志写入SD卡否则数据流会出现间隙卡尔曼滤波的时间更新步长不一致模型精度会受影响。预处理方面的建议消除常值零偏上电后静置2到3秒取平均作为初始零偏扣除。不要用出厂标定值替代MEMS零偏随温度变化很大以现场实测为准。低通滤波如果晃动主要是低频运动可以用截止频率10到20Hz的一阶IIR低通滤波滤掉高频振动改善信噪比。如果晃动本身能量就在1到5Hz低通滤波作用有限主要靠滤波模型吸收。重力模值检测在准静态时段可以用加速度计模值判断初始是否水平但晃动时要避免直接用模值判断“静止”否则误判会让解析初始化给出错误姿态。建议用分段方差检测替换简单阈值。4.2 运动状态检测区分准静态和晃动在晃动环境下一个很实用的中间模块是运动状态检测。它输出的不是模棱两可的“静/动”状态而是一个连续的运动强度指标用来调节滤波器的R矩阵和对准完成判据。实现思路是这样的维护一个长度为N比如100个采样点的滑动窗口计算窗口内加速度计模值的标准差 σ_a 和陀螺仪角速率模值的均值 ω_mean。计算方式σ_a std(|f|_g - g) 归一化到重力单位ω_mean mean(|ω|) 单位rad/s当 σ_a 小于0.005g 且 ω_mean 小于0.5度/秒时认为是准静态当 σ_a 超过0.05g 或 ω_mean 超过5度/秒时认为是明显晃动中间状态用线性插值折算成一个0到1之间的运动强度系数 s。然后把 R 矩阵的基准调整量设成 R_s R_0 / (1 10s²)也就是说晃动越厉害量测越不被信任。这里也顺带解决了一个问题实际系统往往混合了“静-晃-静”多个阶段单纯靠滤波算法自适应很难快速响应状态突变而运动检测几乎是零延迟的。把它和自适应R结合就有了一种“前馈反馈”的路子。4.3 卡尔曼滤波主循环的关键步骤直接给一段可运行的伪代码方便你理解主循环结构。这一段我按离散卡尔曼滤波器实现时间更新与量测更新分开写。import numpy as np # 状态: [phi(3), dv(3), eps(3), grad(3)] n 12 # 初始协方差单位需统一弧度, m/s, rad/s, g P np.diag([...]) # 根据你的初始不确定性填 # 状态转移矩阵在时间更新里由动力学计算 # 这里简化为零阶保持形式小步长近似 def time_update(F, G, Q, dt): global P, x # F: 状态转移矩阵, Q: 离散过程噪声矩阵 x F x P F P F.T G Q G.T def meas_update(H, R_dyn, z): global P, x # H: 观测矩阵, R_dyn: 自适应量测噪声 S H P H.T R_dyn K P H.T np.linalg.inv(S) y z - H x # 零速观测残差 x x K y P (np.eye(n) - K H) P # 主循环 for each sample t: # 计算运动强度 s s compute_motion_intensity() # 计算状态转移矩阵 F用当前姿态、陀螺输出线性化 F, G build_dynamics(gyro, accel, dt) # 过程噪声 Q固定部分 与晃动强度相关的部分 Q base_Q s * added_Q time_update(F, G, Q, dt) # 零速观测R_dyn 随 s 调整 z -v_acc # 通常是导航系积分速度的负值 R_dyn R_0 / (1 10 * s**2) meas_update(H_zero_speed, R_dyn, z)有几个细节要注意一是状态转移矩阵 F 里的姿态误差耦合项需要用到陀螺输出的角增量步长 dt 必须用真实的时间间隔二是观测矩阵 H 在零速观测里是选择 δv 对应三个元素的0/1矩阵注意维度匹配三是滤波循环里不要天天做矩阵求逆虽然小维度无所谓到了嵌入式环境要提前做 Cholesky 分解预计算避免主循环耗时波动。4.4 对准结果的评估与验证方法做了滤波对准怎么判断效果不能只看自己滤波器输出的曲线因为滤波器存在“自证清白”的问题——你估计的姿态可能平滑稳定但真实的误差你并不知道。我常用的验证方法有四种按可靠性排序高精度参考对比。在转台或者带高精度光纤陀螺的基准板上做同步对比这个最客观但也不是每个团队都有条件。重复性评估。在相同位置做多次上电对准统计对准完成后姿态角的标准差。这个指标反映了算法和传感器的综合重复性如果标准差超过程序中协方差给出的不确定度说明滤波过于自信。对准后导航一致性。对准完成后静置或简单运动几分钟看导航解算出的位置漂移方向是否与初始姿态误差吻合。一个明显的偏航初始误差会导致位置漂移的横向分量通过这个可以反推初始方位精度。冗余传感器交叉验证。如果系统里还有磁力计或GNSS双天线测向可以在对准结束后对比方位角差量对应MEMS对准的方位误差。这个方法在现场最实用。晃动条件下的验证尤其要注意评估时选择一段晃动较弱的时间窗口读数值不要用剧烈晃动阶段的瞬时输出那时姿态角的抖动是物理晃动本身不代表对准误差。提示不要用“对准结束后姿态曲线是否平稳”来评估对准精度。滤波输出平稳只能说明滤波器收敛到了某个值不代表这个值就是真值。一定要有独立参考或者至少做重复性统计。5. 常见问题排查与实操心得5.1 对准发散Q/R失配的典型表现遇到最频繁的问题就是滤波器发散表现形式是姿态角在某一次量测更新后突然跳变到离谱值或者协方差P对角元素持续增大不收敛。排查顺序我总结为“由内向外”四步检查时间步长。主循环里dt是否正常如果日志记录出现时间戳跳变dt可能是0.01秒瞬间变成1秒状态转移发散那是一瞬间的事。检查状态转移矩阵线性化。姿态误差方程里的叉乘项方向是否写反n系和b系之间的转换规律是否统一了我见过很多人“东北天”和“北东地”混合使用却在公式里不做转换结果姿态误差互相耦合表现为特定方向发散。检查Q和R的量纲统一。状态里有角度弧度、速度m/s、角速率rad/s、比力m/s²或gP的初值、Q、R都必须使用同一套单位。很多发散就是单位混乱导致的比如把g写成了9.8却没有统一到米制结果误差放大了10倍。检查晃动量级与R的匹配。如果现场晃动远大于R的设定滤波器会强行把振动当速度误差来修正每次修正都会给姿态注入噪声表现就是姿态角抖动幅度异常放大。这时优先把自适应R调大而不是继续压缩量测噪声。实操中遇到姿态输出剧烈跳变90%的情况不是算法数学有问题而是以上四类工程细节出了问题。先加日志可视化中间量再动手改比盲目调参高效得多。5.2 方位收敛受限MEMS自对准的物理边界必须坦白说MEMS惯导在纯惯性条件下对方位角的对准能力有物理上限。地球自转信号太小MEMS陀螺的漂移太大即使滤波模型再精致在无外部信息时方位角估计的本质是一个“可观测性很弱”的状态。你可能会看到某些产品号称“静态对准航向精度0.5度”那基本是加了磁力计辅助或者用了更高精度的光纤陀螺对纯MEMS方案不具备参考意义。我实测过某款战术级MEMS模块零偏不稳定性约1度/小时在完全静止条件下纯惯性对准半小时方位角依旧有2到3度的跳变而在持续小幅晃动约正负10度、频率0.2Hz条件下方位角虽能收敛到某个值但重复性在1到2度水平。这个数字基本代表了当前MEMS纯惯性对准的天花板。如果你的项目要求更高的方位精度建议尽早引入辅助手段磁力计做初始航向参考、GNSS双天线测向、或者视觉/激光匹配定位在运动后修正。不要把希望全押在算法上。另外提醒一点很多MEMS模块内置的姿态解算库在对准时会用“等待罗经效应”的方式慢慢稳定航向那个本质是磁力计辅助加长时间平均。如果你在无磁环境里测试比如某些建筑内部这个航向值是不可靠的。现场测试前确认好磁环境。5.3 杆臂振动与减振处理的实战经验机械安装对MEMS自对准的影响经常被低估。实际项目中有一个非常典型的坑MEMS模块安装在结构件上结构件本身有谐振频率比如金属支架在80Hz附近有共振峰电机或发动机的振动经过结构传播后谐振频率处的振动幅值会被放大数十倍。加速度计输出里混入这个频段的强振动后即使低通滤波也会因为滤波器的相位延迟造成与陀螺信号不一致的误差从而影响姿态解算。我的处理习惯分三层机械减振优先。在模块和安装面之间加一层硅胶减振垫或航天级减振器这比任何数字滤波都有效。实测中一个合适的减振垫可以把高频谐振幅值降低到原来的十分之一。数字滤波匹配。对加速度计和陀螺使用截止频率和相位特性一致的滤波器避免二者群延迟不一致。如果条件允许给IMU原始输出做相同的低通处理再进入姿态解算和对准滤波。激励检测。在运动检测模块里对特定频段比如你安装支架的谐振频率做带通检测如果该频段能量持续过高提示后端增大R或暂缓对准判据的通过。杆臂效应的处理也要注意。如果MEMS安装位置距离载体晃动中心有一段距离在晃动时加速度计会测到向心加速度和切向加速度这个分量与运动角速率强耦合。滤波模型里如果不加杆臂补偿水平对准就会残留一个与晃动强度相关的误差。一个实用的补偿式是f_compensated f_measured - (ω × (ω × r)) - (α × r)其中 r 是加速度计相对载体参考点的杆臂向量α 是角加速度需要从陀螺输出差分得到。虽然杆臂补偿不总是必须的但只要安装位置偏离参考点超过去十几厘米在剧烈晃动时建议补上。5.4 晃动台实验的实测记录分享一组项目实测数据便于你有个量级概念。测试环境是一个六自由度晃动台模拟船体在中等海况下的横摇和纵摇横摇正负15度、周期6秒纵摇正负5度、周期8秒另有小幅艏摇正负3度、周期12秒。MEMS模块为战术级零偏不稳定性约2度/小时采样率200Hz。测试流程晃动台起振后模块保持静止安装让算法在晃动下自对准记录120秒数据然后参考真值由高精度光纤惯导同步提供。重复了10次。水平姿态结果俯仰角对准误差在收敛后约0.05到0.1度横滚角误差约0.1到0.2度收敛时间约30到40秒。对比完全静止条件下精度约0.03度晃动引入的额外误差可以接受。方位角结果重复性标准差约1.5度均值偏差约0.8度。这个结果比静态对准反倒略好原因正如2.3节所述晃动提供的持续激励增强了方位角的可观测性但代价是收敛时间被拉长到约100秒以上。从这个实验看到的实际现象是晃动对水平对准的破坏可以通过合理设置滤波器参数控制在可接受范围而方位角对准在晃动条件下反而能获得额外可观测性前提是你忍受得了“慢”和“不完全可重复”这两个特点。还有一个让很多人意外的小发现在对准算法里把初始速度误差状态 δv 直接置为高置信零整体对准速度会变慢。因为这样相当于“告诉”滤波器速度绝对可信滤波器不敢把速度误差用来激励零偏估计结果加速度计零偏收敛就拖延了。工程上我给初始速度误差一个不小的不确定度标准差0.05到0.1m/s即使实际静止反而能在保证精度的同时让对准更快完成。这属于模型与实现的“微调权衡”但实际收益很实在。提示做晃动台实验时一定要记录晃动台的真实运动参数和参考姿态真值因为后期排查滤波器问题时你首先需要回答的问题是“那是滤波器的问题还是测试环境的问题”。关于这个题目能聊的实操细节其实还有很多比如温度漂移补偿、多IMU阵列融合、以及用反向平滑进一步压缩对准时间等等但核心模型和工程处理方法就是以上这些。按这套建模思路去搭滤波器再根据现场晃动强度去整定Q和R基本能覆盖大多数MEMS晃动自对准的实际需求。如果你在具体调参时遇到什么奇怪的现场表现记住一个原则先把物理环境影响量化出来再回头修改模型和参数永远比盲调有效。
