为了提高无人飞艇自起飞和垂直着陆过程的高精度高度定位，本文提出了一种安装多个传感器来测量飞机高度的信息融合方法。根据飞行系统高度状态方程充分利用每个传感器的测量。信息是递归均值滤波和卡尔曼滤波器，以及基于GNSS高度，气压高度和地面高度的信息融合方案，相应的融合算法设计为正确的。
于无人驾驶飞艇的信息融合测量非常低的过滤介绍无人驾驶飞艇使用比空气更轻的空气（如氦气等）作为推进空气，其基本原理是将空气注入空气中。气在软胶囊中产生浮力。时，通过控制飞艇的表面和飞艇的动力单元来实现飞艇的控制飞行。
无人驾驶飞艇的情况下，GNSS / INS组合导航系统高度估计具有较大误差，不能直接使用。此，本文考虑使用多个传感器来测量飞艇高度和数据融合，以减少高度测量。误提高了无人驾驶飞机的安全性。
传感器气压采集采集模块的高度信息可以通过各种传感器测量，不同传感器和应用的特性不同。先，总结了当前高度传感器的特点，如GNSS接收器，气压高度计和超声波测距仪，然后应用于气压高度，因为气压高度计缺乏抗干扰能力。
递归均值滤波和卡尔曼滤波。滤算法的特点;最后，提出了一种基于GNSS高度，气压高度和地面高度的信息融合方案，并设计了相应的融合算法。文档中的无人驾驶飞艇系统包括各种高度传感器，包括GNSS接收器，气压高度计和超声波测距仪。
压高度过滤算法根据时间，地理位置，天气条件和温度改变大气压力。了提高抗干扰能力并确保大气压的高稳定性，必须过滤大气压高度。本文中，我们使用Matlab对气压高度执行递归均值滤波，滤波器前后的队列高度等于10，如图1所示。尔曼滤波方法由匈牙利出生的美国数学家RE卡尔曼于1960年提出，并被广泛用于控制等领域。文利用Matlab对气压高度进行卡尔曼滤波，过程噪声的协方差Q始终为0.01，测量噪声的协方差R始终为0.05。波前后的高度曲线如图2所示。了减小滞后并提高灵敏度，恒温阀芯当应用卡尔曼滤波算法时，需要传感器的精度。文中使用的MS5611压力高度计的分辨率为0.1 m，精度高。可以通过卡尔曼滤波算法进行滤波。尔曼滤波是目前使用最广泛的滤波方法。于大多数问题，它是最优的，最有效的，甚至是最有用的。就是卡尔曼滤波算法用于过滤气压高度的原因。度信息融合方法本文选择卡尔曼滤波算法来过滤气压高度并整合GNSS高度，气压高度和地面高度（合并方案如图3所示）。论卡尔曼滤波首先在气压高度上进行低扰码，然后进行GNSS高度信息，气压高度和地面高度信息的合并。方案采用软件算法。
高高度信息的测量精度，恒温阀芯可直接集成到原始代码中。行控制系统中使用了一些代码，以确保系统的完整性，而不会增加硬件成本。试飞行试验数据用于验证该方法，表明该方法提高了系统高度信息采集的准确性。
本文转载自
恒温阀芯 https://www.wisdom-thermostats.com