飞控中的多传感器融合：信息滤波从一次炸机说起去年夏天，我在调试一架四轴时遇到了一个诡异的问题——GPS信号良好的情况下，飞机在悬停时突然剧烈抖动，然后侧翻炸机。事后分析日志发现，IMU数据正常，GPS位置数据也正常，但融合后的位置估计却出现了跳变。问题出在哪？我花了整整三天才找到元凶：信息滤波器中协方差矩阵的数值稳定性出了问题。那次经历让我意识到，很多飞控开发者对卡尔曼滤波很熟悉，但对信息滤波（Information Filter）的理解往往停留在“它是卡尔曼滤波的对偶形式”这个层面。实际上，在嵌入式飞控这种资源受限、需要实时处理多传感器数据的场景下，信息滤波有它独特的优势，也有它特有的坑。信息滤波的本质信息滤波的核心思想很简单：用信息矩阵（协方差矩阵的逆）和信息向量（状态向量与信息矩阵的乘积）来代替协方差矩阵和状态向量。为什么要在飞控里用这个？因为多传感器融合时，卡尔曼滤波的更新步骤需要计算矩阵求逆，这个操作在STM32这类MCU上非常昂贵。信息滤波的更新步骤只需要简单的加法——多个传感器的观测信息可以直接累加。// 信息滤波更新步骤 - 这才是真正的优雅// 别写成卡尔曼滤波那种矩阵求逆，这里直接加void