В статье я упоминаю использование дисперсии Аллана для анализа шума датчиков. Этот метод позволяет выделить несколько компонент шумов инерциальных датчиков – например, квантование, случайное блуждание нуля (angle/velocity random walk), нестабильность смещения (bias instability), дрейфовую составляющую и т.д.. Всего подобных параметров может быть порядка пяти-семи. Почему учитываются все? Потому что каждая из этих шумовых компонент по-разному влияет на погрешность со временем. В высокоточной инерциальной системе все значимые источники ошибок стараются промоделировать: перед интегрированием проведена калибровка (определены bias, масштаб, перекос осей, зависимость от температуры и др), а результаты (включая параметры шумовой модели из Allan deviation) закладываются в алгоритм (например, в ковариации фильтра Калмана). Такой тщательный учет необходим, чтобы снизить дрейф и обеспечить максимальную точность – если пренебречь каким-то фактором, он может вызвать накопление ошибки. Именно поэтому я включил все ~7 параметров в модель ошибок: это повышает реализм модели и позволяет EKF лучше компенсировать каждую составляющую шума. Это подтверждается и на практике – после учёта смещений, шумов и коррекции фильтром, дрейф координаты заметно сокращается

STM32F407IGT6 – это 32-разрядный микроконтроллер семейства STM32F4 (ядро ARM Cortex-M4, 168 МГц, 1 МБ флэш и 192 КБ SRAM). Данный MCU не имеет традиционной кэш-памяти данных. В Cortex-M4 (STM32F4) нет выделенного cache для RAM, а ускорение работы с флэш достигается с помощью так называемого ART-акселератора – предвыборки и буферизации инструкций (инструкционный префетч и branch cache). Проще говоря, STM32F407 делает быстрое исполнение кода из флэш (0 wait state на частоте 168 МГц) благодаря аппаратной предвыборке, но кэша данных (D-cache) у него нет. Возможно поэтмоу моя фраза о «минимизации кэш-промахов» применительно к STM32F4 прозвучала несколько странно. Я имел ввиду оптимальное размещение данных в памяти (например, использование 64КБ CCM – Core Coupled Memory – для самых часто используемых данных) или избегание лишних обращений к внешней памяти, что актуально для более новых микроконтроллеров с кэшем. В любом случае, на STM32F407 главный “ускоритель” – это правильная организация памяти и включение FPU/DSP, а не управление кэш-линиями. Кэш-промахи как таковые для данного MCU не существенны, ведь доступ к SRAM и так быстр, а чтение из флеша оптимизировано аппаратно.

Первые два рисунка в статье как раз иллюстрируют траекторию до коррекции фильтром и после нее. На рис. 1 показано моделирование полета без включения коррекции (только инерциальная интеграция) – красная линия постепенно уходит от истинной траектории (черные точки), и к концу 8-минутного отрезка накопленный дрейф достигает порядка 300 метров. На рис. 2 приведена траектория после включения расширенного фильтра Калмана и периодической коррекции по барометру – оценка (красная) гораздо ближе к реальному пути (черные точки), и окончательное отклонение составляет около 50–80 м. Эти значения указаны в тексте статьи, а на графиках разница видна визуально: во втором рисунке красная траектория почти совпадает с истинной, тогда как в первом заметно “уплывает” от нее. Таким образом, «300 м до» и «50–80 м после» – это величины позиционной ошибки навигации соответственно до применения EKF и после его работы. Они демонстрируют, насколько сильно фильтрация и внешние поправки уменьшают накопленную погрешность. При отсутствии GNSS добиться ошибки ~50 м на дистанции ~5 км – уже очень хороший результат кмк.