陀螺仪噪声模型：五种核心噪声
做高精度陀螺仪分析，说白了就是跟噪声打交道。我刚开始接触这行时，总觉得陀螺仪输出就是个角度或角速度，后来才发现——这玩意儿里面藏着好几种不同“性格”的噪声。每种噪声的数学特征、物理来源、对系统的影响都不一样。
今天咱们就来拆解一下，陀螺仪里最常见的五种噪声模型。我个人习惯把它们分成两类：一类是“白噪声家族”，另一类是“有色噪声家族”。你想想看，搞清楚了这些，后面做Allan方差分析才能看懂那张双对数图。
1. 角度随机游走 (ARW)
这是陀螺仪噪声里最基础、最常见的一种。说白了，它就是角速率输出上的白噪声积分结果。
数学上怎么理解？ 角速率输出中的白噪声，经过积分变成角度后，会表现出随机游走的特性。单位通常是 °/√h 或者 °/s/√Hz。
物理来源： 主要是光电探测器的散粒噪声、电子热噪声这些高频成分。我在项目中遇到过，有些MEMS陀螺仪ARW指标标称挺好，一上电实测却差了一倍——后来发现是电源纹波没处理好。
Allan方差特征： 在双对数图上，ARW对应的斜率是 -1/2。这个特征非常明显，一眼就能认出来。
2. 速率随机游走 (RRW)
这个比ARW难搞一些。RRW描述的是陀螺仪角速率本身的漂移，它不是一个平稳过程。
数学本质： 角速率输出中的有色噪声（通常是1/f噪声）积分后，表现为速率上的随机游走。单位是 °/h/√Hz 或者 (°/h)/√h。
物理来源： 主要是陀螺仪内部的机械结构缓慢变化、温度漂移、老化效应等。我记得有次做长航时导航测试，前两个小时数据都挺好，到第三个小时开始出现明显的RRW特征——后来发现是温控环路没锁住。
Allan方差特征： 斜率是 +1/2。注意，这个正斜率在图上很容易跟其他噪声区分开。
3. 量化噪声
这个噪声是数字化过程中引入的“原罪”。只要用ADC采样，就一定有量化噪声。
怎么产生的？ 模拟角速率信号被ADC转换成数字量时，会丢失最低有效位以下的信息。这个丢失的信息就是量化噪声。
数学特征： 量化噪声的功率谱密度是平坦的（白噪声），但它的幅度跟ADC的分辨率直接相关。分辨率每提高1位，量化噪声功率降低约6dB。
Allan方差特征： 斜率是 -1。这是所有噪声中斜率最陡的一个，在短时间尺度上非常明显。
4. 零偏不稳定性 (Bias Instability)
这是做高精度导航时最头疼的噪声。它决定了陀螺仪的长期稳定性极限。
物理含义： 零偏不稳定性描述的是陀螺仪零偏在低频段的随机波动。它不像ARW那样高频抖动，而是缓慢地、随机地漂来漂去。
数学特征： 在功率谱密度上表现为1/f噪声。单位是 °/h 或者 °/s。
Allan方差特征： 在双对数图上，零偏不稳定性对应的是曲线的“谷底”区域，斜率接近0（平坦段）。这个平坦段的最低点，就是陀螺仪的零偏不稳定性指标。
5. 速率斜坡 (Rate Ramp)
这个严格来说不算随机噪声，而是一种确定性误差。但Allan方差分析时它也会出现，所以咱们一并讲了。
本质： 陀螺仪输出中存在一个随时间线性变化的趋势项。比如温度变化引起的零偏漂移，或者陀螺仪自身的老化趋势。
数学形式： 角速率输出 = 常数 + 斜率 × 时间 + 随机噪声。这个“斜率×时间”就是速率斜坡。
Allan方差特征： 斜率是 +1。在长时间尺度上，如果曲线开始向上翘起，斜率接近+1，那大概率是速率斜坡在作怪。
知识体系总览
下面这张图，是我自己总结的陀螺仪噪声模型框架。每次做Allan方差分析前，我都会先过一遍这张图，心里就有数了。
五种噪声对比一览
为了方便对比，我整理了一张表。这张表我做了很多次培训都在用，你可以直接截图保存。
| 噪声类型 | 英文缩写 | Allan方差斜率 | 典型单位 | 物理来源 |
|---|---|---|---|---|
| 角度随机游走 | ARW | -1/2 | °/√h | 散粒噪声、热噪声 |
| 速率随机游走 | RRW | +1/2 | (°/h)/√h | 机械漂移、温度效应 |
| 量化噪声 | QN | -1 | ° 或 LSB | ADC量化过程 |
| 零偏不稳定性 | BI | 0 (平坦) | °/h | 1/f噪声、低频漂移 |
| 速率斜坡 | RR | +1 | °/h² | 温度斜坡、老化 |
实际分析中的注意事项
嗯，这里我要多说几句。很多初学者拿到Allan方差曲线，上来就套公式拟合五种噪声。但实际数据往往没那么理想——曲线可能是多种噪声叠加的结果。
我的建议是：
- 先看曲线整体趋势，判断主要噪声成分是哪几个
- 短时间尺度（τ小）看量化噪声和ARW
- 中等时间尺度看零偏不稳定性
- 长时间尺度看RRW和速率斜坡
- 不要一次性拟合所有参数，分步进行更可靠
好了，这五种噪声模型就讲到这里。每种噪声都有自己独特的“指纹”——也就是Allan方差曲线上的斜率。掌握了这些，你就能像读心电图一样，一眼看出陀螺仪的噪声成分。
公众号:蓝海资料掘金营，微信deep3321