第一章：确定性误差建模——零偏、刻度因子与交轴耦合

各位同学，欢迎来到《低成本IMU误差建模与补偿实战》的第一章。今天咱们聊聊确定性误差建模。说白了，就是那些“有规律可循”的误差，不像随机噪声那么飘忽不定。

我个人习惯把IMU误差分成两类：一类是能建模补偿的，另一类是只能靠滤波硬扛的。确定性误差就属于前者。你只要摸清它的脾气，就能把它“驯服”。

1. 零偏误差（Bias）——IMU的“静息电位”

零偏，也叫偏置。你可以把它想象成IMU的“静息电位”。即使IMU静止不动，它输出的也不是零，而是一个小数值。这个小数值就是零偏。

静态特性

静态零偏，就是IMU上电后，在恒定温度、静止状态下测得的偏置。我遇到过最夸张的一次，某款廉价MEMS陀螺仪，上电后零偏直接漂了0.5°/s。你想想看，这要是用在导航上，一分钟就偏了30度，完全没法用。

静态零偏的建模很简单：

// 静态零偏估计：取N次采样均值
float bias_estimate = 0;
for (int i = 0; i < N; i++) {
    bias_estimate += raw_data[i];
}
bias_estimate /= N;

这里N一般取100到1000。N太小，噪声影响大；N太大，温度可能已经变了。我个人习惯取500次，大概5秒的数据，效果不错。

动态特性

动态零偏就复杂了。它会随着温度、时间、甚至供电电压变化。我曾在项目中遇到过，IMU刚上电时零偏是0.1°/s，运行半小时后变成了0.3°/s。这就是典型的温漂。

动态零偏的建模，通常用多项式拟合：

// 温度补偿模型：Bias(T) = a0 + a1*T + a2*T^2
float bias_temp_comp(float temperature) {
    return a0 + a1 * temperature + a2 * temperature * temperature;
}

这里a0、a1、a2需要标定得到。标定方法很简单：把IMU放进温箱，从-40°C到85°C，每5°C记录一次零偏，然后做最小二乘拟合。

2. 刻度因子误差（Scale Factor）——IMU的“放大镜”

刻度因子误差，说白了就是IMU的“放大倍数”不准。你给它输入1°/s的角速度，它可能输出0.98°/s或者1.02°/s。

非线性特性

低成本IMU的刻度因子不是常数。它随着输入角速度的大小而变化。我测试过一款国产MEMS陀螺仪，在±100°/s范围内，刻度因子误差在1%以内；但到了±300°/s，误差直接飙到5%。

非线性刻度因子的建模，通常用分段线性或多项式：

// 分段线性刻度因子补偿
float scale_factor_comp(float raw_rate) {
    if (fabs(raw_rate) < 100.0f) {
        return raw_rate * 1.01f;  // 小速率段
    } else if (fabs(raw_rate) < 200.0f) {
        return raw_rate * 1.02f;  // 中速率段
    } else {
        return raw_rate * 1.05f;  // 大速率段
    }
}

温度依赖性

刻度因子也怕温度。我做过一个实验：把IMU从25°C加热到85°C，刻度因子变化了0.3%。对于高精度应用，这个量级不可忽略。

温度补偿模型和零偏类似：

// 刻度因子温度补偿
float scale_factor_temp(float temperature) {
    return 1.0f + b1 * (temperature - 25.0f) + b2 * (temperature - 25.0f) * (temperature - 25.0f);
}

3. 交轴耦合误差（Cross-axis Sensitivity）——IMU的“串扰”

交轴耦合，也叫交叉轴灵敏度。理想情况下，X轴陀螺仪只感应X轴的角速度。但实际上，Y轴和Z轴的角速度也会在X轴上产生输出。这就是交轴耦合。

物理机理

为什么会这样？说白了，就是MEMS传感器的机械结构不完美。敏感轴和封装轴之间存在微小的角度偏差。这个偏差可能只有0.1度，但足以产生可测量的耦合。

我遇到过最离谱的一次，某款IMU的Z轴陀螺仪，在Y轴输入100°/s时，Z轴输出了2°/s。算下来交轴耦合系数达到了2%。

建模方法

交轴耦合的数学模型是一个3x3矩阵：

// 交轴耦合补偿矩阵
// [output_x]   [1,    Mxy,  Mxz]   [input_x]
// [output_y] = [Myx,  1,    Myz] * [input_y]
// [output_z]   [Mzx,  Mzy,  1  ]   [input_z]

// 实际代码实现
void cross_axis_compensate(float raw[3], float compensated[3]) {
    compensated[0] = raw[0] + Mxy * raw[1] + Mxz * raw[2];
    compensated[1] = Myx * raw[0] + raw[1] + Myz * raw[2];
    compensated[2] = Mzx * raw[0] + Mzy * raw[1] + raw[2];
}

这里的Mxy、Mxz等就是交轴耦合系数。标定方法：把IMU放在精密转台上，分别绕X、Y、Z轴旋转，记录各轴输出，然后解方程求出矩阵元素。

知识体系总览

下面这张图，是我自己画的本章知识结构。你可以看到，确定性误差的三大块——零偏、刻度因子、交轴耦合——各自又有静态和动态两个维度。

实战中的避坑指南

讲完了理论，我分享几个实战中踩过的坑。

• 零偏标定别偷懒： 我曾经为了省时间，只采了100个点做静态零偏估计。结果噪声太大，补偿后反而更差。后来老老实实采1000个点，效果立竿见影。
• 刻度因子标定要覆盖全量程： 有次我只在±100°/s范围内标定了陀螺仪，结果用户用到了±200°/s，数据完全不准。记住，标定范围一定要覆盖实际使用范围。
• 交轴耦合矩阵不是对称的： 很多人以为Mxy等于Myx。其实不一定！我实测过，Mxy和Myx可能差一个数量级。所以六个系数都要单独标定。

好了，这一章的内容就到这里。确定性误差是IMU误差补偿的基础，也是性价比最高的优化手段。你只要把零偏、刻度因子、交轴耦合这三块搞定，IMU的精度至少能提升一个数量级。

---