3、IMU工作原理：加速度计与陀螺仪的核心原理，MEMS传感器特性与误差模型
好，咱们今天聊聊IMU。说白了，IMU就是组合导航系统的“感觉器官”。没有它，GPS信号一丢，定位就抓瞎了。我个人习惯把IMU比作一个盲人手里的探路杖——它不知道自己在哪，但它知道自己怎么动的。
这一章，咱们把加速度计和陀螺仪的原理掰开揉碎，再看看MEMS传感器那些“小脾气”，最后聊聊怎么给这些误差建模。嗯，内容有点干，但都是硬货。
3.1 加速度计：测量“感觉”到的加速度
加速度计测的是什么？不是速度，是加速度。但这里有个坑——它测的不是运动加速度，而是“比力”。
比力 = 物体受到的合力 - 重力
你想想看，把加速度计平放在桌上，它输出的是0吗？不是。它输出的是1个g（约9.8 m/s²），方向向上。因为桌面给它一个支持力，抵消了重力。所以它测的是“除了重力以外的力产生的加速度”。
核心公式：
a_measured = a_true + g
其中g是重力加速度矢量。做惯导解算时，必须把重力分量减掉，才能得到真实的运动加速度。
我在项目中遇到过一个问题：把IMU装在无人机上，起飞前静止初始化，加速度计读数居然是(0.02, -0.01, 9.81)。我当时还以为是传感器坏了，后来才意识到——只要模长接近9.8，方向大致向下，就是正常的。千万别指望三个轴都是0。
3.2 陀螺仪：测量角速度的“旋转感知器”
陀螺仪测的是角速度，单位是rad/s或°/s。MEMS陀螺仪的原理，说白了就是科里奥利效应。
一个质量块在芯片平面上高速振动。当芯片旋转时，质量块会受到一个垂直于振动方向的力——科里奥利力。这个力的大小正比于角速度。通过检测这个力，就能反推出角速度。
嗯，这里要注意：MEMS陀螺仪测的是相对于惯性空间的角速度，不是相对于地面的。所以地球自转也会被测到——虽然很小（15°/h），但在高精度应用中不能忽略。
个人经验： 我曾经调试一个车载导航系统，发现静止时陀螺仪z轴输出有0.01°/s的偏置。一开始以为是传感器坏了，后来算了一下——北京地区纬度约40°，地球自转水平分量是15°/h × cos(40°) ≈ 11.5°/h ≈ 0.0032°/s。加上温度漂移，0.01°/s完全正常。所以，别一看到非零值就慌。
3.3 MEMS传感器特性：小身材，大脾气
MEMS传感器便宜、体积小、功耗低，但精度嘛...你懂的。咱们来看看它的几个关键特性。
| 特性 | 典型值（消费级） | 典型值（工业级） | 说明 |
|---|---|---|---|
| 加速度计量程 | ±2g ~ ±16g | ±6g ~ ±24g | 量程越大，分辨率越低 |
| 陀螺仪量程 | ±250°/s ~ ±2000°/s | ±125°/s ~ ±500°/s | 车载一般用±250°/s足够 |
| 零偏稳定性 | 10 ~ 100 mg（加速度计） | 0.1 ~ 1 mg | 这是最重要的指标之一 |
| 角度随机游走 | 0.1 ~ 1 °/√h | 0.01 ~ 0.1 °/√h | 决定了纯惯性导航的发散速度 |
| 带宽 | 100 ~ 400 Hz | 200 ~ 1000 Hz | 越高越好，但噪声也大 |
你看这个表，消费级和工业级差了一个数量级。价格也差了一个数量级。做项目时怎么选？我建议：先看你的应用场景。车载导航用工业级就够了，导弹制导？那得上光纤陀螺。
3.4 误差模型：把“坏脾气”量化
传感器都有误差。咱们不能指望它完美，但可以建模补偿。MEMS传感器的误差模型，一般包含以下几项。
3.4.1 确定性误差
这些误差是固定的，可以通过标定消除。
- 零偏（Bias）： 输入为零时的输出。比如加速度计静止时输出不是0，而是某个常数。
- 比例因子（Scale Factor）： 实际输入与输出之间的比例关系。理想是1，实际可能是1.002。
- 交叉耦合（Cross-axis Sensitivity）： X轴输入在Y轴上产生输出。一般小于2%。
- 非线性（Non-linearity）： 输出与输入不是严格的线性关系。
标定模型（简化版）：
a_true = S * (a_raw - b)
其中：
a_true：真实加速度
a_raw：原始读数
S：比例因子矩阵（3x3，包含交叉耦合）
b：零偏向量（3x1）我在项目中做过六位置标定法。把IMU放在六个不同的姿态，每个姿态采集一组数据，然后解算出12个参数（3个零偏 + 9个比例因子/交叉耦合）。效果立竿见影，零偏从几十mg降到了几个mg。
3.4.2 随机误差
这些误差是随机的，只能用统计方法描述。常用的模型是Allan方差分析。
- 角度随机游走（Angular Random Walk, ARW）： 陀螺仪白噪声积分后产生的角度误差。单位是°/√h。
- 速率随机游走（Rate Random Walk, RRW）： 陀螺仪零偏的慢变漂移。单位是°/h/√h。
- 量化噪声（Quantization Noise）： ADC量化带来的误差。
- 零偏不稳定性（Bias Instability）： 零偏在1/f噪声影响下的低频漂移。这是衡量传感器质量的核心指标。
避坑指南： 我曾经用Allan方差分析一个IMU，发现它的零偏不稳定性是0.5°/h。我心想这参数不错啊，结果实际跑起来，10分钟就漂了5°。后来才发现——Allan方差分析需要足够长的静态数据（至少2小时），我只采了20分钟，低频特性根本没暴露出来。所以，做Allan方差分析，数据长度至少是你要分析的最长时间尺度的10倍。
3.4.3 温度误差
MEMS传感器对温度极其敏感。温度变化1°C，零偏可能漂移几个mg或几个°/h。
解决办法有两个：
- 硬件补偿： 在IMU内部集成温度传感器，查表补偿。
- 软件补偿： 建立温度-零偏模型，在线估计。
我个人习惯用二阶多项式拟合：
b(T) = b0 + b1*(T - T0) + b2*(T - T0)²其中T0是标定时的参考温度。这个模型虽然简单，但在-40°C到85°C范围内能把零偏漂移减小80%以上。
3.5 小结：IMU误差的“三座大山”
咱们总结一下。IMU的误差，说白了就是三件事：
- 确定性误差： 零偏、比例因子、交叉耦合。通过标定解决。
- 随机误差： 白噪声、随机游走、零偏不稳定性。通过滤波（比如卡尔曼滤波）抑制。
- 温度误差： 温度漂移。通过补偿解决。
你想想看，这三个问题不解决，IMU的数据根本没法用。尤其是做组合导航时，GPS信号一丢，全靠IMU撑着。如果IMU误差模型没建好，那纯惯性导航的误差会以三次方的速度增长——位置误差 ∝ t³。嗯，这可不是闹着玩的。
警告： 千万别以为买了高精度IMU就万事大吉。再好的传感器，温度变化、安装误差、时间同步问题都会引入额外误差。我见过有人花2万块买了个工业级IMU，结果装在车上没做标定，精度还不如一个标定过的消费级IMU。所以，标定和建模才是王道。
下一章，咱们聊聊IMU的标定方法——怎么用最少的设备，把那些“坏脾气”参数都揪出来。