3、传感器模型与误差分析：IMU零偏与噪声、GNSS多路径效应、轮速计刻度因子

各位同学，今天我们来聊聊传感器模型和误差分析。说实话，这部分内容在教科书上往往被一笔带过，但实际工程中，它才是决定定位精度的关键。我见过太多团队，算法模型写得漂亮，一上路就崩，为什么？就是没把传感器的“脾气”摸透。

你想想看，传感器就像我们的眼睛和耳朵。眼睛有近视散光，耳朵有耳鸣。你不了解这些缺陷，怎么去矫正？今天我们就来拆解三个核心传感器：IMU、GNSS、轮速计。我会把我在项目中踩过的坑，一并分享给你们。

3.1 IMU零偏与噪声：那个永远回不去的原点

IMU，也就是惯性测量单元。它测量加速度和角速度。但有个问题——它永远有零偏。

什么是零偏？

说白了，就是IMU静止时，输出不为零。比如你把它放在桌上，理论上加速度计应该输出0，陀螺仪输出0。但实际呢？它可能输出0.01 m/s²，或者0.005 rad/s。这个固定的偏移，就是零偏。

我在项目中遇到过一款IMU，零偏大到离谱。静止时陀螺仪输出0.1 rad/s，相当于每秒转5.7度。你想想，如果直接用这个数据积分，几秒钟姿态就飞了。

零偏的建模

工程上，我们通常把零偏建模为两种成分：

• 常值零偏：每次上电后固定的偏移，可以通过静态初始化标定掉。
• 零偏不稳定性：随时间缓慢漂移，通常用随机游走模型描述。

嗯，这里要注意。零偏不稳定性才是真正的噩梦。它不像常值零偏，标定一次就完事。它会随着温度、时间、甚至振动而变化。

ω_measured = ω_true + b_g + n_g
a_measured = a_true + b_a + n_a

噪声模型

IMU的噪声，我们通常用角度随机游走（ARW）和速度随机游走（VRW）来描述。说白了，就是噪声积分后，姿态和速度的误差会随时间发散。

我个人的习惯是，拿到一款新IMU，先做艾伦方差分析。它能帮你把零偏不稳定性、随机游走、量化噪声都分离出来。这个分析结果，直接决定了你的滤波器参数该怎么设。

3.2 GNSS多路径效应：城市峡谷里的幽灵

GNSS，全球导航卫星系统。它的问题很多，但最让人头疼的，是多路径效应。

什么是多路径？

卫星信号从天上下来，本来应该直线到达接收机。但城市里高楼林立，信号会反射。反射后的信号和直射信号叠加，导致测距出现误差。这个误差，轻则几米，重则几十米。

你想想看，在高架桥下、隧道口、或者两边都是玻璃幕墙的街道上，你的定位突然跳了十几米。这就是多路径在作祟。

多路径的特征

• 非高斯性：多路径误差不是高斯白噪声，它是有偏的、相关的。
• 慢变特性：反射路径通常比较稳定，所以误差变化缓慢。
• 频率依赖性：不同频率的载波，多路径影响不同。这也是双频接收机能抑制多路径的原理。

工程应对策略

我在项目中用过几种方法：

1. 载波相位平滑伪距：利用载波相位的低噪声特性，平滑伪距观测值。能有效抑制高频多路径。
2. 信噪比检测：多路径信号通常信噪比低。设定阈值，剔除低信噪比的卫星。
3. 一致性检测：用IMU预测的位置，和GNSS解算的位置做对比。如果偏差太大，说明GNSS可能被多路径污染了。

3.3 轮速计刻度因子：那个被忽略的精度杀手

轮速计，说白了就是车轮上的编码器。它测量车轮转动的圈数，结合车轮周长，算出车速。听起来很简单，对吧？但问题就出在这个“车轮周长”上。

刻度因子是什么？

理论上，车轮周长是固定的。但实际中，轮胎气压、磨损、负载、车速，都会改变车轮的有效滚动半径。这个变化，就体现在刻度因子上。

我举个例子。轮胎气压从2.5 bar降到2.0 bar，滚动半径可能减小0.5%。你跑100米，轮速计就少算0.5米。短距离无所谓，但跑个10公里，误差就是50米。对于定位来说，这已经很大了。

刻度因子的建模

工程上，我们通常把刻度因子建模为一个随时间缓慢变化的量：

v_measured = s * v_true + n_v

其中 s 就是刻度因子，通常在0.98到1.02之间。n_v 是测量噪声。

在线标定方法

我个人建议，不要用固定刻度因子。一定要做在线标定。怎么标？

• 利用GNSS：在GNSS信号好的时候，用GNSS速度作为真值，反算刻度因子。
• 利用IMU：在直线行驶时，IMU加速度积分得到的速度，也可以用来标定。
• 利用转弯：左右轮速差可以推算横摆角速度，和IMU陀螺仪对比，也能标定。

刻度因子的误差传播

轮速计的误差，会直接积分到位置里。而且，它和IMU的误差耦合在一起。比如，刻度因子偏大，轮速计算出的速度偏大，融合时就会把IMU的加速度估计拉偏。所以，刻度因子虽然小，但影响深远。

好了，这一章的内容就到这里。总结一下：IMU的零偏和噪声，决定了你的姿态和速度能准多久；GNSS的多路径，是城市环境下的主要误差源；轮速计的刻度因子，虽然不起眼，但长期影响巨大。这三个传感器，任何一个没处理好，融合算法都会出问题。

下一章，我们会讲如何把这些误差模型放到卡尔曼滤波器里。到时候你会发现，今天讲的这些，全是滤波器设计的基础。没有这个基础，滤波器就是空中楼阁。