4、陀螺仪标定：静态零偏标定，温度补偿，艾伦方差分析

陀螺仪标定，说白了就是让传感器学会「说实话」。你想想看，一个静止的陀螺仪，理论上输出应该是零。但现实世界里，它总会给你报个几度每秒的数值——这就是零偏。如果不把这个底数扣掉，飞控算出来的姿态就会一直漂，漂到最后飞机都不知道自己在哪。

我个人习惯把陀螺仪标定分成三个层次：静态零偏标定解决「静止时不准」的问题，温度补偿解决「温度变了就不准」的问题，艾伦方差分析解决「到底有多不准」的问题。咱们一个一个来。

4.1 静态零偏标定

这是最基础的一步。把飞控平放在桌面上，保持绝对静止，采集一段时间的数据，然后取平均值。这个平均值就是零偏。

我在项目中遇到过一个问题：有次客户反馈飞机起飞后总是缓慢偏航，查了半天发现是零偏标定时采集时间太短，只采了1秒钟。1秒钟的数据受噪声影响太大，算出来的零偏根本不稳。后来我建议他们至少采30秒，取中位数而不是平均值，效果好了很多。

我的经验：静态零偏标定建议采集30-60秒数据，使用中位数滤波。平均值容易被极端值拉偏，中位数更鲁棒。

具体步骤很简单：

将飞控水平静止放置，确保无振动
以100Hz采样率采集陀螺仪三轴数据，持续30秒
对每轴数据分别计算中位数，得到零偏值
将零偏值写入飞控参数，后续所有陀螺仪读数都减去这个值

// 伪代码示例：静态零偏标定
#define SAMPLE_COUNT 3000  // 30秒 * 100Hz
float gyro_x[SAMPLE_COUNT], gyro_y[SAMPLE_COUNT], gyro_z[SAMPLE_COUNT];

// 采集数据
for (int i = 0; i < SAMPLE_COUNT; i++) {
    read_gyro(&gyro_x[i], &gyro_y[i], &gyro_z[i]);
    delay(10);  // 10ms间隔
}

// 计算中位数（这里用快速选择算法，实际工程中建议用排序后取中间值）
float bias_x = median(gyro_x, SAMPLE_COUNT);
float bias_y = median(gyro_y, SAMPLE_COUNT);
float bias_z = median(gyro_z, SAMPLE_COUNT);

// 写入参数
param_set("GYRO_BIAS_X", bias_x);
param_set("GYRO_BIAS_Y", bias_y);
param_set("GYRO_BIAS_Z", bias_z);

注意：零偏标定必须在飞控上电稳定后进行。刚上电的前几秒，传感器内部电路还没稳定，这时候采集的数据不能用。我一般会等10秒再开始采集。

4.2 温度补偿

静态零偏标定只能解决「当前温度下」的问题。但无人机飞行环境温度变化很大——地面30度，飞到500米高空可能只有10度。陀螺仪的零偏会随着温度变化而漂移，这就是温度效应。

为什么会这样？因为MEMS陀螺仪内部的微机械结构对温度敏感。温度变化会导致材料热胀冷缩，改变谐振频率和阻尼特性，最终表现为零偏漂移。

温度补偿的思路很简单：在不同温度下标定零偏，拟合出一条「温度-零偏」曲线，然后在运行时根据当前温度查表或计算补偿值。

温度（℃）	X轴零偏（°/s）	Y轴零偏（°/s）	Z轴零偏（°/s）
-20	0.12	-0.08	0.05
0	0.08	-0.05	0.03
25	0.03	-0.02	0.01
50	-0.02	0.01	-0.01
70	-0.06	0.04	-0.03

有了这张表，就可以用线性插值或多项式拟合来补偿。我个人习惯用分段线性插值，计算量小，效果也够用。

// 温度补偿实现：分段线性插值
float temp_compensate(float current_temp, float temp_table[], float bias_table[], int table_size) {
    // 边界处理
    if (current_temp <= temp_table[0]) return bias_table[0];
    if (current_temp >= temp_table[table_size - 1]) return bias_table[table_size - 1];

    // 查找区间
    for (int i = 0; i < table_size - 1; i++) {
        if (current_temp >= temp_table[i] && current_temp <= temp_table[i + 1]) {
            float ratio = (current_temp - temp_table[i]) / (temp_table[i + 1] - temp_table[i]);
            return bias_table[i] + ratio * (bias_table[i + 1] - bias_table[i]);
        }
    }
    return 0.0f;  // 不应该走到这里
}

  关键点：温度补偿不是一次标定就一劳永逸。传感器老化后，温度特性会变化。我建议每半年重新做一次全温标定，或者在飞控固件中内置在线温度补偿更新机制。

4.3 艾伦方差分析

好了，零偏扣掉了，温度也补偿了。但陀螺仪的输出还是会有波动——这是噪声。怎么量化这个噪声？怎么知道这个陀螺仪到底「稳不稳」？艾伦方差就是干这个的。

艾伦方差（Allan Variance）是一种时域分析方法。它通过计算不同时间尺度上的方差，来分离出陀螺仪噪声中的不同成分：角度随机游走、速率随机游走、零偏不稳定性、量化噪声等。

我曾经用艾伦方差分析帮一个客户排查过问题。他们的无人机在悬停时总是有高频抖动，PID调了无数遍都没用。我一测陀螺仪的艾伦方差，发现角度随机游走系数比规格书大了10倍——传感器坏了。换了一个后，问题立刻消失。

艾伦方差的计算步骤：

采集长时间静态数据（至少2小时，越长越好）
将数据按不同时间长度τ分组，每组取平均值
计算相邻组平均值的方差，得到艾伦方差σ²(τ)
绘制log(τ) - log(σ)曲线，从曲线斜率识别噪声类型

快速判断：艾伦方差曲线斜率为-1/2的区域对应角度随机游走，斜率为0的区域对应零偏不稳定性，斜率为+1/2的区域对应速率随机游走。斜率越陡，说明该噪声成分越显著。

下面这张图展示了艾伦方差分析的核心流程：

实际工程中，我们最关心两个指标：角度随机游走（ARW）和零偏不稳定性（Bias Instability）。ARW决定了姿态估计的短期精度，零偏不稳定性决定了长期漂移程度。

噪声类型	艾伦方差斜率	物理含义	典型值（消费级）
角度随机游走	-1/2	白噪声积分后的角度误差	0.1~0.5 °/√h
零偏不稳定性	0	零偏随时间的缓慢变化	5~20 °/h
速率随机游走	+1/2	角速度的随机漂移	0.01~0.1 °/h/√h
量化噪声	-1	ADC量化引起的误差	取决于分辨率

避坑指南：我曾经遇到过有人用10分钟的数据做艾伦方差分析，结果曲线根本看不出斜率特征。艾伦方差分析对数据时长有硬性要求——要看到零偏不稳定性拐点，至少需要采集1小时以上的数据。想看到完整的噪声谱，2小时起步。

4.4 三个标定层次的工程落地

在实际项目中，这三个层次不是割裂的。我一般按这个顺序来做：

第一步：做静态零偏标定，得到当前温度下的零偏值。这一步在产线或飞控上电时自动完成。
第二步：做全温标定，建立温度补偿表。这一步在研发阶段完成，产线只做抽检。
第三步：做艾伦方差分析，评估传感器质量。这一步在传感器选型和来料检验时做，确保批次一致性。

嗯，这里要注意：温度补偿和艾伦方差分析不是每次飞前都要做。静态零偏标定可以每次上电做一次（也就30秒），但温度补偿表是出厂就写死的，艾伦方差分析更是只在研发和质检阶段做。

最后说一句：标定不是万能的。如果传感器本身质量太差，标定也救不回来。我见过有人花了两周时间调温度补偿，结果发现是陀螺仪本身坏了——换一个就好了。所以，先做艾伦方差分析确认传感器健康，再做标定，这个顺序别搞反了。

📚 课程目录

4、陀螺仪标定：静态零偏标定，温度补偿，艾伦方差分析

4.1 静态零偏标定

4.2 温度补偿

4.3 艾伦方差分析

4.4 三个标定层次的工程落地