3. 传感器仿真 vs 真实传感器：噪声模型、延迟模型、非理想特性建模与补偿

做嵌入式系统这么多年，我踩过最大的坑，就是「仿真跑得飞起，实机一塌糊涂」。尤其是传感器这块，仿真里数据漂漂亮亮，一接上真实器件，噪声、延迟、非线性全来了。说白了，仿真环境太「干净」了，真实世界到处都是「脏东西」。

今天我们就来聊聊，怎么在仿真阶段就把这些坑填上。我个人习惯是：仿真时故意把模型做「烂」一点，反而能提前暴露问题。

3.1 噪声模型：别让仿真骗了你

真实传感器都有噪声。温度、电源纹波、甚至你呼吸的气流都会影响读数。仿真里如果只用理想值，那代码到了实机上肯定崩。

常见的噪声类型：

• 白噪声：均匀分布，像热噪声。用高斯随机数模拟。
• 闪烁噪声：低频段明显，1/f 特性。这个建模麻烦点，我一般用低通滤波后的白噪声近似。
• 量化噪声：ADC 位数不够带来的。比如 10 位 ADC，分辨率只有 5V/1024 ≈ 4.88mV。

代码示例：模拟带噪声的加速度计读数

// 仿真中模拟加速度计噪声
#include <stdlib.h>
#include <math.h>

float gaussian_noise(float stddev) {
    // Box-Muller 变换生成高斯噪声
    float u1 = (float)rand() / RAND_MAX;
    float u2 = (float)rand() / RAND_MAX;
    return stddev * sqrt(-2.0 * log(u1)) * cos(2.0 * M_PI * u2);
}

float simulate_accel(float true_accel) {
    float noise_std = 0.05;  // 50 mg 噪声标准差
    return true_accel + gaussian_noise(noise_std);
}

3.2 延迟模型：时序问题最隐蔽

真实传感器有延迟。I2C 读取要时间，内部 ADC 转换要时间，甚至信号从敏感元件到寄存器都有传播延迟。仿真里如果忽略这些，控制环路到了实机上就会振荡。

延迟来源：

• 采样延迟：传感器内部采样保持电路需要时间。
• 通信延迟：I2C/SPI 总线速率有限，数据包传输有耗时。
• 处理延迟：MCU 读取、滤波、计算的时间。

我建议在仿真中加一个「延迟缓冲区」。比如模拟一个 10ms 的传感器延迟，就把当前时刻的数据存起来，10ms 后再输出。

代码示例：延迟模型实现

// 环形缓冲区实现传感器延迟
#define DELAY_SAMPLES 10  // 假设采样周期 1ms，延迟 10ms

float delay_buffer[DELAY_SAMPLES];
int delay_index = 0;

float sensor_with_delay(float raw_value) {
    float delayed_value = delay_buffer[delay_index];
    delay_buffer[delay_index] = raw_value;
    delay_index = (delay_index + 1) % DELAY_SAMPLES;
    return delayed_value;
}

3.3 非理想特性建模：真实世界不完美

真实传感器还有各种「坏脾气」：非线性、温漂、零偏、交叉灵敏度。仿真里如果都用理想线性模型，那实机校准会做到你怀疑人生。

常见非理想特性：

特性	描述	仿真建模方法
非线性	输出与输入不成正比	多项式拟合（如 y = ax + bx² + c）
温漂	温度变化导致输出偏移	加入温度系数项（如 +0.01%/°C）
零偏	无输入时仍有输出	加固定偏移量
交叉灵敏度	对其他物理量敏感（如加速度计对振动敏感）	加入干扰项

代码示例：带非理想特性的温度传感器模型

// 模拟一个带非线性和温漂的 NTC 热敏电阻
float simulate_ntc(float real_temp, float ambient_temp) {
    // 理想输出（假设线性，实际 NTC 是非线性的）
    float ideal_output = real_temp;
    
    // 非线性：2 阶多项式
    float nonlinear = 0.98 * ideal_output + 0.0005 * ideal_output * ideal_output;
    
    // 温漂：环境温度每变化 10°C，偏移 0.5°C
    float drift = 0.05 * (ambient_temp - 25.0);
    
    // 零偏：固定 0.2°C 偏移
    float bias = 0.2;
    
    return nonlinear + drift + bias;
}

3.4 补偿策略：仿真里练好「功夫」

知道了非理想特性，下一步就是补偿。我个人习惯在仿真阶段就把补偿算法写好、调好，实机只做参数微调。

常用补偿方法：

• 查表法：提前标定好输入输出关系，运行时查表插值。适合非线性严重的情况。
• 多项式拟合：用低阶多项式近似反函数，计算快。
• 卡尔曼滤波：融合多传感器数据，同时估计噪声和状态。
• 自适应补偿：在线估计参数，比如用 LMS 算法跟踪温漂。

代码示例：查表法补偿非线性

// 查表法补偿 NTC 非线性
// 假设标定数据：输入 ADC 值 -> 实际温度
float lookup_table[][2] = {
    {100, -10.0},
    {200, 0.0},
    {300, 10.0},
    {400, 20.0},
    {500, 30.0},
    {600, 40.0}
};
int table_size = sizeof(lookup_table) / sizeof(lookup_table[0]);

float compensate_ntc(float adc_value) {
    // 线性插值
    for (int i = 0; i < table_size - 1; i++) {
        if (adc_value >= lookup_table[i][0] && adc_value <= lookup_table[i+1][0]) {
            float ratio = (adc_value - lookup_table[i][0]) / 
                          (lookup_table[i+1][0] - lookup_table[i][0]);
            return lookup_table[i][1] + ratio * (lookup_table[i+1][1] - lookup_table[i][1]);
        }
    }
    return 0.0;  // 超出范围
}

3.5 知识体系总览

下面这张图总结了我们这一章的核心逻辑。你想想看，从仿真到实机，其实就是把「理想世界」一步步变成「真实世界」的过程。

你看，从理想模型开始，一步步加入噪声、延迟、非理想特性，最后用补偿策略兜底。这个过程在仿真里跑通了，实机基本就是换个参数的事。我这些年做过的项目，凡是仿真阶段认真建模的，实机调试时间至少缩短一半。