传感器基础：陀螺仪与加速度计的工作原理、测量模型与主要性能指标

在进入传感器融合算法之前，必须先建立对底层传感器的准确认知。陀螺仪与加速度计是惯性测量单元（IMU）的核心器件，前者测量角速度，后者测量比力（Specific Force）。两者的物理本质、误差特性与带宽特性截然不同，融合的目的正是利用它们互补的频域特性与误差来源，获得更优的姿态与位移估计。本章将围绕工作原理、测量模型、关键性能指标三个维度展开，并给出选型与工程判断的实操框架。

2.1 陀螺仪工作原理与测量模型

陀螺仪的核心功能是测量物体绕其敏感轴的角速度。在MEMS（微机电系统）领域，主流方案是振动式陀螺仪，其物理基础是科里奥利效应。当质量块在驱动轴方向做高频振动，同时器件绕敏感轴旋转时，科里奥利力会使质量块在检测轴方向产生位移，该位移与输入角速度成正比。通过电容检测或压阻检测，将位移转换为电信号，再经放大、解调、滤波后输出数字角速度值。

工程上，陀螺仪的测量模型通常表示为：

ω_m = ω_true + b_g + n_g + S_g · ω_true + M_g · ω_true + ε_g

其中，b_g 为零偏（Bias），是静态时输出不为零的偏移量；n_g 为角度随机游走（ARW），代表白噪声积分后的随机误差；S_g 为比例因子误差（Scale Factor Error），即输出与真实角速度之间的比例偏差；M_g 为交叉轴耦合误差（Misalignment），表示非敏感轴上的角速度分量对输出的干扰；ε_g 为残余非线性误差。在实际工程中，零偏和ARW是影响姿态解算精度的最主要因素，而比例因子误差在高速旋转场景（如无人机急转、机器人快速转向）中不可忽略。

2.2 加速度计工作原理与测量模型

加速度计测量的是物体受到的比力（Specific Force），即单位质量所受的惯性力与重力之差。MEMS加速度计通常采用弹簧-质量-阻尼系统：当加速度作用于器件时，质量块相对固定电极产生位移，改变差分电容值，通过电容-电压转换电路输出与加速度成比例的信号。需要特别强调的是，加速度计在静止时输出的是重力加速度的反向分量（约1g），而非零值，这是初学者最容易混淆的概念。

加速度计的测量模型为：

a_m = a_true - g + b_a + n_a + S_a · a_true + M_a · a_true + ε_a

其中，a_true 为真实运动加速度，g 为重力加速度矢量，b_a 为零偏，n_a 为速度随机游走（VRW），S_a 和 M_a 分别为比例因子误差和交叉轴耦合误差。在姿态解算中，加速度计常被用作“重力参考”，通过测量重力矢量在载体坐标系中的投影来估计横滚角和俯仰角。但需要注意，当载体存在线性加速度（如车辆加速、无人机急飞）时，加速度计输出会混入运动加速度，导致姿态估计失真，此时需要借助陀螺仪或外部速度参考进行校正。

2.3 主要性能指标详解

选择IMU芯片或评估传感器性能时，以下指标是必须关注的。它们直接决定了融合算法的精度上限和适用场景。

零偏稳定性是衡量传感器在恒定条件下零偏随时间漂移程度的指标，通常用Allan方差分析得到。对于无人机姿态控制，陀螺仪零偏稳定性优于5°/h即可满足基本需求；对于高精度测绘或惯性导航，则需优于0.5°/h。随机游走反映了噪声的积分特性，ARW越小，角度估计的短期波动越小。量程决定了传感器能测量的最大角速度或加速度，超出量程会导致输出饱和，产生严重失真。带宽则决定了传感器能响应的最高频率，带宽过低会滤除真实动态信号，过高则引入更多高频噪声。

2.4 实战场景：IMU选型与初始标定流程

假设你正在设计一款室内巡检机器人的姿态估计模块，要求俯仰/横滚角精度优于±1°，偏航角漂移小于5°/分钟。机器人最大运动角速度约±150°/s，最大加速度约±3g。基于这些约束，我们进行选型与初始标定。

第一步：选型分析。根据量程需求，陀螺仪选择±250°/s档位（留足裕量），加速度计选择±4g档位。查看数据手册，确认零偏稳定性：陀螺仪需优于5°/h，加速度计需优于5mg。带宽方面，机器人运动频率通常在10Hz以内，选择100Hz带宽即可，同时利用内置低通滤波器抑制高频振动噪声。

第二步：上电静置标定。将IMU水平固定于静止平台，上电后等待2分钟，采集2000个样本（采样率100Hz）。对陀螺仪三轴输出求平均，得到零偏初值；对加速度计三轴输出求平均，结合当地重力加速度（约9.793m/s²）计算零偏和初始姿态角。

// 伪代码示例：零偏计算
gyro_bias_x = mean(gyro_x[0:2000]);
gyro_bias_y = mean(gyro_y[0:2000]);
gyro_bias_z = mean(gyro_z[0:2000]);

accel_bias_x = mean(accel_x[0:2000]) - 0;  // 水平放置时x轴理论为0
accel_bias_y = mean(accel_y[0:2000]) - 0;
accel_bias_z = mean(accel_z[0:2000]) - 9.793;  // z轴理论为重力加速度

第三步：Allan方差分析。采集1小时静止数据，绘制Allan方差曲线，确定ARW和零偏稳定性实测值。若实测零偏稳定性劣于数据手册标称值，需检查供电纹波、机械振动或温度变化是否过大。

第四步：温度补偿（可选）。如果工作环境温度变化超过±10°C，建议建立零偏-温度曲线。将IMU放入温箱，从-20°C到60°C每5°C采集一次零偏，拟合多项式补偿模型。

2.5 常见误区与总结

误区一：认为加速度计静止时输出为零。实际上，加速度计静止时输出的是重力加速度的反向分量，大小为1g。若忽略这一点，直接对加速度积分求速度或位移，会得到完全错误的结果。

误区二：忽视带宽匹配。陀螺仪和加速度计的带宽应匹配融合算法的更新频率。如果传感器带宽远高于算法更新率，高频噪声会混叠到低频；如果带宽过低，真实动态信号被衰减，导致姿态响应滞后。

误区三：零偏标定一次即可。零偏随温度和时间漂移，单次标定无法覆盖全生命周期。工程上应定期重新标定，或在融合算法中在线估计零偏（如卡尔曼滤波中增加零偏状态量）。

误区四：混淆零偏与随机游走。零偏是确定性误差，可通过标定去除；随机游走是随机误差，只能通过滤波抑制。两者在Allan方差曲线上表现为不同区域的斜率特征，分析时应区分对待。