4、IMU误差模型：零偏、尺度因子、交叉耦合、非线性、温度漂移、随机噪声等误差参数定义

IMU（惯性测量单元）的原始输出并非理想中的角速度与加速度真值，而是叠加了多种确定性误差与随机误差的混合信号。在标定与校准工作中，首要任务便是建立完整的误差模型，将每一项误差参数从原始数据中分离并量化。本章将系统定义零偏、尺度因子、交叉耦合、非线性、温度漂移与随机噪声六大类误差参数，明确其数学表达、物理来源、辨识方法及对导航解算的影响路径。只有准确理解这些误差参数的内涵与边界，后续的六位置法、转台标定、Allan方差分析等具体操作才有理论依据。

4.1 零偏（Bias）

核心原理：零偏是指当IMU处于静止状态（角速度输入为零、加速度输入为零）时，传感器输出中仍然存在的恒定偏置量。对于陀螺仪，零偏的单位通常为°/h或°/s；对于加速度计，零偏的单位为mg或m/s²。零偏是IMU误差中最主要、最基础的误差源，它直接积分进姿态和速度解算中，导致随时间累积的姿态漂移和位置发散。

零偏的数学表达为：

ω_meas = ω_true + b_g + n_g
a_meas = a_true + b_a + n_a

其中b_g为陀螺零偏，b_a为加速度计零偏，n_g和n_a为随机噪声。零偏又可分为常值零偏（上电后基本不变）和逐次上电零偏（每次上电可能不同）。常值零偏可通过标定补偿，而逐次上电零偏需要在每次启动后进行现场估计（如静止初始化）。

判断与辨识方法：零偏的标定通常在转台或静止基座上完成。将IMU水平放置，采集足够长时间（通常30秒至2分钟）的静态数据，取平均值即为该轴零偏。对于三轴IMU，需要分别将各轴指向天向和地向进行测试，以分离零偏与重力分量。

4.2 尺度因子（Scale Factor）

核心原理：尺度因子描述的是传感器实际输出与理想输出之间的比例偏差。理想情况下，陀螺仪输出1°/s的角速度时，数字输出应为对应标称值；但实际器件由于制造公差、电路增益误差等原因，输出值会偏离理想比例。尺度因子误差通常以ppm（百万分之一）或百分比（%）表示。

尺度因子的数学表达为：

ω_meas = (1 + s_g)·ω_true + b_g
a_meas = (1 + s_a)·a_true + b_a

其中s_g和s_a分别为陀螺和加速度计的尺度因子误差。尺度因子误差会导致比例性的测量偏差，在高速旋转或大加速度场景下影响尤为显著。

标定方法：尺度因子的标定需要已知精确的输入角速度或加速度。在转台上，以多个不同速率（如±10°/s、±50°/s、±100°/s、±200°/s）旋转IMU，记录输出并拟合输入-输出曲线，其斜率即为尺度因子。对于加速度计，利用重力场在不同方向上的投影分量作为已知输入，通过多位置法拟合。

4.3 交叉耦合（Cross-Axis Coupling）

核心原理：交叉耦合误差是指某一轴的输入信号在其他轴上产生输出响应的现象。理想情况下，三轴IMU各轴应完全正交且相互独立，但实际制造中由于敏感轴对准误差、封装应力、电路串扰等原因，X轴的角速度输入会在Y轴和Z轴产生微小输出。交叉耦合误差通常以百分比或毫弧度表示。

交叉耦合的数学表达为矩阵形式：

[ω_meas_x]   [1    m_xy  m_xz] [ω_true_x]   [b_gx]
[ω_meas_y] = [m_yx  1     m_yz]·[ω_true_y] + [b_gy]
[ω_meas_z]   [m_zx  m_zy   1  ] [ω_true_z]   [b_gz]

其中m_xy表示Y轴输入对X轴输出的耦合系数。对于加速度计同样存在类似的交叉耦合矩阵。

辨识方法：交叉耦合系数的标定需要转台提供单轴纯旋转。例如，仅绕X轴旋转时，Y轴和Z轴的输出即为交叉耦合项。通过依次绕三个轴旋转，可以完整辨识出9个耦合系数（每个轴对其他两个轴的耦合）。

4.4 非线性（Nonlinearity）

核心原理：非线性误差描述的是传感器输出与输入之间偏离线性关系的程度。理想情况下，IMU输出应与输入呈严格线性关系，但实际器件在大输入范围下会出现饱和、死区或增益变化等非线性特性。非线性误差通常以满量程的百分比（%FS）表示。

非线性误差的数学表达为：

ω_meas = f(ω_true) ≈ (1+s)·ω_true + b + n·ω_true² + 高阶项

其中n为二阶非线性系数。对于大多数MEMS IMU，在满量程的30%~70%范围内线性度较好，但在接近满量程时非线性显著增加。

标定与补偿：非线性标定需要在多个输入点（通常5~11个）采集数据，通过多项式拟合建立输入-输出曲线。补偿时使用拟合的反函数对原始输出进行修正。对于高动态应用（如无人机急转弯、机器人快速运动），非线性补偿尤为重要。

4.5 温度漂移（Temperature Drift）

核心原理：温度漂移是指IMU的零偏和尺度因子随温度变化而产生的偏移。MEMS传感器的机械结构、电路增益、封装应力等均受温度影响，导致输出随温度漂移。典型MEMS陀螺仪的零偏温度漂移可达±1°/s（全温范围），加速度计零偏温度漂移可达±10mg。

温度漂移的建模通常采用多项式形式：

b(T) = b_0 + k_1·(T - T_0) + k_2·(T - T_0)² + ...
s(T) = s_0 + c_1·(T - T_0) + c_2·(T - T_0)² + ...

其中T_0为参考温度（通常取25°C），k_i和c_i为温度系数。

标定流程：温度标定需要温箱与转台联合使用。将IMU置于温箱中，在-40°C至+85°C范围内设置多个温度点（通常每10°C一个点），每个温度点保温30分钟以上使温度均匀，然后进行静态零偏采集和转台速率标定。最终建立温度-零偏、温度-尺度因子的查找表或拟合曲线。

4.6 随机噪声（Random Noise）

核心原理：随机噪声是IMU输出中不可预测的随机波动部分，来源于电子热噪声、机械布朗运动、量化误差等。随机噪声无法通过确定性标定消除，只能通过统计建模和滤波算法抑制。常用的随机噪声模型包括：

• 角度随机游走（ARW）/速度随机游走（VRW）：白噪声积分后产生的随机游走，单位分别为°/√h和m/s/√h
• 零偏不稳定性（Bias Instability）：低频漂移分量，是衡量IMU性能的关键指标
• 速率随机游走（RRW）：角加速度的白噪声积分
• 量化噪声：ADC量化过程产生的噪声
• 指数相关噪声（Markov噪声）：具有有限相关时间的随机过程

辨识方法：Allan方差是辨识随机噪声最经典的工具。通过对静态数据进行不同簇时间的分组方差计算，绘制Allan方差双对数曲线，可以从曲线各段的斜率辨识出不同类型的噪声系数。

Allan方差计算步骤：
1. 采集N个静态数据点（采样率f_s，时长通常1~2小时）
2. 选择簇时间τ = m/f_s（m = 1, 2, 4, 8, ...）
3. 将数据分为K = N/m个簇，每簇均值
4. 计算相邻簇均值差的方差：σ²(τ) = (1/2(K-1))·Σ(μ_{k+1} - μ_k)²
5. 绘制log(σ(τ)) vs log(τ)曲线

4.7 综合误差模型与标定策略

将上述所有误差参数整合，IMU的完整误差模型可表示为：

ω_meas = (I + S_g + M_g)·ω_true + b_g(T) + n_g(t) + ε_g(ω_true)
a_meas = (I + S_a + M_a)·a_true + b_a(T) + n_a(t) + ε_a(a_true)

其中S为尺度因子对角矩阵，M为交叉耦合矩阵，b(T)为温度相关零偏，n(t)为随机噪声，ε为非线性残差。标定策略应遵循以下优先级：

1. 温度标定先行：在温箱中建立零偏和尺度因子的温度曲线，确保后续标定在不同温度下的一致性
2. 静态零偏标定：在参考温度下采集静态数据，确定各轴零偏
3. 转台多位置标定：通过六位置法或更多位置分离零偏、尺度因子和交叉耦合
4. 速率标定：通过多速率旋转标定尺度因子线性度和非线性系数
5. Allan方差分析：辨识随机噪声参数，为滤波器设计提供依据

在实际工程中，标定参数的验证同样重要。标定完成后，应通过转台回扫测试或实际运动测试验证补偿效果。验证指标包括：静态零偏残差、速率测试误差、姿态积分漂移等。只有当所有误差参数被准确辨识并补偿后，IMU才能发挥其应有的性能水平，为后续的姿态解算和导航定位提供可靠的数据基础。