第2章 误差来源分析：系统误差、随机误差、粗大误差的定义与区别

做传感器标定这么多年，我见过太多工程师一上来就调参数、做补偿，结果越调越乱。为什么？说白了，就是没搞清楚误差到底从哪来的。

误差这东西，就像房间里的大象——你假装看不见，它迟早会绊你一脚。我个人习惯，拿到一个传感器，第一件事不是看精度指标，而是先分析误差来源。今天咱们就把三种误差类型掰开揉碎了讲清楚。

2.1 系统误差：那个永远偏一边的“老顽固”

系统误差，我管它叫“有规律的偏差”。它就像一把尺子，刻度整体偏了0.1mm——你量什么都多出0.1mm。

定义：在相同条件下，多次测量同一量值时，误差的绝对值和符号保持恒定，或按某种确定规律变化。

特点：

• 确定性：大小和方向固定，或随某个因素（温度、时间）规律变化
• 可预测性：理论上可以通过标定完全消除
• 重复性：换个人、换个时间测，结果一样偏

常见来源：

• 传感器本身的制造偏差（比如应变片的粘贴位置偏了）
• 环境因素（温度漂移、电源波动）
• 测量方法缺陷（比如用万用表测电阻时没考虑引线电阻）
• 操作习惯（比如读指针表时总是偏左看）

2.2 随机误差：那个捉摸不定的“捣蛋鬼”

随机误差就调皮多了。你想想看，同一个传感器，同一个被测对象，同一个操作员，连续测10次，结果每次都不一样。为什么会这样？

定义：在相同条件下，多次测量同一量值时，误差的绝对值和符号以不可预知的方式变化。

特点：

• 无规律性：单次测量无法预测
• 统计规律性：大量测量服从正态分布（高斯分布）
• 不可消除性：只能通过多次测量取平均来减小，无法完全消除

常见来源：

• 电子噪声（热噪声、散粒噪声）
• 机械振动
• 电磁干扰
• 量化误差（ADC转换时的舍入）

2.3 粗大误差：那个该被开除的“害群之马”

粗大误差，说白了就是“明显不对”的数据。我刚开始做标定时，有一次测出来的数据比正常值大了整整一个数量级，我还以为是传感器坏了，结果发现是数据线没插紧。

定义：明显超出规定条件下预期范围的误差，通常由人为失误或仪器故障引起。

特点：

• 异常性：数值明显偏离正常范围
• 可识别性：通过统计方法（如3σ准则、格拉布斯准则）可以检测
• 必须剔除：不能参与数据处理，否则会严重扭曲结果

常见来源：

• 操作失误（读数记错、单位搞混）
• 仪器故障（突然跳变、接触不良）
• 环境突变（强电磁脉冲、机械冲击）

2.4 三种误差的核心区别

为了让你一眼看明白，我整理了一张对比表：

特性	系统误差	随机误差	粗大误差
产生原因	仪器缺陷、方法不当	随机因素、噪声	人为失误、仪器故障
变化规律	恒定或规律变化	无规律，服从统计分布	明显异常
可否消除	可通过标定补偿消除	只能减小，不能消除	必须剔除
处理方法	修正、补偿、校准	多次测量取平均	统计检测后剔除
对结果影响	影响准确度	影响精密度	严重扭曲结果

2.5 误差分析框架图

下面这张图，是我做标定时脑子里始终绷着的一根弦。它帮你快速定位问题出在哪一类误差上：

2.6 实战中的判断技巧

光知道定义还不够，关键是怎么在实际数据里把它们区分开。我分享几个实用方法：

1. 看趋势：如果数据整体偏向一侧，大概率是系统误差。比如测10次，9次都偏大。
2. 看分布：如果数据在真值周围随机跳动，像打靶时弹着点均匀散布，那就是随机误差。
3. 看离群：如果某个数据点明显“飞”出去了，比如其他数据都在100±1，突然冒出来一个120，那基本是粗大误差。

嗯，到这里，三种误差的定义和区别你应该心里有数了。记住一句话：系统误差靠标定，随机误差靠统计，粗大误差靠剔除。后面几章，我会具体讲怎么用代码和算法来处理它们。