1. 课程导入

在精密测量、工业控制、医疗仪器与科学实验设备中，信号链的精度往往决定了整个系统的可信度。一个 24 位 ADC 即便拥有极低的噪声底，如果前端放大器的失调漂移、基准源的温漂、PCB 漏电流或电源纹波未被系统性地纳入预算，最终的有效位数仍可能损失数位。误差预算工程的核心，就是把这些分散、量级不同、来源各异的误差，统一折算到同一个参考点上进行量化、合成与分配，从而在设计阶段就回答一个关键问题：这条信号链到底能做到多准，余量还剩多少，哪一项是当前瓶颈。

学习目标

• 建立“误差可量化、可追溯、可分配”的工程思维，能够把数据手册参数转化为实际工作条件下的误差项。
• 掌握从传感器到 ADC 的完整信号链误差建模方法，包括失调、增益、噪声、漂移、非线性与干扰。
• 能够使用 RSS（均方根合成）、最坏情况（Worst-Case）与蒙特卡洛方法进行误差合成，并理解三者的适用边界。
• 能够根据系统精度指标反推各模块的误差分配额度，形成可执行的选型与设计约束。
• 能够识别常见误区，例如把典型值当最大值、忽略温度区间、混淆峰峰值与 RMS、遗漏基准与电源贡献。

核心概念：误差预算的四个基本量

误差预算不是简单地把误差相加，而是围绕四个基本量展开：误差源（谁贡献了误差）、参考点（折算到输入端还是输出端）、工作条件（温度、电源、时间、负载）、合成方式（相关性与统计分布）。只有明确这四点，误差表才具有工程意义。

总误差(RTI) = √(e1² + e2² + ... + en²)   // 不相关随机误差，RSS 合成
总误差(RTI) = |e1| + |e2| + ... + |en|    // 最坏情况，保守但可能过度设计
输出误差(RTO) = 总误差(RTI) × 增益 G
输入等效误差 = 输出误差 / 增益 G

其中，失调误差通常以输入为参考直接相加；增益误差与满量程相关，需乘以信号幅度；噪声需区分 0.1–10 Hz 低频噪声、宽带 RMS 噪声与峰峰值噪声；温漂则要乘以实际工作温度区间。把这些项统一到同一参考点，是误差预算表能够成立的前提。

整体框架：从指标到验证的闭环

本课程将误差预算工程组织为一条闭环链路：需求分解 → 误差建模 → 预算合成 → 额度分配 → 设计实现 → 实测验证 → 复盘修正。下图展示了这一框架中各环节的输入、输出与关键动作，帮助你在后续章节中始终知道当前处于哪一步、需要交付什么。

典型应用场景

误差预算工程并非只服务于高端仪器，它在多个领域都有直接价值：

• 工业 4–20 mA 变送器：需要在 −40～85 ℃ 内保证 0.1% FSR 精度，基准温漂与放大器失调漂移往往是主因。
• 医疗 ECG / 生物电前端：关注 0.05–100 Hz 噪声、电极失调与共模抑制，误差预算决定可检测的最小信号。
• 精密称重与应变测量：桥式传感器输出仅数 mV，噪声与增益误差直接决定有效位数。
• 数据采集系统（DAQ）：多通道扫描时，建立时间、串扰与基准噪声需纳入统一预算。
• 电池管理与电流检测：分流电阻温漂、放大器失调与 ADC 量化误差共同决定 SOC 估算精度。

方法流程与常见误区

一个可执行的误差预算流程通常包含以下步骤：

1. 明确系统精度指标与工作条件（温度、带宽、电源、寿命）。
2. 画出信号链框图，标注每一级的增益、参考点与接口。
3. 逐项列出误差源，查数据手册并区分典型值与最大值。
4. 将所有误差折算到同一参考点（通常为 RTI）。
5. 按相关性选择 RSS 或最坏情况合成，必要时做蒙特卡洛。
6. 排序灵敏度，分配额度，迭代选型与设计。
7. 实测验证，归因偏差，更新预算表。