📚 课程目录第4章误差预算基本方法

4. 误差预算基本方法

误差预算不是把数据手册上的几个误差数字简单相加，而是一套从“找误差”到“算误差”再到“验证误差”的工程方法。它的核心目标是：在给定输入信号范围、温度范围、时间寿命和供电条件下，回答“我的信号链最坏会偏多少、典型会偏多少、超差概率有多大”。本节围绕四个递进环节展开：误差源识别、误差项量化、最坏情况分析、RSS 统计分析与蒙特卡洛方法。

一、核心原理：误差预算的四层递进

误差预算的基本逻辑是“先穷举、再折算、后合成、终验证”。第一层是误差源识别，即把信号链上每一个可能引入偏差的物理机制找出来，包括运放失调、增益误差、电阻容差、基准温漂、ADC 量化与非线性、传感器非线性、PCB 漏电、热电偶效应等。第二层是误差项量化，把每个误差源折算到同一参考点（通常是输入端 RTI 或输出端 RTO），并统一为同一置信条件（如 ±3σ 或最大值）。第三层是合成，用最坏情况法或 RSS 法把各误差项合并。第四层是验证，用蒙特卡洛仿真或实测统计检验预算是否可信。

误差预算的本质是“量纲统一 + 参考点统一 + 置信条件统一”。三者不统一，任何合成结果都不可信。

二、误差源识别：从器件到系统的清单化

识别误差源最有效的方式是按信号路径逐级扫描，并对照“器件—环境—接口”三个维度。以“传感器 → 仪表放大器 → RC 滤波 → ADC 基准 → ADC”为例，典型误差源清单如下：

传感器级：零点失调、灵敏度误差、非线性、迟滞、温漂、长期漂移。
放大器级：输入失调电压 V_OS、失调温漂、输入偏置电流 I_B 在源阻抗上的压降、增益误差、CMRR、PSRR、噪声。
无源器件级：电阻容差、电阻温漂、电阻失配、电容漏电、介质吸收。
基准级：初始精度、温漂、长期漂移、负载调整率、噪声。
ADC 级：量化误差、INL、DNL、失调与增益误差、参考输入误差。
环境与接口级：温度梯度、热电偶效应、PCB 漏电流、地环路、EMI 整流。

识别阶段不追求精确数值，而追求“不遗漏”。建议用表格逐项登记，并标注每项是“随机型”还是“系统型”，因为后续合成方法对二者处理不同。

三、误差项量化：折算到同一参考点

量化阶段要把每个误差源转换成同一单位、同一参考点、同一置信条件。常用折算关系如下：

RTI 失调 = V_OS + I_B × R_source
增益误差 RTI = 满量程输入 × 增益误差百分比
基准误差 RTI = 满量程输入 × (基准偏差 / 基准标称值)
ADC 量化误差 RTI = (V_REF / 2^N) / 增益
温度漂移 RTI = 温漂系数 × ΔT

量化时必须区分两类误差：系统型误差（如初始失调、增益误差、基准初始精度）可通过校准消除或大幅削弱；随机型误差（如噪声、温漂、长期漂移、量化误差）通常不可校准，只能统计合成。把可校准项和不可校准项混在一起做 RSS，会严重低估或高估总误差。

四、最坏情况分析与 RSS 统计分析

最坏情况分析（Worst-Case Analysis）假设所有误差同时朝同一方向取极值，总误差为各误差绝对值之和：

E_WC = |E1| + |E2| + |E3| + ... + |En|

它给出的是“理论上不会超过”的上限，适合安全关键、医疗、航天等不允许超差的场景。缺点是过于保守，往往导致选型过贵、功耗过高。

RSS 统计分析（Root-Sum-Square）假设各随机误差相互独立且服从正态分布，总误差为各误差平方和开方：

E_RSS = sqrt(E1² + E2² + E3² + ... + En²)

RSS 结果通常远小于最坏情况值，更接近实际分布。但它有前提：误差项独立、近似正态、无主导项。若某一项误差远大于其他项，RSS 会被该项主导，此时应优先削减主导项，而不是继续增加小项。

方法	合成公式	适用场景	风险
最坏情况	Σ\|Ei\|	安全关键、不允许超差	过于保守、成本高
RSS	√ΣEi²	随机误差独立、近似正态	低估系统型误差
蒙特卡洛	随机抽样统计	非线性、非正态、强相关	依赖模型准确性

五、蒙特卡洛方法：从公式到分布

当误差项存在非线性、非正态或强相关时，RSS 不再可靠，此时用蒙特卡洛方法。其流程是：为每个误差源建立概率分布（正态、均匀、三角等），随机抽样组合，计算每次输出的总误差，重复数万次后统计均值、标准差和超差概率。

for i in 1..N:
  VOS   = normal(0, 50uV)
  GainE = uniform(-0.1%, +0.1%)
  RefE  = normal(0, 0.05%)
  Vout  = (Vin + VOS) * (1 + GainE) * (1 + RefE)
  record(Vout)

蒙特卡洛的最大价值是给出分布而非单一数值：你可以直接看到 P99、P99.9 和超差概率，从而判断预算是否留有余量。它也是验证 RSS 假设是否成立的有力工具。

实操建议：先用最坏情况法确定安全边界，再用 RSS 法优化选型，最后用蒙特卡洛验证分布与超差概率。三者不是互斥，而是递进关系。

六、案例与误区复盘

某 16 位数据采集模块，输入 0～10 V，增益 1，ADC 基准 5 V。误差源包括：运放失调 100 μV、失调温漂 2 μV/℃（ΔT=40℃）、增益误差 0.05%、基准初始误差 0.1%、基准温漂 10 ppm/℃、ADC INL 2 LSB、量化误差 0.5 LSB。若直接 RSS 全部项，结果约 0.13% FS；但其中增益误差和基准初始误差可校准，校准后 RSS 降至约 0.04% FS，最坏情况也从 0.35% FS 降至 0.12% FS。这说明先分类再合成比盲目套公式更重要。

常见误区有三：一是把可校准项和不可校准项混算；二是忽略参考点折算，把 RTI 和 RTO 误差直接相加；三是只用 RSS 而忽略主导项，导致预算被某一项悄悄支配。复盘时应逐项检查：是否独立、是否正态、是否已折算、是否可校准、是否有主导项。

总结来看，误差预算基本方法的顺序不可颠倒：识别决定完整性，量化决定可比性，合成决定保守度，验证决定可信度。掌握这四步，才能在精密信号链设计中既不过度设计，也不遗漏风险。