1. 课程导入

在嵌入式测量、工业控制、汽车电子、医疗仪器和通信设备中，传感器与执行器的“原始输出”往往并不等于“可信物理量”。例如 ADC 读到的电压码值、IMU 输出的角速度、温度探头采集的电阻比，都会受到零点漂移、增益误差、温漂、非线性、老化与装配差异的影响。自动校准算法与参数管理，正是解决“如何让系统在生命周期内持续保持测量与输出精度”的核心技术组合。

1.1 核心概念：自动校准与参数管理分别是什么

自动校准是指系统在无需人工反复干预的情况下，依据参考源、已知激励、冗余观测或自洽约束，自动估计并补偿误差参数的过程。它通常包含误差建模、激励施加、数据采集、参数估计、补偿应用与结果验证六个环节。常见算法包括最小二乘拟合、递推最小二乘、卡尔曼滤波、查表插值、多项式拟合、神经网络补偿等。

参数管理则是对校准参数进行全生命周期治理，包括参数定义、存储介质选择、版本控制、读写接口、掉电保护、校验与恢复、批量烧录、产线追溯、OTA 更新与安全访问。它关注的不是单个算法公式，而是“参数从哪来、放到哪、谁改过、是否有效、失效后怎么办”。

两者关系可以概括为：自动校准算法产生参数，参数管理系统承载参数，运行时补偿模块消费参数，最终共同决定系统精度。缺少参数管理，校准结果可能因掉电、版本错配或存储损坏而失效；缺少自动校准，参数管理只能管理一组静态手工值，无法应对漂移与批量差异。

1.2 整体知识框架：从误差到闭环

本课程后续内容将围绕“误差建模—校准算法—参数存储—运行时补偿—验证与运维”展开。下图给出整体知识框架与数据流关系，便于建立全局视角。

该框架强调闭环：误差来源驱动建模，建模决定可辨识参数，算法估计参数，参数管理保证参数可信可用，运行时补偿输出结果，验证与运维再把新误差反馈回建模环节。任何一环缺失，系统精度都无法长期稳定。

1.3 方法流程：一次完整自动校准的典型步骤

1. 明确校准目标：确定要补偿的误差项，如零点、灵敏度、温漂系数、非线性段。
2. 设计激励与参考：选择标准源、已知负载、内部基准或冗余通道，保证激励可重复。
3. 采集数据：覆盖工作温度、量程、电压与时间维度，记录原始码值与参考真值。
4. 参数估计：用最小二乘、递推最小二乘或卡尔曼滤波求解误差模型系数。
5. 参数写入与校验：将结果写入 Flash/EEPROM，附加 CRC、版本号与时间戳。
6. 运行时补偿：固件读取参数，按模型实时修正输出。
7. 验证与复盘：检查残差、重复性与温循表现，必要时重新建模。

下面是一段典型的参数存储结构示例，体现参数管理中的版本、校验与备份思想：

typedef struct {
    uint16_t magic;        // 0xCA1B 标识
    uint8_t  version;      // 参数版本号
    uint8_t  crc8;         // 头部校验
    float    zero_offset;  // 零点补偿
    float    gain;         // 增益系数
    float    temp_coef;    // 温漂系数
    uint32_t timestamp;    // 校准时间
    uint16_t crc16;        // 数据区校验
} cal_param_t;

// 双备份写入：A/B 区交替，读取时选 CRC 正确且版本较新者

1.4 典型应用场景与误区复盘