3. IMU原理
在轮速与IMU组合导航系统中，IMU（惯性测量单元）负责提供高频的角速度和比力信息，是航位推算与姿态估计的核心传感器。理解IMU内部加速度计与陀螺仪的工作机理，并掌握其误差模型，是后续进行零偏补偿、标定和组合滤波的前提。本节从敏感原理出发，逐步建立从理想输出到真实输出的误差描述框架。
一、加速度计与陀螺仪的工作原理
加速度计测量的是比力，即载体受到的除重力外的非引力加速度在敏感轴上的投影。以常见的MEMS电容式加速度计为例，其核心是一个由硅微加工形成的质量块，通过弹性梁悬置于固定电极之间。当载体沿敏感轴加速时，质量块因惯性产生位移，导致差分电容发生变化，电容变化量经调制解调后正比于加速度。静止时，加速度计输出的是重力在敏感轴上的分量，因此单轴加速度计无法区分重力与运动加速度，必须结合姿态信息才能分离。
陀螺仪测量的是载体绕敏感轴的角速度。MEMS陀螺仪通常利用科里奥利效应：驱动质量块在平面内做高频振动，当载体绕垂直轴旋转时，科里奥利力使质量块在正交方向产生位移，该位移经电容检测后正比于角速度。与加速度计不同，陀螺仪不直接感受重力，但存在零偏、标度因数非线性和随机游走等误差。在组合导航中，陀螺仪积分得到姿态变化，加速度计在重力约束下修正姿态，两者互补。
二、误差模型：零偏、标度因数与随机噪声
真实IMU的输出可统一表示为：
y = (1 + s) · x + b + n其中 x 为真实物理量，y 为传感器读数，s 为标度因数误差，b 为零偏，n 为随机噪声。这一模型虽然简洁，却涵盖了工程中最主要的误差来源。
- 零偏（Bias）：当输入为零时传感器的非零输出。零偏又分为常值零偏、温度漂移零偏和逐次启动零偏。常值零偏可通过静态标定估计并补偿；温漂零偏需要建立温度-零偏曲线；逐次启动零偏每次上电不同，需在组合导航中在线估计。
- 标度因数（Scale Factor）：传感器输出与真实输入之间的比例系数偏差。理想情况下标度因数为1，实际存在非线性、不对称性和温度敏感性。标度因数误差在大角速度或大加速度场景下影响显著，例如车辆急转弯时陀螺仪输出可能被系统性放大或缩小。
- 随机噪声：包括白噪声和随机游走。白噪声表现为高频抖动，可通过低通滤波或卡尔曼滤波抑制；随机游走表现为零偏随时间的缓慢漂移，其功率谱密度用角度随机游走（ARW）或速度随机游走（VRW）描述，是限制纯惯性导航精度的关键因素。
三、Allan方差与噪声参数辨识
Allan方差是分析IMU随机噪声的标准工具。对静态采集的长时间数据，按不同时间簇长度计算方差，再绘制双对数曲线，可以辨识出量化噪声、角度随机游走、零偏不稳定性、速率随机游走等噪声项。工程中常用以下参数描述：
| 噪声项 | Allan曲线斜率 | 物理含义 | 典型影响 |
|---|---|---|---|
| 量化噪声 | -1 | ADC量化误差 | 高频抖动 |
| 角度随机游走 | -1/2 | 白噪声积分 | 姿态随机漂移 |
| 零偏不稳定性 | 0 | 零偏缓慢波动 | 长时间航向误差 |
| 速率随机游走 | +1/2 | 零偏随机游走 | 速度/位置发散 |
工程提示：Allan方差分析要求传感器静止且温度稳定，采集时长通常不少于2小时。对于MEMS IMU，角度随机游走常以 °/√h 为单位，零偏不稳定性以 °/h 为单位，两者共同决定组合导航中IMU权重的分配。
四、案例：轮速与IMU组合中的零偏补偿
假设某车辆在平坦路面直线行驶，轮速计提供纵向速度，IMU提供角速度和比力。若陀螺仪存在常值零偏 b_g，则航向角会随时间线性漂移，导致组合导航位置误差随行驶距离累积。处理流程如下：
- 车辆静止时采集陀螺仪输出，计算均值作为初始零偏估计 b_g0。
- 利用轮速计判断车辆是否直线行驶，在直线段内将航向角变化率与轮速差进行比对，在线修正残余零偏。
- 在卡尔曼滤波中，将陀螺仪零偏和加速度计零偏作为状态量，通过观测量持续估计。
- 对加速度计，利用重力矢量在静止或匀速段的投影，估计并补偿零偏和标度因数。
# 静态零偏估计示例（伪代码）
gyro_samples = collect_gyro_data(duration=60s, stationary=True)
bias_gyro = mean(gyro_samples)
gyro_corrected = gyro_raw - bias_gyro
# 在线零偏估计（卡尔曼滤波状态更新）
state = [attitude, velocity, position, bias_gyro, bias_accel]
state = kalman_update(state, wheel_speed, imu_data)五、常见误区与复盘
误区一：认为零偏是一个固定常数，标定一次即可永久使用。实际上零偏随温度、时间和启动次数变化，必须结合在线估计。
误区二：忽略标度因数非线性，仅补偿零偏。在大动态场景下，标度因数误差可能比零偏影响更大。
误区三：用白噪声模型描述所有随机误差。随机游走具有时间相关性，若用白噪声近似，卡尔曼滤波会过度信任IMU，导致发散。
复盘要点：IMU误差建模的核心是区分确定性误差和随机误差。确定性误差（零偏、标度因数）通过标定和在线估计补偿；随机误差（白噪声、随机游走）通过滤波和权重分配抑制。只有建立准确的误差模型，轮速与IMU组合导航才能在隧道、城市峡谷等GNSS失效场景下保持可用的定位精度。