4. 不确定度基本概念

在频谱测量中，我们经常遇到这样的问题：测得的功率电平是 -30.2 dBm，那么这个结果到底有多“可信”？不确定度评估就是回答这个问题的语言体系。本节将围绕四个层层递进的核心概念展开：标准不确定度、合成不确定度、扩展不确定度，以及连接后两者的桥梁——包含因子与置信概率。理解它们之间的逻辑关系，是后续建立频谱测量不确定度模型的基础。

一、标准不确定度：单个误差源的标准差表达

标准不确定度（standard uncertainty）用符号 u 表示，它把某一误差源的影响统一折算为“一个标准偏差”的量级。之所以用标准差，是因为不确定度本质上是概率分布问题：误差不会固定出现，而是在一定范围内以某种概率分布波动。

根据评定方式不同，标准不确定度分为两类：

• A 类评定：通过对多次重复测量的数据进行统计分析得到，用实验标准差表征。例如对同一频谱点重复测量 10 次，计算其标准差 s，则 u_A = s/√n（n 为测量次数）。
• B 类评定：依据仪器说明书、校准证书、经验或假设的概率分布，将已知的误差限 a 除以包含因子 k 得到，即 u_B = a/k。例如某衰减器校准证书给出最大允许误差 ±0.5 dB，假设均匀分布，则 k = √3，u_B ≈ 0.289 dB。

二、合成不确定度：多误差源的方差叠加

频谱测量通常同时受到多个误差源影响：参考电平精度、衰减器误差、频率响应、失配、本底噪声、分辨率带宽设置等。合成不确定度（combined standard uncertainty）u_c 就是把这些独立误差源的标准不确定度按“方差相加”的方式合并起来：

u_c = sqrt( u1^2 + u2^2 + u3^2 + ... + uN^2 )

其中：
u1, u2, ... uN 为各误差源的标准不确定度
若各分量之间存在相关性，还需引入协方差项

这里的关键是“平方和开根号”，而不是简单相加。原因在于：各误差源相互独立时，它们同时朝同一方向取到极值的概率很低，方差叠加更符合统计规律。因此合成不确定度通常小于各分量绝对值之和，这也是不确定度评估比“最坏情况相加”更科学的地方。

当各分量对测量结果的灵敏度不同时，需要先乘以灵敏度系数 c_i（即偏导数），再参与合成：u_c = √(Σ(c_iu_i)²)。在频谱测量中，很多分量的灵敏度系数为 1，但涉及单位换算或函数关系时需特别注意。

三、扩展不确定度、包含因子与置信概率

合成不确定度 u_c 对应的是约 68% 的置信水平（正态分布下 ±1σ）。在工程报告和校准证书中，通常需要给出更高的置信概率，例如 95% 或 99%。这时就要引入扩展不确定度（expanded uncertainty）U：

U = k * u_c

k：包含因子（coverage factor）
U：扩展不确定度
置信概率由 k 和有效自由度共同决定

包含因子 k 与置信概率 p 的对应关系，在正态分布假设下大致如下表所示。实际评估中，若有效自由度较小，应查 t 分布表而非直接使用正态分布值。

四、从误差源到报告值的完整链路

下面这张图展示了频谱测量不确定度评估中，从单个误差源到最终报告值的完整逻辑链路。它把本节四个核心概念串成一条可操作的路径：先评定各分量的标准不确定度，再合成，最后用包含因子扩展为报告不确定度。

五、案例：某频谱仪功率测量不确定度报告

假设用一台频谱分析仪测量 1 GHz 处某信号的功率电平，读数 P = -30.2 dBm。经分析，主要误差源及标准不确定度如下：

参考电平精度：u1 = 0.20 dB
衰减器误差：  u2 = 0.29 dB
频率响应：    u3 = 0.15 dB
失配：        u4 = 0.12 dB
重复性(A类)： u5 = 0.08 dB

合成不确定度：
u_c = sqrt(0.20^2 + 0.29^2 + 0.15^2 + 0.12^2 + 0.08^2)
    = sqrt(0.04 + 0.0841 + 0.0225 + 0.0144 + 0.0064)
    = sqrt(0.1674)
    ≈ 0.409 dB

取 k = 2，则扩展不确定度：
U = 2 × 0.409 ≈ 0.82 dB

报告结果：P = (-30.2 ± 0.8) dBm，k = 2，约 95% 置信概率

这个例子说明：单个误差源看起来都不大，但合成后仍可能接近 0.4 dB；扩展后约 0.8 dB。如果忽略不确定度，直接报 -30.2 dBm，就会掩盖测量结果真实的可靠区间。

六、常见误区与复盘要点

• 误区一：把标准不确定度当扩展不确定度报告。 只给 u_c 而不给 k，读者无法判断置信水平，报告不完整。
• 误区二：所有分量都按均匀分布取 k=√3。 分布假设应依据证书或经验，正态、三角、均匀分布对应的 k 不同。
• 误区三：忽略相关性。 若两个分量来自同一台仪器或同一校准源，可能存在相关性，直接平方相加会低估 u_c。
• 误区四：有效自由度被忽略。 当 A 类分量少、自由度小时，k=2 对应的置信概率可能明显低于 95%，应使用 t 分布修正。
• 复盘要点： 建立误差源清单 → 逐项评定 u_i → 检查相关性 → 合成 u_c → 确定 k 与 p → 给出 U 和报告格式。