2. 频率稳定度核心指标

上一节我们明确了“频率稳定度”描述的是频率随时间的随机起伏，而不仅仅是频率偏差的大小。要定量刻画这种起伏，必须回答三个问题：用什么样的统计量、在什么样的时间尺度上、对应什么样的噪声机制。本节围绕这三点，梳理Allan方差族指标与幂律噪声模型之间的对应关系，并说明时间偏差与频率偏差如何相互换算。

一、为什么普通方差不够用

如果对一组频率测量值直接求标准差，会遇到两个致命问题：一是经典方差对某些噪声类型（如调频闪烁噪声）不收敛，样本越多方差越大；二是它无法区分“慢漂移”和“快抖动”，而这两类起伏对守时、导航、通信的影响完全不同。Allan方差通过相邻采样间隔的差分构造统计量，把非平稳的相位数据转化为平稳的差分序列，从而让不同噪声类型在双对数坐标下呈现不同斜率，这正是它能成为频率稳定度标准工具的原因。

二、Allan方差与Allan偏差

设以采样间隔 τ₀ 连续测量相位 x(t)，取平均时间 τ = mτ₀，第 k 段平均频率偏差为 ȳₖ。Allan方差定义为相邻两段平均频率偏差之差的平方的统计平均：

σ²_y(τ) = (1/2) · ⟨(ȳₖ₊₁ − ȳₖ)²⟩

开方即得Allan偏差 σ_y(τ)，工程上更常用，因为量纲与频率偏差一致（无量纲的相对值，常以 1e-11、1e-12 表示）。实际计算时，对长度为 N 的相位序列，按 τ 分段得到 M 个平均频率值，再对 M−1 个相邻差求平方和除以 2(M−1)。注意分母是 2 而非 1，这个 1/2 来自差分运算对白噪声方差的加倍效应，是Allan方差区别于普通方差的关键约定。

Allan偏差的局限在于：它对频率漂移（线性频漂）不敏感，因为相邻差分会把线性项抵消掉。当振荡器存在明显老化率时，Allan偏差会低估实际不稳定度，此时需要改用修正Allan方差。

三、修正Allan方差与Hadamard方差

修正Allan方差（Modified Allan Variance, MVAR）在计算平均频率之前先对相位做一次“平均”，其统计量对白相位噪声和闪烁相位噪声的区分能力更强，能有效分离调相白噪声与调频白噪声，常用于需要辨别噪声类型的场合。Hadamard方差则基于三次差分（对相位）或二次差分（对频率），其最大优势是对线性频漂完全免疫，适合评估存在老化或线性漂移的晶振、铷钟长期稳定度。三者的选择可归纳为：常规评估用Allan偏差，需辨噪声类型用修正Allan方差，存在明显频漂用Hadamard方差。

四、时间偏差与频率偏差的关系

频率偏差是相位偏差的导数，相位偏差是频率偏差的积分。设相对频率偏差 y(t) = (f − f₀)/f₀，则相位时间偏差 x(t) = ∫y(t)dt（以秒为单位）。反过来，若已知时间偏差序列 xₖ，平均频率偏差为 ȳₖ = (xₖ₊₁ − xₖ)/τ。这一对关系是所有稳定度计算的基石：Allan方差既可由频率数据算，也可由时间偏差数据算，两者结果一致，但时间偏差数据在长 τ 下更不易受计数器死区影响。

时间偏差方差 TDEV 与修正Allan方差存在严格换算：TDEV(τ) = (τ/√3)·σ_y,modified(τ)。因此TDEV本质上是把无量纲的相对频率稳定度“翻译”成以秒计的时间起伏，在守时系统、时间同步链路中更直观——例如 TDEV(1000 s) = 2 ns，意味着在1000秒平均时间上，时间偏差的典型起伏约为2纳秒。

五、幂律噪声模型与斜率判读

幂律噪声模型把相位噪声谱写成 S_x(f) ∝ f^(α)，对应频率谱 S_y(f) ∝ f^(β)，β = α + 2。不同α、β对应不同噪声类型，而Allan偏差在双对数图上呈现固定斜率，这就是“看斜率识噪声”的依据。上图中已列出五种典型情形：调相白噪声斜率−1、调频白噪声−1/2、调频闪烁噪声0、调频随机游走+1/2、线性频漂+1。

实际判读时，把实测 σ_y(τ) 曲线画在双对数坐标上，观察各 τ 区间的局部斜率：若某段斜率接近−1/2，说明该时间尺度由调频白噪声主导；若出现平台（斜率0），则是调频闪烁噪声；若曲线随 τ 上升，需警惕随机游走或频漂。工程上常用“斜率拟合+分段”的方法确定主导噪声，再据此决定用哪种方差指标、以及振荡器在该 τ 下是否满足指标要求。

六、一个可复现的计算示例

假设某晶振以 τ₀ = 1 s 采样，连续测得 6 个相对频率偏差值（示例数据，非实测）：

ȳ = [2.1e-11, 1.8e-11, 2.4e-11, 1.9e-11, 2.2e-11, 2.0e-11]

取 τ = 1 s（m=1），相邻差为 −0.3、+0.6、−0.5、+0.3、−0.2（单位1e-11），平方和 = 0.09+0.36+0.25+0.09+0.04 = 0.83（×1e-22），除以 2×(6−1)=10，得 σ²_y(1s) ≈ 8.3e-23，σ_y(1s) ≈ 9.1e-12。若取 τ = 2 s，先两两平均再差分，可得到更长平均时间上的稳定度。把多个 τ 的结果画在双对数图上，即可按斜率判断噪声类型。这一流程就是稳定度分析的标准动作：分段平均→相邻差分→平方平均→开方→画图判斜率。

需要强调的是，样本量越大、τ 越长，估计的置信度越高；短数据在长 τ 下的Allan偏差估计误差可达数十个百分点，报告中应同时给出 τ 与样本数，避免误读。