做惯导或者姿态测量的朋友应该都和我一样被同一件事折腾过一只陀螺放在那里不动输出的角速度却不稳定时高时低。把这个输出取平均得到的就是零偏再算标准差就是零偏稳定性。可真正到了写技术协议或者做器件选型的时候甲方让你按国军标测算法那边又拿Allan方差来要参数两边给出的数字经常对不上。我见过不止一个项目因为把“零偏稳定性”和“Allan方差最低点”当成同一个东西最后验收的时候吵到不可开交。这篇文章就把国军标GJB静态测试和Allan方差这两套方法放在一起拆开讲说清楚它们到底在测什么、为什么结果不一样再放一组同一只陀螺的实测数据做对比希望能帮你少踩几个坑。1. 零偏不是“一个数”而是一串随机过程的统计结果1.1 先给零偏一个能操作的数学定义很多人习惯把陀螺零偏理解成“上电之后输出里那个固定偏差”这句话只说对了一半。固定偏差确实存在但陀螺上电后即使完全不转动输出也不会是一条笔直的线而是叠加了各种随机波动的信号。我用一个简单模型来表示[ \Omega(t) B n(t) d(t) ]其中 (B) 是常值零偏(n(t)) 是高频随机噪声(d(t)) 是缓慢变化的漂移。工程上说的“零偏”其实是取一段时间内输出的平均值也就是对 (B) 的一个估计。而“零偏稳定性”是对这个估计值本身波动程度的描述。所以零偏不是一个点而是一个随机过程的统计结果。它既包含“上电即存在的常值误差”也包含“时间轴上的随机游走”。理解这一点后面看GJB和Allan方差的分歧就会顺很多。1.2 为什么说零偏稳定性决定系统精度上限在惯导系统里陀螺的角速度输出是要积分的。常值零偏 (B) 会让姿态角随时间线性增长一个 (0.01^\circ/h) 的零偏一小时就是 (0.01^\circ) 的姿态误差。听起来不大但在需要长时间高精度姿态或者位置推算的场合这个误差会通过姿态矩阵进入比力解算造成速度和位置的二次、三次积分误差。实际项目中我更看重的是“标定之后剩余的那部分零偏”。因为系统出厂前都会做标定可以扣除大部分常值误差真正影响系统精度的是标定残差和随机漂移。这就是为什么零偏稳定性往往比零偏本身更重要——它决定了系统精度的下限。2. 国军标测试到底在测什么2.1 国军标静态测试的标准套路国军标里关于陀螺仪测试的方法很多我在项目里最常用到的是GJB 2426A-2004《光纤陀螺仪测试方法》里的静态测试思路。它的核心逻辑很简单把陀螺固定在测试工装上敏感轴指向固定方向输入角速度为零记录一段足够长的输出然后做统计。大致的测试流程如下陀螺安装在水平基准台或精密转台上底座锁紧避免外部振动。上电预热一般至少30分钟让内部光源、电路、温控达到稳定状态。设置采样率通常原始输出100Hz到1000Hz后续按1s平均得到一组数据。连续记录静态数据工程上最少1小时推荐2小时以上。对数据剔除粗大误差后分别计算平均值、标准差、多次上电之间的重复性。GJB测试的特点是把“工程验收”放在第一位。标准里会规定采样时间、计算周期、测试时长和数据处理方法目的就是让不同单位、不同批次、不同测试人员拿到同一只陀螺时测出来的指标能够对比。它不关心你的噪声源到底是角随机游走还是量化噪声只看最终统计结果。2.2 三个容易混的参数零偏、零偏稳定性、零偏重复性很多工程师在写技术协议时会把“零偏”和“零偏稳定性”混着写。实际上GJB测试里这几个参数是分开定义的参数物理含义测试方法关注点零偏零输入下输出的平均值一段静态数据求平均标定扣除量零偏稳定性平均值随时间波动的1σ标准差计算窗口内数据标准差随机漂移慢变漂移零偏重复性多次开关机/多次冷启动后零偏的离散程度重复上电多次分别求零偏上电随机性、器件一致性零偏重复性是很容易被忽略的一个指标。有些陀螺单次上电后零偏很稳但每次上电之间零偏会跳。Allan方差是看不到这个特性的因为Allan方差一般针对一次连续上电的长时间数据而零偏重复性必须通过多次上下电来统计。2.3 国军标能覆盖什么覆盖不了什么国军标静态测试最大的优势是“贴近工程使用场景”。它有明确的环境条件、测试时长和验收标准能够覆盖温度、振动、多次上电这些实际使用中会遇到的因素也能直接用来做产品筛选和批次一致性判断。但它也有明显的盲区它给的是一个“综合统计结果”无法把陀螺输出里的噪声源拆开。比如一只陀螺零偏稳定性很差你没办法从单个1σ数值判断是高频白噪声太严重还是低频慢漂移太明显。这两种情况对应的改进方向完全不一样前者可能要靠滤波和信号处理后者可能是温控或材料问题。这时候就需要Allan方差出场了。3. Allan方差到底在测什么3.1 Allan方差的基本原理和计算公式Allan方差最早是用于原子钟频率稳定度分析的后来被引入惯性器件测试成为陀螺仪噪声建模的经典工具。它的思路可以这样理解把一段长时间的静态数据切成很多小段然后用不同长度的尺子去量这些段之间的差异。数学表达式并不复杂。假设陀螺输出角速率为 (\Omega)取聚类时间 (\tau)将数据分为若干段每段长度为 (\tau)计算每段的平均值 (\bar{\Omega}_k)那么Allan方差定义为相邻两段平均值差的方差的二分之一[ \sigma^2(\tau) \frac{1}{2} \left\langle (\bar{\Omega}_{k1} - \bar{\Omega}_k)^2 \right\rangle ]然后不断改变 (\tau)从采样周期一直增大到总时长的合理比例得到一条 (\sigma(\tau)) 随 (\tau) 变化的双对数曲线。这就是Allan方差曲线。我实际写代码时会用角度增量方式计算因为很多陀螺输出的是角增量而且数值稳定性更好import numpy as np def allan_dev(data, fs1.0): data np.asarray(data, dtypefloat) N len(data) # 工程简化只算到总时长的1/20保证每个tau点有足够样本 max_m N // 20 taus [] adevs [] for m in range(1, max_m 1): tau m / fs n N // m cluster_means data[:n * m].reshape(n, m).mean(axis1) diff np.diff(cluster_means) avar 0.5 * np.mean(diff ** 2) adevs.append(np.sqrt(avar)) taus.append(tau) return np.array(taus), np.array(adevs)这段代码是工程简化版适合快速看趋势。如果要写论文或者做高精度标定建议用Overlapping Allan方差它通过滑动窗重叠提高了小样本段的统计可靠性曲线更平滑。3.2 从Allan曲线读出5类噪声Allan曲线最厉害的地方是不同类型的噪声会在曲线上呈现不同斜率的线段。画成双对数坐标后可以像查表一样把噪声源逐个识别出来。噪声项Allan方差斜率Allan标准差斜率典型频段对应参数量化噪声-2-1极短τQ角随机游走-1-0.5短τARW零偏不稳定性00中长τBias Instability速率随机游走10.5长τRRW速率斜坡21极长τRate Ramp这几个噪声的物理含义我用自己的话翻译一下量化噪声来自ADC量化步长和算法截断代表你能分辨的最小角度变化。角随机游走是角速度白噪声在角度域上的累积效果是陀螺最基本、最难消除的噪声之一。光纤陀螺里主要来自光电检测的散粒噪声MEMS陀螺里来自电路热噪声。零偏不稳定性是低频闪烁噪声它对应的是不管你怎么平均都消不掉的那个“地板”也是很多工程师最关心的指标。速率随机游走对应角速率的布朗运动来源往往和电源波动、环境干扰、机械蠕变有关。速率斜坡则是长时间里接近线性的缓慢漂移经常跟温度爬升、光源老化或者测试台本身漂移有关。读参数的时候我习惯把角速率统一换算成°/h再计算。对最常见的白噪声主导段ARW系数可以近似用τ1s处Allan标准差值除以60得到单位是°/√h。零偏不稳定性则直接看曲线最低点那个平台值约等于bias instability。需要注意不同标准里对系数修正有差异工程对比直接用曲线值就行写论文时再按IEC标准去补0.664系数。3.3 用Allan曲线读参数时最常见的坑第一个坑是把曲线最低点直接当成GJB零偏稳定性。Allan曲线最低点代表“在没有外界干扰、不加任何约束的前提下各种噪声分量凑出来的最优平均效果”而GJB零偏稳定性是在固定取样时间和固定平滑窗口下算出来的两者通常不是同一个数甚至差好几倍。第二个坑是测试时间太短。Allan方差能分辨的最大聚类时间受总时长限制不能超过总时长的1/10左右。如果只测半小时想看到小时级的零偏不稳定性基本是做梦。想看1小时尺度的bias instability至少要连续采10小时以上。第三个坑是数据里有粗大误差或温度漂移。粗大误差会让短τ段曲线翘起来温漂会让长τ段出现明显的1斜率容易误判成速率斜坡。所以做Allan分析前一定要先看原始数据曲线确认没有异常跳变。4. 实测对比同一只陀螺GJB和Allan到底差在哪4.1 测试条件与采集方案下面这组数据来自我以前测过的一只中精度光纤陀螺标称零偏稳定性0.01°/h级别。测试环境是恒温实验室温度控制在25℃±1℃陀螺固定在精密水平基准台上敏感轴朝天上电预热40分钟后开始采集。原始输出100Hz后续统一重采样到1Hz。为了照顾两种方法的需求我让陀螺连续跑满12小时。GJB指标取稳态后前2小时数据统计Allan方差用完整12小时数据计算。这样做的好处是两只“眼睛”看的是同一段连续测量过程对比起来才公平。4.2 国军标方法的结果按GJB静态测试的思路处理前2小时数据得到的结果如下零偏0.0052°/h零偏稳定性1s采样1h统计0.0126°/h零偏稳定性10s平滑1h统计0.0048°/h零偏重复性3次下电后重复测试0.0012°/h如果只看1s采样的零偏稳定性这只陀螺比标称的0.01°/h稍差达到0.0126°/h。但平滑到10s后只有0.0048°/h远好于标称。这说明它的短时噪声主要是白噪声慢变漂移其实很小。这就是GJB指标的一个特点同样一只陀螺平滑时间不同得到的“稳定性”完全不同。所以在对比两家产品时一定要先确认采样和平滑条件一致。4.3 Allan方差方法的结果用12小时完整数据做Allan方差曲线结果如下噪声参数数值角随机游走 ARW0.00021°/√h零偏不稳定性 Bias Instability0.0057°/h速率随机游走 RRW0.018°/h/√h速率斜坡 Rate Ramp12小时内不明显曲线形态是典型的“先下降、再平、最后翘”短τ段接近-0.5斜率说明白噪声主导中段出现明显平台平台值约0.0057°/h长τ段开始上扬说明存在一定的慢变随机游走。从Allan角度看这只陀螺的极限平均精度大约在0.0057°/h和标称0.01°/h是同量级的器件本身没有问题。4.4 为什么两个数字不一样对比一下GJB的1s零偏稳定性是0.0126°/hAllan的bias instability是0.0057°/h。如果把0.0126按白噪声折算到10s平滑大约是0.0126除以√10得到0.0040°/h再和bias instability叠加差不多就是GJB的10s平滑结果0.0048°/h。这说明GJB短平滑指标里主要是角随机游走的白噪声而Allan的bias instability是去掉白噪声之后的“地板”。所以两个数字不一样不是测试出错而是它们在回答不同的问题。GJB回答的是“按我的验收规程这只陀螺在1s采样和1h统计下的波动是多大”Allan回答的是“这只陀螺的噪声组成里角随机游走和零偏不稳定性各自贡献多少”。一个是工程合格性判断一个是物理噪声源建模。4.5 两个参数的使用建议从我自己的项目经验看不同场景要看不同数字产品验收、竞品比测、批次一致性判断优先看GJB零偏稳定性和零偏重复性。做卡尔曼滤波、姿态算法、组合导航噪声模型优先看Allan的ARW和bias instability。做寻北仪或者长时间初始对准性能推算重点看bias instability和速率随机游走。做温补和误差标定重点看零偏温漂曲线Allan曲线在这种场景下只能当辅助。5. 实操建议与避坑清单5.1 测试之前的准备决定数据质量测试台和陀螺之间的固定方式对数据影响非常大。我踩过最典型的坑是底座只用双面胶粘结果旁边有人走动零偏曲线跟着轻微抖动Allan曲线短τ段直接偏离理论斜率。后来换成螺纹锁紧加橡胶减振垫数据立刻干净了。温度也是一个隐形杀手。光纤陀螺内部有光源温度漂移会影响波长和探测增益MEMS陀螺对温度更敏感。测试前一定要等陀螺内部温度稳定不能只看实验室空调温度。我习惯在陀螺壳体上贴一个温度传感器和角速率信号同步记录处理数据时先把有明显温度爬升的时段去掉。5.2 数据预处理的三道坎预处理直接影响结果但也不能处理过头。第一道坎是单位统一。很多陀螺输出°/s但GJB指标习惯用°/hAllan分析为了读ARW方便也最好统一成°/h。第二道坎是粗大误差剔除。数据里偶尔会有脉冲式跳变通常用3σ准则剔除但要注意剔除比例不能太高超过1%就要怀疑器件或采集链路有问题。第三道坎是趋势项处理。GJB计算零偏稳定性时直接统计就行Allan分析时千万不要随手把线性趋势去掉否则速率斜坡这个噪声项会被洗掉等于少看了一个重要误差源。5.3 测试时长怎么选GJB测试时长以标准为准但工程上我的底线是1小时。如果一只陀螺连1小时静态数据都稳不住项目后续会非常痛苦。Allan分析则不同它类似“用放大镜看低频段”放大镜倍数越高需要的时间越长。想看到10分钟尺度的噪声特征至少采2小时想看到1小时尺度的bias instability建议至少采12小时。很多MEMS厂商标称的ARW和bias instability都是用24小时甚至更长的数据算出来的这一点在对比时一定要看清楚。5.4 拿零偏参数做选型时的经验公式选型时不能只看标称零偏稳定性还要看工作条件。我的经验是姿态参考系统GJB零偏稳定性最好小于系统允许姿态误差的1/3到1/5组合导航系统除了GJB稳定性还要重点看ARW寻北仪则更依赖bias instability和长时漂移。零偏重复性这个参数对于需要频繁开关机的设备特别重要如果器件单次上电很稳但每次上电零偏差很多系统每次开机都要重新做初始对准否则精度会大打折扣。最后再分享一个小技巧在做长时间静态测试时我会把陀螺壳体温度和室内温度一起记录下来。很多看起来像“零偏漂移”的问题把时间轴叠到温度曲线上之后真相立刻浮出水面。这个做法成本几乎为零但能帮你避开大量误判。陀螺参数分析最怕的就是拿着一个数去硬套另一个数搞清楚GJB和Allan方差各自在测什么比记住任何经验值都更重要。
