简介：这份资源面向惯性导航方向的学生、科研人员与工程技术人员，聚焦惯导误差分析与标定这一关键环节，帮助读者理解陀螺仪漂移、加速度计偏置等误差来源，并借助近似解析解验证误差随时间的变化趋势。压缩包内共1个文件，为MATLAB脚本格式（.m），整体约2KB，体积轻量，便于直接运行与二次修改。脚本围绕误差模型建立、数据采集、误差估计与参数校正等步骤展开，可用于模拟静态与动态标定过程，通过调整参数观察误差变化，评估不同标定策略的效果。已有196人学习关注，适合作为惯导误差建模与标定实验的入门参考工具，帮助读者在仿真中验证理论模型、研究环境因素影响并优化系统参数，从而加深对惯导误差产生机理与校正方法的理解。

1. 从 appendix_d.zip 说起：惯导误差标定到底在标什么

你拿到一个叫appendix_d.zip的压缩包，里面大概率是一套惯导标定程序，附带若干数据文件和说明。但真正的问题不是「这个包怎么解压」，而是：惯导误差标定到底在标什么，标完之后误差能压到多少，这套程序能不能直接跑在我的数据上。

惯导（惯性导航系统）的核心痛点在于：加速度计和陀螺仪的零偏、标度因数误差、安装误差会随时间积累，导致位置漂移。标定的本质，就是用转台、GNSS 或已知轨迹作为基准，把这些确定性误差项辨识出来，再在导航解算中补偿掉。不标定，MEMS 惯导几分钟就能漂出几十米；标定到位，同样的硬件能把误差压一个数量级。

这套东西适合谁？做车载组合导航的、搞无人机飞控的、做工业机器人位姿估计的，只要你在用 IMU 且对精度有要求，惯导标定就是绕不过去的一步。下面从误差模型讲到程序实现，再到踩坑记录，一步步拆开。

2. 惯导误差模型与标定参数：从物理量到可辨识的 24 项

2.1 加速度计和陀螺仪的确定性误差项

惯导的误差分两类：确定性误差和随机误差。标定主要处理确定性部分，随机误差靠 Allan 方差分析后用卡尔曼滤波处理。确定性误差的标准模型如下：

加速度计输出模型（三轴）：

a_meas = (I + S_a + M_a) * a_true + b_a + n_a

其中S_a是标度因数误差对角阵，M_a是安装误差非对角阵，b_a是零偏向量，n_a是噪声。陀螺仪同理：

ω_meas = (I + S_g + M_g) * ω_true + b_g + n_g

展开后，每个三轴传感器有 3 个零偏 + 3 个标度因数 + 3 个安装误差（非对角），共 9 项。加速度计和陀螺仪合计 18 项。如果考虑 g 灵敏度（加速度对陀螺输出的影响）和温度系数，参数会更多，但工程上最常用的就是这 18 项，加上 6 个非正交角，凑成 24 项左右的标定参数集。

注意：很多开源标定程序只标零偏和标度因数，忽略安装误差。如果你的 IMU 焊接后有明显轴间耦合，不标安装误差会导致姿态解算出现周期性振荡。

2.2 为什么用最小二乘而不是直接解方程

标定方程本质是线性的：y = H * θ + ε，其中θ是待标定参数向量，H是观测矩阵，y是测量残差。理论上 6 个位置就能解出 12 个参数（加速度计），但实际中转台角度误差、安装对准误差、噪声都会让解不稳定。

最小均方误差（LMS）或加权最小二乘（WLS）是标准做法。核心思路：多位置采集冗余数据，用伪逆求解，让残差平方和最小。如果某些位置的激励不够（比如某个轴始终没被激励到），H矩阵条件数会很大，解出来的参数就是玄学——看着收敛了，实际用起来误差反而变大。

常见做法是：加速度计用 6 位置法（±X、±Y、±Z 朝上朝下），陀螺仪用速率转台多速率点。每个位置采集 30 秒到 1 分钟静态数据，取均值降噪。

2.3 标定参数表与典型量级

这张表的作用是：标定完之后，把结果和典型量级对一下。如果陀螺零偏标出来是 50 °/s，那肯定是数据或程序有问题，不是传感器坏了。

3. 用 appendix_d.zip 里的标定程序跑通最小闭环

3.1 数据准备：静态多位置采集的格式要求

标定程序通常要求输入为文本或 CSV，每行是时间戳 + 三轴加速度 + 三轴陀螺 + 温度。常见格式：

timestamp, ax, ay, az, gx, gy, gz, temp 0.000, 0.012, -0.003, 9.791, 0.001, -0.002, 0.000, 25.1 0.005, 0.011, -0.002, 9.793, 0.001, -0.001, 0.000, 25.1 ...

采集时要注意：每个位置静止至少 30 秒，采样率建议 100 Hz 以上，转台角度误差控制在 0.05° 以内。如果用手动翻转，角度误差会直接进入标定残差，标出来的安装误差不可信。

提示：数据里如果有明显尖峰或丢帧，先做中值滤波和线性插值，否则最小二乘会被离群点带偏。

3.2 标定主程序的核心逻辑与参数配置

假设appendix_d.zip里的程序是 C 或 MATLAB 实现，核心流程一般分三步：数据读取与预处理、构建观测矩阵、最小二乘求解。下面用 Python 复现这个逻辑，方便你对照理解：

import numpy as np from scipy.optimize import least_squares def calibrate_accel(data, g_ref=9.80665): """ data: N x 3 加速度计原始输出 g_ref: 当地重力加速度参考值 返回: 零偏 b (3,), 标度因数+安装误差矩阵 K (3x3) """ N = data.shape[0] # 初始猜测: 零偏为均值, K 为单位阵 b0 = np.mean(data, axis=0) K0 = np.eye(3).flatten() x0 = np.hstack([b0, K0]) def residual(x): b = x[:3] K = x[3:].reshape(3, 3) # 模型: a_cal = K @ (a_raw - b), 期望模长为 g_ref a_cal = (K @ (data - b).T).T return np.linalg.norm(a_cal, axis=1) - g_ref result = least_squares(residual, x0, method='lm') b_est = result.x[:3] K_est = result.x[3:].reshape(3, 3) return b_est, K_est

逻辑说明：这里没有直接解线性方程，而是用非线性最小二乘优化「标定后模长等于重力」这个约束。好处是不需要知道每个位置的真实姿态，只需要知道静止时合加速度模长是 g。参数g_ref要按当地纬度调整，差 0.01 就够影响 ppm 级标度因数。

如果你拿到的程序是直接解线性方程y = Hθ，那H矩阵的构建方式是：每个位置的重力矢量在载体坐标系下的理论值作为已知量，原始输出作为观测值。两种方法结果接近，但非线性法对姿态误差更鲁棒。

3.3 陀螺标定：速率法与位置法的选择

陀螺标定比加速度计麻烦，因为它需要已知角速度输入。两种常见方案：

速率转台法：把 IMU 装在转台上，分别以 ±10、±50、±100 °/s 正反转，每个速率点采 30 秒。用转台速率作为真值，拟合零偏和标度因数。这是精度最高的方法，但需要转台。

位置法（无转台）：利用地球自转角速度（15 °/h）作为激励，把 IMU 静置在不同朝向，通过长时间积分观测陀螺输出变化。这种方法只能标零偏，标度因数精度很差，因为地球自转速率太小，信噪比低。

def calibrate_gyro_rate(gyro_data, rate_ref): """ gyro_data: M x 3, 每个速率点下的陀螺均值 rate_ref: M x 3, 对应的转台参考角速度 """ # 对每个轴独立拟合: g_meas = (1+s) * g_true + b params = {} for axis in range(3): A = np.vstack([rate_ref[:, axis], np.ones_like(rate_ref[:, axis])]).T y = gyro_data[:, axis] coef, _, _, _ = np.linalg.lstsq(A, y, rcond=None) scale = coef[0] # 标度因数 bias = coef[1] # 零偏 params[f'axis{axis}'] = {'scale': scale, 'bias': bias} return params

参数说明：rate_ref的精度直接决定标度因数精度。如果转台速率误差 0.1%，标度因数误差就不可能低于 0.1%。零偏的估计精度取决于每个速率点的采样时长，30 秒数据取均值，噪声能降到 1/√(30*100) 左右。

4. 标定结果验证与误差传播：怎么判断标对了

4.1 残差分析：看什么指标

标定完之后，程序一般会输出残差。重点看三个量：

• 加速度计模长残差：标定后每个静止位置的合加速度与 g 的偏差，应该在 ±1 mg 以内（MEMS）或 ±0.1 mg 以内（光纤）。
• 陀螺零偏重复性：同一位置多次上电，标出的零偏变化量。如果变化超过标定值的 30%，说明零偏不稳定，标定意义不大。
• 安装误差角残差：如果残差里出现明显的轴间耦合模式，说明安装误差没标干净。

4.2 用绝对轨迹误差（ATE）做端到端验证

标定参数最终要放到导航解算里验证。最直观的指标是绝对轨迹误差（ATE）：让 IMU 沿已知轨迹运动（比如转台上的圆形轨迹，或 GNSS 提供的参考轨迹），比较解算轨迹和参考轨迹的偏差。

def compute_ate(est_pos, ref_pos): """ est_pos: N x 3 估计位置 ref_pos: N x 3 参考位置 返回: RMSE, 最大误差, 误差序列 """ error = est_pos - ref_pos ate = np.linalg.norm(error, axis=1) rmse = np.sqrt(np.mean(ate**2)) return rmse, np.max(ate), ate

如果标定前 ATE 是 10 米，标定后降到 1 米以内，说明标定有效。如果没变化，检查标定参数有没有真正写入导航解算的补偿环节——很多人标完了忘了在代码里减零偏，白标。

4.3 误差传播：为什么标定后还会漂

标定消除的是确定性误差，随机误差依然存在。零偏不稳定性（bias instability）和角度随机游走（ARW）会随时间积分，导致位置误差按 t 的 1.5 次方增长。标定能把初始零偏压到很小，但没法消除零偏随温度和时间的变化。

所以标定后的系统，短时精度靠标定，长时精度靠组合导航（GNSS、视觉、里程计）。如果你的应用场景是几十秒的短时导航，标定到位就够了；如果是几分钟以上，必须上组合导航。

5. 惯导标定避坑：5 条血泪经验

5.1 现象：标定后零偏比标定前还大

原因：数据采集时 IMU 没固定紧，或者转台有振动，导致静态数据里混入了运动加速度。最小二乘把振动当成了零偏的一部分。

解决：采集时用夹具锁死，采集前先看原始数据的方差。如果某个轴方差明显大于其他轴，重新采集。静态数据的标准差应该在噪声水平以内，MEMS 加速度计一般小于 5 mg。

5.2 现象：标度因数标出来是负数

原因：轴向定义搞反了。比如程序假设 +Z 朝上时 az 为正，但你的 IMU 输出是 +Z 朝上时 az 为负。符号约定不一致，标度因数就变成负的。

解决：先做一次单轴翻转测试，确认符号约定。在程序里加一个符号检查：如果标度因数小于 0.5 或大于 1.5，直接报错退出，别硬跑。

5.3 现象：安装误差角标出来超过 5°

原因：要么是 IMU 焊接歪了，要么是转台位置没对准。MEMS 的安装误差一般在 1° 以内，超过 5° 基本是测量问题。

解决：检查转台夹具的定位销有没有到位，IMU 的基准面有没有贴平。如果确认硬件没问题，检查程序里姿态矩阵的旋转顺序——ZYX 和 XYZ 欧拉角顺序不同，算出来的安装误差差很多。

5.4 现象：程序跑通了但结果每次都不一样

原因：最小二乘对初值敏感，或者数据量太少。如果只有 6 个位置、每个位置 100 个点，噪声稍大结果就跳。

解决：增加采集时长，每个位置至少 3000 个点（100 Hz 下 30 秒）。初值用上一次标定结果，或者用均值+单位阵。如果还是跳，加正则化项，约束参数不要偏离典型值太远。

5.5 现象：温度一变，标定参数全废

原因：零偏和标度因数都有温度系数。常温标定的参数，到了高温或低温环境就不准了。

解决：如果应用场景温度变化大，做温箱多点标定，拟合零偏-温度曲线。常见做法是 -40°C、-20°C、0°C、25°C、60°C 五个温度点，每个点保温 30 分钟后采集。然后在导航解算里用温度传感器输出做实时补偿。

6. 进阶技巧：用 Allan 方差定标定周期与随机误差补偿

标定不是一劳永逸的。零偏会随时间缓慢变化，标定参数需要定期更新。多久更新一次？用 Allan 方差分析随机误差，看零偏不稳定性的拐点时间。

Allan 方差的计算逻辑：把陀螺静态数据按不同时间簇长 τ 分组，计算相邻簇均值的方差，再对 τ 作图。曲线在某个 τ 处出现最小值，对应的值就是零偏不稳定性，对应的 τ 就是「标定有效期」的量级。

def allan_variance(data, fs, tau_list): """ data: 1D 陀螺静态数据 fs: 采样率 Hz tau_list: 簇时间列表, 单位秒 """ N = len(data) results = [] for tau in tau_list: n = int(tau * fs) if n < 1 or n > N // 2: continue # 按 n 个点分组取均值 n_groups = N // n means = np.array([np.mean(data[i*n:(i+1)*n]) for i in range(n_groups)]) # 相邻均值差的方差 diff = np.diff(means) av = 0.5 * np.mean(diff**2) results.append((tau, av)) return results

参数说明：tau_list一般从 1 秒到 1000 秒对数分布。fs要准确，采样率错了 Allan 方差曲线整体平移。算出来的零偏不稳定性单位是 °/h 或 mg，和标定残差对比，如果残差远大于零偏不稳定性，说明标定没到位；如果接近，说明标定已经触到传感器噪声底，再标也压不下去。

我自己的习惯是：每次换传感器或拆装 IMU 后必须重新标定，长期运行的设备每 3 个月用 Allan 方差检查一次零偏稳定性，如果零偏变化超过标定值的 50%，就安排重新标定。标定程序跑一次只要十几分钟，但省下的调试时间是以天计的。

希望帮到你。

本文还有配套的精品资源，点击获取