Mobile 手机上的陀螺仪漂移

很多帖子都在谈论陀螺漂移问题。有些人说陀螺仪读数有漂移，而另一些人说积分有漂移

原始陀螺读数有漂移

积分有漂移（答案1）

所以，我做了一个实验。接下来的两个数字就是我得到的。下图显示陀螺仪读数根本不漂移，但有偏移量。由于偏移，集成非常糟糕。看来积分就是漂移，是吗？

下一个图显示，当偏移减小时，积分根本不会漂移。

此外，我还做了另一个实验。首先，我把手机放在桌子上大约10秒钟。然后向左旋转，然后恢复到后面。然后往回走。下图很好地显示了这个角度。我所用的只是减少偏移量，然后进行积分

所以，我这里的大问题是，偏移量可能是陀螺漂移（积分漂移）的本质？在这种情况下，是否可以应用互补滤波器或卡尔曼滤波器来消除陀螺漂移

非常感谢您的帮助。

如果陀螺仪读数有“漂移”，则称之为“偏置”，而不是漂移

漂移是由于积分引起的，即使偏置正好为零，也会发生漂移。漂移是因为你通过积分积累了阅读的白噪声

对于漂移消除，我强烈推荐这本手稿，我已经为基于它的设备实现了传感器融合

（编辑：该文档来自该项目，该项目已移至Github，可在wiki的下载部分找到。）

如果您坚持使用卡尔曼滤波器，请参见

为什么要实施自己的传感器融合算法？

---

Android（在

Sensor.TYPE\u ROTATION\u VECTOR下）和iPhone（）都有自己的功能。
亲爱的阿里写了一些非常可疑和不精确（错误）的东西

漂移是偏置的积分。当你积分时，这是明显的偏差“效应”。噪声——任何一种平稳噪声——平均值为零，因此积分为零（我不是说PSD积分，而是指时间积分信号的加性噪声）

偏压随时间变化，随电压和运动温度的变化而变化。例如，如果电压发生变化（并且它也发生了变化），则偏置会发生变化。这种偏见既不是固定的，也不是“可预测的”。
这就是为什么不能使用建议的信号减去估计偏差来消除偏差。任何估计都有误差。这种错误会随着时间的推移而累积。如果误差较低，累积效应（漂移）在较长的时间间隔内变得明显，但它仍然存在

理论上说，目前完全消除偏见是不可能的。在目前的技术水平上，还没有人找到一种方法来消除偏置——仅基于陀螺仪和加速度计的磁强计——可以过滤掉所有的偏置

Android和iPhone对消除偏差算法的实现有限。它们并非完全不受偏差影响（例如，在小间隔内）。对于某些应用，这可能会导致严重问题和不可预测的结果。
在本讨论中，Ali和Stefano都提出了理想集成导致的漂移的两个基本方面

基本上，零平均白噪声是一个理想的概念，即使对于这种理想的噪声积分，也比噪声的低频分量提供更高的增益，从而在积分信号中引入低频漂移。理论上，零平均噪声不应导致iff在相当长的时间内出现任何漂移，但实际上，理想积分永远不会起作用

另一方面，如果对读数（输入信号）执行理想积分（无损耗求和），则即使读数（输入信号）中的微小直流偏移也会在一段时间内导致显著漂移。由于理想积分在输入信号的直流分量上具有无限增益，因此它可以在系统中增加非常小的直流偏移。因此，出于实际目的，我们用低通滤波器代替理想积分，低通滤波器的截止值可以尽可能低，但在实际应用中不能为零或太低。
受Ali回复的激励（谢谢Ali！），我做了一些阅读和数值实验，并决定发布我自己关于陀螺漂移性质的回复

我已经编写了一个简单的绘制白噪声和集成白噪声的程序：


问题中显示的偏移减小的角度图似乎类似于典型的随机游动。数学随机游动的平均值为零，因此不能将其视为漂移。然而，我相信白噪声的数值积分会导致非零均值（如下面随机游动的直方图图所示）。这与线性增加的方差可能与所谓的陀螺漂移有关

对陀螺仪和加速度计引起的误差有一个很好的介绍。无论如何，我还有很多东西要学，所以我可能是错的

关于互补滤波器，有一些讨论，展示了它是如何减小陀螺漂移的。这篇文章很随便，但我觉得很有趣。
非常有用，谢谢！实际上，我对白噪声知之甚少，从第三张图来看，白噪声对积分的影响很小，是吗？那么漂移真的是一个严重的问题吗？是的，由于白噪声，误差可能会变得非常大。当然，如果你有偏见，情况就更糟了：（无论如何，把你的问题投了赞成票！感谢：）我真的很想看看白噪声造成的误差，以了解如何校准它。我应该在1小时内还是其他时间收集陀螺数据？@AllenJee如果你在1小时内收集数据，你会看到偏差在波动。否则，我建议