一、从“静止信号”中听出噪声的节奏
如果把 IMU 想象成一个“倾听世界的耳朵”，
那么 Allan 方差（Allan Variance）就是帮它识别自己听到的杂音。
在实验室里，工程师常让 IMU 静止工作数小时或数天——
不是为了看它“动得多准”，而是为了听它“静得多稳”。
IMU 输出的每一点数据中，都包含了噪声：有快有慢，有轻有重。
Allan 方差通过把时间拉长、再压缩，去观察误差如何随时间变化。
它不关心“此刻的误差”，而关心“误差的节奏”。
二、Allan 方差到底是什么？
Allan 方差是一种统计工具，用于区分不同类型的随机噪声。
它通过计算相邻时间段平均值的方差，分析信号随时间的波动特性。
可以简单理解：
- 如果误差变化得很快，它可能是随机游走（Random Walk）；
- 如果误差变化缓慢但稳定，它可能是零偏漂移（Bias Drift）。
因此 Allan 方差的横轴是时间间隔 τ（tau），
纵轴是方差 σ(τ)。
不同噪声类型在曲线上的斜率不同，就像声音谱中的频率特征，
每种噪声都有自己的“声纹”。
三、从曲线中读出“噪声的家谱”
在 Allan 偏差曲线中，不同噪声类型通常呈现不同斜率特征：
- 角随机游走（ARW）：反映传感器短时白噪声主导下的随机抖动，对应斜率 -1/2；
- 零偏稳定性（Bias Stability）：反映零偏在中长期内的稳定程度，通常对应曲线的最低点附近或近似平坦区；
- 速率随机游走（RRW）：反映长期漂移累积趋势，对应斜率 +1/2。
对工程师而言，这张曲线就像 IMU 的“指纹”——
你可以从中看到它的天赋（传感噪声水平）、性格（漂移特征），
甚至判断它在不同环境下的表现。
四、为什么它对“车规级”至关重要
对于车规级 IMU，稳定性不是抽象的概念，而是要能被量化与复现。
Allan 方差让这种“稳定”有了客观标准：
- 它能评估不同批次器件的一致性；
- 能量化算法补偿的效果；
- 能判断温度、振动等环境因素对精度的影响。
在 SUMACO 的生产体系中，Allan 方差不仅是测试工具，
更是产品定义与质量控制的依据。
每一颗 SUMACO MA 系列模组在出厂前都需通过 Allan 方差评估，
确保噪声谱型与设定标准一致——这就是“可追溯的稳”。
五、在时间中建立信任
Allan 方差的意义，不止是识别噪声，而是理解时间的稳定性。
它告诉我们：稳定不是瞬间，而是长期积累的秩序。
正如驾驶员信任导航的连续，IMU 的“稳”也来自这种对时间的坚守。
在每一条 Allan 曲线的背后，是无数次测量与标定的努力——
让每一台车、每一个机器人，都能在时间的噪声中，
依然保持清晰的方向感。
关于 MCT 毫厘智能
MCT 毫厘智能是一家专注于 Physical AI 时代的姿态感知与绝对定位创新公司。 我们以人工智能为核心技术，采用“数据驱动、软硬结合”的策略， 开发并提供全面的姿态感知与绝对定位软硬件解决方案， 服务于具身智能、城区辅助驾驶、低空经济、机器人、智能设备等领域。 公司基于自研的车规级北斗高精度芯片和模组，融合高精度 IMU、视觉及雷达等传感器技术， 结合海量数据，为自主规划和自动控制提供更可靠、更安全、更精准的技术支撑， 持续提升载体的空间感知能力。
想了解更多关于 MCT 毫厘智能的最新动态？
欢迎访问 www.mctech.ai / www.mctai.cn，或关注微信公众号「毫厘智能 MCT」。