资 源 简 介
这个设计技巧解释了如何分析和识别MEMS传感器中的噪声。解释了Allan方差和hadamard方差，以及它们的变化（重叠、修正和总计），还提到了理论方差1（Theo1）。
好处：
如何通过Allan和其他方差来表征MEMS传感器
基本假设是，在测量过程中，感兴趣的信号是恒定和平坦的。然而，传感器输出是感兴趣的信号和噪声的总和。粗略地说，从长期来看，噪音应该平均为零。在测量过程中采集了许多样本。噪声的分析和识别有助于确定可以平均多少个样本以最小化传感器输出的方差。
标准方差的问题是它在增加数据运行时间方面表现得不好。为了解决这个问题，发展了Allan方差。Allan方差σ2计算为连续“样本”（2-样本方差）之间平方差的平均值。“样本”通过在时间间隔τ=m*Ts内对m个样本进行平均计算，其中Ts=1/Fs是采样间隔，Fs是采样频率。
Allan方差σ（τ）是Allan方差σ2（τ）的平方根，对数图的斜率取决于噪声类型。这是能够识别噪声类型的斜率。见下表。
Allan方差（非重叠AVAR、重叠OAVAR、修正MAVAR）和Hadamard方差（非重叠HVAR和重叠OHVAR）可使用数字滤波器链计算：
M（M）M样本上的移动平均值
·D1（m）样品n和样品（n+m+1）th之间的第一个差值
m:1下采样，从m中选择1个样本
输出中不得出现瞬变。方差是通过平方和平均输出样本来计算的。偏差是方差的平方根。偏差的置信度可以估计为偏差本身除以平均输出样本数的平方根。
