Noise floor MEMS — PSD i Allan Deviation

Poziom szumów akcelerometrów MEMS w bezruchu. Metryki: PSD [mg/√Hz], Allan Deviation (τ=1 ms…10³ s), bias instability, velocity random walk. Kontekst AGD — wiarygodna detekcja niewyważenia/hałasu.

Data: 2025-09-05 Stanowisko: L2-MEMS/03 Modele: LIS3DH · QMA7981 · MPU-6050 Tryb: bezruch (deska granitowa)

1. Cel

Określić poziom szumów własnych i stabilność biasu akcelerometrów MEMS w warunkach bezruchu, aby dobrać filtry i progi algorytmów AGD (np. detekcja niewyważenia bębna, diagnostyka łożysk).

2. Sprzęt i konfiguracje

Pozycja	Model	Ustawienia	Uwagi
Akcelerometry	LIS3DH, QMA7981, MPU-6050	±2 g / ±4 g	interfejs I²C/SPI
Podstawa	Płyta granitowa	2× mata tłumiąca	izolacja od drgań
Temp.	25 ±0.5 °C	bez draftu	brak przepływu powietrza
Zasilanie	Lab PSU	3.3 V ripple <10 mVpp	ekranowane przewody

3. Akwizycja i wstępne filtrowanie

Parametr	Wartość	Uwagi
ODR	1600 Hz	bez aliasu
Okno PSD	Hann	ENBW ≈ 1.5 bin
Segmentacja	50% overlap	Welch
HP/LP	HP off / LP ≥ 500 Hz	dla porównywalności
Czas trwania	≥ 1800 s	Allan τ do 10³ s

Dane surowe zapisuj w g (m/s² / 9.80665). Równolegle zapisz temperaturę układu, by korelować dryft biasu z T.

4. Metryki / KPI

Metryka	Opis	Cel (AGD)
PSD_noise@10 Hz [mg/√Hz]	gęstość szumu w paśmie roboczym	≤ 0.25 (±2 g)
White noise (N_w) [mg/√Hz]	fita do płaskiego fragmentu PSD	—
Bias Instability (BI) [mg]	min Allan deviation · 0.664	≤ 1.0
Velocity Random Walk (VRW)	ADEV nachylenie ~ τ^-0.5	min
Bias Drift @25 °C [mg/h]	trend długoterminowy	≤ 2

Jednostki: 1 mg = 9.80665e-3 m/s². PSD zwyczajowo w mg/√Hz; ADEV w mg (dla przyspieszeń).

5. Procedura

Ustaw czujnik na płycie granitowej; wyłącz wszystkie źródła drgań (wentylatory, ruch ludzi).
Ustal zakres ±2 g, ODR=1600 Hz, LP=500 Hz; loguj T układu.
Zbieraj sygnał min. 1800 s. Odrzuć 60 s rozruchu (stabilizacja).
Oblicz PSD metodą Welcha (Hann, 50% overlap). Wyznacz N_w z płaskiego pasma.
Oblicz Allan Deviation dla τ od 1 ms do 1000 s; wyznacz BI (minimum ADEV × 0.664) oraz VRW (stok -0.5).
Policz bias drift/h oraz korelację z T.

6. Modele szumu (orientacyjne)

PSD(f) ≈ N_w^2  (white)  +  (K_f / f)  (flicker)  +  N_e^2 · f^2 (elektryczny/alias)
ADEV(τ) ~ A/√τ (white)  ⊕  B·τ (drift)  ⊕  C (bias instability plateau)

Raportuj parametry dopasowania (A,B,C,K_f,N_e) oraz przedziały ufności.

7. Kontrola jakości

Sprawdź clipy i dropouty (zgubione próbki, overruns DMA).
Wyłącz HP/LP w FW, jeśli różne sensory mają inne stałe — porównuj w identycznym torze.
Odnotuj wpływ EMI (150 kHz od triaka) — w razie potrzeby notch poza pasmem roboczym po analizie.

8. Struktura wyników

Ścieżka: /parametry/mems-noise/ • Repo: //srv/lab/parametry/mems/

raw/{sensor}/{YYYYMMDD}/idle_1800s.bin
proc/{sensor}/{YYYYMMDD}/psd_{window}_hann.csv
proc/{sensor}/{YYYYMMDD}/adev_tau_1ms_1000s.csv
fit/{sensor}/{YYYYMMDD}/noise_model.json
fig/{sensor}/{YYYYMMDD}/psd.png • adev.png

9. Szablon logu (do wklejenia)

PRÓBA #NOISE-LIS3DH-25C
Sensor: LIS3DH @ ±2 g; ODR=1600 Hz; LP=500 Hz; idle 1800 s; T=25.3 °C; PSU ripple <10 mVpp.
QC: clip=0; drop=0; overruns=0; EMI=brak; podstawa=granit.

PSD@10 Hz = __ mg/√Hz; White noise Nw = __ mg/√Hz
ADEV(τ): min=__ mg @ τ=__ s → Bias Instability = __ mg
VRW (stok −0.5) = __ (jedn.)
Bias drift = __ mg/h; corr(T,bias)=__ 
Uwagi: ...

10. Uwagi i rekomendacje

Dla algorytmów AGD priorytetem jest niski PSD@10 Hz i niska BI — to warunkuje czułość detekcji niewyważenia.
Jeśli VRW jest wysokie, rozważ zwiększenie ODR i silniejsze uśrednianie (EMA/FIR), ale pilnuj opóźnień.
Bias drift korelujący z T → dodaj kompensację termiczną (LUT lub model liniowy) w FW.