您现在的位置：程式碼之家 >> 編程語言 > >> 更多程式語言 >> 程式設計綜合問答

Android 加速度傳感器靜止卻數據飄移？原理、誤差源與工程對策

編輯：程式設計綜合問答

現象複現

手機平放桌面，未移動，加速度計讀數持續波動（x、y 軸非 0，z 軸不穩定在 9.8）。
首次註冊監聽後，傳感器持續上報 30+ 秒才進入穩態（僅在支持鎖屏運行傳感器的機型出現）。
嘗試通過積分計算位移，誤差極大，不可用。

核心原理：為什麼靜止也有數據？

重力分量投影：手機不可能絕對水平，微小傾角會將重力 g (9.8 m/s²) 分解到 x、y 軸。a_x = g * sin(θ_x)，1° 傾角產生 ~0.17 m/s² 偏移。
環境微振動：樓宇共振、風扇、腳步、甚至熱擴張收縮，均在 0.01-0.1 Hz、幅值 0.001-0.01 g 範圍，民用 MEMS 傳感器極其敏感。
傳感器固有噪聲：白噪聲、隨機游走、偏移漂移。典型消費級加速度計噪聲密度 100-400 µg/√Hz。
溫度漂移：MEMS 結構對溫度極敏感，溫度變化 1°C 可導致零點偏移 1-5 mg，積分後位移誤差隨時間平方級增長。
校準不完美：出廠校準僅修正靜態零點與標度因子，無法覆蓋全溫域、全姿態、老化變化。

為什麼積分計算位移不可行？（數學鐵律）

位移 = ∬ a(t) dt²。假設恆定偏移誤差 b = 0.01 m/s²：

結論：無外部修正（GPS、視覺里程計、UWB、地磁、WiFi 指紋），純慣導定位在消費級手機上純屬理論遊戲。

工程可行的對策

1. 濾波與平滑（降噪不消偏）

低通濾波器：a_filtered = α * a_raw + (1-α) * a_prev (α=0.1-0.3)，保留重力分量，抑制高頻抖動。
互補濾波 / 卡爾曼濾波：融合陀螺儀（短期精準）+ 加速度計（長期基準），估計姿態四元數，將重力從加速度中剝離，得到「線性加速度」Sensor.TYPE_LINEAR_ACCELERATION（系統已內置融合）。

2. 靜止檢測與零點校準（消除靜態偏移）

// 簡易靜止檢測：連續 N 幀模值變化 < 閾值
if (Math.abs(currMag - prevMag) < 0.05 && Math.abs(currMag - 9.8) < 0.2) {
    staticCount++;
    if (staticCount > 20) { // 约 1 秒 @ 20Hz
        // 校準零點偏移
        biasX = lowPassX; biasY = lowPassY; biasZ = lowPassZ - 9.8;
    }
} else {
    staticCount = 0;
}
// 使用時扣除偏移
linearX = rawX - biasX;

3. 步數計數 / 活動識別（放棄連續位移，轉離散事件）

使用 Sensor.TYPE_STEP_COUNTER、Sensor.TYPE_STEP_DETECTOR（硬件級步進檢測，極低功耗）。
配合 ActivityRecognitionApi 識別走路、跑步、騎車、車輛、靜止。
步長模型估算距離：distance = steps * (0.413 * height)，誤差 ~10%，遠優於積分。

4. 融合定位（唯一正解）

Fused Location Provider (Google Play Services) / Android 12+ FusedLocationProviderClient：內部融合 GPS + WiFi + 藍牙 + 慣導 + 基站 + 地圖匹配，輸出最優位置與不確定性半徑。不要重複造輪子。