{
  "id": "allan-deviation",
  "title": "阿伦偏差",
  "lang": "zh-Hans",
  "source_lang": "en",
  "summary": "阿伦偏差通过比较相邻时段的平均值，衡量信号在不同平均时间下的稳定性，广泛用于时钟、振荡器和精密传感器。",
  "category": "science",
  "subcategory": "physics",
  "type": "concept",
  "aliases": [
    "阿伦标准差",
    "艾伦偏差",
    "ADEV"
  ],
  "generated_at": "2026-11-05",
  "model": "pro/gpt-6.1-sol",
  "url": "https://aiwiki.page/zh/allan-deviation/",
  "translations": {
    "en": {
      "url": "https://aiwiki.page/en/allan-deviation/",
      "json": "https://aiwiki.page/en/allan-deviation.json"
    }
  },
  "sections": [
    {
      "heading": "",
      "text": "阿伦偏差是一种统计量，用于衡量被测信号的稳定性如何随平均时间变化。它是阿伦方差的平方根；阿伦方差的定义采用相邻、等间隔平均值之间的差，而不是各值相对于单一总体均值的偏差。它最初用于表征时钟和振荡器的频率稳定性，如今广泛应用于计量学、精密传感和导航。其核心特点在于，能够区分不同时间尺度上的波动；对于若干常见噪声过程，即使普通方差无法趋于一个不依赖记录长度的有限值，阿伦偏差仍然适用。"
    },
    {
      "heading": "定义",
      "text": "对于瞬时频率为 \\(\\nu(t)\\)、标称频率为 \\(\\nu_0\\) 的振荡器，相对频率偏差为\n\n\\[y(t)=\\frac{\\nu(t)-\\nu_0}{\\nu_0}.\\]\n\n在时长为 \\(\\tau\\) 的区间内，平均相对频率为\n\n\\[\\bar y_k(\\tau) = \\frac{1}{\\tau} \\int_{t_k}^{t_k+\\tau}y(t)\\,dt,\\]\n\n其中，相邻区间首尾相接：\\(t_{k+1}=t_k+\\tau\\)。\n\n阿伦方差为\n\n\\[\\sigma_y^2(\\tau) = \\frac{1}{2} \\mathbb{E} \\left[ \\left( \\bar y_{k+1}(\\tau)-\\bar y_k(\\tau) \\right)^2 \\right],\\]\n\n其中，\\(\\mathbb{E}\\) 表示期望值。阿伦偏差为\n\n\\[\\sigma_y(\\tau)=\\sqrt{\\sigma_y^2(\\tau)}.\\]\n\n平均时间 \\(\\tau\\) 是结果不可或缺的一部分。仅给出阿伦偏差而不注明相应的平均时间，并不能完整表述一次稳定性测量的结果。\n\n由相对频率计算得到的阿伦偏差是无量纲的。例如，\\(\\sigma_y(1\\,\\mathrm{s})=10^{-12}\\) 描述的是平均时间为一秒时的相对频率波动。将其乘以 \\(\\nu_0\\)，即可用频率单位表示相应的波动尺度。\n\n同样的构造也可用于其他被测量，例如电压、角速度或加速度。此时得到的偏差具有该物理量的单位，其含义取决于所分析的信号。"
    },
    {
      "heading": "为什么采用相邻差分",
      "text": "普通方差衡量的是围绕均值的离散程度。它对许多平稳过程十分有效，但振荡器信号通常含有显著的低频波动。对于某些此类噪声模型，样本方差强烈依赖于记录时长，而不会收敛到某个固定值。\n\n阿伦方差则比较相邻区间的平均值。这种差分会抑制缓慢变化的分量，并完全消除恒定的频率偏移。因此，即使时钟始终以一个有误的频率运行，其阿伦偏差仍可能很低：稳定性不等于准确度。\n\n如果相邻平均值相互独立且方差相等，则有\n\n\\[\\frac{1}{2} \\mathbb{E} \\left[ (\\bar y_{k+1}-\\bar y_k)^2 \\right] = \\operatorname{Var}(\\bar y_k).\\]\n\n这解释了二分之一这一因子的由来。更一般地，当平均值序列平稳时，\n\n\\[\\sigma_y^2(\\tau) = \\operatorname{Var}(\\bar y_k) - \\operatorname{Cov}(\\bar y_{k+1},\\bar y_k).\\]\n\n因此，阿伦偏差既取决于区间平均值的离散程度，也取决于它们之间的相关性。"
    },
    {
      "heading": "根据测量数据进行估计",
      "text": "非重叠估计\n\n给定 \\(M\\) 个连续、互不重叠且时长均为 \\(\\tau\\) 的区间平均值，常规估计量为\n\n\\[\\widehat{\\sigma}_y^2(\\tau) = \\frac{1}{2(M-1)} \\sum_{k=1}^{M-1} \\left( \\bar y_{k+1}-\\bar y_k \\right)^2.\\]\n\n为了评估多个平均时间，通常将等间隔采样的测量数据分组，组成逐渐加长的区间。如果基本采样间隔为 \\(\\tau_0\\)，平均时间通常选为 \\(\\tau=m\\tau_0\\)，其中 \\(m\\) 为正整数。\n\n平均时间越长，可用的独立比较就越少。因此，所得估计值的统计不确定性也越大。\n\n时间误差表示\n\n时钟测量通常记录为时间误差 \\(x(t)\\)，即相对于参考时钟的时间偏差，以秒为单位。按照通常的约定，\n\n\\[y(t)=\\frac{dx(t)}{dt},\\]\n\n因此，平均相对频率可写为\n\n\\[\\bar y_k(\\tau) = \\frac{x(t_k+\\tau)-x(t_k)}{\\tau}.\\]\n\n于是，\n\n\\[\\sigma_y^2(\\tau) = \\frac{1}{2\\tau^2} \\mathbb{E} \\left[ \\left( x(t+2\\tau)-2x(t+\\tau)+x(t) \\right)^2 \\right].\\]\n\n由此可见，阿伦方差与时间误差二阶差分的均方值成正比。这种表示在直接测量相位差或时间差的时钟比对系统中尤其有用。\n\n重叠估计\n\n重叠阿伦方差使用所有可用的相邻平均窗口对，每次将窗口起点移动一个基本采样间隔，而不是移动一整个平均时间。\n\n对于以 \\(\\tau_0\\) 为间隔采样得到的 \\(N\\) 个时间误差样本 \\(x_0,\\ldots,x_{N-1}\\)，在 \\(\\tau=m\\tau_0\\) 时，一个重叠估计量为\n\n\\[\\widehat{\\sigma}_{y,\\mathrm{ov}}^2(\\tau) = \\frac{1}{2\\tau^2(N-2m)} \\sum_{i=0}^{N-2m-1} \\left( x_{i+2m}-2x_{i+m}+x_i \\right)^2,\\]\n\n条件是 \\(N>2m\\)。\n\n重叠估计利用了更多已有记录，通常能提高统计精度。不过，求和中的各项彼此相关，因此项数并不等于独立观测的数量。"
    },
    {
      "heading": "如何解读阿伦偏差图",
      "text": "阿伦偏差通常以平均时间为横轴，绘制在双对数坐标图上。在某一种噪声过程占主导的区间内，不同噪声过程会呈现出各自特有的斜率。\n\n对于常规振荡器噪声模型：\n\n主导过程 | 阿伦偏差的近似变化关系\n白相位调制噪声 | 在测量带宽固定、处于通常的渐近区间时，\\(\\sigma_y(\\tau)\\propto\\tau^{-1}\\)\n闪烁相位调制噪声 | 近似为 \\(\\tau^{-1}\\)，并带有依赖带宽的对数修正\n白频率调制噪声 | \\(\\sigma_y(\\tau)\\propto\\tau^{-1/2}\\)\n闪烁频率调制噪声 | \\(\\sigma_y(\\tau)\\propto\\tau^0\\)\n随机游走频率调制噪声 | \\(\\sigma_y(\\tau)\\propto\\tau^{+1/2}\\)\n线性频率漂移 | \\(\\sigma_y(\\tau)\\propto\\tau\\)\n\n“白”表示相应的功率谱密度为平坦谱，而闪烁噪声的谱与频率的倒数成正比。随机游走频率噪声与频率变量的布朗运动有关。\n\n曲线下降表明，在该区间内，延长平均时间能够减小测得的波动。平坦区段通常与闪烁频率噪声有关。曲线上升则可能反映随机游走行为、漂移、环境扰动或其他缓慢变化。\n\n这些特征并不能唯一确定噪声来源。多种噪声源可能同时存在，周期性扰动也可能形成隆起或振荡特征。尤其是，仅凭主导斜率，普通阿伦偏差无法清楚地区分白相位调制噪声与闪烁相位调制噪声。\n\n对于确定性的线性相对频率漂移，\n\n\\[y(t)=y_0+Dt,\\]\n\n其贡献为\n\n\\[\\sigma_y(\\tau)=\\frac{|D|\\tau}{\\sqrt{2}}.\\]\n\n扣除拟合得到的漂移会改变所报告的统计量，因此应明确说明是否进行了这一处理。"
    },
    {
      "heading": "与谱分析的关系",
      "text": "对于由单边功率谱密度 \\(S_y(f)\\) 描述的相对频率过程，在积分收敛时，阿伦方差可写为\n\n\\[\\sigma_y^2(\\tau) = 2\\int_0^\\infty S_y(f) \\frac{\\sin^4(\\pi f\\tau)} {(\\pi f\\tau)^2}\\,df.\\]\n\n这一表达式将时域稳定性测量与频域分析联系起来。其中的加权函数综合了区间平均和相邻区间之间的差分作用。\n\n在低傅里叶频率处，该权重按 \\(f^2\\) 的比例趋于零，从而抑制缓慢变化的分量。这解释了为什么对于若干普通方差会发散的低频噪声模型，阿伦方差仍可保持有限。\n\n高频响应同样重要。对于相位噪声过程，结果可能强烈依赖测量带宽。因此，仅用平均时间不足以完整描述测量系统；可能还需要注明滤波和采样特性。"
    },
    {
      "heading": "统计解释与局限性",
      "text": "稳定性并非测量不确定度\n\n阿伦偏差衡量的是波动，并不是对测量不确定度的完整表述。它本身并未涵盖系统性偏移、校准误差、参考频率误差或所有环境影响，也不能自动视为整个测量期间所得平均值的不确定度。\n\n要将稳定性曲线转化为某项具体测量的不确定度，必须对噪声过程和测量程序作出相应假设。\n\n有限记录与置信区间\n\n阿伦偏差的估计值本身也存在不确定性。其置信区间取决于记录长度、平均时间、估计量类型和噪声特性。\n\n对于常见的高斯噪声模型，通常使用具有有效自由度的卡方分布来近似求取阿伦方差的区间。有效自由度可能远小于差分平方项的数量，在重叠估计或噪声高度相关时尤其如此。\n\n因此，\\(\\tau\\) 最大处的数据点往往最不确定。短记录末端附近出现的尖锐极小值，并不一定意味着找到了可重复获得的最佳平均时间。\n\n采样与仪器的影响\n\n标准公式假定采样等间隔，且测量区间连续。测量之间的死时间会改变对噪声的响应，并可能引入偏差。样本缺失、异常值、频率阶跃以及工作条件变化也会改变曲线。\n\n不同频率计的内部加权和平均方式并不相同。某种频率计架构所产生的数据，未必对应常规阿伦方差计算所假定的矩形窗口区间平均值。\n\n两台时钟之间的比对测得的是二者的综合波动。如果两台时钟相互独立，其阿伦方差可以相加；这种比对并不能直接给出其中任一台时钟自身的不稳定度。"
    },
    {
      "heading": "相关稳定性度量",
      "text": "若干相关统计量针对上述局限性作出改进，或着重反映不同特征：\n\n- **修正阿伦偏差**增加了一步平均运算，有助于区分白相位调制噪声与闪烁相位调制噪声。\n- **时间偏差**以时间单位表示一种相关度量。按照常规定义，\n\n\\[\\operatorname{TDEV}(\\tau) = \\frac{\\tau}{\\sqrt{3}}\\, \\operatorname{MDEV}(\\tau).\\]\n- **哈达玛方差**采用平均频率的二阶差分，因此不受线性频率漂移的影响。\n- 总方差与总偏差通过构造扩展数据来改善统计性能，尤其适用于较长的平均时间。\n\n这些量相互关联，但不能互换使用。它们采用的加权函数不同，因此对噪声和漂移的响应也不同。"
    },
    {
      "heading": "历史与应用",
      "text": "这一度量以戴维·W. 阿伦的名字命名。他于1966年发表的原子频率标准统计研究论文，为这一度量奠定了理论基础。随着振荡器的稳定性不断提高，人们需要适用于相关噪声和低频噪声的方法，阿伦偏差由此成为时间频率计量中的标准工具。\n\n在原子钟和振荡器的研制中，阿伦偏差用于表征短期和长期频率稳定性。时钟比对、卫星导航系统和时间传递实验利用它来评估时间基准和测量链路。\n\n在精密干涉测量和光谱学中，它有助于表征激光器、频率基准和被测信号的稳定性。对于陀螺仪、加速度计等惯性传感器，类似的阿伦偏差图可用于区分不同时间尺度上的噪声特性。从这些图中推断出的传感器特定参数，取决于噪声模型以及定义这些参数所采用的约定。"
    }
  ],
  "links": [
    "metrology",
    "expected-value",
    "second",
    "variance",
    "brownian-motion",
    "measurement-uncertainty",
    "calibration",
    "confidence-interval",
    "atomic-clock",
    "interferometry",
    "spectroscopy"
  ],
  "sources": [],
  "license": "https://creativecommons.org/licenses/by/4.0/"
}