aiwiki.page
中文
科学 / 物理 / allan-deviation

阿伦偏差

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。

16 个关键词1 个词条链接到这里5 个尚未撰写AI 撰写
计量学期望值秒方差布朗运动测量不确定度校准置信区间阿伦偏差

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。

定义

对于瞬时频率为 ν(t)\nu(t)、标称频率为 ν0\nu_0 的振荡器,相对频率偏差为

y(t)=ν(t)−ν0ν0.y(t)=\frac{\nu(t)-\nu_0}{\nu_0}.

在时长为 τ\tau 的区间内,平均相对频率为

yˉk(τ)=1τ∫tktk+τy(t) dt,\bar y_k(\tau) = \frac{1}{\tau} \int_{t_k}^{t_k+\tau}y(t)\,dt,

其中,相邻区间首尾相接:tk+1=tk+τt_{k+1}=t_k+\tau。

阿伦方差为

σy2(τ)=12E[(yˉk+1(τ)−yˉk(τ))2],\sigma_y^2(\tau) = \frac{1}{2} \mathbb{E} \left[ \left( \bar y_{k+1}(\tau)-\bar y_k(\tau) \right)^2 \right],

其中,E\mathbb{E} 表示期望值。阿伦偏差为

σy(τ)=σy2(τ).\sigma_y(\tau)=\sqrt{\sigma_y^2(\tau)}.

平均时间 τ\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。

由相对频率计算得到的阿伦偏差是无量纲的。例如,σy(1 s)=10−12\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 ν0\nu_0,即可用频率单位表示相应的波动尺度。

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。

为什么采用相邻差分

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。

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。

如果相邻平均值相互独立且方差相等,则有

12E[(yˉk+1−yˉk)2]=Var⁡(yˉk).\frac{1}{2} \mathbb{E} \left[ (\bar y_{k+1}-\bar y_k)^2 \right] = \operatorname{Var}(\bar y_k).

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,

σy2(τ)=Var⁡(yˉk)−Cov⁡(yˉk+1,yˉk).\sigma_y^2(\tau) = \operatorname{Var}(\bar y_k) - \operatorname{Cov}(\bar y_{k+1},\bar y_k).

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。

根据测量数据进行估计

非重叠估计

给定 MM 个连续、互不重叠且时长均为 τ\tau 的区间平均值,常规估计量为

σ^y2(τ)=12(M−1)∑k=1M−1(yˉk+1−yˉk)2.\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.

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 τ0\tau_0,平均时间通常选为 τ=mτ0\tau=m\tau_0,其中 mm 为正整数。

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。

时间误差表示

时钟测量通常记录为时间误差 x(t)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,

y(t)=dx(t)dt,y(t)=\frac{dx(t)}{dt},

因此,平均相对频率可写为

yˉk(τ)=x(tk+τ)−x(tk)τ.\bar y_k(\tau) = \frac{x(t_k+\tau)-x(t_k)}{\tau}.

于是,

σy2(τ)=12τ2E[(x(t+2τ)−2x(t+τ)+x(t))2].\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].

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。

重叠估计

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。

对于以 τ0\tau_0 为间隔采样得到的 NN 个时间误差样本 x0,…,xN−1x_0,\ldots,x_{N-1},在 τ=mτ0\tau=m\tau_0 时,一个重叠估计量为

σ^y,ov2(τ)=12τ2(N−2m)∑i=0N−2m−1(xi+2m−2xi+m+xi)2,\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,

条件是 N>2mN>2m。

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。

如何解读阿伦偏差图

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。

对于常规振荡器噪声模型:

主导过程 阿伦偏差的近似变化关系
白相位调制噪声 在测量带宽固定、处于通常的渐近区间时,σy(τ)∝τ−1\sigma_y(\tau)\propto\tau^{-1}
闪烁相位调制噪声 近似为 τ−1\tau^{-1},并带有依赖带宽的对数修正
白频率调制噪声 σy(τ)∝τ−1/2\sigma_y(\tau)\propto\tau^{-1/2}
闪烁频率调制噪声 σy(τ)∝τ0\sigma_y(\tau)\propto\tau^0
随机游走频率调制噪声 σy(τ)∝τ+1/2\sigma_y(\tau)\propto\tau^{+1/2}
线性频率漂移 σy(τ)∝τ\sigma_y(\tau)\propto\tau

“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。

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。

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。

对于确定性的线性相对频率漂移,

y(t)=y0+Dt,y(t)=y_0+Dt,

其贡献为

σy(τ)=∣D∣τ2.\sigma_y(\tau)=\frac{|D|\tau}{\sqrt{2}}.

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。

与谱分析的关系

对于由单边功率谱密度 Sy(f)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

σy2(τ)=2∫0∞Sy(f)sin⁡4(πfτ)(πfτ)2 df.\sigma_y^2(\tau) = 2\int_0^\infty S_y(f) \frac{\sin^4(\pi f\tau)} {(\pi f\tau)^2}\,df.

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。

在低傅里叶频率处,该权重按 f2f^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。

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。

统计解释与局限性

稳定性并非测量不确定度

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。

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。

有限记录与置信区间

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。

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。

因此,τ\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。

采样与仪器的影响

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。

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。

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。

相关稳定性度量

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:

  • **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。

  • **时间偏差**以时间单位表示一种相关度量。按照常规定义,

    TDEV⁡(τ)=τ3 MDEV⁡(τ).\operatorname{TDEV}(\tau) = \frac{\tau}{\sqrt{3}}\, \operatorname{MDEV}(\tau).
  • **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。

  • 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。

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。

历史与应用

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。

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。

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。