圖10. 第5步：添加二階分量，消除剩余失調。

有關?N0, ?N1, ?N2, a, b, c 的所有溫度系數信息應該存儲在系統非易失性存儲器中，同時需要一個板載溫度傳感器。系統會在每次上電后例行校準加速度計，確保消除失調隨溫度的變化值。

噪聲

基于單個數據樣本測量傾角不一定可靠。即使加速度計的噪聲為零，傾角測量也是在汽車啟動時測量的，所以，需要減小發動機、過往車輛或乘客在車上來回移動導致的任何振動。最好的辦法是在不降至最低數據速率要求的條件下，在盡量長的時間內做數據平均。數據平均算法會減少rms噪聲。

假如我們對噪聲采樣，結果可得到每個樣本的方差

求一個隨機變量的均值，獲得以下方差，

由于噪聲方差保持于σ2不變，

以上推導顯示，對同一未校正噪聲的n次實現求均值可使噪聲功率減少n倍，并使rms噪聲減少√n。
由于隨機噪聲受高斯分布影響，所以，rms噪聲等于高斯分布的標準差。6σ以內的最小分布為97%。

例如，如果以1 kSPS的采樣率對每100 ms的數據求均值，則最大rms噪聲 = 0.4 mg，即是說如果以6σ作為與平均值的距離，則此時的峰值噪聲僅為2.4 mg。

用于與rms值相乘的因數取決于器件要執行的任務的統計需求。例如，如果選擇6作為因數（峰峰值噪聲為6 × RMS_Noise），則算法在器件生命周期內要運行的次數會影響超過最差情況6 × RMS_Noise 的概率。可總結如下：

E為在生命周期內超過最差情況的預期次數，M為生命周期內的運行次數，r為超過最差情況的概率。基于此，我們可以通過乘以rms噪聲評估出一個合理的因數。

小結

以ADI公司的ADXC1500/ADXC1501（組合式陀螺儀和2軸/3軸加速度 計）為例，所有誤差貢獻項均列于表1中，包括校準和不校準兩種情況。我們可以假設，總失調變化為二次曲線，并且其在溫度范圍內的變化占總失調變化的80%。另外，以6為因數乘以最大rms噪聲。

一個陀螺儀和一個三軸加速度計的單芯片集成方案可以實現多種新型應用，尤其是在汽車安全系統和工業自動化應用領域。為了設計更加可靠、高精度的汽車安全系統，例如，穩定的電子控制系統(ESC)和側翻檢測系統，盡量減少系統誤差至關重要。汽車中已安裝這些傳統型底盤控制系統，包括防抱死制動系統、牽引控制和偏航控制系統。

表1. 校準前后的誤差貢獻