图5. 410-SPS数据速率的复合响应。
可编程FIR滤波器分析
知道模拟滤波器和抽取滤波器的贡献之后，我们可以评估使用片内抽取滤波器和设计自定义FIR滤波器之间的比较权衡。在图3所示的ADIS16488中，FIR滤波器包括在IMU中，但有些系统在数字信号处理程序中实施滤波器。FIR滤波器的时域f(n) 以差分方程表示，其中z变换提供了用于频率分析的分析工具：
幸运的是，很多现代程序都包含根据基本关系进行此类分析的特定工具或命令。但在验证自动评估工具的结果或对FIR设计工具输出产生直觉的疑问时，了解它们仍然是有用的。MATLAB"fdatool"命令可启动滤波器分析和设计软件包，帮助设计和分析系统FIR滤波器实施。
惯性频率响应测试方法
在陀螺仪中测试频率响应的最直接方法是使用惯性速率表，它能够引入适当的频率成分。速率表通常包括可编程伺服电机和光学编码器，可验证电机轴上的编程旋转。这种测试方法的优势是它应用了实际惯性运动。它的弱点在于它通常不适用于刚开始使用MEMS的工程师。
对于未使用速率表的早期分析验证，测试目标频段内的频谱噪声可以提供有用的信息。这种简化方法不需要复杂的测试设备，而只需要与稳定平台的安全机械连接以及数据收集仪表。但是，它要求机械噪声具有相对于频率的"平坦"噪声幅度。
图6详细说明了使用相同双极低通滤波器的两个例子。第一个例子 (ADIS16375)使用了在有用频率范围内具有平坦响应的陀螺仪。第二个例子(ADIS16488)使用在1.2 kHz频率下具有适中峰化量的陀螺仪，它实际上将–3 dB频率扩展到大约380 Hz。对于在为控制环路进行建模和仿真的人员而言，了解这种共振行为可能是非常有价值的。在简单测试中识别这种行为，还有助于解释在执行更全面系统特征化时噪声电平高于预期的原因。如果在项目早期了解和识别这些行为，则通常可通过对滤波器极点的调整，对它们进行管理。
测量噪声密度时，请确保采样速率至少达到最高目标频率的两倍，以满足奈奎斯特准则。此外，还应提取足够的数据样本，以降低测量的不确定性。图6中的坐标图源于FFT时间记录分析，长度为256000个采样，最大速率为2.46 kSPS。
图6. 噪声密度比较。
另一种方法使用了陀螺仪的自测功能。自测功能提供了使用电气信号来模拟传感器的机械结构的机会，而无需对设备施加外部惯性运动。自测功能迫使模拟对实际运动的响应的传感器内核中发生变化，从而在电气输出上产生相应变化。并非所有产品都提供对此信息的实时访问，但它可能是一种有用工具，另外制造商或许能够提供此种类型的频率-响应测试的数据。在最简单的方法中，可将自测（模拟对步骤的响应）与分析预期结果进行比较。重复在特定频率下的自测置位，也是一种研究每个频率下的传感器响应幅度的直接方法。以图7中的两种不同响应为例。在较低频率下，陀螺仪输出类似于方波，每个转换的瞬态响应除外。瞬态响应符合传感器信号链中的滤波器网络的"步骤响应"预期。在第二个示例中，自测的频率足够高，能够防止完全建立，因而发生了幅度减小。请注意在本图底部信号上，蓝色和黑点响应之间的幅度差异。有多种方法可以估测这些时间记录的幅度。离散傅里叶变换(DFT)可将主要频率成份（自测频率）与谐波内容隔离开，这可能导致幅度/频率响应的误差。
