En su primera figura, la curva AV raíz parece seguir una pendiente de \ $ - 0.5 \ $ desde el inicio de la curva hasta un tiempo de integración de unos pocos cientos de s. Una forma simple de extraer la caminata aleatoria angular (ARW) es hacer una línea recta a través de la parte de su curva con una pendiente de \ $ - 0.5 \ $ y encontrar dónde esta línea cruza \ $ \ tau = 1 \ $ s. En algunos casos, esta línea no seguirá su curva AV cuando cruce \ $ \ tau = 1 \ $ s, pero en su caso lo hace. (Lo que significa que el ruido blanco está dominando para tiempos de integración de menos de unos pocos cientos de segundos). En su caso, parece que ya ha encontrado que la curva cruza \ $ \ tau = 1 \ $ s en \ $ 178.182 ^ {\ circ} \ $ / h. Esto significa que su ARW = \ $ 178.182 / 60 ^ {\ circ} / \ sqrt {h} = 2.97 ^ {\ circ} / \ sqrt {h} \ $.
El ruido de cuantización parece no influir en absoluto en la curva AV de la raíz. (No veo ninguna parte con pendiente de -1). Por lo tanto parece despreciable. ¿Quizás utiliza un ADC de muy alta resolución para muestrear los datos del giro o los diezma antes de realizar sus cálculos de AV? Nunca he trabajado con el ruido de cuantificación, pero supongo que lo harías de la misma manera que con ARW; es decir, encuentra la parte de la curva con una pendiente de -1, si es necesario, extienda esto con una línea recta para que pase \ $ \ tau = 3 ^ {0.5} \ $ segundos, y convierta a las unidades apropiadas.
Lo mismo ocurre con la tasa de caminata aleatoria. No lea el valor de la curva en \ $ \ tau = 3 \ $ segundos, sino que dibuje una línea recta a través de la parte de la curva con una pendiente de +0.5, extienda esta línea hasta \ $ \ tau = 3 \ $ segundos, lea el valor y conviértalo a unidades apropiadas.
En cuanto a la inestabilidad de sesgo, creo que requiere que realmente tengas una parte de la curva AV de la raíz que es realmente plana (es decir, una pendiente de 0) como se muestra en tu tercera y cuarta figura. La inestabilidad de sesgo es simplemente el nivel de la parte plana de la curva. (No se necesita más conversión). Esta sería la parte de la curva en la que una mayor integración de la señal de frecuencia (es decir, un tiempo de integración más largo) ya no aumentaría la precisión de su lectura. (El ruido blanco (ARW) disminuye cuando promedia durante períodos de tiempo más largos, el ruido de parpadeo (inestabilidad de sesgo) no disminuye cuando promedia durante períodos de tiempo más largos).