No dijiste qué modelo de IMU tienes.
Para el modelo -1200F050, la hoja de datos indica que el nivel de ruido del gyro (uno σ) es 0.56 ° / s típico, y dado que la sensibilidad es de 0.055 ° / s / count, eso le dará un nivel de ruido que rondará los 10 conteos.
Para el modelo -0150F050, el nivel de ruido (uno σ) es 0,36 ° / s típico, y dado que la sensibilidad es 0,0068 ° / s / cuenta, eso le dará un nivel de ruido que rondará los 53 conteos.
No analicé sus datos, ya que no los proporcionó en forma copiable, pero esos números parecen correctos (incluido el sesgo) para el modelo más sensible.
ADICIONAL
Tenga en cuenta que la especificación de ruido es una medida estadística. Se asume que el ruido es "ruido gaussiano blanco aditivo" (AWGN), y el nivel se da como un valor de un sigma (σ), que es una forma estándar de caracterizar una distribución gaussiana (la desviación estándar ). Puede pensar en esto como un tipo de valor RMS; es equivalente a especificar la potencia de ruido cuando se habla de voltaje o corriente.
Lo que esto significa es que 68.2% del tiempo (68.2% de las muestras) tendrá un valor de ruido menor que el número especificado (53 conteos en este caso). El resto del tiempo, el valor puede ser mayor, en algunos casos, mucho más grande.
Si desea obtener una mejor idea de lo que podría considerar un valor "máximo" para el ruido, debe observar el valor de 3σ: el 99.8% del tiempo, el ruido en una muestra será menor de 3 × 53 = 159 cuentas.
Si puede proporcionar sus datos en formato legible por máquina, es muy sencillo calcular su media y desviación estándar para ver si coincide con las especificaciones del sensor. Sospecho que está bien dentro de las especificaciones.
INTEGRACIÓN
Cuando integras un valor que tiene un término de error de polarización y un término de ruido, el resultado se alejará del valor correcto incluso si la "señal" subyacente es cero. El término de sesgo (esencialmente una constante), cuando está integrado, se convierte en una "rampa" lineal, lo que significa que el error crece linealmente con el tiempo. El término de ruido, cuando se integra, se convierte en una "caminata aleatoria", y el error de salida asociado con esto crece proporcionalmente a la raíz cuadrada del tiempo de integración.
A menos que pueda encontrar una forma de compensar estos errores (utilizando datos de otros sensores), el resultado se volverá inútil en minutos o incluso segundos, dependiendo de la calidad del sensor.
