4. 硬件校正方法：利用模拟电路进行初步线性化
说到传感器非线性校正，很多人第一反应就是上软件、跑算法。这当然没错。但我个人习惯是——能用硬件解决的，先别急着写代码。为什么？因为硬件校正没有延迟，不占CPU资源，而且一旦调好，它就一直稳定工作。
这一章，我们来聊聊模拟电路的线性化手段。说白了，就是用一些巧妙的电路结构，把传感器的非线性输出“掰直”。
4.1 为什么需要硬件校正？
你想想看，很多传感器的输出天生就不是线性的。比如热敏电阻的阻值-温度曲线，比如光电二极管的电流-光照曲线。这些曲线往往是指数型或对数型的。
如果直接送进ADC采样，你会发现——低端灵敏度太高，高端灵敏度太低。整个量程范围内，分辨率分布极不均匀。
我在项目中遇到过这样一个案例：一个温度测量系统，用NTC热敏电阻。0°C到50°C这段，ADC读数变化很大，精度不错。但到了100°C以上，读数几乎不动了。这就是典型的非线性问题。
硬件校正的目的，就是在信号进入ADC之前，先把曲线拉直。
4.2 对数放大器：专治指数型非线性
很多传感器的输出是指数型的。比如某些温度传感器，电压随温度呈指数变化。这时候，对数放大器就是你的好朋友。
对数放大器的基本原理，是利用PN结的指数特性。一个二极管的正向电流和电压之间，存在这样的关系：
I = Is * (exp(V / (n * Vt)) - 1)当V足够大时，这个关系近似为：
I ≈ Is * exp(V / (n * Vt))反过来，如果我们把二极管放在运放的反馈回路里，就能实现输出电压与输入电流的对数成正比：
Vout = -n * Vt * ln(Vin / (R * Is))嗯，公式看着有点吓人。但实际用起来很简单——输入是指数变化的信号，输出就变成线性了。
4.3 二极管网络：分段逼近线性化
对数放大器虽然好用，但它只能处理指数型曲线。如果传感器的曲线是“S型”或者“其他奇奇怪怪的形状”呢？
这时候，我推荐你试试二极管网络分段逼近法。这个方法很巧妙——用多个二极管和电阻组成分段线性网络，每一段用一个不同的增益。
原理是这样的：
- 每个二极管都有一个开启电压（硅管约0.7V）
- 当输入电压低于开启电压时，该支路不导通
- 当输入电压超过开启电压时，该支路开始起作用
- 通过调整各支路的电阻值，可以控制每一段的增益
说白了，就是用多个“拐点”去逼近一条曲线。拐点越多，逼近精度越高。
我画了一张示意图，帮你理解这个结构：
每个二极管Dn串联一个电阻Rn，构成一条支路。当输入电压升高时，二极管依次导通。每导通一个，就相当于并联了一个电阻，改变了整个网络的等效电阻。这样，输出曲线就被分成了若干段，每段有不同的斜率。
4.4 实战：热敏电阻的线性化
讲个具体的例子。NTC热敏电阻的阻值-温度关系是这样的：
R(T) = R0 * exp(B * (1/T - 1/T0))其中B是材料常数，一般在3000-4000K之间。这个曲线非常陡峭，尤其是在低温段。
最简单的硬件校正方法，就是在热敏电阻上并联一个固定电阻。你可能会问：就这么简单？
对，就这么简单。并联电阻后，等效电阻变成：
Req = (R_ntc * Rp) / (R_ntc + Rp)这个并联后的曲线，在中间一段会变得比较平直。虽然两端还是弯的，但如果你只关心某个温度范围（比如20-50°C），这个方法性价比极高。
我当年做智能家居的温度传感器，就是用这个方法。一个NTC加一个10kΩ的精密电阻，成本不到一毛钱，就把20-40°C范围内的线性度从±8%改善到了±1.5%。
4.5 硬件校正的优缺点
说了这么多好处，也得泼点冷水。硬件校正不是万能的。
| 优点 | 缺点 |
|---|---|
| 零延迟，实时性好 | 灵活性差，改参数要换元件 |
| 不占CPU资源 | 精度受限于元件精度 |
| 成本低（几个电阻二极管） | 温漂问题难以完全消除 |
| 适合大批量生产 | 复杂曲线需要多级网络 |
我个人建议：能用硬件粗调，再用软件精调。硬件负责把曲线从“严重非线性”变成“近似线性”，软件负责最后的微调和温度补偿。这样既发挥了硬件的高速低成本优势，又保留了软件的灵活性。
嗯，这一章就到这里。硬件校正的方法其实还有很多，比如用乘法器、用模拟乘法器做除法等等。但核心思想都一样——用模拟电路的传递函数去补偿传感器的非线性。掌握了这个思路，你就能举一反三了。