4. 传感器数据采集：ADC采样原理、I2C/SPI总线读取传感器数据、数据滤波（均值/中值）

好，咱们进入第四讲。这一章是真正开始「动手」的关键环节。传感器装好了，怎么把它的「感觉」变成单片机认识的数字？说白了，就是数据采集。

我刚开始做窗帘电机项目时，最头疼的不是电机控制，而是传感器数据怎么读得准。光线传感器忽明忽暗，霍尔传感器偶尔跳变，搞得窗帘跟抽风似的。后来才明白，采集这一步没做好，后面算法再牛也白搭。

4.1 ADC采样原理——把模拟量变成数字量

窗帘电机里最常见的模拟传感器，就是光敏电阻和电位器（用来检测窗帘位置）。它们输出的是电压，而单片机只认0和1。ADC（模数转换器）就是干这个的。

ADC的核心参数，我列个表，大家一看就明白：

参数 说明 我的经验值
分辨率 多少位？10位就是0~1023，12位就是0~4095 窗帘电机用10位够用，12位更稳
采样率 每秒采多少次？单位Hz 光线传感器100Hz足够，别浪费CPU
参考电压 ADC能测量的最大电压 一般用3.3V或内部参考
转换时间 从开始采样到出结果的时间 几微秒到几十微秒，看芯片

嗯，这里要注意一个坑：参考电压一定要稳定。我曾经在一个项目里直接用板子的3.3V供电做参考，结果电机一启动，电压掉到3.1V，ADC读数直接飘了10%。后来老老实实加了外部基准电压芯片，问题才解决。

ADC采样代码示例（STM32 HAL库）：

// 初始化ADC，单次转换模式
HAL_ADC_Start(&hadc1);
// 等待转换完成
HAL_ADC_PollForConversion(&hadc1, 100);
// 读取原始值（0~4095）
uint16_t adc_value = HAL_ADC_GetValue(&hadc1);
// 转换成电压值（假设参考电压3.3V）
float voltage = (float)adc_value * 3.3f / 4095.0f;

你想想看，如果直接拿这个原始值去控制窗帘，那画面太美不敢看。光线稍微抖一下，窗帘就跟着晃。所以，滤波是必须的。

4.2 I2C/SPI总线读取传感器数据

窗帘电机里很多传感器是数字输出的，比如温湿度传感器（SHT30）、加速度计（MPU6050）、磁编码器（AS5600）。它们通过I2C或SPI总线跟单片机通信。

I2C和SPI怎么选？ 我个人习惯这样判断：

  • I2C：两根线（SDA、SCL），可以挂多个设备。速度一般400kHz或1MHz。适合温湿度、光线这类低速传感器。接线少，省IO口。
  • SPI：四根线（MOSI、MISO、SCK、CS），全双工，速度可以到几十MHz。适合加速度计、磁编码器这类需要高速读取的传感器。但每个设备要一个片选引脚。

我记得有一次调试窗帘的磁编码器，用I2C读位置数据，结果电机一转，数据就丢包。查了半天，发现是I2C总线太长，加上电机干扰。换成SPI后，问题迎刃而解。所以，有电机的地方，优先考虑SPI。

避坑指南： 我曾经在I2C总线上忘记加上拉电阻，结果数据全是0xFF。查了两天才发现。记住：I2C的SDA和SCL必须接上拉电阻（一般4.7kΩ），否则没法工作。

I2C读取传感器示例（以SHT30温湿度传感器为例）：

// SHT30地址：0x44（ADDR引脚接GND）
#define SHT30_ADDR 0x44 << 1

// 发送测量命令（0x2C, 0x06）
uint8_t cmd[2] = {0x2C, 0x06};
HAL_I2C_Master_Transmit(&hi2c1, SHT30_ADDR, cmd, 2, 100);

// 等待测量完成（至少15ms）
HAL_Delay(20);

// 读取6字节数据（温度高8位、温度低8位、CRC、湿度高8位、湿度低8位、CRC）
uint8_t buf[6];
HAL_I2C_Master_Receive(&hi2c1, SHT30_ADDR, buf, 6, 100);

// 计算温度（单位：℃）
uint16_t temp_raw = (buf[0] << 8) | buf[1];
float temperature = -45.0f + 175.0f * temp_raw / 65535.0f;

// 计算湿度（单位：%RH）
uint16_t hum_raw = (buf[3] << 8) | buf[4];
float humidity = 100.0f * hum_raw / 65535.0f;

这里有个细节：很多传感器带CRC校验。我建议不要偷懒跳过CRC。电机产生的电磁干扰很容易让数据出错，CRC能帮你过滤掉明显错误的数据。

4.3 数据滤波——让传感器数据「冷静」下来

原始数据直接拿来用？不行的。传感器噪声、电源波动、机械振动，都会让数据跳来跳去。滤波就是让数据变得平滑、可靠。

窗帘电机里最常用的两种滤波方法：均值滤波和中值滤波。

4.3.1 均值滤波

原理很简单：连续采N次，取平均值。适合抑制随机噪声，比如光线传感器的白噪声。

代码实现：

#define FILTER_SIZE 10  // 滤波窗口大小

uint16_t filter_buffer[FILTER_SIZE];
uint8_t filter_index = 0;

uint16_t mean_filter(uint16_t new_value) {
    uint32_t sum = 0;
    
    // 存入最新值
    filter_buffer[filter_index] = new_value;
    filter_index = (filter_index + 1) % FILTER_SIZE;
    
    // 求和
    for (int i = 0; i < FILTER_SIZE; i++) {
        sum += filter_buffer[i];
    }
    
    // 返回平均值
    return (uint16_t)(sum / FILTER_SIZE);
}

嗯，这里要注意：窗口大小不是越大越好。我试过用50点的均值滤波，数据是平滑了，但响应慢得像蜗牛。窗帘都拉到一半了，光线值还没更新完。一般10~20点比较合适。

4.3.2 中值滤波

均值滤波怕什么？怕「野值」。比如霍尔传感器偶尔跳一个很大的数，均值滤波会被带偏。中值滤波就不怕——它取中间值，把异常点直接扔掉。

代码实现：

#define MEDIAN_SIZE 5  // 一般取奇数

uint16_t median_filter(uint16_t new_value) {
    static uint16_t buffer[MEDIAN_SIZE];
    static uint8_t index = 0;
    uint16_t temp[MEDIAN_SIZE];
    
    // 存入最新值
    buffer[index] = new_value;
    index = (index + 1) % MEDIAN_SIZE;
    
    // 拷贝到临时数组并排序
    memcpy(temp, buffer, sizeof(temp));
    
    // 冒泡排序（数据量小，够用）
    for (int i = 0; i < MEDIAN_SIZE - 1; i++) {
        for (int j = 0; j < MEDIAN_SIZE - 1 - i; j++) {
            if (temp[j] > temp[j + 1]) {
                uint16_t t = temp[j];
                temp[j] = temp[j + 1];
                temp[j + 1] = t;
            }
        }
    }
    
    // 返回中间值
    return temp[MEDIAN_SIZE / 2];
}

警告： 中值滤波的窗口大小建议3~7点。窗口太大，排序耗时增加，而且会丢失细节。我曾经在电机位置检测上用9点中值滤波，结果窗帘停的位置总是差几度。后来改成5点，问题解决。

4.3.3 实际应用中的选择

我一般这样用：

  • 光线传感器：均值滤波（10点），因为噪声是随机的，均值效果好。
  • 霍尔位置传感器：中值滤波（5点），因为偶尔有脉冲干扰，中值能剔除。
  • 温湿度传感器：均值滤波（5点），温湿度变化慢，不需要太强滤波。
  • 加速度计：先中值滤波（3点）去野值，再均值滤波（10点）平滑。

说白了，没有万能的滤波方法。你得根据传感器的特性和应用场景来选。我建议在调试阶段，把原始数据和滤波后的数据同时打印出来，对比着看，很快就能找到最合适的方案。

总结一下本章要点：

  • ADC采样要注意参考电压稳定，分辨率选10位或12位够用。
  • I2C适合低速、多设备场景；SPI适合高速、抗干扰场景。电机附近优先SPI。
  • 均值滤波抑制随机噪声，中值滤波剔除野值。两者可以组合使用。
  • 滤波窗口大小要权衡平滑度和响应速度，一般3~20点。

下一章，我们会把这些采集到的数据融合起来，判断窗帘该开还是该关。到时候你会发现，数据采集的质量直接决定了控制效果。所以，这一章的基础一定要打牢。

← 上一章 📖 返回目录 下一章 →