第一章 传感器基础与信号特性
大家好，我是老李。做嵌入式这行十几年了，传感器这块算是我的老本行。今天咱们聊聊传感器的基础，别觉得基础就简单，很多坑其实都埋在这里。
1.1 传感器的分类
传感器怎么分类？说实话，方法太多了。我个人习惯按被测物理量来分，这样最直观。
- 温度传感器：热电偶、热敏电阻、RTD、数字温度芯片（DS18B20这类）
- 压力传感器：压阻式、电容式、谐振式
- 加速度传感器：MEMS电容式、压电式
- 磁传感器：霍尔效应、磁阻效应
- 光学传感器：光电二极管、CCD、CMOS图像传感器
还有一种分法，按输出信号类型分：模拟传感器和数字传感器。嗯，这里要注意，数字传感器内部其实也有模拟前端，只是把ADC集成进去了。我在项目中遇到过，有人把数字温度传感器直接焊在发热元件旁边，结果读数一直偏高——其实不是传感器不准，是热传导路径没处理好。
1.2 静态特性与动态特性
传感器的特性，说白了就是它怎么响应输入信号。静态特性看的是稳态，动态特性看的是瞬态。
静态特性
静态特性包括：
- 灵敏度：输出变化量与输入变化量的比值。比如一个压力传感器，每1kPa压力输出变化10mV，那灵敏度就是10mV/kPa。
- 线性度：实际输出曲线偏离理想直线的程度。我见过一个项目，用了某款便宜的压力传感器，线性度标称±1%，结果实际测下来到了±3%，后来换了另一家才搞定。
- 迟滞：正行程和反行程输出不一致的现象。说白了就是传感器有「记忆」，你加压到100kPa再减压回来，同一个压力点读数不一样。
- 重复性：相同条件下多次测量的一致性。
- 分辨率：传感器能检测到的最小输入变化量。
避坑指南：我曾经在一个工业项目中，选传感器只看精度，忽略了温度漂移。结果夏天和冬天的读数差了5%以上。后来学乖了，选型时一定看全温区范围内的性能指标。
动态特性
动态特性描述传感器对快速变化信号的响应能力。核心指标是：
- 响应时间：从输入阶跃变化到输出达到稳定值的一定比例（通常是90%或95%）所需的时间。
- 带宽：传感器能有效响应的频率范围。
- 阻尼比：描述系统振荡衰减的快慢。阻尼比太小，会过冲；太大，响应变慢。
你想想看，一个温度传感器如果响应时间是10秒，你用它去测快速变化的温度，那数据基本是废的。我做过一个电机温升测试，用了热敏电阻，响应太慢，测出来的温度曲线跟实际差了老远。后来换了热电偶，才把真实情况抓出来。
1.3 噪声来源分析
噪声是传感器的天敌。我经常跟团队说，搞信号处理，一半时间在跟噪声打架。
常见的噪声来源：
| 噪声类型 | 来源 | 特点 |
|---|---|---|
| 热噪声（约翰逊噪声） | 电阻中电子的热运动 | 白噪声，功率谱密度平坦 |
| 散粒噪声 | 半导体中载流子的随机通过 | 与电流有关，也是白噪声 |
| 1/f噪声（闪烁噪声） | 材料缺陷、表面态 | 低频时显著，频率越低噪声越大 |
| 工频干扰 | 50Hz/60Hz电源线耦合 | 特定频率，幅度可能很大 |
| 量化噪声 | ADC量化过程 | 与分辨率有关，理论上均匀分布 |
个人经验：我习惯在设计初期就做噪声预算。比如一个压力测量系统，要求精度0.1%，那我会把热噪声、量化噪声、电源纹波等逐项分配，确保总噪声不超过预算。这招帮我避免了很多后期返工。
为什么会这样？因为噪声是叠加的，不是简单的相加。不同噪声源之间通常不相关，所以总噪声是各噪声的均方根值。举个例子，两个幅度相同的独立噪声源叠加，总噪声不是2倍，而是√2倍。
1.4 采样定理与混叠效应
采样定理，也就是奈奎斯特-香农定理，是数字信号处理的基石。它说：采样频率必须大于信号最高频率的两倍，才能无失真地重建原始信号。
用公式表示就是：
fs > 2 * fmax其中fs是采样频率，fmax是信号中的最高频率分量。
如果采样频率不够，会发生什么？混叠。高频信号会「伪装」成低频信号，混进你的数据里。你根本不知道哪些是真的，哪些是假的。
警告：混叠一旦发生，就无法通过后续的数字滤波去除。因为混叠后的频率和真实信号频率在频域上完全重叠了。唯一的办法是在采样前用抗混叠滤波器把高频成分滤掉。
我记得有一次，一个同事调试振动监测系统，发现频谱里有个奇怪的峰值，怎么都找不到来源。折腾了两天，最后发现是采样率设低了，电机的高频振动混叠成了低频信号。加了个简单的RC低通滤波器在前端，问题就解决了。
实际工程中，我建议采样频率至少取信号最高频率的5到10倍。为什么？因为理想低通滤波器不存在，实际滤波器有过渡带。留出余量，抗混叠效果才好。
来看一个简单的Python示例，演示混叠的效果：
import numpy as np
import matplotlib.pyplot as plt
# 原始信号：10Hz正弦波
t = np.linspace(0, 1, 1000)
f_signal = 10
signal = np.sin(2 * np.pi * f_signal * t)
# 以12Hz采样（不满足采样定理）
fs_low = 12
t_low = np.arange(0, 1, 1/fs_low)
sampled_low = np.sin(2 * np.pi * f_signal * t_low)
# 以100Hz采样（满足采样定理）
fs_high = 100
t_high = np.arange(0, 1, 1/fs_high)
sampled_high = np.sin(2 * np.pi * f_signal * t_high)
print("12Hz采样时，混叠后的频率为:", abs(f_signal - fs_low))
print("100Hz采样时，无混叠问题")运行这段代码，你会发现12Hz采样时，重建的信号频率变成了2Hz——这就是混叠。10Hz的信号被「折叠」到了2Hz的位置。
核心要点：采样前一定要做抗混叠滤波。这是信号采集的铁律，没有例外。我见过太多人跳过这一步，结果数据全是错的，还以为是传感器坏了。
好了，第一章就聊到这儿。传感器基础看似简单，但每个细节都可能影响最终的数据质量。下一章我们讲滤波算法，到时候会用到今天说的这些概念。