4、数据采集模块测试：ADC精度测试、采样率验证、数据滤波效果测试
数据采集模块，说白了就是整个水质监测系统的「眼睛」和「耳朵」。ADC 要是出了问题，后面再好的算法也白搭。我这些年调试过的板子，少说也有几十块了，ADC 这块踩过的坑真不少。今天咱们就聊聊怎么把 ADC 精度、采样率和滤波效果这三项核心指标测透。
4.1 ADC 精度测试
ADC 精度测试，核心就一句话：给已知电压，看读回来准不准。但实际操作起来，门道可不少。
我个人习惯用高精度信号源（比如 Fluke 5700A 或 Keysight 33500B）输出直流电压。别用普通万用表当信号源，那玩意儿输出纹波大，测出来的结果你根本分不清是 ADC 的问题还是信号源的问题。我曾经就吃过这个亏，折腾了两天才发现是信号源太烂。
测试步骤我一般这么走：
- 零点校准：输入 0V（短接 ADC 输入端），读取转换结果。理想值是 0，但实际会有偏移。我见过最夸张的一块板子，偏移量达到了 15mV，后来发现是 PCB 布局时模拟地和数字地没处理好。
- 满量程校准：输入接近参考电压的值（比如 3.3V 参考就输 3.3V），看满量程误差。
- 线性度测试：在量程内均匀取 10~20 个点，记录每个点的理论值和实测值。
关键指标：
- 偏移误差：零点处的偏差，单位 mV 或 LSB
- 增益误差：满量程处的偏差，通常用百分比表示
- 积分非线性（INL）：实际传输曲线与理想直线的最大偏差
- 微分非线性（DNL）：相邻两个码字之间的步进偏差
嗯，这里要注意：测试 INL 和 DNL 时，信号源的分辨率至少要比 ADC 高 4 倍。比如你测 12 位 ADC，信号源最好有 16 位以上的分辨率。不然你测出来的非线性，其实是信号源的非线性。
我给大家一个简单的测试表格模板：
| 输入电压 (V) | 理论码值 | 实测码值 | 误差 (LSB) | 误差 (mV) |
|---|---|---|---|---|
| 0.000 | 0 | 2 | +2 | +1.6 |
| 0.500 | 620 | 621 | +1 | +0.8 |
| 1.000 | 1241 | 1240 | -1 | -0.8 |
| 2.000 | 2482 | 2485 | +3 | +2.4 |
| 3.300 | 4095 | 4093 | -2 | -1.6 |
小技巧：测试时每次改变电压后，等 500ms 再读数。因为信号源和 ADC 输入端的 RC 滤波电路有建立时间。我习惯写个自动化脚本，用 Python 控制信号源和读取 ADC 数据，一次跑完所有点，省时省力。
4.2 采样率验证
采样率验证，说白了就是看 ADC 能不能按你设定的速度干活。很多工程师以为配置好寄存器就完事了，其实不然。我遇到过好几次，配置的是 1kHz，实际跑起来只有 800Hz，原因是时钟分频配置错了。
验证方法有两种：
- 方法一：示波器测量 DRDY 引脚。大多数 ADC 芯片都有数据就绪引脚（Data Ready），每转换完一次就输出一个脉冲。用示波器测这个脉冲的频率，就是实际采样率。这是最直接的方法。
- 方法二：软件计时法。在代码里记录每收到 1000 个数据点的时间差，然后计算平均采样率。这个方法适合没有 DRDY 引脚的芯片。
我个人更推荐方法一，因为它能同时看到脉冲的抖动情况。如果脉冲间隔忽大忽小，说明采样时钟不稳定，可能是 PLL 锁相环没锁住，或者外部晶振有问题。
注意：采样率不是越高越好。对于水质监测这种慢变信号，100Hz 通常就足够了。采样率太高反而会引入更多噪声，而且数据量大了 MCU 处理不过来。我曾经有个项目，把采样率设到 10kHz，结果 MCU 大部分时间都在处理 ADC 中断，主循环几乎跑不动。
采样率验证的合格标准：实测值与设定值的偏差在 ±5% 以内。如果偏差超过 10%，基本可以断定时钟配置有问题。
4.3 数据滤波效果测试
ADC 原始数据，说白了就是「毛坯房」，必须经过滤波才能用。水质监测中常见的噪声源有：工频 50Hz 干扰、水泵振动噪声、传感器自身噪声。
滤波效果测试，我一般分三步走：
- 采集原始数据：在静止水体中，连续采集 1000 个点，不滤波。
- 施加已知干扰：用信号发生器在 ADC 输入端叠加一个 50Hz、100mVpp 的正弦波，模拟工频干扰。
- 对比滤波前后：分别用移动平均滤波、中值滤波、卡尔曼滤波处理数据，看效果。
下面是我常用的几种滤波算法对比：
| 滤波方法 | 原理 | 优点 | 缺点 | 适用场景 |
|---|---|---|---|---|
| 移动平均滤波 | 取 N 个点的平均值 | 简单、计算快 | 有延迟、对突变不敏感 | 缓慢变化的 pH、温度 |
| 中值滤波 | 取 N 个点的中间值 | 抗脉冲干扰强 | 计算量大、平滑效果一般 | 有尖峰噪声的浊度信号 |
| 一阶低通滤波 | Y(n) = α*X(n) + (1-α)*Y(n-1) | 实时性好、内存占用小 | 参数 α 需要调试 | 通用场景 |
| 卡尔曼滤波 | 基于状态空间模型 | 精度高、自适应 | 实现复杂、需要调参 | 高精度要求的溶解氧 |
代码示例（一阶低通滤波）：
// 一阶低通滤波器实现
// alpha = 0.1 表示滤波强度大，响应慢
// alpha = 0.5 表示滤波强度小，响应快
#define ALPHA 0.15f
float lowpass_filter(float raw_value, float prev_filtered) {
return ALPHA * raw_value + (1.0f - ALPHA) * prev_filtered;
}
// 使用示例
float filtered_value = 0.0f;
while(1) {
float raw = read_adc();
filtered_value = lowpass_filter(raw, filtered_value);
printf("Raw: %.2f, Filtered: %.2f\n", raw, filtered_value);
delay_ms(10);
}滤波效果评估指标：
- 信噪比提升：滤波后 SNR 比滤波前高多少 dB
- 响应时间：输入阶跃信号后，滤波输出达到稳态值 90% 所需时间
- 稳态波动：滤波后数据的峰峰值，越小越好
举个例子，我在测试溶解氧传感器时，原始数据波动有 ±0.5mg/L，用了 16 点移动平均滤波后，波动降到了 ±0.05mg/L。但代价是响应时间从 0 变成了 160ms（16 个点 × 10ms 采样间隔）。所以滤波不是越强越好，得在平滑度和响应速度之间找平衡。
避坑指南：我曾经在滤波上犯过一个低级错误——在中断服务函数里做滤波计算。结果滤波还没算完，下一个中断又来了，导致数据丢失。后来我把滤波放到主循环里做，用双缓冲区解决数据同步问题。记住：中断里只做数据搬运，不做数据处理。
最后总结一下：ADC 精度测试是基础，采样率验证是保障，滤波效果测试是升华。这三项都过了，你的数据采集模块才算真正靠谱。下次咱们聊传感器接口测试，那又是另一番天地了。