2. 传感器数据采集基础：常见传感器类型、采样率与分辨率、ADC转换原理
好，咱们正式开始第二讲。传感器数据采集，说白了就是嵌入式AI的“吃饭”环节。你想想看，算法再牛，模型再大，如果传感器数据不准，后面全是白搭。我在项目里见过太多这种情况——模型在PC上跑得飞起，一上板子就崩，查到最后，往往是传感器数据采集这块出了问题。
这一章，咱们就把传感器采集的基础打牢。我会结合自己踩过的坑，把常见传感器类型、采样率、分辨率，还有ADC转换原理，一次性讲透。
2.1 常见传感器类型：温度、湿度、加速度、陀螺仪、麦克风
边缘AI项目里，传感器种类五花八门。但最常用的，其实就那几样。我按使用频率排个序，咱们一个个看。
2.1.1 温度传感器
温度传感器，最经典的就是DS18B20和DHT系列。我个人习惯用DS18B20，因为它单总线通信，省IO口。精度嘛，±0.5°C，够用了。
关键点：
- 数字输出，直接读寄存器就行
- 采样周期不能太快，DS18B20转换一次要750ms
- 注意散热问题——传感器离MCU太近，会被芯片发热干扰
2.1.2 湿度传感器
湿度传感器常和温度集成在一起，比如DHT11、DHT22、SHT30。DHT22精度更高，但贵一点。SHT30是I2C接口，我个人更推荐，因为I2C抗干扰能力强。
注意：
- 湿度传感器对结露敏感，高湿环境容易失效
- 响应时间一般8秒左右，别指望它瞬间变化
2.1.3 加速度计
加速度计，比如MPU6050、ADXL345，是运动检测的核心。三轴输出X、Y、Z方向的加速度值。单位常用g（9.8m/s²）。
实际应用：
- 计步器：检测垂直方向的周期性变化
- 跌倒检测：看加速度的突变
- 姿态估计：结合陀螺仪做融合
2.1.4 陀螺仪
陀螺仪测量角速度，单位°/s。和加速度计配合，可以算出物体的姿态角（俯仰、横滚、偏航）。MPU6050就是六轴（三轴加速度+三轴陀螺仪）。
关键点：
- 陀螺仪有零偏漂移，长时间使用需要校准
- 温度变化会影响零偏，我一般会在代码里做温度补偿
2.1.5 麦克风
麦克风在边缘AI里越来越重要，比如语音唤醒、声纹识别。常用的是MEMS麦克风，比如INMP441、SPH0645。输出一般是PDM或I2S接口。
采样率：
- 语音识别：16kHz就够了
- 声纹识别：建议44.1kHz或48kHz
- 注意：采样率越高，数据量越大，MCU处理压力也大
2.2 采样率与分辨率
这两个概念，很多人容易搞混。我简单说清楚。
2.2.1 采样率
采样率就是每秒采集多少个数据点，单位Hz。根据奈奎斯特定理，采样率至少是信号最高频率的两倍。比如音频信号最高20kHz，那采样率至少40kHz。
实际选择：
- 温度/湿度：0.1~1Hz就够了，变化慢
- 加速度计：50~200Hz，看运动快慢
- 陀螺仪：100~400Hz，姿态更新需要快一点
- 麦克风：16kHz~48kHz
2.2.2 分辨率
分辨率就是ADC能区分的最小电压变化。比如12位ADC，参考电压3.3V，分辨率就是3.3V / 4096 ≈ 0.8mV。
位数与精度：
| ADC位数 | 量化等级 | 分辨率（3.3V参考） | 适用场景 |
|---|---|---|---|
| 8位 | 256 | 12.9mV | 粗略检测，如按键 |
| 10位 | 1024 | 3.2mV | 一般传感器 |
| 12位 | 4096 | 0.8mV | 高精度测量 |
| 16位 | 65536 | 50μV | 微弱信号，如热电偶 |
注意： 分辨率高不代表精度高。精度还受参考电压稳定性、噪声、温度漂移影响。我见过有人用16位ADC，结果噪声占了低4位，实际有效分辨率只有12位。
2.3 ADC转换原理
ADC，模数转换器，把模拟电压变成数字量。边缘AI里，很多传感器输出的是模拟信号（比如麦克风、光敏电阻），必须经过ADC才能被MCU处理。
2.3.1 常见ADC类型
- 逐次逼近型（SAR ADC）： 最常见，速度快，精度适中。MCU内部集成的ADC基本都是这种。
- Σ-Δ型： 精度高，但速度慢。适合音频、高精度测量。
- 双积分型： 抗干扰强，但速度极慢。万用表里常用。
我个人在边缘AI项目里，90%的情况用MCU自带的SAR ADC。够用，还省成本。
2.3.2 ADC关键参数
- 参考电压（Vref）： 决定了ADC的量程。一般用MCU的VDD或内部基准。
- 采样时间： ADC内部采样电容充电需要时间。采样时间太短，结果不准。
- 转换时间： 从开始转换到输出结果的时间。SAR ADC一般1~10μs。
2.3.3 代码示例：MCU内部ADC读取
以STM32为例，读取一个模拟通道的电压值：
// 初始化ADC
void ADC_Init(void) {
// 使能ADC时钟
RCC->APB2ENR |= RCC_APB2ENR_ADC1EN;
// 设置采样时间：55.5个周期
ADC1->SMPR2 |= ADC_SMPR2_SMP0_2 | ADC_SMPR2_SMP0_1;
// 开启ADC
ADC1->CR2 |= ADC_CR2_ADON;
// 校准
ADC1->CR2 |= ADC_CR2_CAL;
while(ADC1->CR2 & ADC_CR2_CAL);
}
// 读取ADC值
uint16_t ADC_Read(uint8_t channel) {
// 选择通道
ADC1->SQR3 = channel;
// 启动转换
ADC1->CR2 |= ADC_CR2_SWSTART;
// 等待转换完成
while(!(ADC1->SR & ADC_SR_EOC));
// 返回结果
return ADC1->DR;
}说明： 这段代码是标准库写法。实际项目中，我建议用HAL库或LL库，可读性更好。但底层原理是一样的——设置采样时间、启动转换、等待完成、读结果。
2.4 实战建议：传感器选型与采集策略
最后，我分享几个实战中的经验。
- 选型三原则： 精度够用就行，别追求高指标。接口越简单越好（I2C优先）。功耗要低，边缘设备大多电池供电。
- 采集策略： 不要一直采。用定时器触发，或者中断唤醒。我习惯用DMA+双缓冲，这样CPU可以专心做算法。
- 数据预处理： 原始数据直接送算法？不行。先做滤波、去噪、归一化。后面章节会详细讲。
好了，这一章就到这里。传感器采集是边缘AI的基石，一定要重视。下一章，咱们聊聊数据预处理——怎么把原始数据变成算法能吃的“干净数据”。