📚 课程目录第3章数据采集与可视化

3. 数据采集与可视化：环形缓冲区设计、时间戳打标、上位机波形显示与数据导出

做嵌入式控制算法调试，最怕什么？

怕程序跑飞了不知道在哪，怕PID参数调了半天没效果，怕偶发故障复现不了。我早年做电机驱动时，就吃过这个亏——代码里加了一堆printf，结果串口一开，时序全乱，电机反而抖得更厉害。

后来我明白了：数据采集不是简单的“把值发出来”，而是一门系统工程。从缓冲区设计到时间戳打标，再到上位机显示和离线分析，每一步都有坑。这一章，我把这些年踩过的坑和总结的方法，一次性讲清楚。

3.1 环形缓冲区：轻量级数据暂存方案

先问个问题：你的MCU在100μs的控制周期里，能直接往串口发数据吗？

答案是不能。串口发送是毫秒级的，你发一个字节的时间，控制周期已经过了好几个。所以我们需要一个缓冲区——先把数据存起来，等主循环有空了再慢慢发。

环形缓冲区（Ring Buffer）就是为此而生的。它用固定大小的数组，通过头尾指针循环使用内存，没有动态分配，没有碎片，非常适合嵌入式环境。

核心结构

typedef struct {
    float   buffer[RING_BUFFER_SIZE];  // 数据存储区
    uint32_t head;                      // 写指针
    uint32_t tail;                      // 读指针
    uint32_t count;                     // 当前数据个数
} ring_buffer_t;

我习惯用“计数法”而不是“空一法”来判断满/空。为什么？因为计数法更直观，调试时看一眼count就知道缓冲区状态，不用纠结指针差1的问题。

方法	满判断	空判断	可用空间
计数法	count == SIZE	count == 0	SIZE - count
空一法	(head+1)%SIZE == tail	head == tail	需计算

我的习惯：缓冲区大小设为2的幂次（如256、512），这样取模可以用位运算替代：head & (SIZE-1)。在Cortex-M4上，这条指令比除法快20倍以上。

3.2 时间戳打标：让数据“说话”

光有数据还不够。你得知道每个数据是什么时候产生的。

我曾经调试一个伺服驱动器，波形看起来完全正常，但就是响应慢。后来加上时间戳才发现——数据采集本身就有200μs的抖动，把真实响应时间给掩盖了。

时间戳打标有两种主流方式：

绝对时间戳：用定时器记录系统运行时间，每个数据点附带一个32位或64位的时间值。适合长时间记录。
相对时间戳：只记录相邻数据点的时间间隔。适合短时高频采集，节省带宽。

注意：时间戳的精度取决于你的定时器分辨率。如果定时器是1μs tick，那时间戳精度就是1μs。但别忘了——读取定时器值本身也有开销，这个开销要计入误差预算。

我常用的做法是：在控制中断里，先读定时器，再采数据，最后写缓冲区。顺序不能乱，否则时间戳和数据的对应关系就错了。

3.3 上位机波形显示：PyQtGraph vs Serial Plotter

数据采上来了，怎么看到波形？

我试过很多工具。Arduino的Serial Plotter最简单，但功能有限——只能看实时曲线，不能缩放、不能回放、不能叠加对比。PyQtGraph则强大得多，但需要写Python代码。

特性	Serial Plotter	PyQtGraph
上手难度	零门槛，打开即用	需要Python基础
实时刷新	支持，但卡顿	支持，60fps流畅
数据导出	不支持	支持CSV/二进制
多通道	最多6通道	无限制
交互操作	无	缩放、平移、光标测量

我的建议是：调试初期用Serial Plotter快速验证，正式分析时用PyQtGraph。我自己写了一个轻量级的PyQtGraph封装，200行代码就能实现多通道波形显示、自动缩放和CSV导出。

PyQtGraph核心代码片段

import pyqtgraph as pg
from pyqtgraph.Qt import QtCore

# 创建绘图窗口
win = pg.GraphicsLayoutWidget()
plot = win.addPlot(title="实时波形")
curve = plot.plot(pen='y')

# 数据更新函数
def update():
    global data_buffer
    curve.setData(data_buffer)
    # 自动调整Y轴范围
    plot.enableAutoRange()

timer = QtCore.QTimer()
timer.timeout.connect(update)
timer.start(50)  # 50ms刷新一次

3.4 数据导出与分析：从波形到结论

波形看完了，然后呢？

很多工程师止步于“波形看起来不错”。但真正的调试，需要把数据导出到MATLAB或Python里做定量分析——计算超调量、稳态误差、上升时间、FFT频谱分析。

我推荐的数据导出格式是CSV，原因有三：

通用性强，任何工具都能打开
可读性好，Excel也能直接编辑
体积适中，1小时的数据也就几十MB

避坑指南：我曾经用二进制格式导出数据，结果换了台电脑，字节序不对，数据全废了。从那以后，我坚持用CSV+时间戳的格式，虽然体积大一点，但永远不会读不出来。

分析时，我通常会做三件事：

时域分析：看响应曲线，计算上升时间、超调量、稳态误差
频域分析：做FFT，看噪声频谱，找谐振点
统计分布：看误差的分布直方图，判断是否存在系统性偏差

3.5 实战案例：电机电流环调试

讲个真实案例吧。

去年我做无刷电机电流环，PI参数怎么调都调不好。电流波形看起来有高频振荡，但示波器又抓不到——因为振荡频率在20kHz以上，示波器采样率不够。

后来我用环形缓冲区+时间戳的方案，以50kHz的采样率连续采集了2000个电流点，导出到Python里做FFT分析。结果发现：振荡频率是23.7kHz，正好是PWM载波频率的一半——这是典型的PWM采样噪声混叠。

解决方案很简单：在ADC采样前加一个二阶低通滤波器，截止频率设为10kHz。问题就解决了。

这个案例告诉我们：

数据采集系统本身要有足够的带宽和精度
时间戳是定位时序问题的关键
离线分析（FFT）能发现实时波形看不到的问题

3.6 本章小结

数据采集与可视化，说白了就是给嵌入式系统装一个“黑匣子”。

环形缓冲区解决的是“怎么存”的问题，时间戳解决的是“什么时候”的问题，上位机解决的是“怎么看”的问题，数据导出解决的是“怎么分析”的问题。这四个环节环环相扣，缺一个，调试效率就会大打折扣。