📚 课程目录第3章加速度计原理与数据采集

3、加速度计原理与数据采集

加速度计是TinyML项目中感知物理世界最常用的传感器之一。在STM32Cube.AI部署流程中，加速度计的数据质量直接决定模型推理的上限——如果采集到的数据存在噪声、混叠或量程截断，后续无论采用多么先进的神经网络结构都无法弥补。本章从加速度计的物理工作原理出发，深入讲解I2C/SPI接口选型、采样率与量程的工程设置方法，并给出完整的数据采集流程与实战案例，帮助你在STM32平台上建立可靠的数据管道。

3.1 加速度计工作原理与MEMS技术

加速度计的核心是微机电系统（MEMS）结构，其基本工作原理基于牛顿第二定律（F=ma）。在硅片上通过微加工工艺制作一个可移动的检测质量块，质量块通过弹性梁悬挂在固定电极之间。当加速度作用于传感器时，质量块发生位移，导致与固定电极之间的电容发生变化。通过测量电容差值，即可反推出加速度的大小和方向。

以ST的LIS2DH12为例，其内部包含一个3轴MEMS传感单元和一个信号调理ASIC。传感单元在X、Y、Z三个方向各有一对差分电容极板，当加速度使质量块偏移时，差分电容的差值ΔC与加速度a成正比。ASIC将ΔC转换为电压信号，经过低通滤波和16位ADC数字化后，通过I2C/SPI接口输出。

理解加速度计的物理模型对数据采集至关重要。加速度计测量的是"比力"（specific force），即物体受到的除重力以外的合力产生的加速度。静止时，加速度计输出1g（约9.8m/s²）指向地心方向；自由落体时输出接近0g。这一特性在姿态检测和运动识别中非常关键。

  关键参数理解：灵敏度（sensitivity）表示每g加速度对应的ADC输出变化量，典型值为1mg/LSB（±2g量程时）。零偏（offset）指零加速度时的输出值，通常需要校准。噪声密度（noise density）决定可检测的最小加速度变化，低噪声传感器更适合精细动作识别。

3.2 I2C与SPI接口选型与配置

加速度计与STM32之间的通信接口主要有I2C和SPI两种，两者在引脚占用、传输速率、时序复杂度上各有优劣。选择哪种接口取决于项目对采样率、功耗和引脚资源的需求。

对比维度	I2C	SPI
引脚数量	2根（SDA+SCL）	4根（MOSI+MISO+SCK+CS）
最大速率	400kHz（标准模式）	10MHz（典型）
多设备支持	通过地址区分，支持多设备	通过CS片选，需独立引脚
功耗	较低，适合低功耗场景	较高，但传输效率高
中断支持	需额外引脚	需额外引脚
典型应用	可穿戴设备、低功耗节点	工业监测、高采样率采集

在STM32CubeMX中配置加速度计接口时，需要根据所选传感器型号和项目需求进行初始化。以下是一个典型的I2C配置示例（以LIS2DH12为例）：

// I2C初始化（STM32CubeMX生成）
hi2c1.Instance = I2C1;
hi2c1.Init.ClockSpeed = 400000;      // 400kHz标准模式
hi2c1.Init.DutyCycle = I2C_DUTYCYCLE_2;
hi2c1.Init.OwnAddress1 = 0;
hi2c1.Init.AddressingMode = I2C_ADDRESSINGMODE_7BIT;
hi2c1.Init.DualAddressMode = I2C_DUALADDRESS_DISABLE;
HAL_I2C_Init(&hi2c1);

// 读取加速度计WHO_AM_I寄存器验证通信
uint8_t who_am_i = 0;
HAL_I2C_Mem_Read(&hi2c1, LIS2DH12_ADDR, 0x0F, 1, &who_am_i, 1, 100);
if (who_am_i != 0x33) {
  // 通信异常处理
}

SPI接口配置时需注意时钟极性和相位必须与传感器数据手册匹配。LIS2DH12的SPI模式为CPOL=0、CPHA=0（模式0），最大时钟频率10MHz。使用SPI时，读取速度更快，适合需要高采样率（如1kHz以上）的振动分析场景。

3.3 采样率与量程设置

采样率和量程是加速度计配置中最关键的两个参数，它们直接影响数据的时间分辨率和幅度分辨率。设置不当会导致数据失真或信息丢失。

采样率设置原则

采样率决定了每秒采集的数据点数，其选择必须遵循奈奎斯特采样定理：采样率至少为信号最高频率成分的2倍。对于人体运动识别（如走路、跑步），信号能量主要集中在0.5Hz~20Hz，因此采样率设置为50Hz~100Hz即可满足需求。对于机械振动监测，信号频率可能达到数百赫兹，需要将采样率提高到500Hz~1kHz。

过高的采样率会带来两个问题：一是数据量增大，增加存储和传输负担；二是功耗上升，因为ADC转换和接口传输都需要消耗能量。在TinyML项目中，采样率还直接影响输入特征的长度和模型计算量。例如，一个2秒的窗口在50Hz采样率下产生100个采样点，而在200Hz下则产生400个采样点，后者需要更大的神经网络输入层。

量程选择策略

量程决定了加速度计能测量的最大加速度值。LIS2DH12提供±2g、±4g、±8g、±16g四档可选。量程越小，灵敏度越高（分辨率越好），但容易发生截断；量程越大，能测量的加速度范围越广，但分辨率下降。

选择量程时，需要预估目标应用的最大加速度值。例如：

人体活动识别：日常活动中加速度峰值约±2g~±4g，选择±4g量程较为合适
跌倒检测：跌倒瞬间加速度可达±8g~±12g，建议选择±8g或±16g
工业振动监测：根据设备振动等级，通常选择±16g

量程截断风险：如果量程设置过小，当实际加速度超过量程上限时，输出值会被钳位在最大值，产生"削顶"失真。这种失真在时域上表现为平坦的顶部，在频域上会产生大量谐波，严重污染信号特征。在采集前务必通过实验验证最大加速度值。

在STM32中设置采样率和量程的代码示例如下：

// 设置量程为±4g（CTRL_REG4寄存器）
uint8_t ctrl_reg4 = 0x00;
HAL_I2C_Mem_Read(&hi2c1, LIS2DH12_ADDR, 0x23, 1, &ctrl_reg4, 1, 100);
ctrl_reg4 |= (0x01 << 4);  // FS=01 → ±4g
HAL_I2C_Mem_Write(&hi2c1, LIS2DH12_ADDR, 0x23, 1, &ctrl_reg4, 1, 100);

// 设置采样率为100Hz（CTRL_REG1寄存器）
uint8_t ctrl_reg1 = 0x00;
ctrl_reg1 |= (0x01 << 4);  // ODR=0001 → 1Hz
ctrl_reg1 |= (0x01 << 6);  // ODR=01 → 10Hz  
ctrl_reg1 |= (0x01 << 7);  // ODR=1 → 100Hz
ctrl_reg1 |= 0x07;          // 使能X、Y、Z轴
HAL_I2C_Mem_Write(&hi2c1, LIS2DH12_ADDR, 0x20, 1, &ctrl_reg1, 1, 100);

3.4 数据采集方法与工程实践

数据采集不仅仅是读取寄存器值，还需要考虑时序同步、数据缓冲、异常处理等多个方面。一个健壮的数据采集系统应该具备以下特征：稳定的采样间隔、无丢失的数据传输、可追溯的时间戳、以及异常情况下的恢复机制。

采集模式对比

采集模式	实现方式	优点	缺点
轮询模式	主循环中周期性读取	实现简单	CPU占用高，采样间隔不稳定
中断模式	数据就绪触发中断	采样间隔准确，CPU利用率高	中断频繁时增加系统开销
DMA模式	DMA自动搬运数据	零CPU干预，适合高采样率	配置复杂，需管理缓冲区
FIFO模式	传感器内部FIFO缓存	减少唤醒次数，降低功耗	数据延迟增加

对于TinyML应用，推荐使用中断+DMA的组合模式。传感器在数据就绪时通过INT1引脚触发STM32的外部中断，中断服务函数中启动DMA传输，将数据从传感器FIFO搬运到内存缓冲区。这种方式既保证了采样间隔的准确性，又减少了CPU的参与。

实战案例：基于LIS2DH12的人体活动数据采集

假设我们需要采集走路、跑步、上下楼三种活动的加速度数据，用于训练一个分类模型。以下是完整的采集流程：

硬件连接：LIS2DH12通过I2C连接STM32F411，INT1引脚连接PA0（外部中断），采样率设为100Hz，量程±4g
数据格式：每个采样点包含X、Y、Z三个轴的16位有符号整数，共6字节。每次采集2秒，共200个采样点，即1200字节数据
采集流程：受试者佩戴设备于手腕，分别进行走路、跑步、上下楼各5分钟，每30秒保存为一个样本文件
数据标注：在采集过程中通过按键或上位机命令标记当前活动类型，确保标签与数据同步
数据校验：采集完成后，检查每个样本的均值和方差，剔除异常样本（如设备脱落、剧烈抖动等）

在采集过程中，我们遇到了一个典型问题：跑步时加速度峰值达到±6g，超过了预设的±4g量程，导致数据截断。通过分析原始数据发现，跑步时垂直方向的加速度峰值明显高于走路。解决方案是将量程调整为±8g，虽然分辨率从4mg/LSB降低到8mg/LSB，但避免了截断失真。这个案例说明，量程设置不能仅凭经验，必须通过实际测试验证。

数据采集最佳实践：1）采集前进行传感器校准，记录零偏值；2）使用FIFO模式减少中断频率；3）在数据帧中加入时间戳，便于后续处理；4）定期检查数据完整性，防止I2C通信错误导致的数据丢失；5）为每个样本保存元数据（受试者ID、活动类型、采集时间、设备参数等）。

3.5 常见误区与总结复盘

在加速度计数据采集中，初学者常犯以下错误，需要特别注意避免：

误区一：采样率越高越好。实际上，过高的采样率会增加功耗和数据量，且对模型精度提升有限。应根据信号带宽合理选择。
误区二：量程越大越安全。量程过大会降低分辨率，使小幅信号量化噪声增大。应在保证不截断的前提下选择最小量程。
误区三：忽略低通滤波。传感器内置的LPF可以滤除高频噪声，但需要正确配置截止频率。如果LPF截止频率高于采样率的一半，会产生混叠。
误区四：不进行校准。每个传感器的零偏和灵敏度都有个体差异，不校准直接使用会导致测量误差。
误区五：忽视数据同步。在多传感器融合场景中，不同传感器的采样时刻必须对齐，否则会产生时间偏差。