📚 课程目录第4章数据采集方法

4、数据采集方法：使用Arduino或开发板采集多传感器数据，并同步时间戳与标签

在TinyML项目中，模型性能的上限往往不取决于算法，而取决于训练数据的质量。对于传感器融合分类任务而言，数据采集环节需要同时解决三个核心问题：多源数据的同步性、时间基准的统一性、以及标签与数据流的对齐性。本章将围绕Arduino及主流开发板，系统讲解多传感器数据采集的工程实现方法，重点解决时间戳同步与标签注入的实操难题。

4.1 核心原理：为什么时间戳与标签是TinyML数据采集的生命线

传感器融合分类任务（如人体活动识别、手势识别、机械振动分类）的本质是：从多通道时间序列数据中提取特征，并映射到离散类别。这一过程对数据的时空一致性提出了极高要求。若三个传感器各自独立采集，即使采样率相同，由于启动时刻不同、中断响应延迟不同、I2C总线仲裁耗时不同，数据点之间会产生微秒到毫秒级的时间错位。对于运动识别这类对相位敏感的任务，几毫秒的偏移就可能导致特征向量严重失真。

时间戳（Timestamp）的作用是为每个采样点赋予全局统一的时间基准，使得后续的信号融合、特征对齐、窗口切割成为可能。标签（Label）则是监督学习的“标准答案”，它必须精确对应到数据采集的时间区间。例如，当实验者从“站立”切换到“行走”时，标签切换的瞬间必须与数据流中的实际状态变化严格对齐。如果标签滞后或超前，模型学习到的映射关系就是错误的。

在Arduino平台上，实现时间同步的基本原理是：利用微控制器内部的定时器（Timer）产生稳定的时基，在每次传感器数据读取完成时，立即记录当前时刻的计数值（如millis()返回的毫秒数或micros()返回的微秒数），并将该时间值作为数据帧的一部分。对于多传感器系统，需要采用“查询-读取-打戳”的原子操作序列，确保时间戳反映的是数据采样的实际时刻，而非数据处理的时刻。

  关键概念：时间戳的精度取决于三个因素——时基分辨率（毫秒还是微秒）、打戳操作的延迟（必须在读取传感器寄存器后立即执行）、以及中断嵌套的影响。在TinyML应用中，通常毫秒级精度即可满足需求，但对于高速运动（如敲击、弹跳），建议使用micros()并配合中断驱动采样。

4.2 操作流程：从硬件连接到数据落盘的标准步骤

下面以ESP32开发板配合MPU6050（IMU）、BMP280（气压计）和MAX9814（麦克风）为例，演示一套完整的多传感器数据采集流程。该流程分为四个阶段：硬件初始化、传感器校准、数据采集循环、数据存储与导出。

阶段一：硬件连接与初始化

I2C总线连接：将MPU6050和BMP280挂载到同一I2C总线（ESP32的GPIO21为SDA，GPIO22为SCL），注意上拉电阻（通常开发板已内置4.7kΩ）。麦克风模块连接到模拟输入引脚（如GPIO34）。
电源去耦：在每个传感器模块的VCC和GND之间并联10μF电解电容和0.1μF陶瓷电容，防止电机、继电器等设备引入的电源噪声。
中断引脚配置：将MPU6050的INT引脚连接到ESP32的GPIO17，配置为上升沿触发，用于数据就绪通知。

// 初始化代码片段
#include <Wire.h>
#include <MPU6050.h>
#include <Adafruit_BMP280.h>

MPU6050 imu;
Adafruit_BMP280 bmp;

void setup() {
  Serial.begin(115200);
  Wire.begin(21, 22);  // SDA, SCL
  
  // 初始化IMU
  imu.initialize();
  imu.setFullScaleAccelRange(MPU6050_ACCEL_FS_16);
  imu.setFullScaleGyroRange(MPU6050_GYRO_FS_2000);
  
  // 初始化气压计
  if (!bmp.begin(0x76)) {
    Serial.println("BMP280 not found!");
    while(1);
  }
  
  // 配置中断
  pinMode(17, INPUT_PULLUP);
  attachInterrupt(digitalPinToInterrupt(17), onDataReady, RISING);
}

volatile bool dataReady = false;
void onDataReady() {
  dataReady = true;
}

阶段二：数据采集循环与时间戳生成

在loop()函数中，采用“事件驱动+轮询”混合模式。当IMU数据就绪中断触发时，立即读取所有传感器数据，并记录时间戳。对于BMP280这类采样率较低的传感器（典型10Hz），可以在每次IMU中断时顺带读取，但需注意I2C总线占用时间。

void loop() {
  if (dataReady) {
    dataReady = false;
    
    // 记录时间戳（微秒级）
    uint32_t timestamp = micros();
    
    // 读取IMU数据
    int16_t ax, ay, az, gx, gy, gz;
    imu.getMotion6(&ax, &ay, &az, &gx, &gy, &gz);
    
    // 读取气压计
    float pressure = bmp.readPressure();
    float altitude = bmp.readAltitude(1013.25);
    
    // 读取麦克风（模拟输入，取平均值）
    int micVal = 0;
    for (int i = 0; i < 8; i++) {
      micVal += analogRead(34);
    }
    micVal /= 8;
    
    // 打包数据帧
    Serial.print(timestamp);
    Serial.print(",");
    Serial.print(ax); Serial.print(",");
    Serial.print(ay); Serial.print(",");
    Serial.print(az); Serial.print(",");
    Serial.print(gx); Serial.print(",");
    Serial.print(gy); Serial.print(",");
    Serial.print(gz); Serial.print(",");
    Serial.print(pressure); Serial.print(",");
    Serial.print(altitude); Serial.print(",");
    Serial.println(micVal);
  }
}

阶段三：标签注入机制

标签注入有三种常用方式，各有适用场景：

方式	实现方法	优点	缺点
按键切换	使用3个按键分别代表类别A/B/C，按下时改变全局变量`currentLabel`	简单可靠，无需额外设备	需要人工操作，标签切换有延迟
串口命令	PC端发送字符'1'、'2'、'3'切换标签	可远程控制，便于自动化	依赖串口通信稳定性
定时自动切换	预设时间表，如0-10秒为类别1，10-20秒为类别2	完全自动化，适合批量采集	需要精确控制实验过程

推荐使用“按键+串口”双通道方式：按键用于现场快速标注，串口命令用于PC端精细控制。在数据帧中，标签字段应紧跟在传感器数据之后，确保同一行数据包含完整的“时间戳+特征+标签”信息。

阶段四：数据存储与导出

对于长时间采集（超过几分钟），串口输出会占用大量CPU时间且容易丢包。建议使用SD卡模块（如MicroSD Card Adapter）直接写入CSV文件。ESP32通过SPI接口（GPIO18-SCK, GPIO19-MISO, GPIO23-MOSI, GPIO5-CS）连接SD卡模块。

#include <SD.h>
File dataFile;

void setup() {
  if (!SD.begin(5)) {
    Serial.println("SD Card failed!");
    return;
  }
  dataFile = SD.open("/data.csv", FILE_WRITE);
  if (dataFile) {
    dataFile.println("timestamp,ax,ay,az,gx,gy,gz,pressure,altitude,mic,label");
  }
}

void loop() {
  // ... 数据采集代码 ...
  
  // 写入SD卡
  if (dataFile) {
    dataFile.print(timestamp); dataFile.print(",");
    dataFile.print(ax); dataFile.print(",");
    // ... 其他字段 ...
    dataFile.print(currentLabel);
    dataFile.println();
    dataFile.flush();  // 确保数据落盘
  }
}

4.3 案例拆解：人体活动识别数据集的完整采集过程

假设我们需要构建一个“坐、站、走、跑”四类活动识别模型，使用IMU+气压计作为传感器源。以下是实际采集过程中的关键决策与执行细节。

实验设计：选择3名测试者（身高、体重不同），每人每种动作采集5分钟，总计60分钟数据。采样率设定为50Hz（IMU），气压计10Hz（通过软件插值对齐到50Hz）。标签切换采用“定时自动+人工确认”混合模式：每段动作持续30秒，前5秒为过渡期（数据丢弃），后25秒为有效数据。

同步问题处理：在实验中发现，IMU的采样率实际为49.8Hz（受晶振误差影响），而气压计为10.2Hz。若直接拼接数据，会导致时间轴漂移。解决方案是：以IMU时间戳为基准，对气压计数据进行线性插值，生成与IMU采样点对齐的气压值。插值公式为：

// 线性插值示例
float interpolate(float t, float t0, float v0, float t1, float v1) {
  return v0 + (v1 - v0) * (t - t0) / (t1 - t0);
}

标签对齐验证：采集完成后，通过可视化工具（如Python Matplotlib）绘制加速度幅值与标签的对应关系。若发现标签切换点与数据突变点存在偏移，需调整标签时间戳。例如，若“走”到“跑”的切换在数据中表现为加速度幅值从2g跳变到3g，而标签在0.5秒后才变化，说明按键或命令有延迟，需要修正。

数据质量检查：最终生成的数据集包含约180,000行数据（60分钟×50Hz×60秒）。检查每个类别的样本量是否均衡（每类约45,000行），检查是否有缺失值（I2C读取失败导致），检查传感器量程是否溢出（加速度超过±16g）。

经验提示：在正式采集前，务必进行5分钟的“预采集”测试。将数据导入Python，绘制时间序列图，确认所有传感器数据波形正常、标签切换正确、时间戳单调递增。预采集能发现80%以上的硬件和逻辑问题，避免浪费大量实验时间。

4.4 常见误区与总结复盘

在数据采集实践中，以下问题出现频率最高，需要特别警惕：

高风险误区：

误区一：在loop()中直接调用delay()控制采样率。这会导致采样间隔不均匀，尤其在I2C读取耗时波动时。正确做法是使用定时器中断或millis()非阻塞延时。
误区二：忽略传感器初始化失败。MPU6050在供电不稳时可能返回全零数据，BMP280可能因地址冲突无法识别。必须添加初始化状态检查。
误区三：标签与数据不同步。按键切换标签时，按键消抖时间（通常10-20ms）会导致标签滞后。应在按键中断中立即更新标签，并在数据帧中记录标签切换的时间戳。
误区四：SD卡写入阻塞。频繁调用flush()会阻塞主循环，导致采样丢帧。建议每10帧或每100ms调用一次flush()。

总结复盘：高质量的数据采集是TinyML项目成功的基石。本章的核心要点可归纳为：

时间戳是数据融合的锚点：所有传感器数据必须共享同一时间基准，推荐使用micros()获取微秒级时间戳。
标签是监督学习的灵魂：标签必须与数据流严格对齐，推荐使用“定时自动+人工确认”的混合标注策略。
硬件设计决定数据质量：电源去耦、中断引脚配置、I2C总线拓扑直接影响采样稳定性。
数据验证不可省略：采集完成后必须进行可视化检查、缺失值统计、类别均衡性分析。

在下一阶段的模型训练中，这些精心采集的数据将直接决定分类器的准确率。建议读者在完成本章实验后，将采集的数据集进行简单的统计分析（如计算各通道的均值、方差、频谱），以加深对数据特性的理解，为后续特征工程打下基础。