1. 传感器信号处理到底在解决什么问题先说一个很多刚接触传感器的人容易踩的认知误区以为把传感器买回来接上电源数据就能用了。我最初做压力传感器项目时也这么想过结果第一版采集到的数据直接让我怀疑传感器是不是坏的——零点漂移严重、噪声毛刺密布、温度一变示数就飘简直没法看。其实传感器的输出信号和“能直接用的数据”之间隔着整整一条信号处理链路。这条链路要解决的核心问题可以归纳为三类信号太弱、噪声太脏、误差太杂。信号太弱很好理解很多敏感元件的输出都是毫伏级甚至微伏级比如应变片电桥、热电偶、压电薄膜不放大根本进不了ADC的量程。噪声太脏指的是传感器输出里混着各种干扰工频50Hz的电源干扰、机械振动产生的低频波动、半导体器件本身的散粒噪声和热噪声、射频环境下的电磁耦合甚至ADC采样时钟抖动带来的采样噪声。误差太杂则涵盖了传感器本身的非线性、温漂、交叉灵敏度、迟滞以及后续调理电路引入的失调、偏置、增益误差。所以传感器信号处理从功能上拆解至少包含五件事调理Conditioning、放大Amplification、滤波Filtering、数字化Digitization、算法补偿Compensation。前四件属于硬件的活儿最后一件是嵌入式或上位机里的软件活儿。真正靠谱的传感器系统从来都是软硬件协同设计缺哪个环节都会在后续使用中付出代价。这篇笔记是传感器技术系列的第12篇核心就是把这条从敏感元件到可用数据的信号链一次性讲透。不仅讲原理也把我在实际项目里踩过的坑、验证过的方案、调参的心得都写出来争取让刚开始做传感器应用的朋友少走几步弯路。2. 敏感元件的输出特性信号链路设计的起点2.1 从惠斯通电桥说起微伏级信号怎么来得要理解信号处理先得知道传感器输出信号是长什么样的。以最常用的电阻应变式传感器为例其内部核心通常是一个惠斯通电桥四个桥臂上贴着应变片。当外力让弹性体变形时应变片的电阻发生变化电桥失去平衡输出一个差分电压[ V_{out} V_{exc} \cdot \frac{\Delta R}{R} ]举个例子如果激励电压是5V应变量引起的电阻变化率只有0.1%那输出只有区区的5mV。如果换成微小力值的传感器满量程输出可能只有1~2mV/V即5V激励下满量程输出5~10mV。这个量级的信号连一个12位ADC在2.5V参考电压下的最小分辨率约0.6mV都覆盖不住必须经过高增益放大后ADC才能精确分辨。所以信号链的第一个设计决策就是用什么放大器放大多少倍放大之后信号落在ADC的什么位置。这里有个概念必须搞清楚增益不是越大越好。增益过大会把前端噪声一起放大导致信号饱和削顶增益过小又浪费ADC的动态范围。最佳做法是让满量程信号放大后映射到ADC满量程的80%~90%留出余量防止超量程。比如ADC参考电压是3.3V满量程输出2.6~3.0V是比较理想的区间。2.2 不同传感器的输出阻抗与驱动能力差异还有一个容易被忽略但实际影响很大的参数输出阻抗。像压电传感器、电荷型加速度计这类高阻抗源输出阻抗能到几百兆欧必须用超高输入阻抗的电荷放大器或电压跟随器做第一级缓冲否则信号在传输线上就被衰减和干扰吞噬了。而像热电偶这种低输出电压、低阻抗的源重点反而是冷端补偿和失调电压的消除。你可以把传感器的输出阻抗理解为水管的口径口径越小水流越细中间稍微有点堵塞或者旁边有震动水流方向就偏了。信号处理前端必须和传感器的输出阻抗匹配这是设计的第一课。先看数据手册的输出阻抗和推荐负载再决定运放选型顺序不能反。2.3 多个传感器同时输出时的串扰和负载效应在多点测量项目里比如做一个4通道的应变采集板最容易出现的问题是通道间串扰。原因是多路复用开关MUX切换瞬间前级运放的采样电容还没有完全稳定就把上一通道的残余电荷带进了下一通道。表现在数据上就是某一路突然有个大阶跃时相邻的几个通道会跟着出现一个逐渐衰减的小尾巴。解决思路有两个层面。硬件上在MUX后面加一个高带宽的缓冲运放并且在ADC采样前留足够多的稳定时间acquisition time这是数据手册里经常被跳过但实际很关键的参数。软件上如果对实时性要求不是特别高可以对切换后的前几个采样点做丢弃处理然后取稳定后的平均值。这两种方法我在后续章节里还会展开。3. 前端调理电路放大的不仅是信号还有噪声3.1 仪表放大器、运放、PGA怎么选传感器前端最常用的放大器主要有三类普通运算放大器Op-Amp、仪表放大器INA、可编程增益放大器PGA。普通运放最便宜灵活性最高但需要自己搭差分转单端的电路电阻匹配精度稍差就会劣化共模抑制比。仪表放大器内部集成了三个运放和激光修调的精密电阻网络差分输入、单端输出共模抑制比轻松做到90dB以上非常适合直接连接电桥、应变片这类差分信号源。PGA的增益可以由程序控制适合做宽量程适配的采集设备——同一个板子换不同量程的传感器不用改硬件通过软件设置增益就行。个人建议如果是做单个传感器的嵌入式项目直接选INA省心省事如果做多通道通用数据采集设备选PGA加多路MUX的组合。我见过不少工程师一开始贪便宜用普通运放搭差分电路结果共模抑制比做不上去最后返工换INA浪费时间也浪费PCB面积。3.2 共模抑制比和接地环路数据手册没告诉你的坑共模抑制比CMRR描述的是放大器对输入端同时出现的共模信号的抑制能力。理想情况下共模信号会被完全消除但现实中如果传感器和采集板之间存在地电位差就会产生共模电压而这个共模电压往往还叠加着高频噪声比有用的差分信号大得多。我最深的一次教训是在现场测试时传感器安装在几十米外的设备上采集板在控制柜内。由于现场接地网络不干净传感器地和控制柜地之间存在约1V的电位差而且这个电位差还在波动。结果采集到的信号完全被淹没了后来才意识到这是典型的接地环路问题。解决接地环路的标准做法是采用隔离设计在信号链中插入隔离放大器或者数字隔离器切断地环路。其次是保证单点接地原则整个系统的模拟地、数字地、电源地最终在一点汇合。还有一个实用技巧传感器的屏蔽层只在一端接地通常是靠近采集端接地避免屏蔽层本身成为地环路的一部分。3.3 滤波电路设计RC低通不够用怎么办前端滤波器的作用有两个一是滤波二是抗混叠。所谓抗混叠就是抑制高于奈奎斯特频率的高频分量防止这些频率在采样时折叠到低频段产生假信号。最简单的是一阶RC低通滤波转折频率取信号带宽的3~5倍。但其滚降特性只有-20dB/dec衰减速度太慢。对于噪声环境复杂的场景建议用二阶有源滤波或者多级RC级联获得更陡的衰减曲线。滤波器位置很讲究应该放在放大器之后、ADC之前。原因有二放大器的带宽往往远高于信号带宽噪声会被放大后再被滤波但总比不滤波强同时滤波器还能作为ADC输入端的驱动级提供稳定的低阻抗源保证采样电容充电迅速。如果滤波器放在放大之前微弱信号经过电阻网络时会有额外的热噪声注入还会因阻抗不匹配引入误差。关于截止频率的选取我习惯是先用示波器或FFT看看原始信号里的噪声频谱分布确定主要的噪声频段然后设计滤波器把噪声频段压掉同时尽量保留信号频段。举例来说一个响应速度要求100Hz的温度采集系统如果发现50Hz工频干扰严重可以在后端加一个50Hz的陷波器而不是简单地把低通截止频率设到100Hz以下否则信号本身的波动也会被削掉。4. 数字化环节ADC选型与采样策略的工程艺术4.1 SAR还是Delta-Sigma分辨率与速度的权衡ADC是整个信号链从模拟进入数字世界的关口。选型时最核心的权衡在SAR型和Delta-SigmaΔΣ型之间。SAR型ADC的特点是转换速度快从几十kSPS到几MSPS、功耗低、输入阻抗可控、价格适中。适合信号带宽较高的场合比如振动监测、电机电流检测、声学传感。缺点是有效位数受限于比较器噪声和电容阵列精度通常做到16位就很不错了。Delta-Sigma型ADC采用过采样和噪声整形技术用速度换取分辨率轻易做到20位、24位。比如24位ΔΣ ADC配合良好的PCB设计理论动态范围能到120dB以上。缺点是转换速度慢适合低频高精度场景比如称重、温度、应变测量。我常用的选型公式是这样的先确定信号的最大频率f_signal采样率至少是2倍工程上取5~10倍更稳妥然后看需要多少有效位。如果f_signal在几十Hz以下且分辨率要求高于20位选ΔΣ如果f_signal在几百Hz以上选SAR帧率更现实。记住一点标称位数不等于有效位数。看ENOB有效位数比看分辨率位数更实在。4.2 采样率、抗混叠滤波器与有效位数的关系抗混叠滤波器与采样率的设计是相辅相成的。如果ADC采样率是1kSPS奈奎斯特频率是500Hz那么超过500Hz的噪声都会折叠进带内。因此抗混叠滤波器的截止频率必须低于500Hz而且滚降越陡过渡带就越窄留给有用信号的频带也就越宽。这么说可能太抽象我换个实际案例。假设振动信号的主能量在100Hz以内干扰源是开关电源的200kHz噪声。如果直接采样不做滤波200kHz噪声通过混叠会变成200kHz - n×fs的形式出现在带内。采样率1kSPS时200kHz会混叠到200kHz - 199×1kHz 1kHz附近还是能看到噪声尾巴。所以必须在ADC前加低通滤波器先把200kHz压掉这就是抗混叠的核心价值。有效位数ENOB与采样率的关系也很微妙。同一颗ADC采样率越高噪声整形效果越差ENOB越低。很多ΔΣ ADC数据手册上给出的峰值分辨率都是在最低输出速率下测得的。工程上应该在满足带宽需求的前提下尽量降低采样率或增加抽取率以获得更高的分辨率。4.3 基准电压与采样时钟被忽视的误差源ADC的精度不仅取决于ADC本身还取决于参考电压和采样时钟的质量。参考电压的温漂会直接转变成测量误差。一个初始精度0.1%但温漂50ppm/°C的基准芯片在50°C温度变化范围内就有2500ppm0.25%的漂移。如果传感器满量程对应2V信号这就相当于5mV的误差。所以在称重这类对精度要求高的场景选择温漂低于5ppm/°C的精密基准是值得的投资。采样时钟的抖动会转化为采样噪声。对于高速SAR ADC时钟抖动对信噪比的恶化尤其明显。我调试过一个24位ΔΣ ADC的采集板发现输出的噪声底比数据手册宣称的高了约6dB排查了很久最后发现是外部时钟源的相位噪声太大。换上低抖动有源晶振之后噪声底立刻降下来了。时钟是多级调理中很容易被忽略但影响很大的环节值得花点时间检查。5. 数字信号处理从滤波到特征提取的实战方法5.1 时域滤波移动平均、中值滤波和滑动窗口滤波的取舍ADC出来之后的原始数据通常还要经过数字滤波才能用。时域滤波简单直观实时性好适合嵌入式MCU实现。移动平均滤波能有效抑制随机白噪声窗口越大平滑效果越好但会引入相位滞后信号变化的响应变慢。对温度这种变化缓慢的信号窗口取大点没关系对力传感器这种需要快速响应的信号窗口大了就会感觉迟钝。中值滤波对脉冲噪声比如电磁干扰导致的突刺特别有效它取窗口内数据排列后的中间值能干净地剔除明显的离群点。缺点是会损失细节信息而且计算量比移动平均大。我通常的做法是先做一次窗口很小的中值滤波剔野值再做一次移动平均压白噪声两级配合效果比单用任何一种都要好。滑动窗口的宽度选择有一个经验公式窗口内包含的数据点数应该覆盖信号周期的1~2个周期以上但不要超过信号周期的5倍。比如信号周期是50ms采样率1kSPS那窗口选50~100个点比较合适再大响应就明显迟滞了。5.2 频域处理FIR、IIR滤波器的适用边界与参数设计实时系统中常用的数字滤波器是FIR和IIR两大类。FIR滤波器线性相位特性好相位不畸变适合对波形保真度要求高的场景比如心电信号、振动波形。缺点是同样的过渡带指标FIR需要更高阶数计算量大。IIR滤波器阶数低效率高但相位是非线性的对波形形状有扭曲。如果只是提取幅度信息比如RMS、峰值IIR完全够用如果要做波形分析或者相位测量优先考虑FIR。在嵌入式MCU上设计滤波器时我推荐直接查表法配合级联二阶节来实现IIR滤波器。具体方法是用Matlab的fdatool设计滤波器系数导出二阶节SOS形式然后在代码里用标准化格式实现。这样不仅便于调试也方便有针对性的瓶颈分析。我自己的一个经验是能不用数字滤波解决的问题优先在模拟端解决。数字滤波的系数、位宽、溢出处理都会引入额外复杂度调试起来比模拟滤波更隐蔽。模拟端做好抗混叠和基本的噪声抑制数字端做精细化的处理两者配合才是最优解。5.3 卡尔曼滤波在传感器融合中的应用初探卡尔曼滤波是传感器信号处理里绕不开的一个名字。它的核心思想是把系统的状态方程和观测方程结合起来用预测和更新两步递推在不完全可信的传感器测量和已知运动模型之间做一个最优估计。举个具体例子。在一个AGV小车定位项目里轮式编码器测距存在打滑累积误差IMU测角度存在零漂GPS在室内又不可靠。我们把编码器、IMU的数据通过卡尔曼滤波融合用编码器的短时精确性校正IMU的漂移用IMU的数据预测编码器打滑时缺失的位置。融合后的定位误差比单独用任何一种传感器都小一个数量级。卡尔曼滤波器上手最困难的不是公式推导而是调参过程噪声协方差Q和测量噪声协方差R的设定直接决定了滤波效果。Q设小了滤波器对模型过于信任跟不上实际变化Q设大了噪声抑制能力变差。R设小了测量噪声对估计结果影响大R设大了估计滞后。我的调试经验是先让系统静止测量传感器的实际噪声方差作为R的初值再根据系统的动态响应调整Q。多数情况下Q可以设成一个对角线小矩阵然后逐步增大观察估计结果是否平滑且能快速跟踪真实信号。5.4 特征提取峰值检测、RMS计算和FFT的工程实现要点传感器信号处理的最终目的往往不是看原始波形而是提取有意义的特征量。常见的特征提取包括峰值、RMS有效值、平均值、频谱特征等。峰值检测在冲击测量、碰撞检测里很关键。最简单的实现是设定一个阈值超过就认为检测到峰值。但实际信号往往有噪声毛刺直接阈值检测会误触发。我推荐的做法是先做一次滑动窗口中值滤波剔野值然后对滤波后的信号做一阶差分找差分符号变化的点再配合滞回比较器确认峰值。这样既能抑制噪声又不会漏掉真实峰值。RMS值在振动监测、功率测量中非常常见。RMS的计算公式是平方后求平均再开方实时实现时可以每N个点计算一次。如果要快速的RMS输出可以用滑动窗口的递推公式但需要注意平方累加的数值精度问题。32位MCU上累计超过几万个点的平方时可能溢出稳妥的办法是分段计算或者用浮点运算。FFT是频域分析的基础工具。在嵌入式上做FFT最要注意的是输入数据的窗函数选择和帧长。直接对原始数据截断做FFT会有频谱泄漏需要加窗汉宁窗是最常用的但加窗会损失幅度精度。帧长决定频率分辨率Fs/N就是分辨率想分辨1Hz的信号帧长至少需要1秒的数据。实时性要求高时可以用滑动FFT或者Goertzel算法只计算关注的频点计算量大大降低。6. 典型传感器类型与信号处理案例拆解6.1 六维力/力矩传感器的信号处理难点与对策最近具身智能的兴起让六维力/力矩传感器成了热点。所谓六维力传感器就是能同时测量三个方向的力分量Fx、Fy、Fz和三个方向的力矩分量Mx、My、Mz的传感器。它的内部通常有4~8组应变片电桥通过特殊的结构设计比如十字梁、轮辐式让不同方向的力/力矩在多个电桥上产生不同的响应组合。信号处理上六维力传感器最核心的挑战是维度间解耦。因为机械结构的弹性变形不是完全独立的一个方向的力往往会在其他方向的电桥上产生微弱的响应这就是交叉灵敏度。解决方法是标定矩阵给传感器施加已知的六维载荷组合记录所有通道的原始输出计算出6×N的标定矩阵N是电桥通道数再用这个矩阵的伪逆或最小二乘解对实时采集信号做矩阵变换得到解耦后的六维力。另一个问题是重力补偿。机械臂末端安装六维力传感器后传感器测得的是外力加上末端工具的自重。机械臂姿态变化时重力在传感器坐标系下的分量也随之变化。必须用机械臂的正运动学算出工具重心在传感器坐标系的位置和姿态实时减去重力项剩下才是真实的外部接触力。很多初次接触六维力的开发者直接读原始数据然后滤波结果发现姿态一变读数就飘就是这个原因。6.2 雷达信号的脉冲压缩与目标检测思路雷达信号处理是另一个典型的信号处理高地。虽然雷达后端和普通传感器信号处理用到的数学工具有一定深度但核心思路是相通的都是从带噪信号中提取有用信息。雷达回波信号经过下变频、ADC采样后首先面临的是目标回波太微弱的问题。脉冲压缩技术的本质是发射大时间带宽积的调频信号如线性调频LFM接收时通过匹配滤波把能量在时间上压缩成一个窄脉冲。匹配滤波器就是让接收信号与发射信号做相关信噪比增益等于时间带宽积这个概念和传感器信号处理里的相关检测是一脉相承的。目标检测里常用恒虚警率CFAR检测器。它的原理是对每个距离单元用周围单元的噪声水平动态计算一个自适应阈值超过阈值就判定为目标。这样做的好处是不同场景的噪声底不一样时检测阈值能自适应调整。这和我们在传感器采集里说“先测噪声底再设阈值”是同一个思路只是CFAR把这个过程自动化了。6.3 分布式阵列信号处理的波束形成与测向分布式阵列信号处理是声呐、麦克风阵列、毫米波雷达阵列背后的核心理论。简单的理解多个传感器分布在空间不同位置同一信号到达各传感器的相位不同通过加权求和可以让某个方向的信号增强、其他方向的信号抵消这就是波束形成属于空域滤波。波束形成和时域滤波在数学上高度一致。时域滤波是对时间序列做加权求和波束形成是对空间序列做加权求和区别只是把“时间延迟”换成了“空间相位差”。理解了这一点传感器信号处理的知识体系就串联起来了。对于每个通道先做时间域的滤波去噪再做空间域的加权融合相当于先信号增强再做空间降噪两级处理在复杂场景下效果叠加。我在设计麦克风阵列做声源定位时遇到过麦克风通道间增益不一致导致方向估计偏差的问题。解决方法是做通道均衡播放一个已知声源位置的标准扫频信号记录各个通道的幅度和相位计算每个通道的校准系数在正式处理前先乘上校准系数。这个过程和传感器标定的数学本质完全一样一通百通。7. 信号链性能评估与系统级联调试的工程心得7.1 噪声评估的三个指标峰峰值、RMS与功率谱密度怎么判断一套传感器信号链到底做得好不好不能凭感觉要看量化指标。最常用的三个是输出噪声峰峰值、噪声RMS值和噪声功率谱密度。峰峰值决定测量的“最小可分辨变化”。通常用采集数据的最大值减最小值得到但也受采样时长影响时间越长峰峰值越大。工程上常把峰峰值除以6作为噪声RMS的无偏估计对应高斯分布。RMS值直接对应标准差的统计意义可以用多次独立采样的标准差来估计。功率谱密度则揭示了噪声在频域上的分布能看出是白噪声底、工频干扰、还是某个频段的机械共振。实测方法不复杂把传感器放在稳定环境中比如桌面静止用完整信号链连续采集几分钟数据然后用统计学工具分析。如果幅度噪声呈高斯分布说明系统噪声主要是热噪声和量化噪声这类固有噪声性能已接近精良水平。如果分布有明显拖尾或者多模态说明有间歇性干扰或者增益不稳定需要进一步排查。7.2 温漂、时漂的测量方法与补偿策略传感器的输出随时间漂移和随温度漂移是长期可靠性的两个关键指标。温漂测试的标准做法是把传感器放进温箱从-20°C到60°C循环每个温度点记录零点输出和满量程输出拟合出温度系数曲线。时漂测试则是让传感器在恒温恒湿环境中长期带电每天记录零点变化评估长期稳定性。温漂补偿有两类手段。硬件层面可以用对称设计抵消温漂比如电桥的四个应变片选择同批次同温度系数的元件温度变化时四个桥臂电阻同时增减输出基本不变。软件层面可以在传感器内部集成温度传感器测到实时温度后用标定好的温度补偿曲线多项式拟合或查表修正输出值。高端称重传感器通常两者都用。我在做应变式力传感器时发现温漂不仅来自应变片本身还来自后端信号链仪表放大器的失调电压温漂、基准电压的温漂、ADC的温漂每一级都在贡献误差。所以做温度补偿时要针对“整个信号链”做端到端的标定而不是只补偿某一个环节。7.3 信号链级联调试从逐级验证到联调的完整流程多级信号链联调时最忌讳的是信号异常后靠猜。必须逐级验证定位问题具体出在哪一级。我一般按这个流程操作先断开传感器只给调理电路输入一个已知的精密直流信号用高精度源模拟传感器的差分输出验证放大增益和失调是否符合设计值。再接入信号发生器输入一个已知频率和幅度的正弦波用示波器观察放大器输出波形是否有失真、削顶或相位偏移。然后接上真实传感器在静止状态下采集数据分析噪声底是否符合预期判断主要噪声来源。最后做动态测试给传感器施加已知力值或位移检查信号链的响应速度、过冲和稳态精度。每级都符合预期后再联调问题范围就能迅速缩小。我在一次多通道采集项目中发现第三通道一直有低频波动逐级排查后确认是PCB布局问题第三通道的地返回路径经过了一颗开关电源的电感下面被磁场耦合干扰了。改版走线后问题彻底消失。这类问题如果不逐级排查很难定位因为原理图和代码看上去都是对的。7.4 频谱分析工具在传感器调试中的具体应用调试传感器信号链示波器看时域波形只是第一步真正精细的问题要靠频谱分析来定位。我最常用的工具是Python的SciPy库或者嵌入式端的FFT固件。步骤很简单采集一段稳定的数据做FFT观察频谱结构看噪声底是否平坦、有没有明显的离散尖峰。离散尖峰的频率往往能直接指向干扰源。50Hz及整数倍频的尖峰是工频干扰100kHz附近的宽带隆起可能是开关电源的纹波某个窄带尖峰如果随着电机转速变化可能是机械振动耦合。定位到干扰源之后再决定是用屏蔽、滤波、还是调整布局来解决。功率谱密度还有一个重要用途估算信号链的等效输入噪声。把输出端的噪声谱密度除以系统增益再乘以带宽的平方根就能得到等效到输入端的噪声值。这个数值可以和数据手册的理论值对上能快速判断系统是否达到预期性能。如果等效输入噪声远大于理论值基本可以确定某级电路还有未排除的干扰源。8. 实操心得与避坑记录以上是信号处理的整体框架和主要方法下面整理一些我在多个项目里反复验证过的操作性建议和踩坑记录这部分内容是教科书里不会写的。先在纸上画完信号链再动手画板。每次新项目先把敏感元件输出范围、放大器增益、ADC量程、参考电压全部算一遍确认每一级的信号幅度都在合理区间。画完这个信号预算表再画原理图能避免大部分低级错误。PCB布局对模拟性能的影响往往大于选型。模拟前端尽量远离开关电源模拟地和数字地在ADC芯片下方单点汇合差分信号走线要等长且靠近减少共模到差模的转换放大器电源引脚尽量并一个小容值高频去耦电容比如0.1uF再并一个大容值低频电容比如10uF。这样做之后我遇到过的好几个噪声问题都迎刃而解了。预留测试点。在放大器的输入输出端、ADC输入引脚、参考电压输出端预留测试点或0欧电阻的位置成本几乎为零但调试时能省大量时间。没有测试点的板子出了问题只能靠飞线风险很大。先做最小系统验证再做完整系统。我习惯先把敏感元件、一级放大器、ADC、MCU这四级最小链路在万能板或评估板上搭通验证信号质量和算法逻辑。没问题之后再去画正式PCB。这样做的好处是可以把硬件问题和算法问题分开排查不会混在一起找不到北。数字滤波的系数先仿真再固化。在嵌入式里写滤波算法之前先用Matlab或者Python把滤波器系数仿真一遍看看频率响应是否符合预期然后用仿真系数在MCU上实现再实测对比看是否一致。这样能避免系数设计错误导致的返工。数据存储记得带时间戳和原始值。做传感器系统调试时最忌讳的是只记录处理后的结果。原始数据一旦丢掉出了问题没法回溯。我在做高精度称重项目时调试记录里既保留原始ADC码值也保留滤波后的数据两边一对比很容易看出问题出在硬件级还是软件级。六维力传感器和雷达信号的例子想说明的是同一个道理传感器信号处理看似各家有各家的专用方法但底层的数学工具放大、滤波、相关、谱分析、矩阵变换是通用的。把通用工具掌握扎实遇到新的传感器类型无非是重新套一遍这套方法论——理清信号特性、设计调理链路、选好数字化方案、再配数字处理算法。剩下的就是耐下心来逐级验证数据说话。
传感器信号处理全链路解析：从敏感元件到可用数据
1. 传感器信号处理到底在解决什么问题先说一个很多刚接触传感器的人容易踩的认知误区以为把传感器买回来接上电源数据就能用了。我最初做压力传感器项目时也这么想过结果第一版采集到的数据直接让我怀疑传感器是不是坏的——零点漂移严重、噪声毛刺密布、温度一变示数就飘简直没法看。其实传感器的输出信号和“能直接用的数据”之间隔着整整一条信号处理链路。这条链路要解决的核心问题可以归纳为三类信号太弱、噪声太脏、误差太杂。信号太弱很好理解很多敏感元件的输出都是毫伏级甚至微伏级比如应变片电桥、热电偶、压电薄膜不放大根本进不了ADC的量程。噪声太脏指的是传感器输出里混着各种干扰工频50Hz的电源干扰、机械振动产生的低频波动、半导体器件本身的散粒噪声和热噪声、射频环境下的电磁耦合甚至ADC采样时钟抖动带来的采样噪声。误差太杂则涵盖了传感器本身的非线性、温漂、交叉灵敏度、迟滞以及后续调理电路引入的失调、偏置、增益误差。所以传感器信号处理从功能上拆解至少包含五件事调理Conditioning、放大Amplification、滤波Filtering、数字化Digitization、算法补偿Compensation。前四件属于硬件的活儿最后一件是嵌入式或上位机里的软件活儿。真正靠谱的传感器系统从来都是软硬件协同设计缺哪个环节都会在后续使用中付出代价。这篇笔记是传感器技术系列的第12篇核心就是把这条从敏感元件到可用数据的信号链一次性讲透。不仅讲原理也把我在实际项目里踩过的坑、验证过的方案、调参的心得都写出来争取让刚开始做传感器应用的朋友少走几步弯路。2. 敏感元件的输出特性信号链路设计的起点2.1 从惠斯通电桥说起微伏级信号怎么来得要理解信号处理先得知道传感器输出信号是长什么样的。以最常用的电阻应变式传感器为例其内部核心通常是一个惠斯通电桥四个桥臂上贴着应变片。当外力让弹性体变形时应变片的电阻发生变化电桥失去平衡输出一个差分电压[ V_{out} V_{exc} \cdot \frac{\Delta R}{R} ]举个例子如果激励电压是5V应变量引起的电阻变化率只有0.1%那输出只有区区的5mV。如果换成微小力值的传感器满量程输出可能只有1~2mV/V即5V激励下满量程输出5~10mV。这个量级的信号连一个12位ADC在2.5V参考电压下的最小分辨率约0.6mV都覆盖不住必须经过高增益放大后ADC才能精确分辨。所以信号链的第一个设计决策就是用什么放大器放大多少倍放大之后信号落在ADC的什么位置。这里有个概念必须搞清楚增益不是越大越好。增益过大会把前端噪声一起放大导致信号饱和削顶增益过小又浪费ADC的动态范围。最佳做法是让满量程信号放大后映射到ADC满量程的80%~90%留出余量防止超量程。比如ADC参考电压是3.3V满量程输出2.6~3.0V是比较理想的区间。2.2 不同传感器的输出阻抗与驱动能力差异还有一个容易被忽略但实际影响很大的参数输出阻抗。像压电传感器、电荷型加速度计这类高阻抗源输出阻抗能到几百兆欧必须用超高输入阻抗的电荷放大器或电压跟随器做第一级缓冲否则信号在传输线上就被衰减和干扰吞噬了。而像热电偶这种低输出电压、低阻抗的源重点反而是冷端补偿和失调电压的消除。你可以把传感器的输出阻抗理解为水管的口径口径越小水流越细中间稍微有点堵塞或者旁边有震动水流方向就偏了。信号处理前端必须和传感器的输出阻抗匹配这是设计的第一课。先看数据手册的输出阻抗和推荐负载再决定运放选型顺序不能反。2.3 多个传感器同时输出时的串扰和负载效应在多点测量项目里比如做一个4通道的应变采集板最容易出现的问题是通道间串扰。原因是多路复用开关MUX切换瞬间前级运放的采样电容还没有完全稳定就把上一通道的残余电荷带进了下一通道。表现在数据上就是某一路突然有个大阶跃时相邻的几个通道会跟着出现一个逐渐衰减的小尾巴。解决思路有两个层面。硬件上在MUX后面加一个高带宽的缓冲运放并且在ADC采样前留足够多的稳定时间acquisition time这是数据手册里经常被跳过但实际很关键的参数。软件上如果对实时性要求不是特别高可以对切换后的前几个采样点做丢弃处理然后取稳定后的平均值。这两种方法我在后续章节里还会展开。3. 前端调理电路放大的不仅是信号还有噪声3.1 仪表放大器、运放、PGA怎么选传感器前端最常用的放大器主要有三类普通运算放大器Op-Amp、仪表放大器INA、可编程增益放大器PGA。普通运放最便宜灵活性最高但需要自己搭差分转单端的电路电阻匹配精度稍差就会劣化共模抑制比。仪表放大器内部集成了三个运放和激光修调的精密电阻网络差分输入、单端输出共模抑制比轻松做到90dB以上非常适合直接连接电桥、应变片这类差分信号源。PGA的增益可以由程序控制适合做宽量程适配的采集设备——同一个板子换不同量程的传感器不用改硬件通过软件设置增益就行。个人建议如果是做单个传感器的嵌入式项目直接选INA省心省事如果做多通道通用数据采集设备选PGA加多路MUX的组合。我见过不少工程师一开始贪便宜用普通运放搭差分电路结果共模抑制比做不上去最后返工换INA浪费时间也浪费PCB面积。3.2 共模抑制比和接地环路数据手册没告诉你的坑共模抑制比CMRR描述的是放大器对输入端同时出现的共模信号的抑制能力。理想情况下共模信号会被完全消除但现实中如果传感器和采集板之间存在地电位差就会产生共模电压而这个共模电压往往还叠加着高频噪声比有用的差分信号大得多。我最深的一次教训是在现场测试时传感器安装在几十米外的设备上采集板在控制柜内。由于现场接地网络不干净传感器地和控制柜地之间存在约1V的电位差而且这个电位差还在波动。结果采集到的信号完全被淹没了后来才意识到这是典型的接地环路问题。解决接地环路的标准做法是采用隔离设计在信号链中插入隔离放大器或者数字隔离器切断地环路。其次是保证单点接地原则整个系统的模拟地、数字地、电源地最终在一点汇合。还有一个实用技巧传感器的屏蔽层只在一端接地通常是靠近采集端接地避免屏蔽层本身成为地环路的一部分。3.3 滤波电路设计RC低通不够用怎么办前端滤波器的作用有两个一是滤波二是抗混叠。所谓抗混叠就是抑制高于奈奎斯特频率的高频分量防止这些频率在采样时折叠到低频段产生假信号。最简单的是一阶RC低通滤波转折频率取信号带宽的3~5倍。但其滚降特性只有-20dB/dec衰减速度太慢。对于噪声环境复杂的场景建议用二阶有源滤波或者多级RC级联获得更陡的衰减曲线。滤波器位置很讲究应该放在放大器之后、ADC之前。原因有二放大器的带宽往往远高于信号带宽噪声会被放大后再被滤波但总比不滤波强同时滤波器还能作为ADC输入端的驱动级提供稳定的低阻抗源保证采样电容充电迅速。如果滤波器放在放大之前微弱信号经过电阻网络时会有额外的热噪声注入还会因阻抗不匹配引入误差。关于截止频率的选取我习惯是先用示波器或FFT看看原始信号里的噪声频谱分布确定主要的噪声频段然后设计滤波器把噪声频段压掉同时尽量保留信号频段。举例来说一个响应速度要求100Hz的温度采集系统如果发现50Hz工频干扰严重可以在后端加一个50Hz的陷波器而不是简单地把低通截止频率设到100Hz以下否则信号本身的波动也会被削掉。4. 数字化环节ADC选型与采样策略的工程艺术4.1 SAR还是Delta-Sigma分辨率与速度的权衡ADC是整个信号链从模拟进入数字世界的关口。选型时最核心的权衡在SAR型和Delta-SigmaΔΣ型之间。SAR型ADC的特点是转换速度快从几十kSPS到几MSPS、功耗低、输入阻抗可控、价格适中。适合信号带宽较高的场合比如振动监测、电机电流检测、声学传感。缺点是有效位数受限于比较器噪声和电容阵列精度通常做到16位就很不错了。Delta-Sigma型ADC采用过采样和噪声整形技术用速度换取分辨率轻易做到20位、24位。比如24位ΔΣ ADC配合良好的PCB设计理论动态范围能到120dB以上。缺点是转换速度慢适合低频高精度场景比如称重、温度、应变测量。我常用的选型公式是这样的先确定信号的最大频率f_signal采样率至少是2倍工程上取5~10倍更稳妥然后看需要多少有效位。如果f_signal在几十Hz以下且分辨率要求高于20位选ΔΣ如果f_signal在几百Hz以上选SAR帧率更现实。记住一点标称位数不等于有效位数。看ENOB有效位数比看分辨率位数更实在。4.2 采样率、抗混叠滤波器与有效位数的关系抗混叠滤波器与采样率的设计是相辅相成的。如果ADC采样率是1kSPS奈奎斯特频率是500Hz那么超过500Hz的噪声都会折叠进带内。因此抗混叠滤波器的截止频率必须低于500Hz而且滚降越陡过渡带就越窄留给有用信号的频带也就越宽。这么说可能太抽象我换个实际案例。假设振动信号的主能量在100Hz以内干扰源是开关电源的200kHz噪声。如果直接采样不做滤波200kHz噪声通过混叠会变成200kHz - n×fs的形式出现在带内。采样率1kSPS时200kHz会混叠到200kHz - 199×1kHz 1kHz附近还是能看到噪声尾巴。所以必须在ADC前加低通滤波器先把200kHz压掉这就是抗混叠的核心价值。有效位数ENOB与采样率的关系也很微妙。同一颗ADC采样率越高噪声整形效果越差ENOB越低。很多ΔΣ ADC数据手册上给出的峰值分辨率都是在最低输出速率下测得的。工程上应该在满足带宽需求的前提下尽量降低采样率或增加抽取率以获得更高的分辨率。4.3 基准电压与采样时钟被忽视的误差源ADC的精度不仅取决于ADC本身还取决于参考电压和采样时钟的质量。参考电压的温漂会直接转变成测量误差。一个初始精度0.1%但温漂50ppm/°C的基准芯片在50°C温度变化范围内就有2500ppm0.25%的漂移。如果传感器满量程对应2V信号这就相当于5mV的误差。所以在称重这类对精度要求高的场景选择温漂低于5ppm/°C的精密基准是值得的投资。采样时钟的抖动会转化为采样噪声。对于高速SAR ADC时钟抖动对信噪比的恶化尤其明显。我调试过一个24位ΔΣ ADC的采集板发现输出的噪声底比数据手册宣称的高了约6dB排查了很久最后发现是外部时钟源的相位噪声太大。换上低抖动有源晶振之后噪声底立刻降下来了。时钟是多级调理中很容易被忽略但影响很大的环节值得花点时间检查。5. 数字信号处理从滤波到特征提取的实战方法5.1 时域滤波移动平均、中值滤波和滑动窗口滤波的取舍ADC出来之后的原始数据通常还要经过数字滤波才能用。时域滤波简单直观实时性好适合嵌入式MCU实现。移动平均滤波能有效抑制随机白噪声窗口越大平滑效果越好但会引入相位滞后信号变化的响应变慢。对温度这种变化缓慢的信号窗口取大点没关系对力传感器这种需要快速响应的信号窗口大了就会感觉迟钝。中值滤波对脉冲噪声比如电磁干扰导致的突刺特别有效它取窗口内数据排列后的中间值能干净地剔除明显的离群点。缺点是会损失细节信息而且计算量比移动平均大。我通常的做法是先做一次窗口很小的中值滤波剔野值再做一次移动平均压白噪声两级配合效果比单用任何一种都要好。滑动窗口的宽度选择有一个经验公式窗口内包含的数据点数应该覆盖信号周期的1~2个周期以上但不要超过信号周期的5倍。比如信号周期是50ms采样率1kSPS那窗口选50~100个点比较合适再大响应就明显迟滞了。5.2 频域处理FIR、IIR滤波器的适用边界与参数设计实时系统中常用的数字滤波器是FIR和IIR两大类。FIR滤波器线性相位特性好相位不畸变适合对波形保真度要求高的场景比如心电信号、振动波形。缺点是同样的过渡带指标FIR需要更高阶数计算量大。IIR滤波器阶数低效率高但相位是非线性的对波形形状有扭曲。如果只是提取幅度信息比如RMS、峰值IIR完全够用如果要做波形分析或者相位测量优先考虑FIR。在嵌入式MCU上设计滤波器时我推荐直接查表法配合级联二阶节来实现IIR滤波器。具体方法是用Matlab的fdatool设计滤波器系数导出二阶节SOS形式然后在代码里用标准化格式实现。这样不仅便于调试也方便有针对性的瓶颈分析。我自己的一个经验是能不用数字滤波解决的问题优先在模拟端解决。数字滤波的系数、位宽、溢出处理都会引入额外复杂度调试起来比模拟滤波更隐蔽。模拟端做好抗混叠和基本的噪声抑制数字端做精细化的处理两者配合才是最优解。5.3 卡尔曼滤波在传感器融合中的应用初探卡尔曼滤波是传感器信号处理里绕不开的一个名字。它的核心思想是把系统的状态方程和观测方程结合起来用预测和更新两步递推在不完全可信的传感器测量和已知运动模型之间做一个最优估计。举个具体例子。在一个AGV小车定位项目里轮式编码器测距存在打滑累积误差IMU测角度存在零漂GPS在室内又不可靠。我们把编码器、IMU的数据通过卡尔曼滤波融合用编码器的短时精确性校正IMU的漂移用IMU的数据预测编码器打滑时缺失的位置。融合后的定位误差比单独用任何一种传感器都小一个数量级。卡尔曼滤波器上手最困难的不是公式推导而是调参过程噪声协方差Q和测量噪声协方差R的设定直接决定了滤波效果。Q设小了滤波器对模型过于信任跟不上实际变化Q设大了噪声抑制能力变差。R设小了测量噪声对估计结果影响大R设大了估计滞后。我的调试经验是先让系统静止测量传感器的实际噪声方差作为R的初值再根据系统的动态响应调整Q。多数情况下Q可以设成一个对角线小矩阵然后逐步增大观察估计结果是否平滑且能快速跟踪真实信号。5.4 特征提取峰值检测、RMS计算和FFT的工程实现要点传感器信号处理的最终目的往往不是看原始波形而是提取有意义的特征量。常见的特征提取包括峰值、RMS有效值、平均值、频谱特征等。峰值检测在冲击测量、碰撞检测里很关键。最简单的实现是设定一个阈值超过就认为检测到峰值。但实际信号往往有噪声毛刺直接阈值检测会误触发。我推荐的做法是先做一次滑动窗口中值滤波剔野值然后对滤波后的信号做一阶差分找差分符号变化的点再配合滞回比较器确认峰值。这样既能抑制噪声又不会漏掉真实峰值。RMS值在振动监测、功率测量中非常常见。RMS的计算公式是平方后求平均再开方实时实现时可以每N个点计算一次。如果要快速的RMS输出可以用滑动窗口的递推公式但需要注意平方累加的数值精度问题。32位MCU上累计超过几万个点的平方时可能溢出稳妥的办法是分段计算或者用浮点运算。FFT是频域分析的基础工具。在嵌入式上做FFT最要注意的是输入数据的窗函数选择和帧长。直接对原始数据截断做FFT会有频谱泄漏需要加窗汉宁窗是最常用的但加窗会损失幅度精度。帧长决定频率分辨率Fs/N就是分辨率想分辨1Hz的信号帧长至少需要1秒的数据。实时性要求高时可以用滑动FFT或者Goertzel算法只计算关注的频点计算量大大降低。6. 典型传感器类型与信号处理案例拆解6.1 六维力/力矩传感器的信号处理难点与对策最近具身智能的兴起让六维力/力矩传感器成了热点。所谓六维力传感器就是能同时测量三个方向的力分量Fx、Fy、Fz和三个方向的力矩分量Mx、My、Mz的传感器。它的内部通常有4~8组应变片电桥通过特殊的结构设计比如十字梁、轮辐式让不同方向的力/力矩在多个电桥上产生不同的响应组合。信号处理上六维力传感器最核心的挑战是维度间解耦。因为机械结构的弹性变形不是完全独立的一个方向的力往往会在其他方向的电桥上产生微弱的响应这就是交叉灵敏度。解决方法是标定矩阵给传感器施加已知的六维载荷组合记录所有通道的原始输出计算出6×N的标定矩阵N是电桥通道数再用这个矩阵的伪逆或最小二乘解对实时采集信号做矩阵变换得到解耦后的六维力。另一个问题是重力补偿。机械臂末端安装六维力传感器后传感器测得的是外力加上末端工具的自重。机械臂姿态变化时重力在传感器坐标系下的分量也随之变化。必须用机械臂的正运动学算出工具重心在传感器坐标系的位置和姿态实时减去重力项剩下才是真实的外部接触力。很多初次接触六维力的开发者直接读原始数据然后滤波结果发现姿态一变读数就飘就是这个原因。6.2 雷达信号的脉冲压缩与目标检测思路雷达信号处理是另一个典型的信号处理高地。虽然雷达后端和普通传感器信号处理用到的数学工具有一定深度但核心思路是相通的都是从带噪信号中提取有用信息。雷达回波信号经过下变频、ADC采样后首先面临的是目标回波太微弱的问题。脉冲压缩技术的本质是发射大时间带宽积的调频信号如线性调频LFM接收时通过匹配滤波把能量在时间上压缩成一个窄脉冲。匹配滤波器就是让接收信号与发射信号做相关信噪比增益等于时间带宽积这个概念和传感器信号处理里的相关检测是一脉相承的。目标检测里常用恒虚警率CFAR检测器。它的原理是对每个距离单元用周围单元的噪声水平动态计算一个自适应阈值超过阈值就判定为目标。这样做的好处是不同场景的噪声底不一样时检测阈值能自适应调整。这和我们在传感器采集里说“先测噪声底再设阈值”是同一个思路只是CFAR把这个过程自动化了。6.3 分布式阵列信号处理的波束形成与测向分布式阵列信号处理是声呐、麦克风阵列、毫米波雷达阵列背后的核心理论。简单的理解多个传感器分布在空间不同位置同一信号到达各传感器的相位不同通过加权求和可以让某个方向的信号增强、其他方向的信号抵消这就是波束形成属于空域滤波。波束形成和时域滤波在数学上高度一致。时域滤波是对时间序列做加权求和波束形成是对空间序列做加权求和区别只是把“时间延迟”换成了“空间相位差”。理解了这一点传感器信号处理的知识体系就串联起来了。对于每个通道先做时间域的滤波去噪再做空间域的加权融合相当于先信号增强再做空间降噪两级处理在复杂场景下效果叠加。我在设计麦克风阵列做声源定位时遇到过麦克风通道间增益不一致导致方向估计偏差的问题。解决方法是做通道均衡播放一个已知声源位置的标准扫频信号记录各个通道的幅度和相位计算每个通道的校准系数在正式处理前先乘上校准系数。这个过程和传感器标定的数学本质完全一样一通百通。7. 信号链性能评估与系统级联调试的工程心得7.1 噪声评估的三个指标峰峰值、RMS与功率谱密度怎么判断一套传感器信号链到底做得好不好不能凭感觉要看量化指标。最常用的三个是输出噪声峰峰值、噪声RMS值和噪声功率谱密度。峰峰值决定测量的“最小可分辨变化”。通常用采集数据的最大值减最小值得到但也受采样时长影响时间越长峰峰值越大。工程上常把峰峰值除以6作为噪声RMS的无偏估计对应高斯分布。RMS值直接对应标准差的统计意义可以用多次独立采样的标准差来估计。功率谱密度则揭示了噪声在频域上的分布能看出是白噪声底、工频干扰、还是某个频段的机械共振。实测方法不复杂把传感器放在稳定环境中比如桌面静止用完整信号链连续采集几分钟数据然后用统计学工具分析。如果幅度噪声呈高斯分布说明系统噪声主要是热噪声和量化噪声这类固有噪声性能已接近精良水平。如果分布有明显拖尾或者多模态说明有间歇性干扰或者增益不稳定需要进一步排查。7.2 温漂、时漂的测量方法与补偿策略传感器的输出随时间漂移和随温度漂移是长期可靠性的两个关键指标。温漂测试的标准做法是把传感器放进温箱从-20°C到60°C循环每个温度点记录零点输出和满量程输出拟合出温度系数曲线。时漂测试则是让传感器在恒温恒湿环境中长期带电每天记录零点变化评估长期稳定性。温漂补偿有两类手段。硬件层面可以用对称设计抵消温漂比如电桥的四个应变片选择同批次同温度系数的元件温度变化时四个桥臂电阻同时增减输出基本不变。软件层面可以在传感器内部集成温度传感器测到实时温度后用标定好的温度补偿曲线多项式拟合或查表修正输出值。高端称重传感器通常两者都用。我在做应变式力传感器时发现温漂不仅来自应变片本身还来自后端信号链仪表放大器的失调电压温漂、基准电压的温漂、ADC的温漂每一级都在贡献误差。所以做温度补偿时要针对“整个信号链”做端到端的标定而不是只补偿某一个环节。7.3 信号链级联调试从逐级验证到联调的完整流程多级信号链联调时最忌讳的是信号异常后靠猜。必须逐级验证定位问题具体出在哪一级。我一般按这个流程操作先断开传感器只给调理电路输入一个已知的精密直流信号用高精度源模拟传感器的差分输出验证放大增益和失调是否符合设计值。再接入信号发生器输入一个已知频率和幅度的正弦波用示波器观察放大器输出波形是否有失真、削顶或相位偏移。然后接上真实传感器在静止状态下采集数据分析噪声底是否符合预期判断主要噪声来源。最后做动态测试给传感器施加已知力值或位移检查信号链的响应速度、过冲和稳态精度。每级都符合预期后再联调问题范围就能迅速缩小。我在一次多通道采集项目中发现第三通道一直有低频波动逐级排查后确认是PCB布局问题第三通道的地返回路径经过了一颗开关电源的电感下面被磁场耦合干扰了。改版走线后问题彻底消失。这类问题如果不逐级排查很难定位因为原理图和代码看上去都是对的。7.4 频谱分析工具在传感器调试中的具体应用调试传感器信号链示波器看时域波形只是第一步真正精细的问题要靠频谱分析来定位。我最常用的工具是Python的SciPy库或者嵌入式端的FFT固件。步骤很简单采集一段稳定的数据做FFT观察频谱结构看噪声底是否平坦、有没有明显的离散尖峰。离散尖峰的频率往往能直接指向干扰源。50Hz及整数倍频的尖峰是工频干扰100kHz附近的宽带隆起可能是开关电源的纹波某个窄带尖峰如果随着电机转速变化可能是机械振动耦合。定位到干扰源之后再决定是用屏蔽、滤波、还是调整布局来解决。功率谱密度还有一个重要用途估算信号链的等效输入噪声。把输出端的噪声谱密度除以系统增益再乘以带宽的平方根就能得到等效到输入端的噪声值。这个数值可以和数据手册的理论值对上能快速判断系统是否达到预期性能。如果等效输入噪声远大于理论值基本可以确定某级电路还有未排除的干扰源。8. 实操心得与避坑记录以上是信号处理的整体框架和主要方法下面整理一些我在多个项目里反复验证过的操作性建议和踩坑记录这部分内容是教科书里不会写的。先在纸上画完信号链再动手画板。每次新项目先把敏感元件输出范围、放大器增益、ADC量程、参考电压全部算一遍确认每一级的信号幅度都在合理区间。画完这个信号预算表再画原理图能避免大部分低级错误。PCB布局对模拟性能的影响往往大于选型。模拟前端尽量远离开关电源模拟地和数字地在ADC芯片下方单点汇合差分信号走线要等长且靠近减少共模到差模的转换放大器电源引脚尽量并一个小容值高频去耦电容比如0.1uF再并一个大容值低频电容比如10uF。这样做之后我遇到过的好几个噪声问题都迎刃而解了。预留测试点。在放大器的输入输出端、ADC输入引脚、参考电压输出端预留测试点或0欧电阻的位置成本几乎为零但调试时能省大量时间。没有测试点的板子出了问题只能靠飞线风险很大。先做最小系统验证再做完整系统。我习惯先把敏感元件、一级放大器、ADC、MCU这四级最小链路在万能板或评估板上搭通验证信号质量和算法逻辑。没问题之后再去画正式PCB。这样做的好处是可以把硬件问题和算法问题分开排查不会混在一起找不到北。数字滤波的系数先仿真再固化。在嵌入式里写滤波算法之前先用Matlab或者Python把滤波器系数仿真一遍看看频率响应是否符合预期然后用仿真系数在MCU上实现再实测对比看是否一致。这样能避免系数设计错误导致的返工。数据存储记得带时间戳和原始值。做传感器系统调试时最忌讳的是只记录处理后的结果。原始数据一旦丢掉出了问题没法回溯。我在做高精度称重项目时调试记录里既保留原始ADC码值也保留滤波后的数据两边一对比很容易看出问题出在硬件级还是软件级。六维力传感器和雷达信号的例子想说明的是同一个道理传感器信号处理看似各家有各家的专用方法但底层的数学工具放大、滤波、相关、谱分析、矩阵变换是通用的。把通用工具掌握扎实遇到新的传感器类型无非是重新套一遍这套方法论——理清信号特性、设计调理链路、选好数字化方案、再配数字处理算法。剩下的就是耐下心来逐级验证数据说话。
