STM32 ADC+DMA实时数据采集配置与FFT预处理实战-育师

1. 项目缘起：从“能采样”到“会分析”的跨越

做嵌入式开发的朋友，尤其是玩STM32的，对ADC采样肯定不陌生。配置个定时器触发，开个DMA循环搬运，把模拟信号变成一长串数字，这套流程大家闭着眼睛都能写出来。但很多时候，我们采回来的数据，就像一堆未经雕琢的矿石，堆在那里，价值有限。我们真正需要的，往往是矿石里蕴含的“黄金”——信号的频率成分、幅值变化、噪声水平。这时候，FFT（快速傅里叶变换）就登场了。

我最近在做一个电机振动监测的小项目，核心需求就是实时分析电机运行时振动传感器的信号频谱，判断是否存在异常频率。这要求MCU不仅要高速、连续地采集ADC数据，还要能实时地对这些数据进行FFT运算。如果让CPU在ADC中断里一个个搬数据，再吭哧吭哧算FFT，那系统基本就干不了别的了，实时性也无从谈起。所以，一个高效的“ADC+DMA+FFT”处理流水线就成了刚需。

STM32 CubeMX这个工具，大大简化了外设的初始化配置，但如何把ADC、DMA和后续的FFT处理无缝衔接起来，形成一条自动化的数据流，这里面有不少细节值得琢磨。比如，DMA该用哪种模式？采来的数据怎么存才能方便FFT库处理？FFT运算的结果又该如何解读和应用？这个系列，我就打算结合自己的踩坑经历，把这条流水线从硬件配置到软件实现的完整链路拆解清楚。今天是第一部分，我们先搞定最基础也最重要的一环：用CubeMX配置ADC和DMA，搭建一个稳定、高效的实时数据采集框架。

2. CubeMX工程创建与时钟树配置

万事开头难，但用CubeMX开头就简单多了。首先，根据你手头的开发板型号选择正确的MCU。我用的是一块STM32F407VET6，资源足够应对大多数中等复杂度的信号处理任务。

创建好工程后，第一个重头戏就是配置时钟树。ADC的采样率、DMA的传输速度，乃至后续FFT运算的速度，都直接依赖于系统时钟。对于需要做FFT分析的场景，ADC的采样率必须满足奈奎斯特采样定理，即至少是目标信号最高频率的两倍。比如你想分析1kHz的信号，采样率至少得2kHz。但实际中，为了获得更好的频谱效果，我们通常会让采样率是信号最高频率的5-10倍。

假设我的振动信号主要成分在500Hz以内，我打算设置ADC采样率为5kHz。那么，就需要根据这个目标来倒推时钟配置。STM32F4的ADC时钟（ADCCLK）最大为36MHz，它由APB2时钟分频而来。在Clock Configuration标签页里，我先把HSE（外部高速晶振）设为8MHz，PLL倍频到168MHz作为系统时钟（SYSCLK）。然后，将APB2的预分频器设为2，得到APB2时钟为84MHz。最后，将ADC的预分频器设为4，这样ADCCLK就是21MHz（84MHz / 4），这个频率在安全范围内，且为后续配置采样时间留出了余地。

注意：不同系列的STM32，其最大ADCCLK可能不同，务必查阅对应型号的参考手册。过高的ADCCLK可能导致ADC工作不稳定甚至损坏。

时钟树配置看似枯燥，但它决定了整个系统性能的基石。一个合理的时钟配置，能让后续所有外设都运行在最佳状态，避免因时钟瓶颈导致采样丢点、DMA传输卡顿等问题。

3. ADC参数化配置详解

时钟配好了，接下来就是主角ADC的配置。在CubeMX的Pinout & Configuration标签页下，找到ADC模块。我打算使用ADC1的通道0（对应PA0引脚）进行采样。

3.1 基础参数设置

点开ADC1的配置，首先看到的是“Parameter Settings”选项卡。

Resolution（分辨率）：这里我选择“12-bit”。对于振动信号分析，12位分辨率（4096个量化等级）通常已经足够，能在动态范围和精度之间取得良好平衡。如果信号非常微弱，可以考虑外部放大电路，而不是盲目提高ADC位数，因为STM32内部更高分辨率（如16位）的ADC模式往往是通过过采样实现的，会消耗更多时间和CPU资源。
Scan Conversion Mode（扫描转换模式）：因为我们只用一个通道，所以选择“Disabled”。如果使能，它会按顺序扫描多个开启的通道。
Continuous Conversion Mode（连续转换模式）：这里非常关键，要选择“Enabled”。这意味着ADC一旦启动，就会不停地、一个接一个地进行转换，为DMA的连续传输提供源源不断的数据。
Discontinuous Conversion Mode（不连续转换模式）：保持“Disabled”，与连续模式互斥。
DMA Continuous Requests（DMA连续请求）：必须使能（Enabled）。这个选项允许DMA在ADC每次转换完成后，自动发起新的传输请求，是实现“ADC连续转换 -> DMA连续搬运”这个自动化流程的核心开关。如果不禁用，DMA在传输完预设的数据量后就会停止，需要手动重新启动，无法实现真正的后台连续流传输。
End Of Conversion Selection（转换结束选择）：选择“EOC flag at the end of single channel conversion”。这样每个数据转换完成都会产生标志，方便DMA或中断响应。

3.2 采样时间与规则通道配置

切换到“Analog”选项卡，或直接在左侧引脚图上点击PA0，将其功能设置为“ADC1_IN0”。然后，在ADC1配置的“Analog”子选项卡下，找到“Regular Conversion Mode”。

点击“Add”，添加一个规则组通道。
在“Channel”中选择“Channel 0”。
Sampling Time（采样时间）：这是另一个极易出错的点。采样时间 = 转换周期数 / ADCCLK。转换周期数越多，ADC内部的采样保持电容充电越充分，结果越准确，但转换速度越慢。我的ADCCLK是21MHz，目标采样率是5kHz。那么一次完整转换所需的最长时间不能超过 1/5000 = 200us。ADC的转换时间 = 采样时间 + 12.5个周期（12位分辨率下的固定转换时间）。假设我设置采样时间为“84 Cycles”，那么总周期数 = 84 + 12.5 = 96.5 cycles。总时间 = 96.5 / 21MHz ≈ 4.6us。这远小于200us，完全满足5kHz采样率的要求，并且留有充足的余量。对于信号源阻抗较高或需要更高精度的场合，可以适当增加采样周期数。

3.3 触发源选择

在“Parameter Settings”的底部，找到“External Trigger Conversion Source”。

对于连续转换模式，触发源其实可以简单选择“Regular Conversion launched by software”。这样，我们只需要在软件中调用一次HAL_ADC_Start_DMA()，转换就会持续进行下去。
如果你需要非常精确的采样间隔（例如，严格每200us采样一次），那么应该使用定时器触发。这里为了简化流程，我们先使用软件触发。在后续优化部分，可以再探讨如何引入定时器（TIM）来获得更精准的采样时钟。

4. DMA配置：构建自动数据搬运工

ADC配置好了，它会产生连续的数据流。我们需要一个“搬运工”及时把这些数据从ADC数据寄存器（DR）搬到我们指定的内存数组中，这就是DMA的工作。

在CubeMX左侧的“System Core”组里，找到DMA并点击“Add”。

DMA Request：选择“ADC1”。Stream（对于F4系列，DMA有Stream概念）可以任选一个可用的，比如Stream0。
Direction（方向）：选择“Peripheral To Memory”。外设（ADC）是源头，内存是目的地。
Priority（优先级）：设为“High”。确保ADC数据能及时被搬走，防止数据覆盖丢失。
Mode（模式）：
- Normal（普通模式）：传输完预设的数据量后停止。需要手动重启。
- Circular（循环模式）：这是我们需要的模式，必须选择它。在这种模式下，DMA在传输完预设数据量后，会自动回到起始地址重新开始传输，形成一个首尾相接的“环”。这完美契合了ADC连续不断产出数据、我们需要循环缓冲区来接收的需求。
Increment Address（地址自增）：
- Peripheral（外设地址）：保持“Disable”。ADC的数据寄存器地址是固定的，我们总是从同一个地方读数。
- Memory（内存地址）：必须“Enable”。这样每传输一个数据，DMA的目的地址指针就会自动指向数组的下一个位置。
Data Width（数据宽度）：
- Peripheral（外设数据宽度）：选择“Word”（32位）。虽然ADC是12位，但其数据寄存器是32位的（对于F4，ADC_DR是32位寄存器，低16位有效）。
- Memory（内存数据宽度）：也选择“Word”。保持对齐，避免不必要的麻烦。
FIFO Mode：可以先保持默认。

配置完成后，回到ADC1的配置界面，在“DMA Settings”选项卡中，你会看到刚刚添加的DMA请求。点击“Add”，将其关联到ADC1。

至此，CubeMX的图形化配置部分就完成了。你可以点击GENERATE CODE生成初始化代码。CubeMX会帮我们生成ADC1和DMA的初始化函数MX_ADC1_Init()和MX_DMA_Init()，并在main()中调用它们。

5. 软件驱动编写：启动采集与数据缓冲区管理

生成了代码，只是搭好了舞台，演员还没上场。我们需要在用户代码区编写驱动逻辑。

5.1 定义数据缓冲区

首先，在main.c的/* USER CODE BEGIN PV */私有变量区域，定义两个核心数组：

#define ADC_BUFFER_SIZE 1024 // 定义缓冲区大小，建议为2的N次幂，方便FFT volatile uint32_t adc_dma_buffer[ADC_BUFFER_SIZE]; // DMA搬运的目的地

volatile关键字至关重要。它告诉编译器，这个变量可能被硬件（DMA）在程序流程之外修改，禁止编译器对其做激进的优化（比如缓存到寄存器），确保我们每次读取的都是内存中的最新值。
缓冲区大小ADC_BUFFER_SIZE需要仔细考量。它决定了每次DMA传输回调触发时，你能拿到多少数据。大小要兼顾实时性和FFT运算量。1024点是一个很常用的值，因为很多FFT库（如ARM的CMSIS-DSP）对1024点有高度优化。

5.2 启动ADC与DMA

在/* USER CODE BEGIN 2 */区域，系统初始化完成后，启动ADC的DMA传输：

/* USER CODE BEGIN 2 */ // 启动ADC，并让其通过DMA将数据搬运到指定的缓冲区 // 参数：ADC句柄，目标内存地址，数据长度（以字为单位） if (HAL_ADC_Start_DMA(&hadc1, (uint32_t*)adc_dma_buffer, ADC_BUFFER_SIZE) != HAL_OK) { Error_Handler(); // 启动失败，进入错误处理 } /* USER CODE END 2 */

调用HAL_ADC_Start_DMA后，ADC会立即开始连续转换，并且每转换完一个数据，DMA就自动将其从ADC->DR寄存器搬运到adc_dma_buffer数组中。当搬满了ADC_BUFFER_SIZE个数据（即完成一次“半传输”或“全传输”，取决于回调）后，因为DMA配置的是循环模式，它会自动回到数组开头，覆盖旧数据，继续搬运。整个过程完全由硬件自动完成，无需CPU干预。

5.3 处理采集完成的数据

数据在后台被DMA不停地搬运，但我们怎么知道已经采集够一帧数据（比如1024点）可以进行FFT了呢？这里通常有两种策略：

策略一：使用DMA半传输/传输完成中断CubeMX生成的HAL库驱动，默认使能了DMA传输完成中断。我们可以在stm32f4xx_it.c中找到DMA Stream的中断服务函数，但更规范的做法是使用HAL库的回调机制。

在main.c中，我们需要重写DMA传输完成回调函数。首先，在/* USER CODE BEGIN 4 */区域声明一个函数：

void HAL_ADC_ConvCpltCallback(ADC_HandleTypeDef* hadc) { if (hadc->Instance == ADC1) { // 当DMA搬运完ADC_BUFFER_SIZE个数据后，会进入此回调 // 此时，adc_dma_buffer中包含了最新、完整的一帧1024个数据 // 可以在这里设置一个标志位，通知主循环或任务进行FFT处理 fft_ready_flag = 1; } }

然后，在主循环中检查这个标志位：

/* USER CODE BEGIN WHILE */ while (1) { if (fft_ready_flag) { fft_ready_flag = 0; // 执行FFT运算，处理 adc_dma_buffer 中的数据 do_fft_analysis((uint16_t*)adc_dma_buffer, ADC_BUFFER_SIZE); } // ... 其他任务 /* USER CODE END WHILE */

这种方法的优点是时机精确，每次回调都对应着完整的一帧新数据。缺点是中断上下文不宜进行复杂的FFT运算，必须尽快设置标志位退出，将耗时操作放到主循环。

策略二：双缓冲（Ping-Pong Buffer）机制这是更高级、也更推荐用于实时处理的策略。我们定义两个一样大的缓冲区：Buffer_A和Buffer_B。

初始化时，让DMA搬运到Buffer_A。
当DMA传输完成中断（或半传输中断）触发时，意味着Buffer_A已经填满。在回调函数中，我们不处理数据，而是立刻将DMA的目的地切换到Buffer_B，同时设置一个标志告诉主程序“Buffer_A已满，可处理”。
主程序看到标志后，对Buffer_A进行FFT运算。
在此期间，DMA正在向Buffer_B填充数据。当Buffer_B填满时，再次触发中断，将DMA目的地切回Buffer_A，并通知主程序处理Buffer_B。

如此往复，就像打乒乓球一样。这样做的好处是数据采集（DMA）和数据处理（CPU）在时间上完全并行，几乎没有空闲等待，极大地提高了系统效率和实时性。实现双缓冲需要对HAL库的DMA控制有更深的理解，可能需要直接操作DMA寄存器的M0AR（内存0地址寄存器）和M1AR（内存1地址寄存器），并配合使用半传输中断（HT）和传输完成中断（TC）。这是后续文章可以深入的话题。

5.4 数据格式转换与校准从adc_dma_buffer读出的数据是原始的ADC数字量（对于12位ADC，范围0-4095）。在进行FFT之前，通常需要将其转换为电压值或物理量。

float adc_value_to_voltage(uint32_t adc_raw, float vref) { // vref 是ADC的参考电压，通常是3.3V return ((float)adc_raw / 4095.0f) * vref; }

另外，别忘了ADC可能有零点误差和增益误差。对于精度要求高的场合，需要进行校准。STM32的ADC模块通常提供自校准功能，可以在初始化ADC后调用HAL_ADCEx_Calibration_Start()来执行。

6. 调试与验证：确保数据流畅通

配置和代码都写完了，怎么验证ADC+DMA是否正常工作呢？

6.1 使用调试器查看内存最直接的方法是在IDE（如Keil、IAR或STM32CubeIDE）的调试模式下，添加adc_dma_buffer到Watch窗口，并设置为周期性更新。然后给ADC输入一个已知的直流电压（比如通过开发板上的电位器），观察数组中的值是否稳定在预期的数字量附近。改变输入电压，数组值应随之变化。

6.2 利用串口打印数据将采集到的数据通过串口发送到PC，用串口助手或Python/Matlab绘制波形。这是一个非常有效的方法。

// 在DMA传输完成回调中，将数据通过串口发送（注意，中断中不宜进行耗时操作，此处仅为示例） void HAL_ADC_ConvCpltCallback(ADC_HandleTypeDef* hadc) { if (hadc->Instance == ADC1) { // 只发送前100个点看看效果 for(int i=0; i<100; i++) { printf("%d\n", (uint16_t)adc_dma_buffer[i]); // 假设printf已重定向到串口 } } }

在PC端用Python的matplotlib可以快速绘图：

import serial import matplotlib.pyplot as plt ser = serial.Serial('COM3', 115200) # 根据实际情况修改串口号和波特率 data = [] for _ in range(100): line = ser.readline().decode().strip() if line: data.append(int(line)) plt.plot(data) plt.show()

如果输入一个正弦波信号，你应该能看到打印出的数据也是正弦变化。

6.3 检查常见的配置问题

数据全是0或固定值：检查ADC引脚配置是否正确，模拟输入电压是否加上，ADC和DMA的时钟是否使能。
数据不变：检查是否启动了连续转换模式（Continuous Conversion Mode）和DMA连续请求（DMA Continuous Requests）。
数据错乱或溢出：检查DMA缓冲区大小是否足够，DMA是否配置为循环模式（Circular），内存地址自增是否开启。确保在DMA搬运的同时，CPU没有同时去修改这个缓冲区（除非使用双缓冲等同步机制）。
采样率不对：复核ADC时钟（ADCCLK）和采样周期（Sampling Time）的计算。采样率 = ADCCLK / (采样周期 + 12.5)。可以使用定时器产生一个精确的脉冲，用逻辑分析仪或示波器测量ADC转换完成（EOC）引脚或DMA请求的间隔来验证。

7. 为FFT做准备：数据预处理要点

现在，我们已经有了一个稳定流动的ADC原始数据流。但在喂给FFT算法之前，通常还需要一些预处理。

7.1 数据类型的转换FFT库（如CMSIS-DSP）通常要求输入数据是浮点数（float32_t）或定点数（q15_t,q31_t）。我们需要将uint32_t的原始ADC值转换为合适的类型。为了保留精度，通常先转换为浮点数。

float32_t fft_input[ADC_BUFFER_SIZE]; for(int i=0; i<ADC_BUFFER_SIZE; i++) { // 转换为电压，并去除直流分量（减去均值），这对频谱分析很重要 fft_input[i] = adc_value_to_voltage(adc_dma_buffer[i], 3.3f) - dc_offset; }

去除直流分量（减去信号的均值）是一个关键步骤。如果不做，会在频谱的0Hz处（直流分量）产生一个巨大的峰值，可能掩盖附近低频信号的细节。

7.2 加窗（Windowing）由于我们截取的是无限长信号中的一段（1024点），这相当于用一个矩形窗去截取信号。在频域上，这会导致频谱泄露（Leakage），即一个频率的能量会“泄露”到旁边的频率点上，使频谱变得模糊。为了减少泄露，需要对时域数据加窗。常用的窗函数有汉宁窗（Hann）、汉明窗（Hamming）等。

// 应用汉宁窗 for(int i=0; i<ADC_BUFFER_SIZE; i++) { float32_t window = 0.5f * (1.0f - arm_cos_f32(2 * PI * i / (ADC_BUFFER_SIZE - 1))); // 汉宁窗公式 fft_input[i] *= window; }

ARM的CMSIS-DSP库直接提供了加窗函数，如arm_hanning_f32，使用起来更方便。加窗会稍微改变信号的幅值，在计算最终幅值时需要进行补偿（窗函数的相干增益补偿）。

7.3 对齐与填充大多数FFT算法要求数据长度N是2的整数次幂（如256，512，1024）。我们之前定义的ADC_BUFFER_SIZE为1024，正好满足。如果采集的数据点不是2的幂，需要将其补零（Zero Padding）到最近的2的幂。补零不会增加频率分辨率，但可以让FFT算法更高效地运行，并且使频谱图看起来更平滑。

至此，一个基于STM32 CubeMX的ADC+DMA实时数据采集框架就搭建并验证完毕了。我们配置了时钟和ADC参数，建立了DMA循环传输通道，编写了启动和数据处理逻辑，并探讨了为后续FFT所做的预处理。这个框架就像一条自动化流水线，源源不断地将模拟世界的信号，转换成整齐排列在内存中的数字阵列，为下一步的频率域分析——FFT，做好了全部准备。在下一篇文章中，我们将深入探讨如何在这个框架上，集成CMSIS-DSP库进行高效的FFT运算，并解读频谱结果的实际意义。