基于Pocket Beagle与MPU6050的嵌入式计步器：Python实现与算法解析

1. 项目概述：从零打造一个基于Pocket Beagle的计步器

最近在整理我的嵌入式开发项目时，翻出了一个尘封已久的Pocket Beagle开发板。这个小巧但功能强大的板子，总让我觉得不拿来做点有趣的东西有点可惜。正好，身边有朋友在问有没有简单直观的嵌入式入门项目，既能学习硬件接口，又能结合Python编程。于是，一个想法冒了出来：用Pocket Beagle、一个加速度传感器和一块SPI接口的小屏幕，做一个可以随身携带、实时显示步数的计步器。

这个“ENGI 301 Pedometer”项目，本质上是一个软硬件结合的嵌入式系统实践。它的核心目标很明确：通过传感器感知人体行走时的加速度变化，经过算法处理识别出有效的步伐，并将结果实时显示在一块LCD屏幕上。整个过程，从硬件选型、电路连接，到驱动编写、算法实现，再到最后的Python应用层开发，覆盖了一个小型嵌入式产品从原型到实现的主要环节。无论你是刚接触嵌入式开发的学生，还是想用Python玩转硬件的爱好者，这个项目都能提供一个清晰的路径和丰富的实践点。你会发现，那些听起来高大上的概念，比如SPI通信、传感器数据滤波、中断处理，其实都可以在这个小小的计步器里找到落脚点。

2. 核心硬件选型与设计思路

一个计步器的核心功能是检测步伐，因此硬件的选择直接决定了项目的可行性和最终效果。我的设计思路是：在满足功能的前提下，尽量选择常见、易用且与Pocket Beagle兼容性好的模块，以降低入门门槛和调试难度。

2.1 主控板：为什么是Pocket Beagle？

Pocket Beagle是一款基于TI Sitara AM3358处理器（与BeagleBone Black同款）的微型开源硬件。它体积只有名片的一半大小，但“五脏俱全”：拥有512MB RAM、4GB eMMC存储，以及丰富的GPIO、I2C、SPI、UART等接口。选择它主要基于以下几点考量：

1. 强大的Python支持：Pocket Beagle预装了Debian Linux系统，可以非常方便地使用Python进行开发。这对于快速原型开发和学习者来说，比传统的C语言嵌入式开发要友好得多。我们可以直接使用pip安装各种库，像操作普通Linux电脑一样编写程序。
2. 丰富的接口与社区资源：它提供了两个46pin的双排针，将处理器的众多功能引脚引出。这意味着我们可以轻松连接SPI屏幕、I2C传感器等外设。更重要的是，BeagleBoard社区非常活跃，有大量的教程、库（如Adafruit_BBIO）和现成案例可以参考，遇到问题容易找到解决方案。
3. 低功耗与便携性：其设计本就考虑了低功耗应用，非常适合作为可穿戴设备（如计步器）的核心。结合小型锂电池，可以做到较长时间的独立工作。

注意：Pocket Beagle的GPIO电压是3.3V，在连接任何外部模块前，务必确认其逻辑电平是否为3.3V兼容，否则需要使用电平转换电路，以免损坏板卡。

2.2 运动传感器：步伐检测的核心

检测步伐，最常用的就是三轴加速度计。它能量测物体在三个正交方向（X, Y, Z）上的加速度。人在行走或跑步时，身体会呈现周期性的上下、前后运动，这个特征会清晰地反映在加速度数据上。

我选择了MPU6050模块。这是一个非常经典且性价比高的6轴运动处理传感器，内部集成了3轴加速度计和3轴陀螺仪。对于计步器，我们主要用到它的加速度计功能。选择它的理由如下：

• 接口简单：它通过标准的I2C接口与主控通信，Pocket Beagle上有多个可用的I2C总线，连接非常方便。
• 数据丰富：除了原始的加速度数据，一些高级的MPU6050驱动库还能直接提供经过处理的姿态角（需要传感器融合算法），虽然计步不一定需要，但为项目后期扩展（如记录运动轨迹）留下了空间。
• 资源丰富：网上有海量的MPU6050使用教程和Python代码示例，调试起来事半功倍。

2.3 显示模块：SPI LCD的选择与考量

为了实时显示步数、时间或其它信息，一块显示屏是必不可少的。为了节省有限的GPIO引脚，并实现较高的刷新速率，SPI接口的LCD屏是最佳选择。

我选用了一块1.3英寸的IPS LCD，分辨率为240x240，驱动芯片通常是ST7789或类似的。选择这类屏幕的考虑是：

• SPI接口高效：仅需3-4根线（时钟SCLK、数据输入MOSI、片选CS、数据/命令DC，复位RST和背光BL可另接）即可实现通信，比并口屏节省大量引脚。
• 库支持完善：在Python环境下，有像st7789这类专门为微控制器和Linux SBC（单板计算机）优化的库，它通常基于spidev和PIL（Python Imaging Library）库，可以方便地绘制图形和文字。
• 尺寸与功耗平衡：1.3英寸大小适合便携设备，IPS材质可视角度好，且功耗相对较低。

2.4 整体硬件连接框图

确定了核心部件后，它们的连接关系就清晰了。Pocket Beagle作为大脑，通过I2C1总线读取MPU6050的加速度数据，通过SPI0总线控制LCD进行显示。此外，可能还需要一两个按钮用于复位计步或切换显示模式。

一个典型的连接示意如下（具体引脚号需参考Pocket Beagle的引脚定义图，例如Pocket Beagle System Reference Manual）：

• MPU6050->Pocket Beagle
  • VCC -> 3.3V
  • GND -> GND
  • SCL -> I2C1_SCL (例如，引脚 P2.09)
  • SDA -> I2C1_SDA (例如，引脚 P2.11)
• SPI LCD->Pocket Beagle
  • VCC -> 3.3V
  • GND -> GND
  • SCLK -> SPI0_SCLK (例如，引脚 P1.31)
  • MOSI -> SPI0_MOSI (例如，引脚 P1.36)
  • CS -> 任意GPIO (如 P2.04，用作片选)
  • DC -> 任意GPIO (如 P2.06，用作数据/命令选择)
  • RST -> 任意GPIO或接3.3V (如 P2.08，用作复位)
  • BL -> 3.3V或通过GPIO控制（用于调节背光）

实操心得：在焊接或使用杜邦线连接前，强烈建议先在纸上画出连接图，并核对三遍引脚编号。一个常见的错误是将5V设备接到3.3V引脚上，或者搞混了MOSI和MISO。对于SPI LCD，如果屏幕不亮，首先检查背光(BL)引脚是否已正确供电。

3. 软件环境搭建与驱动配置

硬件连接好后，下一步就是让Pocket Beagle的软件系统能够识别并控制这些外设。这个过程主要涉及操作系统层面的接口启用和Python库的安装。

3.1 系统准备与接口使能

Pocket Beagle默认的Debian系统已经包含了大部分必要的驱动，但一些硬件接口（如特定的SPI或I2C）可能需要手动启用或配置。

1. 连接与登录：通过Micro-USB线将Pocket Beagle连接到电脑，它会以USB网络设备的形式出现。使用SSH客户端（如PuTTY或终端里的ssh命令）登录到板子。默认用户名和密码通常是debian和temppwd。
2. 更新系统与安装基础工具：首先更新软件包列表并安装一些必要的工具，如Python包管理工具pip和版本控制工具git。

   sudo apt-get update sudo apt-get upgrade -y sudo apt-get install python3-pip python3-pil git -y

3. 启用I2C和SPI接口：在Linux下，硬件接口通常通过设备树（Device Tree）来配置。对于Pocket Beagle，最简便的方式是使用config-pin工具（如果未安装，请先安装bb-cape-overlays包）来动态配置引脚功能。
   • 启用I2C1：

     # 查看引脚当前状态 config-pin -q P2.09 config-pin -q P2.11 # 将它们配置为I2C功能 sudo config-pin P2.09 i2c sudo config-pin P2.11 i2c

   • 启用SPI0：

     sudo config-pin P1.31 spi_sclk # SCLK sudo config-pin P1.36 spi # MOSI (注意：P1.36默认可能是spi_cs，这里需设为spi) # 将用于CS和DC的GPIO引脚配置为输出模式 sudo config-pin P2.04 out sudo config-pin P2.06 out

   配置完成后，可以检查设备是否被识别：

   # 检查I2C设备，应该能看到MPU6050的地址（默认0x68） sudo i2cdetect -y -r 1 # 检查SPI设备，应该能看到spidev0.0或0.1等 ls /dev/spi*

   注意事项：config-pin的配置在重启后会失效。如果希望永久生效，需要将配置命令写入启动脚本（如/etc/rc.local）或使用设备树覆盖（Device Tree Overlay）文件。对于学习原型阶段，每次上电后手动运行一次这些命令也是可接受的。

3.2 Python核心库安装

我们的应用逻辑将全部用Python编写，因此需要安装几个关键的库。

1. Adafruit_BBIO：这是访问Pocket Beagle GPIO、PWM、ADC、I2C、SPI等硬件功能的核心Python库。它提供了类似RPi.GPIO的易用接口。

   sudo pip3 install Adafruit-BBIO

   安装后，可以写一个简单的测试脚本，点亮一个连接在GPIO上的LED，以验证库工作正常。

2. 传感器驱动库：为了读取MPU6050的数据，我们需要一个对应的Python库。smbus2或Adafruit_CircuitPython_MPU6050都是不错的选择。这里我们使用smbus2，它是一个纯Python的I2C通信库，轻量且通用。

   sudo pip3 install smbus2

   同时，我们还需要MPU6050的寄存器定义和基础驱动代码。你可以从网上找到许多开源实现，或者自己根据数据手册编写一个简单的类来读取原始加速度数据。

3. LCD显示库：对于ST7789驱动的LCD，我们可以使用st7789库。它依赖于spidev和PIL。

   sudo pip3 install st7789

   确保PIL（Pillow）已安装，它用于创建图像和字体渲染。

3.3 基础功能测试脚本

在进入复杂的计步算法之前，先编写简单的测试脚本来验证每个硬件模块是否工作正常，这是一个非常好的习惯，能帮你快速定位问题是出在硬件连接、驱动配置还是软件代码上。

I2C与MPU6050测试：

#!/usr/bin/env python3 import time from smbus2 import SMBus # MPU6050默认I2C地址 MPU6050_ADDR = 0x68 # 电源管理寄存器地址 PWR_MGMT_1 = 0x6B # 加速度计数据寄存器起始地址 ACCEL_XOUT_H = 0x3B def mpu6050_init(bus): """唤醒MPU6050""" bus.write_byte_data(MPU6050_ADDR, PWR_MGMT_1, 0) def read_accel_data(bus): """读取三轴加速度原始值（16位有符号整数）""" data = bus.read_i2c_block_data(MPU6050_ADDR, ACCEL_XOUT_H, 6) # 将两个8位字节组合成一个16位整数 accel_x = (data[0] << 8) | data[1] accel_y = (data[2] << 8) | data[3] accel_z = (data[4] << 8) | data[5] # 转换为有符号整数（根据数据手册，寄存器数据是二进制补码形式） if accel_x > 32767: accel_x -= 65536 if accel_y > 32767: accel_y -= 65536 if accel_z > 65536: accel_z -= 65536 return accel_x, accel_y, accel_z # 测试代码 with SMBus(1) as bus: # I2C总线1对应Pocket Beagle的I2C1 mpu6050_init(bus) try: while True: ax, ay, az = read_accel_data(bus) # 粗略换算为g值（假设量程为±2g，灵敏度16384 LSB/g） ax_g = ax / 16384.0 ay_g = ay / 16384.0 az_g = az / 16384.0 print(f"Accel: X={ax_g:.2f}g, Y={ay_g:.2f}g, Z={az_g:.2f}g") time.sleep(0.1) except KeyboardInterrupt: print("\nTest stopped.")

运行这个脚本，晃动传感器，你应该能看到X、Y、Z轴的加速度值在变化。静止水平放置时，Z轴应接近1g（地球重力），X和Y轴接近0g。

SPI LCD测试：

#!/usr/bin/env python3 import time import board import digitalio from PIL import Image, ImageDraw, ImageFont import st7789 # 配置SPI和GPIO引脚（根据你的实际连接修改） # 这里假设使用SPI0，CS引脚为P2_4，DC引脚为P2_6，RST引脚为P2_8 spi = board.SPI() cs_pin = digitalio.DigitalInOut(board.P2_4) dc_pin = digitalio.DigitalInOut(board.P2_6) rst_pin = digitalio.DigitalInOut(board.P2_8) # 创建ST7789显示对象 disp = st7789.ST7789( spi, height=240, width=240, y_offset=80, # 有些屏幕需要y_offset参数 cs=cs_pin, dc=dc_pin, rst=rst_pin, baudrate=40000000, # SPI波特率，可以尝试提高以获得更快的刷新率 rotation=0 # 屏幕旋转角度 ) # 初始化显示屏 disp.reset() disp.init() # 创建一个空白图像用于绘制 image = Image.new("RGB", (disp.width, disp.height)) draw = ImageDraw.Draw(image) # 尝试加载一个字体，如果失败则使用默认字体 try: font = ImageFont.truetype("/usr/share/fonts/truetype/dejavu/DejaVuSans.ttf", 24) except: font = ImageFont.load_default() # 清屏为黑色 draw.rectangle((0, 0, disp.width, disp.height), outline=0, fill=0) disp.image(image) # 显示测试文字 draw.text((20, 100), "LCD Test OK!", font=font, fill=(255, 255, 255)) disp.image(image) print("LCD test complete. You should see text on the screen.") time.sleep(3)

如果一切正常，LCD屏幕应该会先黑屏，然后显示白色的“LCD Test OK!”文字。如果屏幕是白屏或花屏，请检查接线、电源，以及st7789库初始化时的参数（如width,height,y_offset,rotation），这些参数因屏幕型号而异。

4. 计步算法原理与Python实现

硬件驱动调通后，就进入了项目的核心——计步算法。直接从加速度计的原始数据中数出步伐并非易事，因为数据中充满了噪声（如手部轻微晃动、传感器本身的噪声）。一个健壮的算法需要过滤噪声并提取出步行特有的周期性特征。

4.1 数据预处理：滤波与向量合成

MPU6050读出的原始加速度数据是三个方向的分量。我们首先需要对其进行预处理。

1. 校准与去零偏：传感器静止时，其输出并不一定是(0, 0, 1g)。由于制造误差和温度影响，会有一个零偏。一个简单的校准方法是：将传感器静止水平放置一段时间，计算这段时间内三轴数据的平均值，作为零偏值。后续所有读数都减去这个零偏。

   class Pedometer: def __init__(self, bus): self.bus = bus self.accel_offset = (0, 0, 0) self.calibrate(100) # 采集100个样本进行校准 def calibrate(self, samples=100): sum_x, sum_y, sum_z = 0, 0, 0 for _ in range(samples): ax, ay, az = self.read_raw_accel() sum_x += ax sum_y += ay sum_z += az time.sleep(0.01) self.accel_offset = (sum_x/samples, sum_y/samples, sum_z/samples) print(f"Calibration offset: {self.accel_offset}")

2. 低通滤波：步伐频率通常较低（1-3 Hz）。为了抑制高频噪声（如手抖），我们需要一个低通滤波器。最简单有效的是一阶无限脉冲响应（IIR）低通滤波器，也称为指数加权移动平均滤波器。

   class Pedometer: # ... 初始化 ... def __init__(self, bus): # ... self.filter_alpha = 0.2 # 滤波系数，越小越平滑，但延迟越大。0.1~0.3是常用范围。 self.filtered_accel = (0, 0, 0) def low_pass_filter(self, current, previous): """一阶IIR低通滤波""" return (self.filter_alpha * current[0] + (1 - self.filter_alpha) * previous[0], self.filter_alpha * current[1] + (1 - self.filter_alpha) * previous[1], self.filter_alpha * current[2] + (1 - self.filter_alpha) * previous[2]) def update(self): raw = self.read_raw_accel() # 去零偏 corrected = (raw[0]-self.accel_offset[0], raw[1]-self.accel_offset[1], raw[2]-self.accel_offset[2]) # 低通滤波 self.filtered_accel = self.low_pass_filter(corrected, self.filtered_accel) return self.filtered_accel

3. 计算合加速度：人体步行时，身体质心在垂直和前进方向都有周期性运动。但无论设备如何放置（在口袋或手里），其总加速度的模（即合加速度）都会呈现周期性波动。因此，我们计算三轴滤波后加速度的向量模（Magnitude）。

   def get_accel_magnitude(self): fx, fy, fz = self.filtered_accel # 计算合加速度，单位是g magnitude = math.sqrt(fx**2 + fy**2 + fz**2) return magnitude

   这个magnitude信号去除了方向的影响，只留下强度变化，是后续步伐检测的基础。

4.2 步伐检测算法实现

经过预处理，我们得到了一个相对平滑的合加速度信号。步伐检测的目标是识别出这个信号波形中的每一个“波峰”，每个有效的波峰代表一步。

1. 动态阈值法：这是最常用且简单的计步算法。其核心思想是：设定一个动态变化的阈值，当信号强度超过该阈值时，认为可能检测到一步，并在信号回落到阈值以下后，才允许检测下一步，以此避免在一个波峰内多次计数。

   class Pedometer: # ... 初始化 ... def __init__(self, bus): # ... self.step_count = 0 self.last_magnitude = 0 self.dynamic_threshold = 1.0 # 初始阈值，单位g self.peak_above_threshold = False # 标记是否已超过阈值 self.min_peak_interval = 300 # 最小步伐间隔(毫秒)，防止高频噪声误判 self.last_step_time = time.time() * 1000 # 转换为毫秒 def detect_step(self, magnitude): current_time = time.time() * 1000 time_since_last_step = current_time - self.last_step_time # 1. 更新动态阈值：阈值随着信号缓慢变化，可以取最近一段时间信号的平均值 # 这里简化为使用一个固定系数衰减的阈值 self.dynamic_threshold = 0.9 * self.dynamic_threshold + 0.1 * magnitude # 2. 波峰检测逻辑 step_detected = False if magnitude > self.dynamic_threshold and not self.peak_above_threshold: # 信号首次超过阈值，标记进入“波峰区” self.peak_above_threshold = True elif magnitude < self.dynamic_threshold and self.peak_above_threshold: # 信号从上方回落到阈值以下，一个完整的波峰结束 self.peak_above_threshold = False # 检查时间间隔，避免误判 if time_since_last_step > self.min_peak_interval: step_detected = True self.step_count += 1 self.last_step_time = current_time print(f"Step detected! Total: {self.step_count}") self.last_magnitude = magnitude return step_detected

2. 算法优化点：

   • 阈值自适应：上述的动态阈值更新比较简单。更优的做法是记录最近N个波峰的均值，并以此为基础设定阈值，这样能更好地适应人走路、跑步等不同运动强度。
   • 波峰有效性判断：除了时间间隔，还可以加入波峰幅度判断。例如，只有当波峰高度超过阈值一定比例（如20%）时才认为是有效步伐，这可以过滤掉微小的抖动。
   • 状态机：可以将检测逻辑写成一个清晰的状态机（等待上升沿 -> 超过阈值 -> 等待下降沿 -> 计数），使代码更易理解和维护。

4.3 主程序循环与显示整合

最后，我们将数据采集、滤波、计步和显示逻辑整合到一个主循环中。为了不阻塞显示刷新，可以考虑使用多线程，但对于这个简单应用，一个紧凑的单线程循环也足够。

#!/usr/bin/env python3 import time import math from pedometer import Pedometer # 假设我们将上面的Pedometer类保存在pedometer.py中 from display_manager import DisplayManager # 假设显示管理类 def main(): # 初始化硬件和算法模块 pedometer = Pedometer(bus=1) # 使用I2C总线1 display = DisplayManager() # 初始化LCD显示 print("Pedometer Started. Walking to count steps...") display.show_startup_screen() try: while True: # 1. 更新传感器数据并滤波 pedometer.update() magnitude = pedometer.get_accel_magnitude() # 2. 步伐检测 if pedometer.detect_step(magnitude): # 步伐被检测到，pedometer.step_count已自动增加 pass # 3. 更新显示（例如每秒更新一次，避免刷新过快） current_time = time.time() if hasattr(main, 'last_display_update'): if current_time - main.last_display_update > 1.0: # 1秒更新一次 display.update_step_count(pedometer.step_count) # 可以同时显示其他信息，如当前加速度模值、电池电量（如果有）等 # display.update_extra_info(magnitude) main.last_display_update = current_time else: main.last_display_update = current_time display.update_step_count(pedometer.step_count) # 4. 控制循环频率，例如50Hz (20ms间隔) time.sleep(0.02) except KeyboardInterrupt: print(f"\nFinal step count: {pedometer.step_count}") display.show_goodbye_screen(pedometer.step_count) time.sleep(2) display.clear() if __name__ == "__main__": main()

DisplayManager类负责所有与屏幕绘制相关的逻辑，它内部使用st7789和PIL来绘制文本、图形或简单的动画。

实操心得：在主循环中，time.sleep(0.02)用于控制数据采样率（这里约50Hz）。这个值需要权衡：太慢会丢失步伐细节，太快会增加CPU负担且可能引入更多高频噪声。对于计步，20-50ms的间隔是一个合理的范围。另外，将显示更新频率（如1秒1次）与数据采集频率分离是个好做法，可以避免不必要的屏幕刷新开销。

5. 系统优化与功能扩展

基础计步功能实现后，我们可以从精度、功耗、用户体验和功能上进行优化和扩展，让这个项目更像一个真正的产品。

5.1 提升计步精度与鲁棒性

基础的动态阈值法在平稳行走时表现尚可，但在复杂场景（如跑步、上下楼、将设备放在包里）下容易误判或漏判。

1. 频域分析辅助：除了时域的波峰检测，可以引入简单的频域分析。通过计算最近几秒内加速度信号的主频率，如果该频率落在典型的步行/跑步频率范围内（如1-3 Hz），则增强计步信心；否则，可能处于非步行状态，可以暂停计数或提高检测阈值。

   import collections class EnhancedPedometer(Pedometer): def __init__(self, bus): super().__init__(bus) self.magnitude_history = collections.deque(maxlen=100) # 存储最近100个采样点 self.sampling_rate = 50 # Hz def update(self): super().update() mag = self.get_accel_magnitude() self.magnitude_history.append(mag) def get_dominant_frequency(self): """使用零交叉法简单估算主频（更精确可用FFT，但计算量大）""" # 这是一个简化的估算，实际应用可能需要更复杂的算法 if len(self.magnitude_history) < 10: return 0 # 计算信号穿过其均值的次数（过零率的一种变体） mean_val = sum(self.magnitude_history) / len(self.magnitude_history) crossings = sum(1 for i in range(1, len(self.magnitude_history)) if (self.magnitude_history[i-1] - mean_val) * (self.magnitude_history[i] - mean_val) < 0) time_window = len(self.magnitude_history) / self.sampling_rate dominant_freq = crossings / (2 * time_window) # 每个周期有两次穿越 return dominant_freq

   在主检测逻辑中，可以判断dominant_freq是否在合理区间内，再决定是否采纳当前检测到的步伐。

2. 多特征融合：除了合加速度，还可以分析加速度信号的标准差、波峰间的规律性等特征，构建一个简单的分类器来判断当前是否为有效步行状态。

5.2 低功耗设计与电源管理

作为便携设备，功耗至关重要。Pocket Beagle在活跃状态下功耗不低，但我们可以采取一些措施。

1. 降低CPU频率：计步算法计算量不大，可以降低Pocket Beagle的CPU运行频率。

   sudo cpufreq-set -g powersave

   这条命令将CPU调控器设置为powersave模式，通常会降低频率以节省电量。

2. 外设电源管理：当不需要时，关闭LCD背光是最大的省电手段。可以通过GPIO控制背光引脚，在一段时间无操作后关闭背光，晃动设备或按下按钮时再开启。对于MPU6050，它本身有低功耗模式，但为了实时计步，可能需要一直工作。

3. 系统休眠与唤醒：更激进的做法是让整个系统在检测到长时间静止后进入休眠（Suspend to RAM），通过MPU6050的中断功能（它支持动作检测中断）来唤醒系统。但这涉及到底层Linux电源管理配置，比较复杂。

5.3 用户体验与功能扩展

1. 显示界面美化：使用PIL绘制更友好的界面，如大字体显示步数、绘制进度条表示今日目标完成度、显示一个简单的步行动画等。
2. 数据持久化：将每日步数记录到一个本地文件（如JSON或CSV格式）或小型数据库（如SQLite）中。可以增加历史查看功能，通过按钮切换显示今日、昨日、本周总步数等。
3. 无线数据传输：Pocket Beagle可以通过USB虚拟网络或外接Wi-Fi/蓝牙模块联网。可以编写一个简单的客户端，定期将步数同步到云端服务器或手机App上，实现数据备份和跨设备查看。
4. 添加按钮控制：增加1-2个物理按钮，用于切换显示模式、重置计步器、进入设置菜单等。这需要配置GPIO为输入模式并检测上升沿或下降沿中断（可以使用Adafruit_BBIO的中断功能）。

6. 常见问题与调试技巧实录

在项目开发过程中，你几乎一定会遇到各种各样的问题。下面是我在实现过程中遇到的一些典型问题及解决方法，希望能帮你少走弯路。

6.1 硬件连接与电源问题

6.2 软件与驱动问题

6.3 算法调试技巧

• 打印与绘图：在算法开发初期，不要只关注最终步数。将关键的中间变量（如原始加速度、滤波后加速度、合加速度、动态阈值）实时打印出来，或者写入文件，然后用桌面Python的Matplotlib绘制成图表。直观看到数据波形，能帮你快速理解算法行为并定位问题。
• 模拟数据测试：可以编写一个函数，模拟生成理想的正弦波叠加噪声的加速度信号，用于在电脑上离线测试和优化你的计步算法逻辑，而不必依赖硬件。
• 分阶段测试：先确保能稳定读取传感器数据，再测试滤波效果，最后集成计步算法。每完成一个阶段就充分测试，可以避免问题混杂，难以排查。

这个基于Pocket Beagle的计步器项目，从硬件连接到软件算法，完整地走了一遍嵌入式产品开发的原型流程。它不仅仅是一个计步器，更是一个学习嵌入式Linux、Python硬件编程、传感器数据处理和实时系统设计的优秀平台。你可以基于此，继续探索添加心率传感器、GPS模块，甚至做一个简单的运动数据记录器。