STM32驱动ADXL345加速度计实现姿态角检测：从硬件连接到算法实现

简介：本资源是一套基于STM32G4系列微控制器实现ADXL345三轴加速度传感器姿态解算的完整嵌入式工程，面向嵌入式软硬件开发者、飞控与可穿戴设备初学者及高校电子类课程实践者，解决静态/准静态场景下俯仰角与横滚角高精度实时计算问题。压缩包含432个文件（22.83MB），涵盖核心驱动（C/H源码共156个）、编译中间文件（O/SU/CYCLO等约177个）、构建配置（Makefile、LD、IOC、MXProject等）、HAL库适配文件及少量PDF设计说明与README文档，结构清晰，便于理解底层I2C通信、DMA数据采集、数字滤波与三角函数优化实现。已有183人学习下载。读者可直接部署运行，获得含温度补偿、方差异常检测、FPU加速及二阶低通滤波的姿态解算完整链路，代码已集成STM32G4xx HAL库关键组件（如I2C、TIM、UART、RCC等），具备低功耗（<5mA）、高分辨率（0.1°）与快响应（<50ms）特性，适用于无人机飞控、工业倾角监测等实际场景。

1. 项目概述：从传感器数据到姿态角

最近在做一个需要检测物体姿态的小项目，核心需求是通过一个三轴加速度传感器来实时计算物体的俯仰角（Pitch）和横滚角（Roll）。我选用了ADI的ADXL345这款经典的数字加速度计，主控则是大家再熟悉不过的STM32。这听起来像是一个很基础的嵌入式传感器应用，但真动手做起来，从I2C/SPI通信配置、数据读取滤波，到最后的姿态解算公式推导与实现，每一步都有不少细节需要注意，稍不留神得到的角度数据就会跳得没法看。

这个项目非常适合刚接触STM32和传感器驱动的朋友作为练手，也适用于需要低成本姿态感应的场景，比如平衡小车初期的姿态反馈、一些互动装置的角度检测，或者穿戴设备的基本动作识别。它的核心价值在于，你不需要昂贵的IMU（惯性测量单元）或复杂的融合算法，仅用一颗几十块钱的加速度计，就能获得相对稳定的静态或慢速动态下的姿态角信息。当然，你得先搞清楚它的局限性：加速度计无法感知绕垂直轴（偏航角，Yaw）的旋转，且在存在线性加速度（比如突然移动）时，计算的角度会严重失真。但这并不妨碍它在许多场合大显身手。

接下来，我会把自己从硬件连接到软件实现的完整过程，包括踩过的坑和总结的经验，毫无保留地分享出来。我们会用到STM32的HAL库，以I2C通信为例，一步步驱动ADXL345，并最终解算出可用的俯仰角和横滚角。

2. 硬件选型与电路连接要点

2.1 为什么选择ADXL345？

市面上三轴加速度计很多，从模拟输出的到数字输出的，价格和性能差异很大。我选择ADXL345主要基于以下几点考虑：

1. 数字接口：它直接通过I2C或SPI输出数字量，省去了STM32外部ADC和模拟信号调理电路的麻烦，精度和抗干扰能力也更好。
2. 量程可选：支持±2g, ±4g, ±8g, ±16g多个量程，通过软件配置。对于大多数姿态检测应用，±2g或±4g就足够了，分辨率更高。
3. 集成度高：芯片内部集成了ADC和数字滤波器，还能支持单拍/双击检测、自由落体检测等实用功能，虽然本项目暂不用，但为后续扩展留了可能。
4. 功耗与封装：低功耗模式做得好，且常见的LGA-14封装体积小，便于集成。

相比之下，像MPU6050这类IMU虽然集成了陀螺仪，功能更强，但对于只需要静态角度或者对成本极其敏感的项目，ADXL345是更纯粹、更经济的选择。

2.2 关键电路连接与注意事项

ADXL345与STM32的连接非常简单，核心是电源和通信线路。以下是以I2C接口为例的接法：

注意1：上拉电阻必不可少。即使STM32的I2C引脚可以配置为内部上拉，但驱动能力通常不足，尤其是线缆稍长时。务必在SCL和SDA线上各接一个4.7kΩ到10kΩ的外部上拉电阻到3.3V，这是通信稳定的基石。

注意2：电源去耦要到位。在ADXL345的VCC引脚附近，一定要并联一个0.1μF的陶瓷电容到GND，用于滤除高频噪声。如果电源质量一般，还可以再并一个10μF的钽电容。传感器对电源噪声非常敏感，糟糕的电源会导致数据跳动剧烈。

注意3：地址别搞错。根据SDO引脚的电平确定I2C设备地址，写程序时对应不上，怎么都读不出数据。我一开始就忘了接这个引脚（悬空），导致地址不确定，调试了半天。

3. STM32底层驱动开发详解

3.1 CubeMX工程配置

使用STM32CubeMX可以快速完成基础配置。关键步骤如下：

1. 选择型号：创建工程，选择你使用的STM32型号（如F103C8T6）。
2. 配置I2C：
   • 在Pinout & Configuration标签页，找到I2C1。
   • 将I2C1 Mode设置为I2C。
   • 将I2C Speed Mode设置为Standard Mode（100kHz）或Fast Mode（400kHz）。ADXL345最高支持400kHz，初期调试可用100kHz以求稳定。
   • 此时，PB6和PB7会自动配置为复用开漏模式（Alternate Function Open Drain）。务必检查GPIO设置，确保上拉（Pull-up）已启用，作为外部上拉电阻的补充。
3. 配置调试接口：根据你的调试器（ST-Link等），在System Core->SYS中配置Debug为Serial Wire，否则下载一次程序后可能无法再次连接。
4. 生成代码：设置好工程路径和工具链（MDK-ARM/V5），生成代码。

3.2 ADXL345驱动函数封装

生成的工程基于HAL库，我们需要自己编写ADXL345的驱动。核心函数包括初始化、写寄存器、读寄存器、读取加速度数据。

首先，定义设备地址和关键寄存器宏定义：

// adxl345.h #define ADXL345_I2C_ADDR_WRITE 0xA6 // (0x53 << 1) | 0， 写地址 #define ADXL345_I2C_ADDR_READ 0xA7 // (0x53 << 1) | 1， 读地址 // 重要寄存器地址 #define ADXL345_REG_DEVID 0x00 // 设备ID，固定为0xE5 #define ADXL345_REG_POWER_CTL 0x2D // 电源控制 #define ADXL345_REG_DATA_FORMAT 0x31 // 数据格式 #define ADXL345_REG_DATAX0 0x32 // X轴数据低8位 #define ADXL345_REG_DATAX1 0x33 // X轴数据高8位 // ... 类似定义 DATAY0, DATAY1, DATAZ0, DATAZ1 #define ADXL345_REG_BW_RATE 0x2C // 数据速率与带宽

然后，实现基础的读写函数：

// adxl345.c #include "adxl345.h" #include "i2c.h" // CubeMX生成的I2C头文件 // 写一个寄存器 uint8_t ADXL345_WriteReg(uint8_t reg, uint8_t value) { uint8_t buf[2] = {reg, value}; HAL_StatusTypeDef status = HAL_I2C_Master_Transmit(&hi2c1, ADXL345_I2C_ADDR_WRITE, buf, 2, HAL_MAX_DELAY); return (status == HAL_OK) ? 0 : 1; } // 读多个连续寄存器 uint8_t ADXL345_ReadRegs(uint8_t reg, uint8_t *buf, uint16_t len) { // 先发送要读取的寄存器地址 HAL_StatusTypeDef status = HAL_I2C_Master_Transmit(&hi2c1, ADXL345_I2C_ADDR_WRITE, &reg, 1, HAL_MAX_DELAY); if (status != HAL_OK) return 1; // 然后读取数据 status = HAL_I2C_Master_Receive(&hi2c1, ADXL345_I2C_ADDR_READ, buf, len, HAL_MAX_DELAY); return (status == HAL_OK) ? 0 : 1; }

实操心得：HAL_I2C的坑。HAL_I2C_Master_Transmit和HAL_I2C_Master_Receive在发送从机地址时，HAL库内部会自动帮你左移一位（7位地址模式）。所以我们的宏定义ADXL345_I2C_ADDR_WRITE已经是左移一位后的值（0x53<<1 = 0xA6）。这是新手最容易困惑的地方。另外，务必检查hi2c1这个句柄，它必须在CubeMX生成的i2c.c中正确初始化。

3.3 传感器初始化与配置

初始化函数需要配置传感器的工作模式、量程、输出数据速率等。

uint8_t ADXL345_Init(void) { uint8_t devid = 0; // 1. 读取设备ID，验证通信是否正常 if(ADXL345_ReadRegs(ADXL345_REG_DEVID, &devid, 1)) return 1; if(devid != 0xE5) return 2; // ID不对，可能接线或地址错误 // 2. 配置数据格式寄存器 (0x31) // Bit3: FULL_RES (1: 全分辨率模式，量程由dataformat的D1D0决定，分辨率随量程变) // Bit1-0: Range (00: ±2g, 01: ±4g, 10: ±8g, 11: ±16g) // 这里选择全分辨率，±4g量程 if(ADXL345_WriteReg(ADXL345_REG_DATA_FORMAT, 0x09)) return 3; // 0b00001001 // 3. 配置带宽速率寄存器 (0x2C) // Bit3-0: Rate (1101: 800Hz, 1011: 200Hz, ... 详见手册) // 这里选择200Hz输出速率 if(ADXL345_WriteReg(ADXL345_REG_BW_RATE, 0x0B)) return 4; // 0b00001011 // 4. 配置电源控制寄存器 (0x2D)，启动测量 // Bit3: Measure (1: 进入测量模式) // Bit2: Sleep // Bit1-0: Wakeup frequency if(ADXL345_WriteReg(ADXL345_REG_POWER_CTL, 0x08)) return 5; // 0b00001000 return 0; // 初始化成功 }

关键参数解析：

• 量程（Range）：±4g意味着传感器能测量的最大加速度为4倍重力加速度（约39.2 m/s²）。在静态时，Z轴理论上会输出1g。选择量程需要权衡：量程越大，能承受的冲击越大，但分辨率越低（因为输出的数字量位数固定为13位）。对于手势识别或慢速倾斜，±2g能提供更高的角度分辨率。
• 输出数据速率（ODR）：这里设为200Hz，即传感器每秒输出200组数据。更高的速率能捕捉更快的运动，但也会增加数据量和噪声。需要根据应用场景和后续滤波需求选择。如果只是检测缓慢倾斜，25Hz或50Hz也足够，还能降低功耗。
• 全分辨率模式（FULL_RES）：启用此模式时，分辨率（每个LSB对应的g值）会随量程自动调整，以充分利用13位的输出。禁用时，无论量程多少，分辨率固定为4mg/LSB（在10位模式下）。通常建议开启。

4. 数据读取、处理与滤波

4.1 读取原始加速度值

ADXL345的X, Y, Z轴数据各占两个寄存器（低8位和高8位），组成一个13位的补码整数（最高位为符号位）。

typedef struct { int16_t x; int16_t y; int16_t z; } Accel_RawData_t; uint8_t ADXL345_ReadAccel(Accel_RawData_t *accel) { uint8_t buf[6]; if(ADXL345_ReadRegs(ADXL345_REG_DATAX0, buf, 6)) return 1; // 合并高低字节，数据为13位左对齐，右移3位得到16位有符号数 accel->x = ((int16_t)((buf[1] << 8) | buf[0])) >> 3; accel->y = ((int16_t)((buf[3] << 8) | buf[2])) >> 3; accel->z = ((int16_t)((buf[5] << 8) | buf[4])) >> 3; return 0; }

注意：数据对齐方式。ADXL345的13位数据在16位寄存器中是左对齐的。这意味着我们需要将读取的16位数右移3位，才能得到正确的13位有符号数值。这是数据转换中最关键的一步，弄错了会导致计算出的g值差8倍。

4.2 将原始值转换为重力加速度（g）

转换公式为：加速度(g) = (原始值 * 量程因子) / 分辨率对于±4g量程，全分辨率模式下，分辨率 = 4g / 2^13 = 4 / 8192 ≈ 0.000488 g/LSB。 但更常用的方法是直接使用数据手册给出的“比例因子”（Scale Factor）。对于±4g，比例因子通常是 8mg/LSB（因为13位左对齐，等效于16位下的值）。所以：

// 比例因子，单位: g/LSB。对于±4g量程，典型值为 0.0078 (8mg) #define ADXL345_SCALE_FACTOR 0.0078f void ConvertToGravity(Accel_RawData_t *raw, float *gx, float *gy, float *gz) { *gx = raw->x * ADXL345_SCALE_FACTOR; *gy = raw->y * ADXL345_SCALE_FACTOR; *gz = raw->z * ADXL345_SCALE_FACTOR; }

静态放置时，理论上只有Z轴输出接近1g（或-1g，取决于方向），X和Y轴接近0g。你可以通过这个来验证转换是否正确。

4.3 必不可少的数字滤波

原始加速度数据必然包含噪声，直接用于角度计算会抖动严重。必须进行滤波。移动平均滤波是最简单有效的方法之一：

#define FILTER_WIN_SIZE 10 // 滤波窗口大小 float MovingAverageFilter(float new_sample, float *buffer, uint8_t *index) { static uint8_t count = 0; buffer[(*index)++] = new_sample; if (*index >= FILTER_WIN_SIZE) *index = 0; if (count < FILTER_WIN_SIZE) count++; float sum = 0.0f; for (uint8_t i = 0; i < count; i++) { sum += buffer[i]; } return sum / count; } // 使用示例 float gx_buffer[FILTER_WIN_SIZE], gy_buffer[FILTER_WIN_SIZE], gz_buffer[FILTER_WIN_SIZE]; uint8_t gx_idx = 0, gy_idx = 0, gz_idx = 0; float gx_filtered, gy_filtered, gz_filtered; // 在主循环中 Accel_RawData_t raw; float gx, gy, gz; ADXL345_ReadAccel(&raw); ConvertToGravity(&raw, &gx, &gy, &gz); gx_filtered = MovingAverageFilter(gx, gx_buffer, &gx_idx); gy_filtered = MovingAverageFilter(gy, gy_buffer, &gy_idx); gz_filtered = MovingAverageFilter(gz, gz_buffer, &gz_idx);

滤波窗口大小的选择：窗口越大，滤波效果越平滑，但响应延迟也越大。对于200Hz的数据，窗口设为10（即50ms的窗口长度）是一个不错的起点，能在平滑度和实时性之间取得平衡。你可以根据实际抖动情况和系统对响应速度的要求进行调整。

进阶技巧：一阶低通滤波。移动平均滤波对所有历史数据等权重，有时不够灵活。一阶低通滤波（也称指数平滑滤波）更常用，公式为：filtered = a * new + (1-a) * filtered_old。其中a是滤波系数（0<a<1），a越大，对新数据响应越快，但平滑度下降。它的优点是计算量小，只需保存上一个滤波值。在STM32上实现非常高效。

5. 俯仰角与横滚角计算原理与实现

这是本项目的核心算法部分。我们假设传感器静止或匀速运动（即只有重力加速度），那么加速度计测得的矢量就是重力矢量在传感器坐标系下的投影。通过这个投影，我们可以反推出传感器坐标系相对于水平面的倾斜角度。

5.1 公式推导与理解

定义传感器坐标系：X轴向右，Y轴向前，Z轴向上（根据数据手册定义）。

• 俯仰角（Pitch，θ）：绕Y轴旋转的角度。机头向上为正。
• 横滚角（Roll，φ）：绕X轴旋转的角度。右翼向下为正。

计算公式如下：

Pitch = arctan( X / sqrt(Y^2 + Z^2) ) Roll = arctan( Y / sqrt(X^2 + Z^2) )

或者另一种更常见的写法（注意分母和分子）：

Pitch = arctan( -X / sqrt(Y^2 + Z^2) ) // 根据坐标系方向调整正负 Roll = arctan( Y / Z )

为什么是这两个公式？我们可以从几何角度理解。当传感器水平放置时，重力矢量完全落在Z轴上（0, 0, 1g）。当绕Y轴旋转（改变Pitch）时，重力在X轴和Z轴上有分量，在Y轴上无分量（理想情况）。arctan(X/Z)正好反映了这个旋转角度。但直接用arctan(X/Z)在Z接近0时（即俯仰角接近90度）会发散，所以使用arctan(X / sqrt(Y^2+Z^2))更鲁棒，因为它始终用重力矢量的总投影长度做分母。同理可得Roll角的公式。

正负号问题：公式中的正负号取决于你定义的坐标系方向和角度正方向。需要根据实际安装方向和期望的角度输出进行调整。我采用的公式是：

pitch_rad = atan2(-gx, sqrt(gy*gy + gz*gz)); // 使用atan2函数，范围(-π, π] roll_rad = atan2(gy, gz); // 使用atan2函数，范围(-π, π]

atan2(y, x)是C数学库中的函数，它根据y和x的符号自动确定角度所在象限，返回[-π, π]范围内的弧度值，比atan()更安全方便。

5.2 代码实现与弧度转角度

在STM32上，我们需要包含数学库math.h，并在工程设置中勾选“Use MicroLIB”或调整链接器设置以支持浮点运算（如果使用硬件FPU则性能更佳）。

#include <math.h> #define RAD_TO_DEG (57.29577951308232f) // 180 / PI void CalculateAngles(float gx, float gy, float gz, float *pitch, float *roll) { // 安全处理，防止sqrt参数为负数（理论上不会，但浮点误差可能导致极小负数） float denom1 = sqrt(gy*gy + gz*gz); float denom2 = sqrt(gx*gx + gz*gz); // 使用atan2计算弧度，注意参数顺序和正负号 // 这个符号组合使得：水平放置时，pitch和roll都为0。 // 抬起X轴（机头向上），pitch为正。 // 抬起Y轴（右侧向下），roll为正。 float pitch_rad = atan2(-gx, denom1); float roll_rad = atan2(gy, gz); // 注意这里用gz，不是denom2。这是常用简化，在gz>0时效果好。 // 转换为角度制 *pitch = pitch_rad * RAD_TO_DEG; *roll = roll_rad * RAD_TO_DEG; }

重要提示：atan2的参数顺序。atan2(y, x)计算的是点 (x, y) 与原点连线与正X轴的夹角。务必确认你的分子分母对应的是y和x。我上面的写法atan2(-gx, sqrt(gy*gy+gz*gz))是经过验证的，能得到符合直觉的Pitch角。

5.3 角度计算的局限性讨论

1. 静态精度与噪声：即使传感器静止，由于噪声和零偏，计算出的角度也会有轻微抖动。滤波能缓解，但无法根除。ADXL345的零偏稳定性是重要指标。2. 动态失真：这是加速度计用于姿态解算的最大缺陷。当传感器存在线性加速度时（例如被拿在手里晃动），测得的矢量不再是纯重力，而是重力与运动加速度的矢量和。此时计算出的角度会完全错误。因此，这种方法仅适用于静态或准静态（运动非常缓慢）的场景。3. 奇异点问题：当俯仰角接近±90度时，公式中的分母会很小，导致计算出的横滚角误差急剧增大甚至无意义。这是所有基于加速度计的姿态解算的通病。4. 缺少偏航角（Yaw）：加速度计无法感知绕重力方向（Z轴）的旋转。要获得完整的3D姿态，必须结合陀螺仪和磁力计，使用传感器融合算法（如互补滤波、卡尔曼滤波）。

尽管有这些局限，在四轴飞行器初始化校准、平衡小车（角度变化较慢）、倾斜开关等应用中，仅用加速度计计算的角度已经非常有用。

6. 系统集成与主程序逻辑

将上述所有模块整合起来，形成一个完整的、可周期性输出姿态角的系统。

6.1 程序架构设计

一个好的程序结构应该清晰、易于维护。我建议采用以下模块：

• main.c：系统初始化，主循环调度。
• adxl345.c/.h：传感器底层驱动（初始化、读写、数据读取）。
• filter.c/.h：数字滤波算法实现。
• angle_calc.c/.h：角度计算函数。
• uart.c/.h（可选）：通过串口打印数据到PC端查看。

主程序的逻辑可以基于定时器中断，实现固定频率的数据采集、处理和输出。

6.2 基于定时器的采样例程

使用STM32的定时器产生一个固定中断（例如100Hz），在中断服务函数中设置一个标志位，在主循环中查询该标志位并执行任务。这样能保证采样周期的稳定性。

// 在定时器中断回调函数中（如HAL_TIM_PeriodElapsedCallback） void HAL_TIM_PeriodElapsedCallback(TIM_HandleTypeDef *htim) { if (htim->Instance == TIM2_Instance) { // 你的定时器 data_ready_flag = 1; } } // 主循环 int main(void) { // HAL初始化、外设初始化 SystemInit(); ADXL345_Init(); UART_Init(); // 启动定时器，配置为100Hz中断 HAL_TIM_Base_Start_IT(&htim2); float pitch, roll; Accel_RawData_t raw; float gx, gy, gz; float gxf, gyf, gzf; while (1) { if (data_ready_flag) { data_ready_flag = 0; // 1. 读取原始数据 if(ADXL345_ReadAccel(&raw) == 0) { // 2. 转换为g值 ConvertToGravity(&raw, &gx, &gy, &gz); // 3. 滤波 gxf = LowPassFilter(gx, &gx_prev, 0.1f); // 使用一阶低通滤波示例 gyf = LowPassFilter(gy, &gy_prev, 0.1f); gzf = LowPassFilter(gz, &gz_prev, 0.1f); // 4. 计算角度 CalculateAngles(gxf, gyf, gzf, &pitch, &roll); // 5. 输出（例如通过串口） printf("Pitch: %.2f, Roll: %.2f\n", pitch, roll); } } // 其他低优先级任务... } }

6.3 数据输出与可视化

将角度数据通过串口打印到PC，是最直接的调试方式。你可以使用串口助手查看，或者使用更高级的工具如MATLAB、Python的matplotlib库，甚至一些串口绘图软件（如SerialPlot、Vofa+）来实时绘制角度曲线，直观地观察滤波效果和系统响应。

7. 调试技巧与常见问题排查

在实际操作中，你几乎一定会遇到各种问题。下面是我总结的一些常见坑点和排查思路。

7.1 通信失败（读不到数据或ID不对）

这是第一步，也是最容易出问题的一步。

• 检查硬件连接：用万用表确认VCC是3.3V，GND连通，SCL/SDA线上拉电阻已接好，CS引脚电平正确（I2C模式接高）。
• 检查I2C地址：用逻辑分析仪或示波器抓取I2C总线波形，看主机发送的地址是否正确。也可以写一个简单的I2C扫描程序，遍历所有地址看哪个有应答。
• 检查STM32 I2C配置：确认CubeMX中I2C的时钟配置正确（不能超过APB1时钟），GPIO模式是开漏上拉（Alternate Function Open Drain, Pull-up）。
• 检查HAL库延时：在HAL_I2C_Master_Transmit/Receive中使用HAL_MAX_DELAY可能导致死锁，如果怀疑这里，可以改用带超时的版本，并检查HAL_GetTick()是否正常递增。

7.2 数据值异常（全零、不变、极大/极小）

• 全零或不变：可能电源模式未开启。检查是否成功向POWER_CTL寄存器（0x2D）的Measure位写了1。
• 数据极大/极小（如固定为-4096或+4095）：可能是数据对齐错误。务必确认在将两个8位数据组合成16位后，进行了右移3位的操作。这是ADXL345 13位数据格式的要求。
• 数据随机跳动剧烈：首先检查电源噪声和地线。确保传感器VCC引脚有0.1μF电容紧靠引脚放置。其次，检查机械振动，传感器本身是否固定牢固。最后，启用并调整滤波参数。原始数据噪声大是正常的。

7.3 计算出的角度不准或符号反了

• 静态水平时角度不为零：这是传感器零偏。可以在水平静止时，连续读取多组数据，求出X, Y, Z轴的输出平均值，这就是零偏值。在后续计算中，将每个轴的原始读数减去对应的零偏值，再进行转换和计算。零偏校准是提高精度的关键一步。
• 角度符号与预期相反：检查传感器安装方向。ADXL345芯片上的坐标系是固定的。如果你的PCB安装方向旋转了90度或180度，那么X, Y轴的定义就变了。调整CalculateAngles函数中gx,gy,gz的符号和顺序。例如，如果传感器绕Z轴转了180度，那么可能需要用-gx和-gy代入公式。
• 角度在某个位置突变或跳变：可能是遇到了计算公式的奇异点。尝试使用更鲁棒的计算公式，例如同时使用加速度计和陀螺仪进行传感器融合，在接近奇异点时更多地依赖陀螺仪。

7.4 系统响应慢或卡顿

• 滤波窗口过大：减小移动平均的窗口大小或增大低通滤波的系数a。
• 浮点计算负担重：在低端STM32（如Cortex-M0）上进行大量float运算和sqrt、atan2函数调用会比较慢。可以考虑：
  1. 降低采样率。
  2. 使用定点数运算替代浮点数。例如，将g值放大1000倍用int32_t表示。
  3. 使用查表法近似计算atan2。对于角度分辨率要求不高的场合，可以用多项式拟合或查找预计算的arctan表。
  4. 升级到带FPU的STM32系列（如F4, F7）。

8. 项目优化与进阶思路

当基础功能实现后，可以考虑以下优化方向，让项目更实用、更健壮。

8.1 校准与自动零偏补偿

上电后，让设备在已知水平面上静止几秒钟，在这段时间内采集多组数据（如100次），计算每个轴的平均值，保存为零偏偏移量（offset）。之后所有读数都先减去这个偏移量。这能有效消除传感器个体差异和焊接应力带来的初始误差。

typedef struct { int16_t x_offset; int16_t y_offset; int16_t z_offset; } Calib_Data_t; Calib_Data_t calib; void ADXL345_Calibrate(void) { Accel_RawData_t raw; int32_t sum_x = 0, sum_y = 0, sum_z = 0; uint16_t samples = 100; for(uint16_t i=0; i<samples; i++) { ADXL345_ReadAccel(&raw); sum_x += raw.x; sum_y += raw.y; sum_z += raw.z; HAL_Delay(10); } calib.x_offset = sum_x / samples; calib.y_offset = sum_y / samples; calib.z_offset = sum_z / samples; } // 读取数据时进行补偿 void ADXL345_ReadAccelCalibrated(Accel_RawData_t *accel) { ADXL345_ReadAccel(accel); accel->x -= calib.x_offset; accel->y -= calib.y_offset; accel->z -= calib.z_offset; }

8.2 倾斜开关与阈值检测

很多应用不需要连续的角度值，只需要判断是否超过某个角度阈值。你可以设置一个角度阈值（如30度），当计算出的俯仰角或横滚角绝对值超过该阈值时，触发一个事件（如点亮LED、发送信号）。这可以避免复杂的浮点运算，直接用加速度分量的比值进行比较，效率更高。

8.3 与陀螺仪融合（进阶）

如前所述，纯加速度计方案动态性能差。引入一个陀螺仪（如MPU6050就集成了三轴陀螺仪和三轴加速度计），通过互补滤波或卡尔曼滤波，将加速度计提供的长期稳定角度（低频信息）与陀螺仪提供的短期精确角速度（高频信息）融合起来，可以得到动态响应好、静态精度高的姿态角。这是制作自平衡机器人、四轴飞行器等产品的必经之路。虽然算法更复杂，但网上有大量开源代码和教程可供参考。

8.4 低功耗设计

如果你的设备是电池供电，需要关注功耗。ADXL345支持多种低功耗模式：

• 通过POWER_CTL寄存器降低输出数据速率（ODR）。
• 进入STANDBY模式（POWER_CTL的Measure位清0），此时电流消耗可降至几十微安。
• 利用其内置的运动/静止检测功能，配置相关阈值和延时，让传感器在静止时自动进入睡眠，被震动唤醒。这样可以极大延长电池寿命。

实现这个项目，就像搭积木，从最底层的通信调通，到数据的获取、处理，最后到上层算法的实现，每一步都踩稳了，整个系统就跑起来了。最享受的时刻，莫过于看着串口助手屏幕上，随着手腕转动而平稳变化的角度数值，那一刻你会觉得所有的调试和折腾都是值得的。希望这份超详细的总结，能帮你绕过我踩过的那些坑，顺利点亮你的ADXL345，让它成为你项目里感知世界姿态的“眼睛”。

本文还有配套的精品资源，点击获取