企业官网建设流程全解析

简介：面向学习嵌入式信号处理的开发者，这是一套基于STM32F103的波形分辨工程代码，通过ADC采集外部模拟信号，利用均方根（RMS）算法识别三角波、方波、正弦波等标准波形，适合入门ADC采样和数字信号处理的人员参考。工程压缩包共234个文件，大小约12.18MB，文件类型以C源码、H头文件为主，同时包含Keil工程配置、编译生成的axf/hex文件，以及HARDWARE、DSP、SYSTEM、USER等分层目录，便于从底层驱动到应用层逐级阅读。该资源已有6876人学习，项目基于STM32标准固件库编写，模块划分清晰，完整演示了ADC通道配置、中断/轮询采样、RMS计算和波形特征匹配的流程，同时提供了不同标准波形理论值与实测结果的对比思路。通过学习可以掌握STM32外设操作、波形定量分析、嵌入式代码组织方法，为后续开展仪器仪表、信号检测或数据采集类项目打下直接工程基础。

1. STM32分辨标准波形：本质是采样之后的特征分类问题

经常有做信号采集、仪器仪表或者自动化测试的同学问我：STM32怎么分辨三角波、方波、正弦波这类标准波形？第一次听到这个问题时，我也以为要上神经网络，后来发现常规做法并不玄学——用ADC把波形采进来，去掉直流，做一阶差分，算几个统计特征量，阈值判断就能拿下来。整件事的核心不是「识别算法」，而是先搞清楚不同波形在时域特征上差在哪、采样参数怎么配合、边界情况怎么兜底。这篇文章就拿一套可直接运行的C代码为主线，讲清楚STM32分辨标准波形的完整落地路径。适合正在做波形检测、信号分类或者想给设备加「波形识别」功能的开发者，照着做大概一个下午能跑通。

2. 三类波形的可分性：三个与频率无关的时域特征决定方案边界

拿到一段波形数据后，第一反应可能是做FFT看频谱。但实际做下来，时域差分特征往往更快、更稳，也更好调试。这一章先把「为什么能分」讲透，后面代码才有底气。

2.1 为什么主力用差分特征而不是FFT：开销与实时性权衡

FFT确实能把三类波形分开：正弦波只有基波，方波有衰减较慢的奇次谐波，三角波谐波衰减更快。但FFT有两个现实问题：一是计算量，1024点复数FFT在F1系列上大约要几毫秒，如果还要加窗、取模、找谱峰，实时性很紧张；二是窗口截断问题，采样窗口如果不是整数倍周期，频谱泄漏会直接把谐波比例算错，噪声一大就翻车。

所以我的惯用方案是「时域差分特征为主、FFT为辅」。差分特征只需要减法、乘加和开方，全程几十条指令，主频72MHz的芯片也能在微秒级跑完。它不依赖绝对幅值，也不依赖精确频率，只关心波形在采样点之间的变化形态，天然抗直流偏置。FFT只用在边界模糊时做二次确认，放到最后一章讲。

时域差分特征的选取也不是拍脑袋。理想的判别特征要满足两个条件：对幅值不敏感、对频率不敏感。幅值不敏感靠归一化解决，频率不敏感靠特征本身的量纲设计解决。下面这两个核心特征，都是在差分序列上构造的，天然满足这两点。

2.2 核心特征R：差分峰值与差分RMS之比，三角波约1、正弦波约1.414

定义一个长度为N的单周期采样序列，先减掉直流分量得到 y[i]，再算一阶差分：

d[i] = y[i+1] - y[i]，i = 0, 1, ..., N-2

然后统计两个量：差分绝对值的峰值 diff_peak，以及差分序列的均方根值 diff_rms。两者之比记为R：

R = diff_peak / diff_rms

这个R值在理想波形下有非常清晰的指向。正弦波每个采样点之间的差分近似等于原信号的余弦形式，diff_rms等于diff_peak除以√2，所以R约等于1.414。对称三角波不一样：它的斜率恒定不变，差分序列绝对值几乎处处相等（只在转折点附近跳变），因此diff_rms约等于diff_peak，R约等于1.0。方波则完全不同——绝大部分采样点落在平坦区，差分接近零，只有跳变沿附近几个点产生很大的差分值，于是diff_rms被大量零点拉低，R值往往能到5以上，甚至随每周期采样点数增加而更大。

这三个取值区间拉得很开，构成了分类的主干判据。更关键的是，这个比值不受幅值影响：波形放大两倍，diff_peak和diff_rms一起放大两倍，R不变。它也不随频率恶化：正弦波差分近似正比于频率，但峰值和RMS同步增长，比值保持稳定。所以R是一个天然与幅值、频率解耦的特征量，这是它作为主判据的根基。

需要指出的是，R的推导隐含一个前提：每个周期至少有几十个采样点，差分才能近似反映真实斜率。如果采样率过低，每周期只有十几个点，差分值不再平滑，R会偏离理论值，甚至出现误判。工程上这条下限我一般卡在每周期50个点，低于这个值就提高采样率或者判为未知类型。

2.3 辅助特征active_ratio与跳变幅度：把方波单独拎出来

只靠R值区分正弦波和三角波还算勉强可行，但要同时处理方波，就得再加一个维度。方波的差分序列是「稀疏尖峰」形态，而正弦波和三角波的差分序列处处有值，这个结构性差异用active_ratio就能量化：

active_ratio = 差分绝对值大于某相对阈值的采样点个数 / 总差分点数

阈值我一般取 diff_peak 的5%，也就是只有差分值足够显著的采样点才被记为「活跃」。方波在一个周期内只有上升沿和下降沿两个区域是活跃的，假设每周期200个点，active_ratio大约只有2%；三角波几乎所有点都有恒定差分，active_ratio接近100%；正弦波在过零点附近差分大、峰值附近差分小，但超过5%阈值的点仍然占八成以上。

再加一个跳变幅度条件，方波的识别就更稳了。方波跳变沿一个采样间隔的电压变化量接近整个峰峰值Vpp，而正弦波和三角波在同样采样率下，相邻点变化量通常只有Vpp的百分之几。所以可以用「diff_peak > 0.3 × Vpp」作为方波的硬性门槛。两个条件合在一起，方波基本不可能漏判。

到这里，三类波形的可分性已经立住了。只要采样参数正常，三个特征量在图上各自有清晰的分布区间。

提示：上面说的1.0和1.414都是理论值，实际ADC量化噪声会把R值往下拉一点，因为噪声给diff_rms加了不少分量，却不一定能抬升diff_peak。阈值边界一定要留余量。

3. 先配采样再谈识别：定时器触发ADC与DMA搬运的关键参数

代码写得再漂亮，采样参数不合理一样识别不出来。这一章聊的是整个方案的底座，也是新手最容易忽略的部分。很多「波形识别不准」的报错，最后查出来不是算法问题，而是ADC配置有问题。

3.1 采样率怎么定：每周期100~200个采样点起步，兼顾频率自适应

采样率决定了差分特征的可信度。点太少，三角波和正弦波的R值都往一起靠；点太多，缓冲区长度吃紧、中断频率太高。工程上我一般按信号频率的100~200倍来设采样率。比如信号是1kHz，采样率设在100kHz到200kHz之间，一个周期刚好100到200个点，差分特征既平滑又有区分度。

定时器触发ADC是标准做法。用STM32的通用定时器产生更新事件，触发ADC转换，每个转换完成由DMA搬到内存。定时器分频和重载值的关系很简单：采样率 = 定时器计数时钟 / (预分频值+1) / (重载值+1)。假设定时器输入时钟84MHz，想要100kHz采样率，可以先预分频到1MHz计数时钟，再设重载值为9，即1MHz/10=100kHz。

// 假设定时器时钟 84MHz，目标采样率 100kHz htim2.Init.Prescaler = 84 - 1; // 84MHz / 84 = 1MHz 计数时钟 htim2.Init.Period = 10 - 1; // 1MHz / 10 = 100kHz 采样率 htim2.Init.CounterMode = TIM_COUNTERMODE_UP; HAL_TIM_Base_Init(&htim2); HAL_TIM_Base_Start(&htim2);

预分频值决定计数时钟的粗细，重载值决定采样周期。改采样率时优先动预分频，让计数时钟保持在1MHz到10MHz之间，采样间隔抖动更小。如果信号频率未知，我一般这样处理：先固定一个较高采样率采一段数据，靠过零检测算出实测频率，再反推需要的预分频和重载值，最后重新初始化定时器。这样无论信号源输出200Hz还是5kHz，都能保证每周期采样点数落在合理区间。

3.2 交流信号进ADC前的电平抬升与阻抗匹配

STM32的ADC输入范围是0到参考电压（通常3.3V），而标准波形发生器输出的往往是双极性信号，比如±1V的正弦波。直接接进ADC引脚，负半周会被钳位到地，波形削底，后面所有特征全部失真。很多第一次做波形识别的工程师在这踩坑，以为算法有问题，实际是前端电路不对。

常见做法是用运放做电平抬升，把信号整体搬到1.65V中心附近。一个同相放大加偏置电路就能搞定：信号经过RC低通滤波后送入运放同相端，反相端通过电阻分压接参考电压，把增益和偏置调到目标范围。运放选型也有一点讲究，需要轨到轨输入输出、低失调的型号，否则信号接近0V或3.3V时会被削波。

阻抗匹配同样不能忽视。ADC采样电容充电需要时间，如果信号源输出阻抗太高，采样保持时间不够，采出来的值会偏小，看起来就像波形被「压扁」了。我一般确保ADC引脚前面的等效阻抗低于10kΩ，软件里设置采样时间为12个ADC时钟周期以上，有条件的话在ADC引脚并一个100nF电容，效果非常明显。

3.3 DMA双缓冲和优先级：采集连续性比代码调优更重要

波形分类需要拿到一段完整连续的采样序列，中途不能丢失点。如果不用DMA，而在ADC中断里一个一个读数据，那么中断服务程序的执行时间会限制采样率上限，而且CPU稍微忙一下就会丢转换结果。所以DMA搬运是必选项。

我常用的配置是ADC工作在DMA循环模式，缓冲区开2048个uint16_t，使能DMA半传输和全传输中断。每次中断进来处理一半数据，另外一半仍在被DMA填充，这样CPU处理时间被藏住了，采样不会断档。缓冲区分成两半，天然就是双缓冲结构，不需要自己动手切换。

#define ADC_BUF_LEN 2048 static uint16_t adc_buf[ADC_BUF_LEN]; static volatile uint8_t half_ready = 0; void HAL_ADC_ConvHalfCpltCallback(ADC_HandleTypeDef *hadc) { if (hadc->Instance == ADC1) half_ready = 1; } void HAL_ADC_ConvCpltCallback(ADC_HandleTypeDef *hadc) { if (hadc->Instance == ADC1) half_ready = 2; }

half_ready等于1表示前一半缓冲区满，等于2表示后一半满。主循环里轮询这个标志，拿到数据后先做波形分类，再做显示或动作。处理函数必须保证在下一半数据到达之前返回，这个时间预算由采样率决定：100kHz采样率下，一半缓冲区1024个点大约10ms，时间非常充裕，只要分类函数里不做繁琐的浮点打印就没有压力。

DMA优先级也要提一下。如果系统里还有其他外设DMA请求，ADC的DMA流优先级应该设成最高或次高，否则偶尔一次总线抢占就可能丢掉一个采样点。丢点对波形分类的影响比想象中大，每次丢点都会在差分序列里产生一个虚假尖峰，把diff_peak抬高，R值直接失真。

4. 可复现的分类核心代码：周期截取、差分统计与三档判决

采样配置搞定后，终于到核心代码。这一章给出一套能直接抄进工程的结构：先是数据结构和主流程，然后是分类函数本体，最后把三个阈值参数掰开讲清楚。

4.1 数据结构、主流程与HAL回调

为了方便说明，把波形类型定义成枚举，特征量封装成一个结构体。实际工程里可以直接挂在现有任务上，不需要单独建工程。枚举里除了三类标准波形，还留了一个UNKNOWN，这是刻意的，后面会解释它的价值。

typedef enum { WAVE_UNKNOWN = 0, WAVE_SINE, // 正弦波 WAVE_TRIANGLE, // 三角波 WAVE_SQUARE // 方波/矩形波 } WaveType; typedef struct { float freq_hz; // 实测频率 float vpp; // 峰峰值，单位V float vmean; // 直流分量，单位V float ratio_r; // 差分峰值 / 差分RMS float active_ratio; // 活跃差分占比 float confidence; // 分类置信度 0~1 } WaveFeature;

主流程放在主循环里轮询DMA标志。拿到半缓冲区数据后，先转成电压值（12位ADC对应0~3.3V），再调用分类函数。分类函数的输入是实际的ADC原始值数组，内部自己做转电压、去直流、过零检测、周期截取和特征计算。这样上层调用方不需要关心处理细节。

WaveType type = WAVE_UNKNOWN; WaveFeature feat; while (1) { if (half_ready != 0) { uint8_t half = half_ready; half_ready = 0; uint16_t *buf = (half == 1) ? adc_buf : adc_buf + ADC_BUF_LEN / 2; // 半缓冲区长度，单位：采样点数 type = classify_waveform(buf, ADC_BUF_LEN / 2, 3.3f, 4095, 100000.0f, &feat); // 根据type和feat做后续显示或控制 } }

classify_waveform函数的几个参数分别是：ADC原始数据指针、数据长度、参考电压、ADC满量程值、实际采样率。参考电压和满量程用于把原始值换算成电压，采样率用于过零检测后计算频率。这些参数全部由调用方传入，函数内部不做任何全局依赖，方便单元测试。

4.2 差分特征计算与波形判定函数

分类函数分四个阶段：去直流与归一化、过零检测与周期截取、差分统计、阈值判定。前三步都是为第四步准备特征量。完整实现如下，建议直接对照注释看。

WaveType classify_waveform(const uint16_t *raw, uint32_t len, float vref, uint32_t full_scale, float sample_rate, WaveFeature *feat) { if (len < 64 || raw == NULL || feat == NULL) return WAVE_UNKNOWN; float *y = (float *)malloc(len * sizeof(float)); if (y == NULL) return WAVE_UNKNOWN; /* 第1步：转电压，找峰峰值 */ float vmin = 1e9f, vmax = -1e9f; for (uint32_t i = 0; i < len; i++) { y[i] = (float)raw[i] * vref / (float)full_scale; if (y[i] < vmin) vmin = y[i]; if (y[i] > vmax) vmax = y[i]; } float vpp = vmax - vmin; feat->vpp = vpp; feat->vmean = 0.5f * (vmin + vmax); /* 幅度太小，直接判未知 */ if (vpp < 0.05f * vref) { free(y); return WAVE_UNKNOWN; } /* 第2步：去直流，即减中心电平 */ for (uint32_t i = 0; i < len; i++) y[i] -= feat->vmean; /* 第3步：过零检测，找相邻同向过零点，得到一个完整周期 */ int32_t zc1 = -1, zc2 = -1; for (uint32_t i = 1; i < len; i++) { if (y[i-1] < 0.0f && y[i] >= 0.0f) { if (zc1 < 0) zc1 = (int32_t)i; else { zc2 = (int32_t)i; break; } } } if (zc1 < 0 || zc2 < 0) { free(y); return WAVE_UNKNOWN; } /* 第4步：在单个完整周期内计算差分特征 */ uint32_t n = (uint32_t)(zc2 - zc1); if (n < 50) { /* 每周期点数太少，特征不可信 */ free(y); return WAVE_UNKNOWN; } float *seg = y + zc1; /* 截取从过零点开始的一个周期 */ float diff_peak = 0.0f; float diff_rms = 0.0f; for (uint32_t i = 0; i < n - 1; i++) { float d = seg[i+1] - seg[i]; float a = fabsf(d); if (a > diff_peak) diff_peak = a; diff_rms += a * a; } diff_rms = sqrtf(diff_rms / (float)(n - 1)); /* 活跃差分占比：阈值取差分峰值的5% */ uint32_t active_cnt = 0; for (uint32_t i = 0; i < n - 1; i++) { if (fabsf(seg[i+1] - seg[i]) > 0.05f * diff_peak) active_cnt++; } float active_ratio = (float)active_cnt / (float)(n - 1); float r = diff_peak / (diff_rms + 1e-9f); /* 第5步：阈值判定 */ WaveType type = WAVE_UNKNOWN; float confidence = 0.0f; if (active_ratio < 0.3f && diff_peak > 0.3f * vpp) { type = WAVE_SQUARE; confidence = 1.0f - active_ratio / 0.3f; } else if (r < 1.18f) { type = WAVE_TRIANGLE; confidence = (1.18f - r) / 0.18f; } else if (r > 1.32f) { type = WAVE_SINE; confidence = (r - 1.32f) / 0.12f; } feat->freq_hz = sample_rate / (float)n; feat->ratio_r = r; feat->active_ratio = active_ratio; if (confidence < 0.0f) confidence = 0.0f; if (confidence > 1.0f) confidence = 1.0f; feat->confidence = confidence; free(y); return type; }

代码里几个细节说一下。过零检测只找上升沿过零点，找到两个就截出一个完整周期，这样信号起始相位不会影响结果，FFT方案里最头疼的整周期截断问题，在这里被天然避开。每周期点数少于50就直接判WAVE_UNKNOWN，这是对差分特征有效性的硬保障。diff_rms加1e-9f是为了防止全零数组导致除零，让分类函数更健壮。

置信度的计算方式是「特征离阈值边界越远越可信」。比如三角波区间是r < 1.18，当r=1.0时置信度约等于1.0，r=1.15时置信度只有0.17，接近边界时输出结果本身就不可靠。这个设计在后面避坑章节会继续讲。

4.3 三个判决阈值的物理意义与调参顺序

代码里一共有三个阈值在起作用：方波判据里的active_ratio<0.3和diff_peak>0.3×vpp，以及三角波与正弦波分界的r值阈值。理解它们的物理含义，比背参数更有用。

active_ratio<0.3的含义是「一个周期内差分显著的采样点不足三成」。纯方波只有跳变沿附近才产生大差分，这个值通常在0.02左右；如果方波沿不够陡，跳变占了好几个采样点，active_ratio会上升，但只要不超过0.3，仍然能正确识别。两个方波条件必须同时满足，防止窄脉冲等病态波形混入。

r<1.18判三角波、r>1.32判正弦波，这组阈值是理论值的加减余量。对称三角波R约1.0，标准正弦波R约1.414，取中间地带作为过渡区，落在1.18到1.32之间的判为UNKNOWN，而不是硬猜一个结果。实际信号源存在谐波失真和噪声，非对称三角波的R值可能偏高，削顶正弦波的R值可能偏低，过渡区就是给这些边界场景预留的缓冲。

调参顺序我建议从采样率开始。先确认每周期至少100个点，用示波器或者串口打印原始波形确认没有削底、没有饱和。然后打印r和active_ratio的实际分布，你就能看到三类波形在特征空间里的位置，阈值完全可以按实测分布微调。最后再动置信度参数，因为它只影响输出形式，不影响分类正确率。

5. 波形识别避坑：从误判到系统级故障的4条踩坑记录

这章整理的是我在实际调试中经常遇到的四类问题，每一条都按「现象、原因、解决」的顺序写。很多问题单看代码完全发现不了，必须结合硬件和信号特征一起排查。

5.1 方波被识别成三角波：采样率太低导致沿被拉斜

现象：信号发生器输出1kHz方波，算法却返回三角波。串口打印active_ratio发现高达0.6，远超0.3的方波阈值。

原因：采样率只有2kHz，每个周期只采到2个点。方波的上升沿在采样间隔内被「平均」成了一段斜坡，差分序列看起来就像三角波的固定斜率，三个特征全部失真。这是采样定理层面的问题，再聪明的算法也救不回来。

解决：提高采样率，让每周期点数至少达到50个。我当时把采样率从2kHz改到100kHz，方波的active_ratio直接掉到0.02，识别立刻恢复。排查时先打印每周期点数，这个值小于50，优先怀疑采样配置，不要先去调分类阈值。

5.2 正弦波与三角波在R值上打架：非对称波形让理论边界失效

现象：信号源的三角波输出被设为上升慢、下降快的不对称模式。算法反复在SINE和TRIANGLE之间跳变，置信度都很低。

原因：非对称三角波的差分序列不再是两段等幅常数，上升段斜率小、下降段斜率大。推导一下就能发现，它的R值不再是1.0，而是趋向1.25甚至更高，逼近正弦波的阈值边界。

解决：方案分两步。第一步，如果业务允许，要求信号源输出标准对称三角波；第二步，如果必须支持非对称波形，就把1.18和1.32两个阈值向外扩，同时引入过零点附近的斜率方差做辅助判断——正弦波过零处斜率连续变化，三角波过零处斜率是折线突变，这个差异在时域上可以量化。

5.3 信号幅度太小被误判为噪声：先看偏置与有效位

现象：输入信号峰峰值只有200mV，分类结果几乎随机，有时UNKNOWN有时SINE，confidence始终不高。

原因：STM32的12位ADC在3.3V参考下，1个LSB约0.8mV，200mV信号有效位数只有8位左右。更糟的是，如果偏置电路没有把信号抬到1.65V中心，而是贴在0.5V附近，负半周已经削底，波形根本不再是对称的。

解决：先把信号源输出调大，比如2Vpp，确认分类稳定后再压缩幅度。如果应用要求必须识别小信号，前端加一级放大或者改用更高分辨率的ADC，不要指望算法去补偿硬件动态范围。检查偏置也很简单，打印vmean，如果偏离1.65V太多，优先查运放偏置电路。

5.4 分类结果随机抖动：采样窗口没有对齐整数周期

现象：同一波形重复识别，结果大部分时间正确，偶尔跳成UNKNOWN，间隔没有明显规律。

原因：DMA半缓冲区是固定长度，2048个点不一定刚好覆盖整数个信号周期，尤其信号频率不是采样率的约数时，缓冲区末尾会残留半截波形。如果分类算法直接在整个缓冲区上算特征，这半截波形的差分尖峰就会污染diff_peak。

解决：代码里的过零检测正是为了处理这个问题——截取相邻两个同向过零点之间的完整周期再算特征，残片被排除在计算范围外。如果你的实现没有这一步，务必加上；如果加上了还在抖，检查过零检测是否被噪声干扰，可以给y数组先做一次三点滑动平均再找过零点。

6. 进阶：FFT谐波比做二次判决，把边界区波形也兜住

时域差分方案在绝大多数场景够用，但总有一些边界波形让人头疼：失真略大的三角波、带振铃的方波、削顶的正弦波。它们的主要特征会落在UNKNOWN区间，此时再用FFT做一次谐波分析，能给出非常明确的补救判据。常见做法是先把时域判决落在边界区的波形重采样到1024点，加汉宁窗，再调用芯片厂商官方DSP库里的实数FFT函数。

arm_rfft_fast_instance_f32 fft_inst; arm_rfft_fast_init_f32(&fft_inst, 1024); // windowed_buf为加窗后的波形，fft_out长度为1024，实数虚数交替排列 arm_rfft_fast_f32(&fft_inst, windowed_buf, fft_out, 0); float base_amp = sqrtf(fft_out[2]*fft_out[2] + fft_out[3]*fft_out[3]) * 2.0f / 1024.0f; float third_amp = sqrtf(fft_out[6]*fft_out[6] + fft_out[7]*fft_out[7]) * 2.0f / 1024.0f; float ratio3 = third_amp / (base_amp + 1e-9f);

谐波比判据的理论值很干净：标准方波的三次谐波幅值约为基波的1/3，三角波约为1/9，正弦波几乎没有三次谐波。实际算出来方波ratio3在0.3左右、三角波在0.1左右、正弦波接近0.01，三个区间完全分得开。而且即使波形带了一点噪声，谐波比依然稳定，因为噪声能量是分散在全频段的，不会集中堆在三次谐波这个单频点上。

不过FFT方案有个绕不开的前提：窗口内必须是整数个周期，否则频谱泄漏会严重污染谐波幅值。所以我会先用过零检测确定周期，再精确截取整数周期数据，而不是直接拿缓冲区硬算。加汉宁窗能进一步压制泄漏，代价是基波和三次谐波的幅值都需要乘以约2倍的窗系数修正，具体补偿系数取决于窗函数类型，建议用已知波形标定一次。

我自己现在的新项目都是「时域差分+R谐波比」双通道：时域结果置信度高就直接用，落在UNKNOWN区间再调FFT做二次确认。这个组合把误判率压到了很低的水平，代价只是分类耗时加了一两毫秒，在显示和控制类应用里完全可以接受。波形识别的坑磨多了会发现，真正的工程能力不是把算法调得多花哨，而是知道每个判据什么时候不可信、以及用什么备选方案去接住它。希望这篇能帮你少走几段弯路。

本文还有配套的精品资源，点击获取