企业官网建设流程全解析

手机里那块指甲盖大小的MEMS芯片，往桌上一扔就能同时画出三条互相垂直的加速度曲线——第一次看到这个画面的时候，我脑子里冒出来的念头不是"好玩"，而是"这东西可以搬进实验室"。后来连续两三年带学生用 Phyphox 折腾各种实验，从自由落体、单摆、弹簧振子，到声速测量、离心加速度、电梯升降，越做越确认一件事：对中学和大学基础物理实验来说，手机传感器的精度早就不再是瓶颈，真正的门槛在于实验流程怎么设计、系统误差怎么控制、那堆原始数据怎么处理成能写进报告的数字。

Phyphox 是一套由某高校应用物理教学团队开源出来的手机物理实验方案，全称直译过来就是"物理手机实验室"。它做的事情说起来很朴素：把手机里加速度计、陀螺仪、磁力计、气压计、麦克风、光传感器这些原本只服务于系统功能的器件，统一抽象成可以采样、可以绘图、可以导出的"仪器通道"。装上它之后，你的手机立刻变成一台带屏幕、带存储、带无线传输的多通道数据采集器，成本为零，数量管够——一个班四十个人，那就是四十台仪器。

这套东西适合谁？如果你是中学物理老师，想让学生在课堂上真的动手测一次 g，而不是背 9.8；如果你是大学基础物理实验的带教，实验室里那几套老旧的数据采集卡又贵又难维护；如果你是做科普内容或者自己在家折腾的爱好者，想搞清楚"手机到底能不能测准"；甚至你只是想把手机绑在自行车上看看路面颠簸的频谱——都可以从这里入手。下面这些内容，是我自己反复踩坑之后整理出来的完整路径，包括原理、参数怎么定、代码怎么写、坑在哪里。

1. 拆开一部手机：Phyphox 到底在用什么做实验

1.1 手机里那几个能直接当仪器用的传感器

很多人以为手机只有一个"重力感应"，实际上主流智能机内部至少有五六个可以独立读数的物理量通道，Phyphox 把它们全都暴露了出来。加速度计本质上是一个三轴 MEMS 电容式传感器，内部质量块在加速度作用下位移，引起电容变化，再经 ADC 转换输出数字量，量程常见有 ±2g、±4g、±8g、±16g 几档，系统会自动切换。陀螺仪用的是科里奥利振动结构，测的是角速度而不是角度，单位 rad/s 或 °/s，它和加速度计组合起来才能做姿态解算。

磁力计是三轴霍尔或磁阻器件，测的是周围磁场矢量，量级在几十微特斯拉，除了做指南针，还能用来测线圈磁场分布、做磁摆实验、甚至粗略判断手机附近有没有铁磁物体。气压计是压阻式薄膜传感器，分辨率可以到 0.01 hPa 左右，换算成高度大概十几厘米，做电梯升降、楼层判定、大气压随高度变化这类实验非常顺手。麦克风是一个采样率能到 44.1 kHz 或 48 kHz 的高速通道，Phyphox 用它做声学秒表、声呐测距、多普勒效应和声速测量——这是整个 App 里采样率最高、时间分辨率最好的一个通道。

还有光传感器（测环境光强，做遮光计数、光强衰减）、 proximity 传感器（靠近检测）、GPS（位置、速度、海拔）。需要注意的是，不同机型配置差异极大：有些手机没有气压计，有些光传感器读数只有几个离散档位，有些厂商会限制后台采样频率。所以在设计实验之前，第一件事永远是在 Phyphox 的"原始传感器"页面里把所有通道都打开看一眼，确认你手上的设备到底有哪些、刷新率是多少、数值是否漂移。这一步花五分钟，能省掉后面两小时的困惑。

1.2 为什么不自己写个 App，而要用现成方案

我最早的想法是"这不就是一个 SensorManager 回调加个图表库吗，自己写一个不香"。真动手写了两周之后，我放弃了。难点根本不在采数据，而在于：不同厂商的传感器坐标系定义不一致（有的屏幕朝上时 z 轴向外，有的向内）；Android 的传感器时间戳和系统时间不同源，做同步实验会错位；采样频率被系统调度影响，你以为 200 Hz 实际可能掉到 50 Hz；再加上数据可视化、导出格式、多设备协同，全是脏活。

Phyphox 把这些脏活都干完了，而且干得比较讲究。它在 Android 侧直接读取传感器事件时间戳而不是系统时钟，做周期测量时不会因为界面卡顿而失真；它提供统一的坐标系约定（以屏幕为参考，x 向右、y 向上、z 垂直屏幕向外），跨机型可以直接对比；它支持把实验定义写成 XML，意味着你可以把一次完整的实验流程——采什么、怎么算、显示什么、什么时候触发——封装成一个文件，发给学生，他们打开就能用，不用讲任何操作步骤。这个"实验可分发"的能力，在我看来是它区别于普通传感器示波器 App 的核心价值。

注意：自定义实验编辑器现在以网页形式提供，不用装额外工具。编辑好的 XML 可以直接通过二维码或文件分发给别人，但 XML 里引用的传感器通道名必须和目标机型支持的通道一致，否则打开会是空白。

1.3 量程、采样率、噪声：三个必须提前算清楚的参数

做任何定量实验之前，这三个参数必须心里有数，否则数据拿回来才发现超量程或者欠采样，就只能重做。

关于量程：加速度计默认自动切换量程，自由落体落地瞬间的冲击加速度可以轻松超过 100 g，远超任何手机的量程，这时候数据会被削顶（clipping），表现为一段平的直线。解决方式不是调大量程（硬件就那么大），而是别让手机直接砸地——下面垫厚海绵，或者干脆只测下落过程的飞行段，落地前用手接住。

关于采样率：主流安卓机的加速度计在 Phyphox 里能跑到 100~400 Hz，苹果设备通常在 100 Hz 左右，麦克风固定 44.1/48 kHz。这里有个硬性约束叫奈奎斯特采样定理：要还原一个频率为 f 的信号，采样率必须大于 2f。做弹簧振子实验，如果振动周期是 0.3 s（约 3.3 Hz），100 Hz 采样绰绰有余；但如果你要测音叉的拍频或者做声学干涉，就必须走麦克风通道。

关于噪声：MEMS 加速度计的有效分辨率大约在 0.001~0.01 g 之间，静止放置时你会看到 ±0.02 m/s² 量级的抖动。这意味着测量微小加速度变化（比如月相引起的地球重力变化？想都别想）是不现实的，但测 g 的绝对值、测振动周期、测倾角，完全够用。我一般会告诉学生：你的实验设计要保证目标信号的幅度至少是噪声的 20 倍以上，这条经验法则比任何精度指标都好用。

2. 功能分层：把 Phyphox 当成一台仪器而不是一个 App

2.1 内置实验库：能直接抄作业的部分

打开 Phyphox 首页，会看到一长串按类别分好的实验条目：力学、声学、工具、日常生活等等。这些不是演示动画，每一个都是配置好的完整采集与分析流程，点进去就开始工作。比如"加速度（不含 g）"这一项，会在内部做一次重力分量扣除，你看到的就纯粹是运动产生的加速度，静止时读数接近零——这个减法看起来简单，但它背后的姿态估计如果自己做，够写一星期代码。

比较实用的几个内置实验，我按使用频率排个序：声学秒表（检测超过阈值的声脉冲，记录两个脉冲之间的时间，测自由落体时间、测反应时间、测声速都用它）；自由落体（内置了阈值触发和 g 值反算，直接用）；弹簧振子（同时画加速度和由加速度二次积分得到的位移，看周期很方便）；电梯（用气压计算高度、用加速度计算速度，坐一趟电梯就是一次完整实验）；声呐（扬声器发啁啾信号，麦克风收回声，互相关算延迟，测距离）；磁场（三轴磁场实时曲线，可以拿去测扬声器磁钢周围的场分布）。

提示：内置实验的参数大多可以在界面下方的设置里改，比如声学秒表的触发阈值、自由落体的最小下落时间。这些默认值是为"典型用法"调的，换场景一定要重调，不要拿来就用。

2.2 原始数据模式：研究者真正需要的那一层

所有内置实验的底层，都是"原始传感器"页面里那些裸通道。做正式实验时，我几乎总是绕过内置实验，直接用原始数据模式采，原因有两个：一是内置实验的中间处理逻辑不透明，出了问题不好定位；二是原始数据可以完整导出，方便自己写脚本做滤波、拟合、误差分析，报告里也好交代。

原始数据页面的用法很直接：勾选要记录的通道，点右上角开始，屏幕上就会出现多通道实时曲线，横轴是时间，纵轴自动缩放。这里有个小技巧——采样前先把手机关屏设置成常亮，并且关掉一切省电模式，否则系统可能在你不注意的时候降低传感器调度频率，后半段数据的采样间隔会突然变大，做周期分析时直接废掉。我在一台国产机上就遇到过这种情况，前 20 秒采样间隔稳定在 5 ms，之后跳成 20 ms，画出来是一条锯齿。

2.3 远程访问与多机同步：把手机变成探头

这是很多人忽略但极其好用的功能。Phyphox 允许你把手机当成一个网页服务器：手机和电脑连在同一个局域网下，在手机端开启"允许远程访问"，屏幕上会显示一个地址，电脑浏览器打开就能看到一模一样的实时曲线和控制按钮。这个能力的实际意义是——你可以把手机塞进任何一个不方便看的角落。比如把手机绑在旋转的转盘上测向心加速度，或者封在盒子里从楼梯上扔下去，人在电脑前看数据，不用凑近，也不用担心手机被摔。

更进一步的是多机同步。Phyphox 支持多台手机在同一网段下由一台设备统一发起采集，指令几乎同时下发，各机各自记录，事后按时间戳对齐。做声速测量的经典配置就是这样：两台手机相距几米，一台用扬声器发一个短脉冲，另一台用麦克风记录到达时间，两台同时启动、各自记录、事后算时间差。实测下来同步误差在毫秒量级，对于声速这种"几毫秒走一米"的场景，已经能拿到不错的相对误差。

2.4 自定义实验：用 XML 把实验流程固化下来

自定义实验的本质是一份 XML 描述文件，里面定义了数据源（读哪个传感器、采样多少）、处理模块（做何种运算、滤波、拟合）、视图（画什么图、显示什么数字）、交互（按钮、输入框）。这套设计比较聪明的地方在于把"处理"和"显示"解耦了，你可以让同一个加速度通道同时喂给三个不同的视图：一个看原始波形，一个看积分后的速度，一个显示峰值。

我通常的做法是：先用原始数据模式把实验跑通，确认数据质量没问题，再把它固化成一个自定义实验，导出 XML 发给学生。学生拿到的不是"一堆要设置的参数"，而是"点一下开始就出结果"的封装。举个实际例子，我做"用手机测重力加速度"的分发实验，XML 里内置了阈值触发（加速度模长超过 3 m/s² 开始计时）、自动检测落地（模长出现超过 60 m/s² 的尖峰）、以及用 h = ½gt² 反算 g 的计算模块，学生只需要量好下落高度输进去，剩下的全自动。

3. 三个可以直接复现的实验，从设计到出数据

3.1 自由落体测 g：阈值触发怎么设

这是最经典也最容易做砸的一个。原理简单到不能再简单：从静止释放，测下落时间 t 和下落高度 h，用 g = 2h/t² 反算。但真做起来，误差来源多得吓人。

先说高度怎么定。不要用"从手到地面"这种模糊描述，正确的是用尺量出手机下沿到下垫面（厚海绵或软垫）的垂直距离，误差控制在 ±1 cm 以内。这个误差会直接传到结果：h 有 1% 的误差，g 就有 1% 的误差，比传感器本身的精度差得多。t 的测量更麻烦，因为"松手瞬间"这个时刻很难精确定义——手松开的时候手机可能已经有了一点点初速度。

我的解法是用声学秒表辅助：在手机上方放一个能发出短促声响的装置（拍手、敲击桌面），声音作为 t=0 的标记，落地撞击声作为 t 的终点，中间的时间就是真实下落时间。但这样就绕开了加速度计，变成纯声学测量，传感器的价值打了折扣。更好的方案是用加速度计的阈值触发：静止时加速度模长约为 9.8 m/s²（重力），松手瞬间手机进入自由落体状态，加速度模长会陡降到接近 0（失重），这个下降沿就是极好的 t=0 标记。参数上，触发阈值设成"模长低于 3 m/s² 且持续时间超过 20 ms"，比设成"高于某个值"稳健得多，因为松手前你可能手抖。

落地时刻的判定，用"模长出现超过 60 m/s² 的尖峰"来标记。这里要注意采样率的限制：100 Hz 采样意味着相邻点间隔 10 ms，落地冲击的峰值可能被错过，测出的落地时刻偏晚，t 偏大，g 偏小。这是系统性偏差，不是随机误差。解决办法是做多次取统计，或者在落地面上垫软垫把冲击拉长——冲击持续时间从 1 ms 拉到 10 ms 以上，峰值检测就可靠了。

举个具体数字：下落高度 1.50 m，理论时间 t = √(2h/g) = √(3.00/9.81) ≈ 0.553 s。如果时间测量系统偏差 +10 ms，反算的 g = 2×1.50/0.563² ≈ 9.46 m/s²，误差约 -3.6%。这个量级在中学实验里是可以接受的（通常要求 5% 以内），但想要更准，就必须缩短冲击持续时间、提高采样率、多次平均。

3.2 单摆与弹簧振子：用周期反推参数

单摆实验测的是 g，公式 T = 2π√(L/g)，其中 L 是悬点到摆球质心的距离。把手机当成摆球，固定在细线下端，让它在竖直平面内小幅摆动（摆角小于 5°以保证简谐近似成立），用加速度计或陀螺仪记录波形，从峰值间隔读出周期 T。

具体操作上我推荐用陀螺仪而不是加速度计：加速度计测的是"合力减重力"，摆球在最低点时加速度最大但方向在变，波形不是干净的正弦；而手机作为刚体绕悬点摆动时，陀螺仪测到的角速度是一个标准的正弦信号，过零点非常清晰，用相邻两个过零点的时间间隔乘以 2 就是周期，这对噪声的鲁棒性比找峰值好得多。采样率 100 Hz 下，一个周期 1.5 s 的信号有 150 个采样点，周期测量的相对精度可以做到 0.1% 以下。

弹簧振子更简单：T = 2π√(m/k)，其中 m 是手机质量（可以查到，或者用厨房秤称，精确到克），k 是弹簧劲度系数。反过来，如果你知道 k，就能反推手机质量；如果知道质量，就能标定弹簧。把手机用胶带固定在一个小托盘上，挂在弹簧下端，竖直方向拉一下释放，加速度计 z 轴（垂直屏幕方向，需要根据手机摆放调整到竖直）会记录一个衰减正弦。衰减是因为空气阻力和弹簧内摩擦，用对数衰减率还能顺便估阻尼系数，这就是一个很好的进阶题目。

心得：做振动类实验，一定要等振幅稳定下来再开始记录。手释放的瞬间往往会带进一个横向摆动或转动，前两三秒的数据基本不能用。另外手机外壳的光滑程度会影响固定可靠性，用橡皮筋加双面胶的组合比单纯胶带稳得多。

3.3 声速测量：两个手机加一次拍手

声速测量是所有手机实验里最"惊艳"的一个，因为它的原理和结果都非常直观，而且不需要额外器材。最基础的配置是两台手机，间隔一段距离 d（建议 2~5 m，用卷尺量），面对面摆放。手机 A 播放一个极短的声脉冲（拍手、敲击、或用 Phyphox 的声学秒表配合外放），手机 B 在接收端用声学秒表记录这个脉冲的到达时刻。如果 B 能同时收到 A 的外放信号和另一个参照信号，就能算出传播时间。

更干净的做法是"同源双收"：让一台手机同时播放和接收不可能，所以要换思路——用一台手机作为信号源（播放一段已知的啁啾/脉冲序列），另一台作为接收端，两台设备通过 Phyphox 的多机同步同时启动，接收端记录波形，事后找到脉冲的起始点。时间分辨率取决于麦克风采样率，48 kHz 下每个采样点间隔约 21 μs，声速 340 m/s 时对应的空间分辨率约 7 mm，对于米级距离的实验绰绰有余。

误差控制上有两个关键点。第一是距离测量：声速对距离非常敏感，d 测错 1 cm，结果就错 1/300 ≈ 0.3%，所以卷尺必须拉直、两端对齐手机麦克风开孔的位置而不是手机外壳。第二是温度修正：声速随温度变化，v ≈ 331.3 + 0.606×T（T 为摄氏温度），室温 20°C 时是 343 m/s，如果你按 340 算，误差就有 1%。实验报告里我一般会要求同时记录室温，做温度修正——这本身就是一个很好的"系统误差"教学点。

还有一个变体玩法：单机声呐。Phyphox 的声呐实验会用扬声器发出一段扫频信号，麦克风接收墙壁或物体反射的回波，通过互相关找延迟，从而测距。测距精度在分米级，适合做"用声音测房间尺寸"或者"测量障碍物距离"的演示。它的价值在于可以连续测量，把手机拿在手里移动，屏幕上就有实时的距离曲线，直观性极强。

4. 数据处理：从原始曲线到能写进报告的数字

4.1 导出格式与字段含义

Phyphox 的数据导出支持 CSV 和 Excel 两种，我几乎只用 CSV——纯文本、跨平台、任何工具都能读。导出文件的结构一般是：第一行是列名，形如"Time (s)","Absolute acceleration (m/s^2)"，后面是数据行，时间用科学计数法表示（如1.234E-2）。部分实验会在开头加几行以#开头的元信息注释，记录实验名、设备型号、采样配置等。

读取的时候有两个坑。第一，如果文件带注释行，直接read_csv会把注释当成数据，必须处理；第二，时间列的起点不一定是 0，可能是某个绝对时间戳的相对值，做差分时要注意。我常用的读法是先用comment='#'把注释行跳过，再检查列数和列名是否匹配预期通道数。如果导出的是一段长实验，文件可能有几十万行，pandas 读取完全没问题，但要注意内存。

提示：导出前先在 Phyphox 里把不需要的通道取消勾选，只导出要分析的列。多通道同时导出的文件列顺序和你勾选的顺序一致，但不同版本的列名可能有细微差别，脚本里最好按列名索引而不是按位置索引。

4.2 一段能直接用的处理脚本

下面这段脚本是我用得最多的一段，功能是读取自由落体数据、找出失重下降沿作为起点、找出冲击尖峰作为终点、计算时间差和 g 值。逻辑很直白，但每一步都有讲究。

import numpy as np import pandas as pd def analyze_freefall(path, height, fs_expected=100.0): # 读取 CSV，跳过 # 注释行 df = pd.read_csv(path, comment='#', skipinitialspace=True) t = df.iloc[:, 0].to_numpy(dtype=float) a = df.iloc[:, 1].to_numpy(dtype=float) # 采样间隔：用中位数而不是均值，避免异常间隔拉偏 dt = np.median(np.diff(t)) print(f"实际采样间隔中位数: {dt*1000:.2f} ms, 约 {1/dt:.1f} Hz") # 起点：加速度模长连续低于阈值超过 20 ms 的第一个点 low = a < 3.0 run = 0 start_idx = None for i, flag in enumerate(low): run = run + 1 if flag else 0 if run >= int(0.02 / dt): start_idx = i - run + 1 break # 终点：起点之后第一个超过 60 m/s^2 的尖峰 if start_idx is None: return None peak_rel = np.argmax(a[start_idx:] > 60.0) end_idx = start_idx + peak_rel if a[start_idx:].max() > 60.0 else None if end_idx is None: return None duration = t[end_idx] - t[start_idx] g_calc = 2 * height / duration**2 return { 't_start': t[start_idx], 't_end': t[end_idx], 'duration': duration, 'g': g_calc, 'n_samples': end_idx - start_idx + 1 } print(analyze_freefall('freefall.csv', height=1.50))

这段代码里有两个细节值得说。np.median(np.diff(t))用中位数而不是均值，是因为偶尔会有个别采样间隔异常大（系统调度抖动），用均值会被拉偏。run的累加逻辑用来判断"连续满足条件"，比单纯找第一个低于阈值的点稳健得多。另外返回结果里带了n_samples，方便你判断这段信号有多少个采样点，如果只有三五个点，那这个结果的置信度就很低。

4.3 滤波的选择：为什么我很少用平滑

新手拿到带噪声的数据，第一反应是加个滑动平均把它抹平。我的建议是：先别急着滤波，先想清楚你要提取什么。如果目标是周期，那你根本不需要平滑，找过零点或者做 FFT 就够了，平滑反而会引入相位延迟。如果目标是峰值，平滑会削低峰值，让测量值系统性偏小。如果目标是积分求速度，那确实需要处理，但正确的做法是先去趋势（去掉直流偏置）再做频域滤波，而不是时域滑动平均。

FFT 求频率的时候还有两个常见错误：一是没做窗函数就直接变换，导致频谱泄漏，峰值位置偏移；二是频率分辨率不够，FFT 的频率分辨率是 fs/N，100 Hz 采样、1000 点数据只有 0.1 Hz 分辨率，对于 3.3 Hz 的信号相对精度约 3%，不够看。解决办法是加长采样时间或者用峰值插值（对峰附近三点做抛物线拟合）。这些都是做信号处理的基本功，用在手机数据上完全一样。

5. 踩过的坑：常见问题速查与排查思路

5.1 数据类问题速查表

5.2 硬件与系统层面的坑

最让人抓狂的一类问题是"同一份 XML，A 手机能用，B 手机打开是空白"。根源通常是通道名不兼容：有些低端机没有气压计，有些设备的磁力计在系统层被禁用，有些厂家的传感器 HAL 层实现有偏差，导致某些通道读数恒定。排查顺序是固定的：先打开原始数据页面，把所有能勾的通道都勾上，看哪些通道有真实变化；再对照 XML 里引用的通道名逐一核对；最后才是怀疑代码逻辑。

第二类坑是固定方式带来的附加质量与附加刚度。用胶带把手机绑在弹簧上，胶带的弹性会改变系统刚度，测出来的周期偏小；用硬质夹具又会引入额外的转动惯量。我的经验是：固定件的质量要小于手机质量的 5%，且固定件本身的共振频率要远高于实验关注的频段。做振动实验时，用薄的双面胶加橡皮筋通常比厚胶带好，因为前者更"软"、对系统影响更小。

第三类坑是磁力计受干扰。手机内部有扬声器磁钢、振动马达磁铁，外部有金属桌面、笔记本电脑、甚至牛仔裤上的金属扣。做磁场测量之前，先用磁力计扫一遍环境，把手机放在远离金属的地方，记录一段环境本底，然后才开始正式测量。我就遇到过一次"磁场数据怎么画都不对"，折腾半小时才发现手机下面垫着一张铁质桌板。

5.3 课堂组织层面的坑

如果是一次带几十人的实验课，技术问题反而是次要的，组织问题才是主要矛盾。第一个现实问题是设备差异，学生带来的手机什么型号都有，你没法要求所有人用同一套参数。我的做法是分层：基础任务只依赖加速度计（几乎所有智能机都有），进阶任务才用到气压计和陀螺仪，做不了的组用替代方案，不影响整体进度。

第二个问题是数据收集。如果每个组各自导出 CSV，最后汇总会很乱。建议是统一命名规则，比如"组号_实验名_日期.csv"，导出后立刻上传到一个共享位置，不要留在手机里——学生下课后手机一清理相册和文件，数据就没了。第三个问题是时间成本，一次实验课通常只有 45 到 90 分钟，光是讲操作就要花掉一半。所以自定义实验的封装价值在课堂上体现得最明显：把参数预设好，学生只需要"点开始、做动作、看结果、导数据"，把时间留给思考误差来源和讨论物理图像，而不是纠结界面怎么点。

最后分享一个我在实践中反复验证的小经验。手机实验的说服力，很大程度上不取决于你测得多准，而取决于你能不能解释"为什么不准"。同一个自由落体实验，测出 9.5 还是 9.8，对学生的教育价值差别不大；但如果能让他自己发现"加软垫后结果变大了 2%，因为冲击时间被拉长、峰值检测更准"，这个认知过程才是真正值钱的东西。所以我在设计每个实验时，都会刻意留一个可以调节的参数——下落高度、软垫厚度、释放方式、采样时长——让学生自己做对照，用数据说话。至于那些传感器的零点漂移、采样抖动、量程限制，它们不是需要被隐藏的缺陷，恰恰是最好的教学素材。