STM32ADC过采样及几种ADC采样的处理方法

[复制链接]

flyingstar 发布时间：2025-3-5 10:12

文章
文章封面:
文章简介:	对于STM32内部ADC采集时候，难免会受到外部干扰的，导致数据不稳定情况。一般在实际使用过程中，我们就需要对增加采样次数来提高分辨率的技术。而STM32cube MX 软件自带过采样的功能。下面就和大家介绍一下STM32如何使用软件配置过采样的功能，从而实现数据的稳定性。

对于STM32内部ADC采集时候，难免会受到外部干扰的，导致数据不稳定情况。一般在实际使用过程中，我们就需要对增加采样次数来提高分辨率的技术。而STM32cube MX 软件自带过采样的功能。下面就和大家介绍一下STM32如何使用软件配置过采样的功能，从而实现数据的稳定性。

下面和大家具体分享一下软件配置步骤和注意事项：
一：过采样的基本知识分享：

1.1 基本的原理：使用STM32通过多次采取ADC的数据，并对结果进行取平均值处理，提高有效分辨率。每增加４倍的采样次数，分辨率可提高１位；我们在实际的使用过程中，可以根据自己的需求进行设置和更改。

二：软件配置步骤

2.1 配置ADC

选择ADC通道：确定要采样的模拟输入通道。

设置采样时间：根据信号特性调整采样时间。

配置ADC分辨率：通常设置为12位。

2.2 配置过采样

设置过采样比率：例如16倍过采样。

设置右移位数：根据过采样比率调整，如16倍过采样需右移2位。

2.3 启动ADC

启动转换：ADC开始采样并存储结果。

等待转换完成：通过轮询或中断方式检查转换状态。

2.4 读取和处理数据

读取ADC数据：从数据寄存器获取采样值。

计算平均值：对多次采样结果取平均，得到最终值。

STM32 cube MX 软件配置如下：

主要代码如下所示：

                                                                                                                                                                                                      ADC 配置为在单转换模式下从 SW 触发器转换单通道。ADC 过采样功能与 3 个设置一起使用：

   第一步：启用 ADC 过采样：比率 16，位右移 4。

   第二步：启用 ADC 过采样：比率 16，无位元右移。

   第三步：禁用 ADC 过采样。

   程序循环执行，上述步骤代码；

      示例执行：

      在主程序执行中，ADC 组使用 3 个过采样设置定期连续转换所选通道。

      然后，对数据进行评估：

      数据范围有效性检查

      用户可以评估过采样的预期结果：启用过采样的 ADC 转换数据比禁用过采样的 ADC 转换数据的变化更小。

      对 16 位的过采样转换数据进行软件计算，以获得相当于浮点分辨率 12 位的精确数据。

      程序仿真效果如下所示：

                                                                                                                                                                                                         注意事项：

      噪声水平：过采样适用于噪声较大的信号。

      采样时间：确保采样时间足够捕获信号。

      时钟频率：ADC时钟频率需满足过采样要求。

      项目总结：

      STM32 ADC过采样通过增加采样次数提高分辨率，适用于需要高精度但硬件分辨率不足的场景。合理配置过采样比率和右移位数是关键。

      几种常用得滤波算法分享：

      1：一阶互补滤波算法：

      取值：k = 0-1，本次取值滤波结果　＝（1-K），本次采样值需要加上上次滤波得结果数据

      代码如下所示：

      微信图片_20250305101911.png

      从代码中，我们可以看到该种滤波算法还是有很大得弊端的，效果比较一般，对于高精度的场合不建议使用。

      2: 采用中值算法滤波

      主要是程序在执行的时候，连续采集N次（需要注意下这里下，这里的N必须取值奇数），程序需要按大到小或者从小到达的顺序进行排序，然后取中间数值做为有效值。

      代码如下：

   微信图片_20250305101915.png

可以有效的去除数据因为外界干扰引起的数据的波动，对一些大滞后系统：比如温度、液位等变化缓慢的有良好的滤波效果，上述代码可以有效消除异常数据和平稳变化的采样值效果比较好；
+ I$ n) v* @8 Q" U
      3：算术平均数滤波
8 R' Q, ]( r7 J( j. J  p; m
1 i. q$ ]7 l' C! K       连续取值N个数据，对所有的数据进行取平均值；9 _5 E0 [/ @1 v/ I% x3 ]
2 K, ?/ |: g4 h) c% f, [
      代码如下：. U4 f/ Q8 H. x7 O( w  f2 N

3 C# t- \$ `/ r! D: d: [        微信图片_20250305101920.png

6 K; @1 `+ g5 v5 ?
                                                                                                                                                                                                         这里取值时候，需要根据被控对象进行选择，N值取值过大，会导致响应过慢，数据的灵敏度过低，所以采用算术平均值滤波时候，需要我们格外的注意；
* Q. V+ o1 C+ R5 f- q" N* L0 L/ y2 L; ]% e* S( e9 w2 L9 i
      4:滑动滤波算法
2 C: \# h4 ^! \/ V2 W
$ N3 Z6 l* n& b/ m% ^       把连续取N个采样值看成一个队列，队列的长度固定为N。每次采样到一个新数据放入队尾，并扔掉原来队首的一次数据(先进先出原则)。把队列中的N个数据进行算术平均运算,就可获得新的滤波结果；
1 D* T( F  v9 |. n  d+ ^" a; R 微信图片_20250305101925.png