STM32G4 ADC手动触发采集实战：从配置到7种滤波算法代码详解（附VOFA+波形对比）
在嵌入式系统开发中，ADC采集的精度和实时性往往决定了整个系统的性能上限。STM32G4系列凭借其高性能ADC模块和丰富的外设资源，成为电机控制、工业传感等场景的首选。但很多开发者在使用过程中常遇到两个核心痛点：如何精确控制采样时机，以及如何从噪声中提取有效信号。本文将围绕这两个问题，带你从CubeMX配置到7种滤波算法的实战实现，最后通过VOFA+直观对比各算法的实际效果。
1. STM32G4 ADC手动触发模式深度配置
手动触发模式相比常规连续采样或定时器触发，最大的优势在于可以精确控制每次采样的时间点。这对于需要与其他外设（如PWM）同步的场合尤为重要，比如无刷电机控制中的电流采样。
1.1 CubeMX基础配置要点
在CubeMX中配置ADC手动触发时，这几个参数需要特别注意：
- Clock Prescaler：G4系列ADC时钟最高可达60MHz，但建议设置为不超过40MHz以保证稳定性
- Resolution：根据需求选择12位/10位/8位，12位时注意校准
- Data Alignment：电机控制场景建议用右对齐，方便后续计算
- Scan Conversion Mode：多通道采集时启用
- Continuous Conversion Mode：必须禁用，否则无法手动触发
- Discontinuous Conversion Mode：单次触发多通道时有用
关键配置代码示例：
hadc1.Instance = ADC1; hadc1.Init.ClockPrescaler = ADC_CLOCK_ASYNC_DIV2; hadc1.Init.Resolution = ADC_RESOLUTION_12B; hadc1.Init.DataAlign = ADC_DATAALIGN_RIGHT; hadc1.Init.ScanConvMode = ADC_SCAN_DISABLE; hadc1.Init.EOCSelection = ADC_EOC_SINGLE_CONV; hadc1.Init.LowPowerAutoWait = DISABLE; hadc1.Init.ContinuousConvMode = DISABLE; // 关键配置 hadc1.Init.NbrOfConversion = 1; hadc1.Init.DiscontinuousConvMode = DISABLE; hadc1.Init.ExternalTrigConv = ADC_SOFTWARE_START; // 软件触发 hadc1.Init.ExternalTrigConvEdge = ADC_EXTERNALTRIGCONVEDGE_NONE; hadc1.Init.DMAContinuousRequests = DISABLE; hadc1.Init.Overrun = ADC_OVR_DATA_PRESERVED; hadc1.Init.OversamplingMode = DISABLE;1.2 手动触发的HAL库调用时序
正确的函数调用顺序直接影响采样成功率：
- 初始化校准（仅首次需要）
HAL_ADCEx_Calibration_Start(&hadc1, ADC_SINGLE_ENDED); - 启动ADC（放在循环外）
HAL_ADC_Start(&hadc1); - 在需要采样时触发并读取
HAL_ADC_PollForConversion(&hadc1, 10); // 超时10ms uint16_t value = HAL_ADC_GetValue(&hadc1);
注意：每次触发前建议检查ADC状态，避免重复触发导致数据错误
2. 噪声来源分析与滤波算法选型指南
ADC采集的噪声主要来自三个方面：
- 系统噪声：电源纹波、参考电压波动
- 环境噪声：电磁干扰、温度漂移
- 量化噪声：ADC本身的分辨率限制
不同应用场景对滤波算法的需求差异很大：
| 应用场景 | 关键需求 | 推荐算法 |
|---|---|---|
| 电机电流采样 | 实时性高，跟踪速度快 | 一阶互补、卡尔曼 |
| 温度测量 | 稳定性好，平滑度高 | 中值、去极值均值 |
| 振动传感器 | 保留突变特征 | 限幅平均、平滑均值 |
| 电池电压检测 | 计算量小，资源占用低 | 算术均值 |
3. 7种滤波算法代码实现与优化
3.1 算术均值滤波及优化
基础版本虽然简单但存在明显缺陷：
int averageFilter(int N) { int sum = 0; for(int i=0; i<N; i++) { sum += HAL_ADC_GetValue(&hadc1); } return sum/N; }优化方案：滑动窗口均值滤波
#define FILTER_WIN_SIZE 8 uint16_t filterBuf[FILTER_WIN_SIZE]; uint8_t filterIndex = 0; uint32_t filterSum = 0; uint16_t slidingAverageFilter(uint16_t newVal) { filterSum -= filterBuf[filterIndex]; filterSum += newVal; filterBuf[filterIndex] = newVal; filterIndex = (filterIndex + 1) % FILTER_WIN_SIZE; return filterSum / FILTER_WIN_SIZE; }3.2 去极值均值滤波的陷阱与改进
常见实现存在排序效率问题：
// 低效实现（冒泡排序） uint32_t Mean_Value_Filter(uint16_t *value, uint32_t size) { uint32_t sum = 0; uint16_t max = 0, min = 0xFFFF; // ...查找最大最小值... sum -= max + min; return sum/(size-2); }改进方案：单次遍历极值检测
uint16_t optimizedOutlierFilter(uint16_t *buf, uint8_t size) { uint16_t min = 0xFFFF, max = 0; uint32_t sum = 0; for(uint8_t i=0; i<size; i++) { if(buf[i] < min) min = buf[i]; if(buf[i] > max) max = buf[i]; sum += buf[i]; } return (sum - min - max) / (size - 2); }3.3 中值滤波在实时系统中的特殊处理
传统中值滤波需要完整排序，不适合实时系统：
int middleValueFilter(int N) { int value_buf[N]; // ...采集N个样本... // ...冒泡排序... return value_buf[(N-1)/2]; }优化方案：分组中值+均值混合滤波
#define MEDIAN_GROUP_SIZE 3 uint16_t fastMedianFilter(uint16_t newVal) { static uint16_t group[MEDIAN_GROUP_SIZE]; static uint8_t idx = 0; group[idx++] = newVal; if(idx >= MEDIAN_GROUP_SIZE) idx = 0; // 三数取中法 uint16_t a = group[0], b = group[1], c = group[2]; if ((a-b)*(c-a) >= 0) return a; else if ((b-a)*(c-b) >= 0) return b; else return c; }4. 高级滤波算法实战解析
4.1 一阶互补滤波的参数调优
一阶互补滤波的核心在于系数选择：
float alpha = 0.2f; // 经验值 int firstOrderFilter(int newValue, int oldValue) { return alpha * newValue + (1-alpha) * oldValue; }不同场景下的alpha推荐值：
| 信号类型 | 推荐alpha | 特性说明 |
|---|---|---|
| 慢变信号 | 0.05-0.1 | 强平滑，响应慢 |
| 中速变化信号 | 0.1-0.3 | 平衡响应和平滑 |
| 快速变化信号 | 0.3-0.5 | 响应快，平滑效果弱 |
4.2 卡尔曼滤波的嵌入式简化实现
标准卡尔曼滤波计算量较大，适合G4系列的简化版本：
typedef struct { float q; // 过程噪声协方差 float r; // 观测噪声协方差 float p; // 估计误差协方差 float k; // 卡尔曼增益 float x; // 状态值 } KalmanFilter; void Kalman_Init(KalmanFilter *kf, float q, float r) { kf->q = q; kf->r = r; kf->p = 1000.0f; // 初始大误差 kf->k = 0; kf->x = 0; } float Kalman_Update(KalmanFilter *kf, float measurement) { kf->p += kf->q; kf->k = kf->p / (kf->p + kf->r); kf->x += kf->k * (measurement - kf->x); kf->p *= (1 - kf->k); return kf->x; }提示：电机控制中q/r比值建议设为0.001-0.01，可通过VOFA+观察调整
5. VOFA+波形对比与算法选择
通过VOFA+可以直观看到不同算法的效果差异：
测试信号：模拟电机相电流，包含：
- 50Hz基波
- 1kHz开关噪声
- 随机脉冲干扰
各算法表现对比：
| 算法类型 | 延迟时间 | 噪声抑制 | 突变响应 | 适用场景建议 |
|---|---|---|---|---|
| 算术均值 | 中 | 中 | 差 | 低速变化信号 |
| 去极值均值 | 中 | 良 | 中 | 存在偶发干扰的场景 |
| 中值滤波 | 高 | 优 | 差 | 脉冲噪声多的环境 |
| 一阶互补 | 低 | 中 | 优 | 实时控制回路 |
| 平滑均值 | 中 | 良 | 中 | 通用场景 |
| 限幅平均 | 中 | 良 | 良 | 有突变的信号 |
| 卡尔曼滤波 | 低 | 优 | 优 | 高性能要求的场合 |
在VOFA+中配置数据协议时，建议使用Float协议直接显示波形：
float temp[3] = {raw, filtered1, filtered2}; uint8_t sendBuf[12]; memcpy(sendBuf, temp, 12); HAL_UART_Transmit(&huart1, sendBuf, 12, 100);配置VOFA+的FireWater协议时，注意：
- 波特率与串口一致
- 数据格式选择32-bit float
- 通道数与实际发送数据匹配
6. 实战经验与异常处理
在实际项目中遇到过ADC采样值异常跳变的问题，最终发现是PCB布局导致的问题。总结几个关键检查点：
- 电源去耦：每个ADC电源引脚都需要100nF+1uF组合电容
- 参考电压：建议使用独立参考电压芯片，避免与数字电源共用
- 采样时间：对于高阻抗信号源，适当增加采样周期
hadc1.Init.SamplingTimeCommon = ADC_SAMPLETIME_160CYCLES_5; - 地线布局：模拟地与数字地单点连接
当发现滤波效果不理想时，可以按以下步骤排查：
- 先观察原始信号波形，确认噪声特征
- 尝试最简单的均值滤波，验证基本功能
- 逐步增加滤波复杂度，观察效果变化
- 在VOFA+中同时显示原始和滤波后信号对比
对于需要极低延迟的场景，可以采用DMA+双缓冲的方式：
// CubeMX中启用DMA循环模式 HAL_ADC_Start_DMA(&hadc1, (uint32_t*)adcBuf, BUF_SIZE);在电机控制这类实时性要求高的应用中，中值滤波虽然去噪效果好，但可能引入不可接受的延迟。这种情况下，一阶互补滤波+前馈补偿往往是更好的选择。
