STM32F4 HAL库定时器触发ADC+DMA实现2.4MHz高速采样与FFT频谱分析

最新推荐文章于 2026-08-11 00:15:00 发布

原创最新推荐文章于 2026-08-11 00:15:00 发布 · 1k 阅读

本内容遵循CC 4.0 BY-SA版权协议

1. 项目背景与硬件选型

最近在做一个高频信号采集的项目，需要测量920kHz左右的波形频率。这个频率对STM32的ADC来说确实是个挑战，毕竟要稳定工作在2.4MHz的采样率下不是随便配置就能实现的。我选择了立创的天空星STM32F407开发板，这款板子的外设资源足够丰富，特别是ADC和定时器的性能完全能满足这个需求。

STM32F407的ADC最高支持2.4MHz采样率，但这个速度需要精确的时钟配置和DMA配合。如果只用软件触发采样，CPU光处理ADC数据就忙不过来了，更别说做实时频谱分析了。所以必须用定时器触发ADC采样，再通过DMA把数据直接搬运到内存，这样才能实现真正的无CPU干预高速采集。

在实际测试中，我发现时钟配置是关键中的关键。一定要用外部晶振，内部RC振荡器的精度和稳定性根本达不到要求。APB2总线要配置为72MHz，然后ADC预分频设置为2，这样ADC时钟就是36MHz，正好是STM32F4 ADC的最高允许时钟频率。

2. CubeMX基础配置详解

2.1 时钟树配置要点

打开CubeMX后，第一件事就是配置时钟树。在RCC设置里选择HSE（外部高速时钟），然后进入Clock Configuration界面。这里需要把PLL源设置为HSE，然后配置PLL参数使系统时钟达到144MHz。

APB2总线时钟要设置为72MHz，这是通过将系统时钟2分频实现的。然后ADC预分频选择2，这样ADC时钟就是36MHz。为什么非要36MHz？因为STM32F4的ADC最高工作频率就是36MHz，超过这个值采样精度就会下降。

计算采样率有个公式：采样率 = ADC时钟频率 / (采样周期 + 12.5)。如果设置采样周期为3个时钟周期，那么采样率就是36MHz / (3 + 12.5) ≈ 2.4MHz。这个配置正好能让我们达到最高采样速率。

2.2 定时器触发配置

我用的是TIM3作为ADC的触发源。TIM3挂在APB1总线上，APB1的时钟频率是72MHz。定时器的更新频率计算公式是：f = TimeClockFreq / ((Prescaler + 1) * (Period + 1))。

为了让触发频率接近2.4MHz，我设置预分频器为3，自动重载值为13。这样计算出来的触发频率是72MHz / ((3+1)(13+1)) = 72MHz / 56 ≈ 1.286MHz。等等，这个值好像不对？其实这里有个细节：当APB1预分频系数不为1时，定时器时钟会倍频。所以实际TIM3的时钟是72MHz2=144MHz，最终触发频率是144MHz / ((3+1)*(13+1)) = 144MHz / 56 ≈ 2.571MHz。

实际上我最后用的是1846153Hz的触发频率，这个值是通过精细调整分频系数和重载值得到的。关键是要让触发频率略高于目标采样率，因为ADC转换需要时间。

2.3 ADC与DMA配置

ADC配置有几个关键点：首先选择要使用的通道，然后开启DMA。工作模式选择"Normal"而不是"Circular"，因为在2.4MHz这么高的采样率下，循环模式会导致DMA中断过于频繁，系统很容易卡死。

采样时间设置为3个周期，这样配合36MHz的ADC时钟，正好能达到2.4MHz采样率。DMA要设置为单次传输模式，传输宽度为半字（ADC是12位分辨率），内存地址自增。

最重要的一点：不要开启DMA中断！在高速采样时，DMA完成中断会非常频繁，CPU根本处理不过来。我们只需要在DMA传输完成时设置一个标志位，在主循环中处理数据即可。

3. 代码实现与DSP库集成

3.1 基础驱动代码

生成代码后，首先需要重定向printf函数到串口，方便调试。这里有个小技巧：使用GCC编译器时和MDK编译器的重定向方式略有不同。

#include "stdio.h"

#ifdef __GNUC__
#define PUTCHAR_PROTOTYPE int _io_putchar(int ch)
#else
#define PUTCHAR_PROTOTYPE int fputc(int ch, FILE *f)
#endif

PUTCHAR_PROTOTYPE
{
    HAL_UART_Transmit(&huart1, (uint8_t *)&ch, 1, 0xFFFF);
    return ch;
}

接下来初始化ADC和定时器。注意要先进行ADC校准，这个步骤很多人会忽略，但在高速采样时校准对精度影响很大。

HAL_ADCEx_Calibration_Start(&hadc1);
HAL_TIM_Base_Start(&htim3);
HAL_ADC_Start_DMA(&hadc1, (uint32_t *)adcConvertValue, adc_SIZE);

3.2 DSP库添加与配置

STM32F4自带的DSP库真的很强大，但添加的时候容易出问题。首先要在CubeMX的Software Packs里选择CMSIS DSP库，然后记得在工程设置里添加预定义宏ARM_MATH_CM4。

如果手动添加，需要把DSP库文件复制到项目目录，然后在工程中包含头文件路径。关键是要根据CPU类型选择正确的库文件，STM32F4是Cortex-M4内核，要用arm_cortexM4lf_math.lib（小端模式）。

FFT计算需要初始化复数数组，ADC采样得到的是实数序列，需要转换为复数格式（虚部设为0）。我定义了2048点的FFT，这个长度在精度和计算量之间取得了很好的平衡。

#define FFT_SIZE 2048
#define SAMPLING_FREQUENCY 1846153.84615f

float32_t inputSignal[FFT_SIZE * 2];
float32_t fftOutput[FFT_SIZE / 2];

3.3 FFT计算函数实现

FFT计算函数主要完成三个任务：执行FFT变换、计算幅度谱、寻找峰值频率。CMSIS-DSP库提供了高度优化的函数，直接调用就行。

void fftCalculate(void)
{
    // 执行FFT计算
    arm_cfft_f32(&arm_cfft_sR_f32_len2048, inputSignal, 0, 1);
    
    // 计算幅度谱
    arm_cmplx_mag_f32(inputSignal, fftOutput, FFT_SIZE / 2);
    
    // 寻找峰值
    uint32_t index_;
    float32_t maxValue;
    arm_max_f32(&fftOutput[1], FFT_SIZE / 2 - 1, &maxValue, &index_);
    
    // 计算实际频率
    frequency = (float32_t)index_ * SAMPLING_FREQUENCY / (float32_t)FFT_SIZE;
}

注意arm_max_f32是从第二个点开始查找的，因为DC分量（第一个点）通常很大但不是我们关心的信号频率。

4. 数据处理与性能优化

4.1 采样数据处理技巧

ADC采样得到的是12位数字量，需要转换为电压值。转换公式很简单：电压 = 采样值 * 3.3 / 4096。但实际操作时要注意数据类型转换，否则会丢失精度。

我定义了一个2048*2大小的采样数组，为什么是2倍？因为FFT计算需要复数输入，每个点需要实部和虚部两个float值。采样数据放在实部，虚部全部设为0。

for(int j = 0; j < FFT_SIZE; j++)
{
    inputSignal[j * 2] = (adcConvertValue[j]) * 3.3f / 4096.0f;
    inputSignal[j * 2 + 1] = 0;
}

在实际应用中，最好加上直流滤波。简单的方法就是减去平均值：

float32_t mean = 0;
for(int i = 0; i < FFT_SIZE; i++) {
    mean += inputSignal[i * 2];
}
mean /= FFT_SIZE;
for(int i = 0; i < FFT_SIZE; i++) {
    inputSignal[i * 2] -= mean;
}

4.2 DMA中断处理优化

DMA中断处理函数非常关键，但代码要尽量简短。因为在2.4MHz采样率下，DMA完成中断每0.85ms就会发生一次，中断处理时间必须足够短。

void DMA2_Stream0_IRQHandler(void)
{
    HAL_DMA_IRQHandler(&hdma_adc1);
    
    // 用户代码
    HAL_TIM_Base_Stop(&htim3);
    HAL_ADC_Stop_DMA(&hadc1);
    flag = 1;
}

这里只是停止了定时器和ADC，设置了一个标志位。所有耗时的操作（如FFT计算）都在主循环中处理，这样能确保中断响应及时。

4.3 频率计算与精度提升

频率计算公式很简单：frequency = index * SAMPLING_FREQUENCY / FFT_SIZE。但实际精度可以更高，通过插值算法可以突破FFT的频率分辨率限制。

一种简单的方法是抛物线插值：在峰值点附近取三个点，用抛物线拟合找到真正的峰值位置。这样频率精度可以提高一个数量级。

// 抛物线插值求精确频率
if(index_ > 0 && index_ < (FFT_SIZE/2 - 1)) {
    float delta = (fftOutput[index_+1] - fftOutput[index_-1]) / 
                  (2.0f * (2.0f * fftOutput[index_] - fftOutput[index_-1] - fftOutput[index_+1]));
    frequency = (index_ + delta) * SAMPLING_FREQUENCY / FFT_SIZE;
}