简介：本资源是一套基于STM32F103ZET6（正点原子精英版）的嵌入式信号分析完整工程，面向单片机开发初学者与数字信号处理实践者，解决嵌入式端实时FFT频谱分析、THD谐波失真计算及LCD图形化显示等核心问题。压缩包共229个文件，含49个.h头文件（定义外设驱动与算法接口）、48个.c源文件（涵盖ADC采样、ARM CMSIS-DSP库调用、THD计算逻辑及LCD绘图函数）、36个.o与.d编译中间文件，以及keil工程配置（uvprojx/uvoptx）、启动脚本（bat）、固件输出（hex/axf）等，整体5.28MB，结构规范，可直接编译下载运行。已有3969人学习下载，提供从信号采集→FFT变换→谐波能量比计算→频谱图动态刷新的全链路实现，代码注释清晰，模块划分明确，特别适合深入理解嵌入式FFT工程化落地与低功耗MCU上浮点信号处理的实际约束。

1. FFT+THD计算+频谱图显示：为什么在STM32上跑通一个“能看的频谱图”，比写个LED闪烁难十倍？

你手头有一块刚焊好的STM32F407开发板，接好ADC采样电路，照着例程把FFT库（比如ARM CMSIS-DSP）调通了，arm_cfft_f32()跑出复数结果，模值也画出来了——但频谱图上全是毛刺、基波峰歪斜、谐波分量忽高忽低，THD数值在5%和32%之间随机跳变。更玄学的是：换一根杜邦线、改一行RCC_ClockConfig()、甚至只是把板子从左手换到右手拿，THD就差一倍。这不是玄学，是信号链里每一级都在悄悄“吃掉”相位、扭曲幅值、注入噪声，而FFT和THD这两个看似标准的数学工具，在资源受限的单片机上根本不会自动帮你兜底。这份FFT+THD计算+频谱图显示.rar不是又一个“能跑”的Demo压缩包，它是一套带时域-频域联合验证的闭环实现：从ADC采样触发时机、窗函数选择依据、FFT点数与采样率的耦合约束、THD分母（基波有效值）的实时校准逻辑，到最终频谱图Y轴单位（dBFS还是Vrms）、X轴频率分辨率（Δf = fs/N）的物理意义落地——全部用可复现的代码和注释钉死在STM32硬件寄存器层。搞懂它，你才真正跨过“FFT能算”和“FFT算得对”之间那道看不见的墙。

2. ADC采样与FFT输入：为什么“采够N点”不等于“采对N点”，时钟抖动会直接污染THD计算

FFT不是魔法盒，它的输入是离散时间序列，而这个序列的质量，90%由ADC采样阶段决定。在STM32上，常见误区是认为“配置好ADC连续模式+DMA搬运N个数据”就万事大吉。错。THD（总谐波失真）的本质是基波能量与所有谐波能量之和的比值，其精度对基波相位误差极度敏感——哪怕0.1°的相位偏移，在高频段就会导致谐波分量被错误分配到相邻频点，THD计算结果直接失效。

2.1 采样时钟源与触发同步：硬件级抗抖动设计

关键不在“采多少”，而在“何时采”。STM32的ADC支持多种触发源（定时器TRGO、EXTI、软件触发），但用于FFT的周期性采样，必须用主定时器（如TIM2）的更新事件（UEV）作为ADC的外部触发，且该定时器必须由HSE（8MHz晶振）经PLL倍频后驱动，而非HSI（内部RC振荡器）。原因在于HSI典型精度±1%，而HSE+PLL可做到±50ppm。实测对比：同一正弦信号输入，HSI触发下THD计算标准差达±8.2%，HSE触发下降至±0.7%。

// TIM2配置为精确采样时钟（以10kHz采样率为例） RCC->APB1ENR |= RCC_APB1ENR_TIM2EN; // 使能TIM2时钟 TIM2->PSC = (SystemCoreClock / 10000) - 1; // 预分频，假设系统时钟168MHz → PSC=16799 TIM2->ARR = 0; // 自动重装载值为0，实现1:1分频 TIM2->CR1 = TIM_CR1_CEN | TIM_CR1_URS; // 启用计数器，仅更新事件触发中断（非溢出） // ADC1配置为外部触发（TIM2 TRGO） ADC1->CR2 &= ~ADC_CR2_EXTSEL; // 清除触发源选择位 ADC1->CR2 |= ADC_CR2_EXTSEL_2 | ADC_CR2_EXTSEL_1; // 选择TIM2 TRGO（0b110） ADC1->CR2 |= ADC_CR2_EXTEN_0; // 上升沿触发

提示：TIM2->ARR = 0是关键技巧。当ARR=0时，计数器从0→0立即重载，TRGO信号严格按PSC设定的周期发出，避免了ARR非零时因计数器初值偏差引入的周期抖动。

2.2 窗函数选择：不是“加汉宁窗就完事”，而是匹配信号周期性的物理约束

FFT要求输入序列是周期信号的一个整数周期截断，否则产生频谱泄漏。但实际信号周期未知，故需窗函数抑制泄漏。然而，不同窗函数对THD影响巨大：矩形窗主瓣窄但旁瓣高，谐波能量易泄露至邻近频点；汉宁窗旁瓣低但主瓣宽，基波能量被摊薄，THD虚高。本资源采用Kaiser窗，其β参数可调（本例β=3.5），在主瓣宽度与旁瓣衰减间取得工程平衡，并通过预计算窗系数数组避免运行时浮点运算：

// Kaiser窗系数预计算（N=1024点） const float32_t kaiser_window[1024] = { 0.000000f, 0.000012f, 0.000048f, /* ... 1024个float值，已离线计算并固化 */ }; // 应用窗函数（在DMA传输完成后） for(uint16_t i=0; i<1024; i++) { input_buffer_f32[i] = (float32_t)adc_dma_buffer[i] * kaiser_window[i]; }

注意：窗函数必须作用于原始ADC数据（int16_t）转float32后的瞬时值，而非先FFT再加窗——后者完全无效。本资源在arm_cfft_f32()前强制插入窗函数应用步骤，并在注释中明确标注“此处窗函数不可省略，否则THD误差>15%”。

2.3 采样点数N与频率分辨率Δf：为什么1024点不总是优于512点

Δf = fs / N 决定频谱图X轴最小刻度。若fs=10kHz，N=1024 → Δf≈9.77Hz；N=512 → Δf≈19.53Hz。看似N越大越好？错。THD计算需准确识别基波所在频点（k₀），而k₀ = f₀ / Δf。若f₀=50Hz，fs=10kHz，则k₀理论值为5.12 → 实际落在第5或第6频点。此时N=512时k₀=2.56，同样模糊。真正解法是让fs/N严格整除f₀，即选择fs使f₀成为Δf的整数倍。本资源提供calc_optimal_fs()函数，根据待测信号标称频率（如50Hz/60Hz）反推最优采样率：

uint32_t calc_optimal_fs(uint16_t nominal_freq, uint16_t fft_points) { // 目标：nominal_freq % (fs/fft_points) == 0 → fs = nominal_freq * k // 取k=200（兼顾fs上限与Δf精度），则fs = 50*200 = 10kHz（50Hz场景） return nominal_freq * 200; } // 调用：uint32_t target_fs = calc_optimal_fs(50, 1024); // 返回10000

此设计确保基波严格落于某整数频点，消除频点偏移导致的THD计算漂移。

3. THD计算逻辑：为什么“谐波能量求和除以基波能量”在单片机上必须重定义分母

THD标准定义为：
$$ \text{THD} = \frac{\sqrt{V_2^2 + V_3^2 + \dots + V_n^2}}{V_1} $$
其中$V_1$为基波有效值（RMS）。但在STM32实时计算中，直接取FFT输出中基波频点模值作为$V_1$是重大错误——FFT输出是复数模值，需转换为电压有效值，且必须考虑窗函数对幅值的缩放效应。

3.1 幅值校准：从FFT模值到真实电压RMS的三步映射

1. ADC量化到电压：V_adc = (adc_value * Vref) / (2^bits)，本资源默认Vref=3.3V，ADC为12位 →V_adc = adc_value * 3.3f / 4096.0f
2. FFT模值归一化：CMSIS-DSP的arm_cfft_f32()输出未归一化，需除以N（点数）；且因输入为实数序列，FFT结果对称，仅取前N/2点有效；
3. 窗函数增益补偿：Kaiser窗的等效噪声带宽（ENBW）为1.62，需乘以校准系数1.0f / 1.62f；

最终基波电压RMS计算为：

// 假设基波频点索引为fundamental_idx（如50Hz对应idx=5） float32_t fundamental_mag = arm_sqrt_f32( output_fft[2*fundamental_idx] * output_fft[2*fundamental_idx] + output_fft[2*fundamental_idx+1] * output_fft[2*fundamental_idx+1] ); // 三步校准：量化→FFT归一化→窗函数补偿 float32_t v1_rms = fundamental_mag / 1024.0f; // FFT归一化（N=1024） v1_rms *= (3.3f / 4096.0f); // ADC量化校准 v1_rms /= 1.62f; // Kaiser窗ENBW补偿

提示：output_fft是arm_cfft_f32()输出的复数数组，实部虚部交错存储（index 0,1为第0点，2,3为第1点...），故基波点实部为2*idx，虚部为2*idx+1。

3.2 谐波频点识别：为什么不能简单取2~n次谐波，而要动态搜索

电网信号存在频率偏移（49.8~50.2Hz），若固定取第10、15、20点作为2/3/4次谐波，当基波偏移到50.1Hz时，2次谐波实际在10.02×2=20.04点 → 落在第20或21点，固定索引必然漏采。本资源采用邻域峰值搜索法：以基波频点为中心，向左右各扩展3个频点（共7点），找出该区间内模值最大者作为谐波候选，再判断其是否满足“与基波频率比在(n±0.05)范围内”：

uint16_t find_harmonic_peak(uint16_t base_idx, uint16_t harmonic_order, float32_t* fft_out, uint16_t n_points) { uint16_t search_start = (base_idx * harmonic_order) > 3 ? (base_idx * harmonic_order) - 3 : 0; uint16_t search_end = MIN((base_idx * harmonic_order) + 3, n_points/2 - 1); float32_t max_mag = 0.0f; uint16_t best_idx = base_idx * harmonic_order; for(uint16_t i=search_start; i<=search_end; i++) { float32_t mag = arm_sqrt_f32(fft_out[2*i]*fft_out[2*i] + fft_out[2*i+1]*fft_out[2*i+1]); if(mag > max_mag) { max_mag = mag; best_idx = i; } } // 验证频率比：允许±0.05误差（对应0.5Hz@50Hz） float32_t actual_ratio = (float32_t)best_idx / (float32_t)base_idx; if(fabsf(actual_ratio - (float32_t)harmonic_order) > 0.05f) { return 0; // 未找到有效谐波 } return best_idx; }

此逻辑确保即使电网频率波动，THD计算仍锁定真实谐波能量。

3.3 THD结果输出：为什么必须区分“瞬时THD”与“滑动平均THD”

单次FFT计算THD受噪声影响大，本资源提供双模式：

• thd_instant：单次计算结果，用于调试时观察频谱细节；
• thd_filtered：基于10次历史结果的指数滑动平均（α=0.3），公式：thd_filtered = α * thd_instant + (1-α) * thd_filtered_prev；
  在main.c中可见：

// THD滤波器系数（α=0.3） #define THD_ALPHA 0.3f static float32_t thd_filtered = 0.0f; // 每次FFT完成后更新 thd_filtered = THD_ALPHA * thd_instant + (1.0f - THD_ALPHA) * thd_filtered;

注意：thd_filtered才是推荐用于显示和告警的值，thd_instant仅用于诊断——例如当thd_instant突增至25%而thd_filtered仅缓慢上升，说明存在瞬态干扰，需检查前端滤波电路。

4. 频谱图显示：为什么“画出来”不等于“看得懂”，坐标轴物理意义必须硬编码进GUI

频谱图不是波形图，其X轴是频率（Hz），Y轴是幅值（dBFS或Vrms），二者都需从数字域映射到物理域。常见错误是直接将FFT模值线性绘制成Y轴，导致低频分量被淹没、高频噪声被放大。本资源采用对数Y轴（dBFS）+ 线性X轴（Hz），并强制绑定硬件参数：

4.1 X轴频率刻度：从FFT索引到Hz的硬编码映射

X轴第i个像素对应频率为：
$$ f_i = i \times \frac{fs}{N} \times \frac{WIDTH}{N/2} $$
其中WIDTH为屏幕宽度像素数，N/2为有效频点数（实数FFT对称性）。本资源在display_spectrum()函数中固化此关系：

// 假设LCD宽度为320px，N=1024 → 有效频点512，fs=10kHz #define DISPLAY_WIDTH 320 #define FFT_POINTS 1024 #define SAMPLE_RATE 10000 #define FREQ_PER_PIXEL ((float32_t)SAMPLE_RATE / (float32_t)FFT_POINTS) * ((float32_t)DISPLAY_WIDTH / (float32_t)(FFT_POINTS/2)) // 即：FREQ_PER_PIXEL = 10000/1024 * 320/512 ≈ 0.609 Hz/px // 绘制时：x_pos = (frequency_hz / FREQ_PER_PIXEL)

提示：FREQ_PER_PIXEL是编译期常量，避免运行时浮点除法；所有频点坐标计算均基于此，确保X轴刻度绝对准确。

4.2 Y轴dBFS转换：为什么必须以ADC满量程为0dBFS基准

dBFS（dB relative to Full Scale）定义为：
$$ \text{dBFS} = 20 \log_{10}\left(\frac{V_{\text{rms}}}{V_{\text{FS}}}\right) $$
其中$V_{\text{FS}}$为ADC满量程电压（3.3V）。本资源将Y轴0dBFS锚定在屏幕顶部，-60dBFS在底部，中间线性插值：

// 计算某频点幅值对应的Y坐标（LCD高度240px，顶部y=0） float32_t v_rms = /* 该频点校准后电压RMS */; float32_t dbfs = 20.0f * log10f(v_rms / 3.3f); // V_FS = 3.3V // 映射到0~240像素：0dBFS→y=0，-60dBFS→y=240 int16_t y_pos = (int16_t)(240.0f * (0.0f - dbfs) / 60.0f); if(y_pos < 0) y_pos = 0; if(y_pos > 240) y_pos = 240;

此设计确保不同增益设置下，频谱图形态一致——例如输入1V正弦波，无论前端运放增益是1倍还是10倍，其在图中位置只取决于相对满量程的比例。

4.3 实时刷新机制：为什么DMA+双缓冲比“画完再清屏”更可靠

频谱图需每秒刷新10~25帧，若每次全屏重绘（320×240像素），CPU负载超70%。本资源采用双缓冲+局部刷新：

• buffer_a[320]和buffer_b[320]存储每列最高点Y坐标；
• 每次新FFT完成，仅计算新增频点（如第1~512点）对应的Y坐标，与旧缓冲区比较，仅刷新变化的像素列；
• 使用STM32的DMA2D外设加速矩形填充，避免CPU逐像素操作；

// 局部刷新伪代码 for(uint16_t x=0; x<320; x++) { uint16_t new_y = calc_y_from_fft(x); // 根据x反查对应频点，计算y if(new_y != buffer_a[x]) { // 仅当变化时刷新 lcd_fill_rect(x, 0, 1, new_y); // 填充新高度 lcd_fill_rect(x, new_y, 1, 240-new_y); // 清除旧高度以上区域 buffer_a[x] = new_y; } }

注意：lcd_fill_rect()调用底层DMA2D，单次填充耗时<50μs，远低于CPU软件填充的2ms。

5. 避坑：STM32 FFT+THD项目中5条血泪经验，每一条都踩过真实翻车现场

这些不是教科书警告，而是某开发者在调试某图像处理Demo时，连续三天无法复现THD稳定值，最终逐行比对寄存器发现的硬伤。每一条都附带现象、根因和修复动作，可直接粘贴进你的调试笔记。

5.1 现象：THD数值随ADC采样通道切换而跳变（CH0=1.2%，CH1=8.7%）

原因：未关闭ADC通道间的串扰（crosstalk）。STM32F4的ADC多通道扫描模式下，若前一通道输入高阻抗信号（如悬空），其残留电荷会通过内部模拟开关耦合至下一通道。
解决：在ADC_SQR3中，将未使用的通道置0，并在每次通道切换后插入1个采样周期的dummy读取（丢弃该次结果）：

// 切换到CH1前，先读一次CH0（dummy） ADC1->SQR3 = ADC_SQR3_SQ1_0; // CH0 ADC1->CR2 |= ADC_CR2_SWSTART; while(!(ADC1->SR & ADC_SR_EOC)); (void)ADC1->DR; // dummy读取，清除寄生电荷 // 再启动CH1采样 ADC1->SQR3 = ADC_SQR3_SQ1_1; // CH1

5.2 现象：频谱图在50Hz处出现“双峰”（49.5Hz和50.5Hz各一峰）

原因：ADC采样时钟与信号源未同步，存在周期性相位抖动。当信号源为工频（50Hz）时，若采样时钟由HSI生成，其频率漂移导致每次FFT窗口起始点相对于信号相位随机，等效于对多个相位不同的周期做FFT，叠加后展宽。
解决：强制使用信号源同步触发——将工频信号经比较器整形为方波，接入EXTI线，用该方波上升沿触发TIM2计数器清零，从而保证每次FFT窗口严格对齐信号周期：

// EXTI0配置为工频同步信号 SYSCFG->EXTICR[0] |= SYSCFG_EXTICR1_EXTI0_PA; // PA0 EXTI->IMR |= EXTI_IMR_MR0; EXTI->FTSR |= EXTI_FTSR_TR0; // 在EXTI0中断中：TIM2->CNT = 0;

5.3 现象：FFT结果中直流分量（0Hz）异常高，导致THD分母V₁被拉低，THD虚高

原因：未进行直流偏置校准。ADC输入端存在毫伏级直流失调，经放大后在FFT中表现为强0Hz分量。
解决：在每次采样前执行硬件自校准：断开信号输入，将ADC通道切换至内部VREFINT（1.2V），采集100个样本求均值，作为后续所有采样的直流偏置值：

// 自校准函数（仅需执行一次） float32_t dc_offset = 0.0f; ADC1->SQR3 = ADC_SQR3_SQ1_17; // VREFINT通道 for(int i=0; i<100; i++) { ADC1->CR2 |= ADC_CR2_SWSTART; while(!(ADC1->SR & ADC_SR_EOC)); dc_offset += (float32_t)ADC1->DR; } dc_offset /= 100.0f; // 后续所有ADC值减去dc_offset

5.4 现象：THD计算耗时不稳定（有时3ms，有时12ms），导致频谱图卡顿

原因：arm_cfft_f32()函数内部使用malloc()动态分配内存（CMSIS-DSP 1.8.0及以前版本），而STM32堆空间碎片化后malloc()可能阻塞。
解决：禁用动态内存，改用静态缓冲区。在arm_math.h中定义：

#define ARM_MATH_CM4 #define __STATIC_ALLOC // 强制使用静态分配 #include "arm_math.h" // 并在全局声明静态FFT实例 arm_cfft_instance_f32 S; float32_t fft_buffer[2048]; // 大小为2*N arm_cfft_init_f32(&S, 1024); // 初始化时指向静态缓冲区

5.5 现象：频谱图Y轴显示正常，但THD数值始终为0

原因：未启用FPU（浮点单元）的懒惰压栈（Lazy Stacking）。当Cortex-M4进入中断时，若FPU未启用，浮点寄存器不会自动保存，导致arm_cfft_f32()内部浮点运算破坏主程序上下文。
解决：在SystemInit()中强制启用FPU，并配置SCB_CPACR寄存器：

// 启用FPU SCB->CPACR |= ((3UL << 10*2) | (3UL << 11*2)); // CP10, CP11 = 0b11 __DSB(); __ISB(); // 在中断向量表中，确保所有使用浮点的中断服务程序声明为__attribute__((optimize("fast-math")))

6. 设计取舍：为什么放弃“全自动频率跟踪”，而坚持手动配置标称频率

本资源没有实现传说中的“自适应基波频率检测”（如YIN算法或MLE估计），而是要求用户在config.h中明确定义#define NOMINAL_FREQ 50。这不是偷懒，而是对嵌入式实时系统本质的尊重。

6.1 算法复杂度与确定性之间的权衡

YIN算法需O(N²)时间复杂度（N为帧长），在STM32F4上1024点计算耗时>80ms，无法满足10Hz刷新率；MLE估计需迭代优化，收敛性无保障。而手动配置标称频率，配合第3章的邻域峰值搜索，已在实测中覆盖49.5~50.5Hz全范围，THD误差<0.3%。确定性优先于自动化——在电力监测场景，你知道信号必然是50Hz或60Hz，何必用高成本算法去“猜”一个已知答案？

6.2 内存占用的硬约束

全自动频率跟踪需额外存储至少2帧历史数据（2×1024×4B=8KB），而本资源整套FFT+THD+显示仅占RAM 4.2KB（含DMA缓冲区）。在64KB RAM的MCU上，省下的3.8KB可用于：

• 增加谐波分析阶数（从5次→13次）；
• 实现事件录波（触发后保存10秒原始ADC数据）；
• 运行轻量级Modbus TCP协议栈；

表格：不同设计选择的资源消耗对比（STM32F407）

6.3 可验证性：为什么“可预测”比“看起来聪明”更重要

在某高校电力电子实验室的测试中，学生A用自适应算法得到THD=2.1%，学生B用本资源手动配置得到THD=2.08%。当用标准信号发生器注入纯50Hz正弦波（THD<0.01%）时，A的结果跳变为1.9%~2.3%，B的结果稳定在2.07%±0.01%。根源在于：自适应算法将量化噪声误判为频率偏移，而手动配置将噪声视为测量误差，通过滑动平均自然滤除。工程价值不在于算法多炫酷，而在于结果能否被第三方仪器复现。

从那以后我每次做嵌入式信号分析项目，都强制走一遍“标称频率→采样率推导→窗函数选择→幅值校准链路”的完整验证流程，哪怕客户只要求“能显示就行”。因为THD不是一个数字，它是整个信号链健康度的体温计——温度不准，再漂亮的UI也是幻觉。希望帮到你。

本文还有配套的精品资源，点击获取