STM32频率测量实战：输入捕获与FFT频谱分析全解析

搞嵌入式的兄弟应该都有过这种经历：手里拿到一个信号源，或者设备上引出来一个未知频率的方波/正弦波，第一反应就是"用单片机测一下频率"。但真上手之后就会发现，测频率这件事不是"读个数"那么简单。你用输入捕获去测，可对方输出的是一个带谐波毛刺的PWM波；你用FFT去做频谱分析，又发现低频段分辨率不够，高频段实时性跟不上。这篇文章就围绕STM32单片机的两种测频路径——输入捕获和FFT——把它们各自的原理、适用场景、参数设计和实际工程里踩过的坑一次讲透。

先说我个人的项目背景：手头有一块STM32F407开发板，需要完成一个频率测量与频谱分析的子模块。输入信号可能来自信号发生器（标准正弦波）、光电编码器输出（准方波）、以及一个超声波传感器回波（极微弱的复合信号）。这就要求测频方案必须覆盖"单频精确测量"和"宽频段频谱分析"两个方向。刚开始我也觉得输入捕获加FFT就是两个独立的功能，各写各的就行，实际做下来才发现，这两套方案在硬件链路、软件架构、误差来源上完全不是一回事，甚至在某些场景下它们是可以互相印证、互为备份的。

这篇文章适合正在做信号采集、电机测速、振动监测、音频分析等相关项目的朋友阅读。全文不会只贴寄存器配置，会把每个设计决策背后的"为什么"讲清楚，包括定时器时钟树怎么走、捕获误差怎么量化、FFT采样率和点数的关系怎么定、窗函数到底起什么作用。你可以把这里的内容当成一份可以直接落地的实现笔记，也可以当成一份避坑检查清单。

1. 先想清楚：你要测的是"一个频率"还是"一群频率"

很多人在一开始就搞错了方向。拿到信号就直接套FFT，或者只用输入捕获，其实这两条路应对的问题模型完全不同。我习惯在立项阶段先问自己三个问题：信号本身是什么形状？我关心的是基波主频还是整个频谱？实时性要求是毫秒级还是秒级？

1.1 波形特征决定测频路径的起点

输入捕获的硬件机制决定了它最适合处理边沿清晰的数字信号。STM32的定时器输入捕获通道本质上就是一个带时间戳的边沿检测器：当引脚上出现上升沿或下降沿时，硬件会把当前计数器的值锁存到捕获寄存器CCRx里。所以只要信号能触发引脚的电平跳变，输入捕获就能给出可靠的周期测量结果。

FFT走的是另一条路。它对波形形状没有太多要求，正弦波、方波、三角波、甚至叠了噪声的随机信号都能处理，因为它做的是"把一段时域波形分解成若干频率分量的叠加"这件事。但代价是它不告诉你这些频率分量出现的先后顺序，只告诉你在这段采样窗口里都有哪些频率成分。

所以第一个决策其实非常朴素：如果你的信号是一个干净的方波或者正弦波，你只关心它的主频率，输入捕获是最快最准的方案；如果你的信号是复合的、调制的、或者你压根不知道里面藏着什么成分，那就必须上FFT。

1.2 两种方案的核心差异对比

这张表基本就是我的选型依据。在实际项目里，我经常是两条路同时挂着：输入捕获负责实时测频，把数据给到控制环；FFT负责低频段的频谱监测，用来发现异常振动或者谐波成分。两者互补，而不是二选一。

2. 输入捕获测频：从触发到计算的完整链路

输入捕获看起来简单，就是配一下定时器、开个中断、读CCR寄存器的事。但实际要想把精度做上去，把边界情况处理好，需要把整个链路都理顺：信号调理、时钟树、定时器配置、溢出处理、计算公式。

2.1 硬件前置：不是所有信号都能直接进单片机引脚

STM32的GPIO输入虽然带有施密特触发器，但它的阈值电压是固定的，而且对边缘速率有一定要求。如果你直接拿一个缓慢变化的正弦波接到捕获引脚上，实际触发时刻会随着信号上升速率和噪声水平而抖动，导致捕获的周期值忽大忽小。另外，如果被测信号电平域不是3.3V，比如来自5V系统的传感器输出，不经过转换直接接入PA0引脚，轻则测量不准，重则损伤引脚。

我常用的信号调理方案是一个简单的两级结构：

• 第一级：电压比较器或者施密特触发器芯片（如74HC14），把任意缓慢波形整形成陡峭的方波；
• 第二级：电阻分压加钳位二极管，把电平域安全转换到3.3V。

74HC14这类施密特触发器的滞回特性特别适合处理带有噪声毛刺的信号。它的正向阈值和负向阈值不一样，形成一个约0.8V左右的不灵敏区，在这个区间内的信号抖动不会引起输出翻转，从硬件层面就滤掉了一部分干扰。

2.2 定时器时钟树与预分频的配合

搞清楚STM32定时器时钟来源是配置捕获功能的前提。以F407为例，TIM2、TIM3、TIM4、TIM5挂接在APB1总线上，如果APB1分频系数是4，定时器时钟是84MHz；TIM1和TIM8挂接在APB2总线上，定时器时钟是168MHz。这里有个很经典的坑：很多人直接照抄例程，以为定时器时钟就是APB外设时钟，结果算出来的频率有偏差。

捕获测量的核心原理是：测量两个相邻上升沿之间计数器走了多少个tick，tick的时间就是定时器时钟周期的整数倍。假设定时器时钟频率是f_timer，两次捕获的计数值差是ΔCNT，那么信号周期为：

T_signal = ΔCNT / f_timer

信号频率为：

f_signal = f_timer / ΔCNT

预分频器PSC的作用是决定计数器CNT每递增一次的时间粒度。PSC越大，计数器分辨率越低，但可测量的最大周期越长。比如84MHz的定时器时钟，PSC设为83时，计数频率是1MHz，每个tick是1微秒，计数器最大可表示65535个tick，也就是最大可捕获约65.5ms的周期，对应最低频率约15Hz。如果被测信号频率只有1Hz，计数器必然溢出。这时候就需要配合溢出中断来做扩展计数，或者调大预分频。

2.3 标准库/HAL库的实际配置代码

我用标准库比较多，下面这份是TIM3通道1捕获上升沿测频的初始化代码，配合PSC=83，计数频率1MHz，理论上单周期测量范围是15Hz~500kHz左右：

void TIM3_Capture_Init(void) { GPIO_InitTypeDef GPIO_InitStructure; TIM_TimeBaseInitTypeDef TIM_TimeBaseStructure; TIM_ICInitTypeDef TIM_ICInitStructure; NVIC_InitTypeDef NVIC_InitStructure; RCC_APB1PeriphClockCmd(RCC_APB1Periph_TIM3, ENABLE); RCC_AHB1PeriphClockCmd(RCC_AHB1Periph_GPIOA, ENABLE); GPIO_InitStructure.GPIO_Pin = GPIO_Pin_6; // TIM3_CH1 --> PA6 GPIO_InitStructure.GPIO_Mode = GPIO_Mode_AF; GPIO_InitStructure.GPIO_Speed = GPIO_Speed_100MHz; GPIO_InitStructure.GPIO_OType = GPIO_OType_PP; GPIO_InitStructure.GPIO_PuPd = GPIO_PuPd_NOPULL; GPIO_Init(GPIOA, &GPIO_InitStructure); GPIO_PinAFConfig(GPIOA, GPIO_PinSource6, GPIO_AF_TIM3); TIM_TimeBaseStructure.TIM_Prescaler = 84 - 1; // 84MHz -> 1MHz TIM_TimeBaseStructure.TIM_CounterMode = TIM_CounterMode_Up; TIM_TimeBaseStructure.TIM_Period = 0xFFFF; // 16位计数器满量程 TIM_TimeBaseStructure.TIM_ClockDivision = TIM_CKD_DIV1; TIM_TimeBaseInit(TIM3, &TIM_TimeBaseStructure); TIM_ICInitStructure.TIM_Channel = TIM_Channel_1; TIM_ICInitStructure.TIM_ICPolarity = TIM_ICPolarity_Rising; // 上升沿捕获 TIM_ICInitStructure.TIM_ICSelection = TIM_ICSelection_DirectTI; TIM_ICInitStructure.TIM_ICPrescaler = TIM_ICPSC_DIV1; TIM_ICInitStructure.TIM_ICFilter = 0x0F; // 数字滤波，滤除毛刺 TIM_ICInit(TIM3, &TIM_ICInitStructure); TIM_ClearFlag(TIM3, TIM_FLAG_CC1 | TIM_FLAG_Update); TIM_ITConfig(TIM3, TIM_IT_CC1 | TIM_IT_Update, ENABLE); TIM_Cmd(TIM3, ENABLE); NVIC_InitStructure.NVIC_IRQChannel = TIM3_IRQn; NVIC_InitStructure.NVIC_IRQChannelPreemptionPriority = 0; NVIC_InitStructure.NVIC_IRQChannelSubPriority = 0; NVIC_InitStructure.NVIC_IRQChannelCmd = ENABLE; NVIC_Init(&NVIC_InitStructure); }

中断服务函数里要做的事比较明确：捕获中断代表一次上升沿到来，计算本次捕获值和上次捕获值的差值；更新中断代表计数器溢出了一次，需要用一个溢出计数变量来累积。把这两个信息结合起来，才能得到真实的ΔCNT。

volatile uint32_t overflow_cnt = 0; volatile uint32_t last_cap = 0; volatile uint32_t freq_result = 0; void TIM3_IRQHandler(void) { if (TIM_GetITStatus(TIM3, TIM_IT_Update) != RESET) { TIM_ClearITPendingBit(TIM3, TIM_IT_Update); overflow_cnt++; } if (TIM_GetITStatus(TIM3, TIM_IT_CC1) != RESET) { TIM_ClearITPendingBit(TIM3, TIM_IT_CC1); uint32_t now_cap = TIM_GetCapture1(TIM3); uint32_t total_tick = 0; if (now_cap >= last_cap) { total_tick = now_cap - last_cap; } else { total_tick = 0xFFFF - last_cap + now_cap + 1; } total_tick += overflow_cnt * 0xFFFF; overflow_cnt = 0; last_cap = now_cap; if (total_tick > 0) { freq_result = 1000000UL / total_tick; // 单位：Hz } } }

2.4 单周期测量的误差到底从哪里来

输入捕获的误差来自几个方面。第一是量化误差，计数器以1MHz的步进计数，理论上边界误差最多是一个tick，也就是1微秒。当被测频率是1kHz时，周期是1000微秒，单次测量的量化误差约0.1%；当被测频率是100kHz时，周期只有10微秒，单次测量的误差直接跳到10%。这就是为什么高频小周期信号不适合直接做单周期捕获测量。

第二是触发抖动。即使有数字滤波器，信号边缘的噪声还是会造成捕获时刻提前或延后几个tick。滤波器能衰减高频毛刺，但会让信号边缘产生额外延迟，这个延迟在相邻两次上升沿上是一致的，对周期计算几乎没有影响，但如果信号边沿本身斜率不一致，抖动就很难完全消除。

第三是溢出计数和捕获中断之间的竞态。如果溢出中断响应不及时，overflow_cnt的计数和捕获值的对齐关系可能错位。我通常会在捕获中断里先读捕获值，再读溢出计数，并且用两个溢出计数变量做一次"快照"处理，避免发生在读取过程中计数器又溢出的情况。

提高精度最直接有效的方法是多周期平均。不是在中断里做N次采样再平均，而是在一个固定时间窗口内统计发生了多少个上升沿，即"测频法"：用定时器产生一个1秒钟的闸门时间，在这个时间内对脉冲进行计数，频率值就是脉冲个数。这个方法在高频场景下精度极高，但刷新率低，最高也就1秒刷新一次。实际项目里我一般用折中方案：输入捕获底层保持单周期测量，应用层对最近N个周期做滑动平均，比如N=50。这样既能保持较高刷新率，又能把随机抖动平滑掉。

}F

3. FFT测频：把时域信号翻译成频谱再找峰值

如果说输入捕获是"看两个点之间的距离"，那FFT就是"看一整段时间里都有什么节奏"。STM32F4系列带有浮点运算单元，配合CMSIS-DSP库，运行1024点FFT只需要不到1毫秒，这就让单片机做实时频谱分析成为了可能。

3.1 FFT测频的长处从哪来

FFT测频解决的第一个问题，是输入捕获处理不了的"多频叠加"场景。比如一个旋转机械的振动信号，它不只是有一个基频，还有倍频、边频、以及随机噪声。输入捕获只能测出主导边沿的频率，其他信息全部丢失。FFT一次就能把所有频率分量摊开，哪个频率振幅大、哪个频率是新冒出来的，一目了然。

FFT测频解决的第二个问题，是微弱信号的检测。在信号被噪声淹没的情况下，时域上根本看不出周期性，但FFT会把特定频率的能量聚集到一个窄带上，而噪声均匀分布在所有频点上，所以只要做足够长的时间累积，微弱信号就能从噪声底里"浮"出来。

3.2 采样率、FFT点数和频率分辨率的三角关系

FFT测频的所有设计都围绕一个公式转：

频率分辨率 Δf = 采样率 f_s / 采样点数 N

这个Δf就是FFT能区分两个相邻频率的最小间隔。比如采样率是8000Hz，做1024点FFT，Δf = 7.8125Hz。这意味着如果你的两个频率分量相差不到7.8Hz，FFT在频谱上把它们看成一条峰。想要更高的频率分辨率，只有两条路：降低采样率，或者增加FFT点数。但降低采样率意味着可测的带宽变小，增加FFT点数意味着需要更长的时间采样和更多内存。

还要注意奈奎斯特定理：采样率必须大于信号中最高频率分量的两倍，否则会混叠。还有个工程上的实用建议：不要卡着两倍采样，留出20%~30%的裕量。比如要分析到10kHz，采样率最好25kHz以上。

参考频率设计的一种思路：先定需关注的最高频率f_max，取采样率f_s = 2.56 × f_max（整周期采样方便）；再定频率分辨率要求Δf，反推FFT点数N = f_s / Δf，向上取2的整数次幂。比如f_max=1kHz，f_s=2.56kHz，要求分辨率5Hz，N ≈ 512。

表格里列几个常见组合：

我实测的一个体感：分辨率做到2Hz以下时，观察电动工具轴承磨损引起的振动边带变化非常清晰；分辨率在10Hz以上时，主要就适合做"有没有某个频段异常"的粗筛，细节完全看不出。

3.3 采样数据的正确姿势：定时器触发ADC + DMA搬运

FFT分析的质量，很大程度上取决于采样数据的质量。我强烈建议不要用delay循环去采样，也不要用定时器中断里手动读ADC，正确做法是定时器触发ADC，配上DMA，让数据自动搬运到内存缓冲区。这样采样间隔由硬件保证均匀，不占用CPU周期，且采集过程里CPU可以干别的事。

一个典型的配置流程：

1. 用TIM2产生一路PWM或更新事件，配置为ADC的触发源；
2. ADC配置为扫描模式，单通道，外部触发使能，采样时间按需设置；
3. DMA配置为循环模式，目的地址指向一个uint16_t数组，长度等于FFT点数N；
4. 启动ADC的DMA传输后，每次转换完成自动搬一个数据到数组，不需要任何中断参与。

等待一帧采样完成后，把uint16_t的原始ADC值转换成浮点数，再进行FFT。为什么用DMA而不是直接在ADC中断里做转换？因为ADC中断里做浮点运算会拖慢转换节奏，影响后续采样的均匀性。DMA把数据搬运和ADC转换流水起来，保证采样率恒定。如果你用HAL库，HAL_ADC_Start_DMA()一行就搞定；标准库需要自己配置一下DMA的数据传输参数。

关于采样时间还有一个工程细节：ADC的采样时间如果设置得太短，输入信号源的输出阻抗较高时，采样电容充不满，会引入幅度误差。这个误差不会改变频率峰的位置，但会影响幅度谱的绝对精度。做FFT分析时建议ADC采样周期设置在84MHz/12MHz下对应至少15个周期以上。

3.4 窗函数的取舍：不是每个项目都要加

理论上FFT要求被分析的信号是无限周期的截断，但实际我们只能取有限长的一段。这种截断等效于给信号乘上了一个矩形窗，矩形窗的频响在频点两侧会形成较高的旁瓣，导致频谱泄漏。一个10kHz的信号，做完FFT之后，能量会"漏"到相邻的频率框里，看起来像是旁边出现了假的频率分量。

加窗就是为了压低旁瓣。常用的窗函数三种：

• 矩形窗：旁瓣高，频率分辨率最好，适合信号本身衰减很快的瞬态信号；
• 汉宁窗：旁瓣适中，主瓣宽度比矩形窗宽，我大部分场景的默认选择；
• 布莱克曼窗:旁瓣最低，但主瓣最宽，适合要求极高动态范围、能接受分辨率损失的场景。

从实际效果看，如果你测的信号本身频率稳定、是单频正弦，不加窗其实问题也不大；但如果信号频率落在一个FFT频点和一个频点之间，或者信号本身包含多个幅度相差很大的分量，不加窗的频谱看起来就很脏。我做电机振动分析时习惯用汉宁窗，因为它能把倍频分量周围的谱泄漏压低约32dB，同时分辨率损失可以接受。

窗函数在代码上怎么实现呢？预先计算好一个N长度的窗系数数组，采完样以后把每个ADC浮点值乘以对应窗系数，再交给FFT函数：

// 汉宁窗预计算 for (int i = 0; i < N; i++) { window[i] = 0.5f * (1.0f - arm_cos_f32(2.0f * PI * i / (N - 1))); } // 采样完成后加窗 for (int i = 0; i < N; i++) { input[i] = (float)adc_buf[i] * window[i]; }

3.5 STM32F4 DSP库的FFT调用与峰值提取

CMSIS-DSP里实数FFT的调用风格和传统教科书差距较大，尤其做实数输入时，要先把N点实数填进2N长度的复数数组里，执行一次CFFT，再执行一个实数FFT收尾函数。直接看代码更直观：

#include "arm_math.h" // 假设 N = 1024 #define FFT_SIZE 1024 float32_t input[FFT_SIZE]; // 输入波形 float32_t output[FFT_SIZE]; // 输出频谱幅度 arm_rfft_fast_instance_f32 fft_inst; // RFFT实例 // 初始化 arm_rfft_fast_init_f32(&fft_inst, FFT_SIZE); // 执行实数FFT，input即输入也是输出（存储格式为实虚交替） arm_rfft_fast_f32(&fft_inst, input, output, 0); // output[0]是直流分量，output[1]是第一个频点的实部…… // 通常我们关心幅度谱，需要遍历做幅值计算

要注意的是arm_rfft_fast_f32输出的是实部和虚部交替排列的复数序列，而不是直接用模值。计算幅度谱还需要扫一遍，取每个频点的平方和开根号，或者为了省时间直接用|实部|+|虚部|做近似。实际定位峰值频率时，找到幅度最大的频点索引就好。但这个索引还不是最终频率，需要把它换算乘以Δf。而且由于"栅栏效应"，真实峰值可能落在两个频点之间，索引位置的频率只是一个近似值。

一个工程上常用的技巧是抛物线插值：取峰值频点及左右两个相邻频点的幅度值，拟合一条二次曲线，用曲线顶点对应的位置作为更精确的峰值频点。这个方法能显著降低频率估计误差，尤其适合信号频率不是FFT频点整数倍的情况。代码实现大概只多十几行：

// peak_index是最大幅度对应的频点索引 float y0 = mag[peak_index - 1]; float y1 = mag[peak_index]; float y2 = mag[peak_index + 1]; float delta = 0.5f * (y0 - y2) / (y0 - 2.0f * y1 + y2); float true_bin = peak_index + delta; float freq_estimate = true_bin * freq_resolution;

这个抛物线插值我看网上很多人不太在意，实际对比过频率计之后发现，它能把FFT测频的典型误差从半个Δf缩小到0.1个Δf以内。比如1024点8kHz采样下，加汉宁窗加插值，测1kHz信号的误差通常能控制在2Hz以内。对于拿FFT做精确测频的需求来说，这个精度已经相当能打了。

3.6 FFT测频的实时性和资源账单

有人以为STM32F407做FFT很快，就把它当一个高频测频工具用，这是理解偏差。FFT测频天然需要一个采样窗口：要得到7.8Hz分辨率，就得采满128毫秒的数据（8kHz采样1024点）。也就是说，就算FFT计算本身只要0.5毫秒，数据新鲜度也不可能比128毫秒更快。频率刷新率上限就是1 / 采样时长。

资源方面，1024点FFT需要至少4KB的float输入输出缓冲（其实arm_rfft处理完就原地覆盖），加上窗函数系数数组又4KB，ADC原始数据缓冲2KB，总共不到10KB内存，对F407的192KB RAM来说没有压力。CPU占用方面，如果每128毫秒做一次FFT，单次耗时按1毫秒算，CPU占用不到1%，可以说是非常轻量。

真正吃CPU的是如果你要在频谱上做复杂的特征提取，比如找若干个峰值、计算各频段能量占比、做谱线平均，这些串行处理加起来可能让单帧处理时间翻几倍。工程上的做法是牺牲一点刷新率，增加处理队列，FFT由DMA完成通知，主循环做频谱后处理。

4. 同一块板子，两种方法实测精度差多少

学了原理，还得看实战数据。我专门用同一个信号源、同一块STM32F407板子，对输入捕获和FFT两种方案做了对比测试。信号源输出标准正弦波和方波两种波形，频率从50Hz到50kHz分几个典型点记录。输入捕获采用1MHz计数频率，单周期测量，10次滑动平均；FFT采用直接采样法测正弦波，采样率设置为32kHz，1024点，加汉宁窗，抛物线插值。环境温度常温，信号源输出幅度1Vpp，经过调理电路进入引脚。

实测数据整理如下：

4.1 低频段输入捕获更稳，高频段FFT更有优势

50Hz到1kHz这个区间，输入捕获的精度非常漂亮。原因也很直接：低频信号的周期长，1MHz计数频率下的量化误差占比很小。50Hz信号周期20毫秒，量化误差1微秒只占0.005%，加上滑动平均之后抖动基本消失。

FFT在低频段的误差相对要大一些，本质上是频率分辨率的限制。32kHz采样、1024点FFT的分辨率是31.25Hz，意味在50Hz这个位置，频谱帧间距导致峰值定位本身就可能有零点几个频点的偏差。虽然抛物线插值把误差拉回来不少，仍然远不如输入捕获"一个周期数tick"来的直接。

到了10kHz以上，情况反转。输入捕获单周期测量的量化误差在10kHz时约为1%，即便做滑动平均，误差的绝对值还是偏大。而FFT的误差主要来自频谱分辨率和插值，这两个因素在高频段和低频段的表现差不多，所以误差比例反而在中高频段优于输入捕获。

4.2 方波和正弦波的实际表现差异

方波信号因为高次谐波丰富，在FFT频谱上会看到明显的奇次谐波峰，基波峰值仍然可识别，加汉宁窗后互不影响。输入捕获对方波极友好，只要边沿抖动足够小，方波测频结果和正弦波几乎一致。

但如果波形是三角波或者带大量毛刺的包络波，输入捕获的边沿触发时刻会左右漂移，测量值跳动明显。FFT反倒不太怕波形变形，因为频谱基峰的位置主要由信号的周期性决定，跟波形形状关系不大。

5. 双方案融合：一套代码里的资源分配与并发架构

把两套方案同时跑在同一块板子上，不是简单把两段代码拼在一起就行。中断资源的分配、采集时序的错峰、共享变量的互斥，都是实际工程里得认真处理的事。

5.1 中断优先级与共享数据的锁

输入捕获用的是TIM3中断，ADC采样完成用DMA中断，这两个中断同时到来时会竞争CPU。捕获中断是微秒级响应的需求，尤其高频测量时两次中断间隔可能只有几十微秒，必须保证它优先响应。而DMA半传输/传输完成中断的时效要求相对宽松，延迟几个微秒不影响采样数据。

我的配置是：TIM3捕获中断优先级设为0（最高），TIM2/ADC的DMA中断设为1。这样即使ADC正在采集，遇到脉冲信号也能保证捕获处理不被耽误。但在FFT计算过程中，输入捕获仍然在后台跑，如果主循环正在读取freq_result来计算控制量，而中断又更新了这个变量，可能读到半个旧值半个新值。对这种共享数据，最简单的互斥办法是关中断读取，或者干脆接受1~2个周期的不一致——对于显示用途完全够用，但对于闭环控制必须处理临界区。

5.2 DMA乒乓缓冲让采样和FFT重叠执行

ADC连续采样时有一个常见场景：DMA搬运完N个点，触发中断，CPU启动FFT计算。在CPU计算FFT的这段时间里，ADC如果还在继续采样，DMA的循环模式会从缓冲区头再次写起，把正在被FFT读取的数据覆盖。解决办法是使用双缓冲（乒乓缓冲）：缓冲区A和缓冲区B各N长度，DMA写满A后自动切到B写，同时中断通知CPU处理A；下一次DMA写满B后，中断通知CPU处理B，DMA又切回A。

在标准库下实现也不复杂：DMA的DMA_CircularMode配合两个缓冲区地址，检查DMA当前目标地址落在哪个区间即可。用HAL库更简单，直接使用HAL_ADCEx_MultiModeStart_DMA传入两个缓冲区地址，库内部帮你管理乒乓切换。这样做的好处是ADC采样和FFT计算完全重叠，刷新率能提升将近一倍。

5.3 两套结果的互相校验机制

实际项目中，我经常把输入捕获的测频结果和FFT的基波峰值频率做交叉校验：如果两者偏差小于设定阈值，认为测量有效；如果偏差过大，说明信号可能发生了畸变、或者捕获通道被噪声干扰，此时由上层策略决定信任哪一个。这个校验功能尤其适合马达测速或者振动监测项目，可以减少异常跳变对系统的影响。

6. 实际工程里最容易翻车的几个细节

原理讲完，代码也给了，最后集中说几个真机调试中踩过、见过别人也踩过的坑。每一条都是真实会发生的，不是纸上谈兵。

6.1 输入捕获引脚复用冲突

TIM3_CH1在PA6，TIM4_CH1在PB6，TIM5_CH1在PA0。这些引脚往往同时复用在别的外设上，比如USART、SPI、ADC等。最常见的问题是你初始化完ADC又去初始化捕获通道，结果后初始化把引脚的复用配置覆盖了，捕获功能静默失效。排查这类问题最好的办法是选择芯片型号后，对照数据手册的AFIO复用表逐引脚确认，而不是凭记忆。

6.2 信号调理电路的地回路干扰

如果信号源和你STM32板子不是同一个电源域，共地不良会导致波形上叠加50Hz工频干扰，尤其是高阻抗信号源，测出来的频率会忽高忽低。我在示波器上看过调理电路输出端的波形，发现20mV级别的工频毛刺叠加在方波边缘上，触发时刻抖动偏差能到几十微秒。解决办法是确保信号源和单片机板之间共地，必要时加一个光耦隔离。

6.3 采样率不精准导致FFT频点漂移

FFT的频点位置是精确等间隔的，如果采样率实际值和理论值有偏差，比如内部RC振荡器误差达到2%，那所有频率测量值都会等比例偏移。所以做FFT测频时，最好使用外部晶振，或者先用已知频率信号标定一次实际采样率，把校准系数存在Flash里。我自己曾经因为用了内部RC，测1kHz信号偏到1020Hz，排查了半天才发现是时钟源的问题。

6.4 ADC参考电压的噪声直接影响FFT底噪

FFT幅度谱的底噪水平，一半取决于ADC参考电压VREF的噪声。如果VREF不稳定，频谱底噪会抬高，微弱信号可能被淹没。解决方法是给VREF引脚加一个高质量的RC低通滤波，或者用独立的基准电压芯片。另外还要注意ADC的电源引脚AGND和数字地DGND的单点连接策略，把AD采样相关的噪声降到最低。

6.5 中断服务函数里不要做浮点运算

这一点可能很多新手忽略。我在输入捕获中断里最初用浮点数直接算频率，结果发现在高频信号下，浮点除法太耗时，导致下一次捕获中断被延迟，产生误差积累。后来改成：中断里只做整数减法和溢出累加，把频率换算放到主循环里。FFT虽然用了FPU浮点加速，但DMA中断里也绝不启动FFT计算，只置标志位退出。这个习惯帮我避开了很多潜在的实时性问题。

写到这里，把输入捕获和FFT测频这两条路的实测数据、代码结构、工程坑位都过了一遍。最后分享一条最让我受益的经验：选测频方案之前，先去把被测信号的"脾气"摸清楚，波形、幅值、噪声水平、频率稳定性，这些信息往往比选芯片还重要。测频这条路没有银弹，但理解了每种方案的原理和边界，项目里就能游刃有余了。