📚 学习概述：本次围绕嵌入式常用外设与模数转换技术展开，重点掌握I2C总线挂载的存储、传感设备特性，硬件浮点单元FPU配置原理，以及ADC模数转换的核心机制、运算逻辑、分辨率规则和降噪滤波算法，所有知识点均适配嵌入式工控、采集类项目开发，实用性极强。
一、I2C总线外设详解
I2C是嵌入式最常用的低速通信总线，可挂载多个从设备，本次重点学习两款常用外设：AT24C02 EEPROM存储芯片、LM75数字温度传感器，明确设备参数、硬件地址、数据读取规则。
1.1 AT24C02 掉电存储芯片
AT24C02是一款经典的I2C接口非易失性存储芯片，广泛用于存储设备配置参数、采集数据、校准参数等信息，掉电数据不丢失。
存储规格：标称容量2Kbit，换算字节为256Byte，是嵌入式小型数据存储的常用选型
I2C设备地址：固定从机地址0x50，主机可通过该地址精准寻址设备，实现读写操作
核心用途：保存少量固定数据、设备运行参数、断电保留的采集记录
1.2 LM75 数字温度传感器
LM75是基于I2C通信的高精度温度采集传感器，适配工业、民用嵌入式测温场景，工作电压范围宽，适配绝大多数单片机、ARM开发板硬件电路。
工作电压：2.7V ~ 5.5V，兼容3.3V、5V主流硬件电平，电路适配性强
测温精度：±2℃ ~ ±3℃，满足常规环境测温、设备温控场景需求
测温量程：-55℃ ~ 125℃，覆盖绝大多数民用、工业设备工作温度区间
测温分辨率：9位数据输出，最小测温精度0.5℃，温度变化0.5℃即可被传感器识别
设备通信地址：固定I2C从机地址0x48
数据寄存器地址：温度数据存储在寄存器0x00地址
数据读取规则：温度数据占用2个字节，寄存器高字节为有效数据，低7位数据无效、需要舍弃，处理后才可得到精准温度数值
二、FPU浮点运算单元开启（CP11）
ARM内核默认关闭硬件浮点运算功能，单纯依靠内核软件运算浮点数据，效率极低、占用大量CPU资源。
核心作用：开启CP11 协处理器（FPU），启用硬件浮点运算单元
实际价值：大幅提升浮点数（小数运算、传感器数据校准、滤波运算、算法计算）的运算速度，减少CPU算力消耗，避免浮点运算卡顿
适用场景：温度校准、电压换算、滤波算法、PID控制、数据量化等所有需要浮点运算的嵌入式场景
三、ADC模数转换核心原理
嵌入式设备只能识别数字信号（0/1），但现实中的温度、压力、液位、电压均为连续变化的模拟信号。ADC的核心作用就是将模拟信号转换为CPU可识别的数字信号，是数据采集类项目的核心模块。
典型项目场景：高危液体存储告警系统，通过ADC采集液位对应的模拟电压，换算出实时液面高度，实现超限告警功能。
3.1 核心基础概念
采样率：ADC的采样速度，单位为HZ（赫兹），代表每秒采集模拟信号的次数。采样率越高，信号采集越实时，数据连续性越好，但会增加硬件资源消耗。
基准电压Vref：ADC的最大量程电压，本次学习标准量程为5V，即ADC可识别0~5V区间的模拟电压信号
量化：将连续的模拟电压信号，通过分级、对比的方式转化为离散的数字数值的过程，是ADC转换的核心逻辑
3.2 ADC逐次逼近法（二分查找核心逻辑）
逐次逼近法是主流ADC的转换算法，核心原理基于二分查找，通过多次电压对比，逐步逼近真实待测电压，最终输出精准数字值。以Vref=5V、待测电压=3.2V为例，完整推演过程如下：
第一次对比：取量程中间值2.5V，待测电压3.2V＞2.5V，判定高位为1，确定电压区间2.5V~5V
第二次对比：取新区间中间值3.75V，待测电压3.2V＜3.75V，判定次高位为0，缩小电压区间至2.5V~3.75V
第三次对比：继续二分迭代，计算出中间值3.125V，再次对比逼近真实电压
最终逻辑：通过多次二分迭代，不断缩小误差，直到数值精度满足ADC分辨率要求，输出最终数字量
优势：转换速度快、精度可控，是嵌入式ADC最常用的转换方式。
3.3 ADC分辨率等级与换算公式
分辨率是决定ADC采集精度的核心参数，位数越高，电压分级越细，可识别的最小电压变化越小，采集精度越高。
常见分辨率参数对照表
8bit ADC：数值范围 0~255，共256个分级档位
10bit ADC：数值范围 0~1023，共1024个分级档位（嵌入式最常用）
12bit ADC：数值范围 0~4095，精度更高，适用于高精度采集场景
16bit ADC：超高精度，多用于DSP芯片、精密仪器采集设备
通用电压换算公式
实际电压 = (ADC采样值 n / (2^分辨率 - 1)) × 基准电压
实战示例：10bit ADC、基准电压5V、采样值650
实际电压 = 650 / 1023 × 5V，通过该公式可精准将数字采样值还原为真实模拟电压。
四、ADC采样误差与主流滤波算法
硬件电路干扰、电源纹波、环境电磁干扰，会导致ADC原始采样数据存在毛刺、波动、误差，无法直接使用，必须通过滤波算法优化数据稳定性。本次掌握四种嵌入式核心滤波算法：
4.1 均值滤波
原理：连续多次采集ADC数据，去除极值后取平均值。特点：算法简单、算力消耗极低，可有效消除随机波动误差，是入门级通用滤波方案。
4.2 高通滤波
原理：保留高频变化的信号，过滤低频干扰信号。适用场景：采集快速变化的动态模拟信号，屏蔽缓慢漂移的基线误差。
4.3 低通滤波
原理：保留缓慢变化的有效信号，滤除高频毛刺干扰。适用场景：温度、液位、压力等变化平缓的静态、准静态数据采集，是传感器采集的常用滤波方式。
4.4 卡尔曼滤波
原理：具备数据预测与修正能力，通过上一时刻数据预测当前数据，结合实时采样值修正误差。特点：精度最高、可动态适配数据变化，适合高速、高精度、动态变化的采集场景，广泛用于智能控制、精密采集项目。
五、全天知识点核心总结
I2C外设开发需牢记设备固定地址、寄存器地址和数据解析规则，AT24C02用于数据存储，LM75用于精准测温，是嵌入式基础外设组合。
开启FPU（CP11协处理器）是嵌入式浮点运算优化的基础操作，可大幅提升小数运算、算法运算效率。
ADC逐次逼近法基于二分逻辑迭代转换，分辨率直接决定采集精度，固定公式可实现数字值与模拟电压的精准换算。
实际项目中ADC原始数据存在干扰误差，需根据信号特性选择均值、高低通、卡尔曼等滤波算法，优化数据稳定性与准确性。
