2026寒假练 - 基于树莓派RP2040的嵌入式系统学习平台实现声音音量条显示

内容介绍

一、所选任务介绍

本次开发任务为 “声音音量条显示”，是基于树莓派 RP2040 嵌入式系统学习平台的综合性嵌入式开发任务，核心目标是实现音频信号的实时采集、处理与可视化展示，并结合人机交互、传感器感知等功能完成多维度的系统控制。

任务核心要求可拆解为四大模块：

音频信号处理：通过 ADC（模数转换器）对音频信号进行采样，首先完成直流分量去除，再通过计算短时均方根（RMS）或包络值作为音量量化指标，确保音量值的精准性；
可视化与人机交互：在 LCD 显示屏上实时渲染音量条，并实现峰值保持效果，同时支持通过按键切换不同的显示主题（如色彩、音量条样式等）；
参数调节与数据存储 / 上报：利用摇杆组件调节音频信号的增益（放大 / 缩小音量值）或音量条的刷新率，可选实现最大音量值的板载 Flash 存储或 USB 串口上报功能；
智能感知与自动控制：通过姿态传感器检测设备是否处于静止状态，当静止时长达到 1 秒后，自动更新噪声基准值（用于优化音量检测的准确性），或一键归零已保持的音量峰值。

该任务覆盖了嵌入式系统中模拟信号采集、数字信号处理、外设驱动、人机交互、传感器应用、数据存储 / 通信等核心知识点，是对 RP2040 平台开发能力的综合验证。

二、项目介绍

本项目以树莓派 RP2040 微控制器为核心，搭建了一套集音频采集、处理、可视化、交互控制于一体的声音音量条显示系统。系统通过麦克风模块将声音信号转换为模拟电信号，经 RP2040 的 ADC 外设完成采样后，在芯片内部进行直流去除、短时 RMS 计算等数字信号处理，得到实时音量值；随后通过 LCD 屏以音量条形式可视化展示音量变化，并实现峰值保持效果；用户可通过按键切换显示主题，通过摇杆调节音频增益或显示刷新率；姿态传感器实时检测设备状态，在设备静止后自动更新噪声基准，确保音量检测的准确性；同时通过 USB 串口上报至电脑端。

项目整体遵循模块化设计原则，将硬件驱动、信号处理、人机交互、通信等功能解耦，既保证了系统的稳定性与可维护性，也便于后续功能扩展。最终实现的系统可实时、直观地展示环境声音音量变化，具备灵活的交互控制能力和智能的环境自适应能力，可作为嵌入式系统学习中 “模拟信号采集与数字信号处理” 的典型教学案例。

三、使用到的硬件介绍

1. 核心控制模块：树莓派 RP2040 开发板

RP2040 是树莓派基金会推出的首款微控制器芯片，采用双核 ARM Cortex-M0 + 架构，主频最高 133MHz，内置 264KB SRAM、2MB 板载 Flash，支持 30 个 GPIO 口、2 个 SPI、2 个 I2C、2 个 UART、4 个 12 位 ADC（采样率最高 500kSPS），同时支持 USB 1.1 Host/Device、低功耗模式等特性。本项目中 RP2040 作为核心，负责音频 ADC 采样、信号处理、外设驱动（LCD、按键、摇杆、姿态传感器）、数据存储及串口通信等全部核心逻辑。

2. 音频采集模块：驻极体麦克风模块

采用带放大电路的驻极体麦克风模块，可将声音信号转换为 0-3.3V 的模拟电压信号（匹配 RP2040 的 ADC 输入范围），输出的模拟信号直接接入 RP2040 的 ADC 引脚，为音量检测提供原始信号源。

3. 显示模块： SPI 接口 LCD 屏（240×240 分辨率）

采用 ST7789 驱动芯片的 SPI 接口 LCD 屏，具备体积小、功耗低、通信速率快的特点，通过 SPI 总线与 RP2040 通信，负责实时显示音量条、峰值标记、显示主题等内容，是系统的可视化输出核心。

4. 人机交互模块

按键：轻触按键，接入 RP2040 的 GPIO 口（配置为上拉输入），用于切换 LCD 显示主题；
摇杆模块（PS2 摇杆）：包含 X 轴、Y 轴两个模拟输出（接 ADC）。

5. 姿态传感器模块：MMA7660

通过 I2C 总线与 RP2040 通信，可实时输出设备的加速度和角速度数据，系统通过分析加速度数据的变化量判断设备是否处于静止状态。

6. 通信模块

USB 串口：RP2040 内置 USB 串口功能，通过 USB 线与电脑连接，可将实时音量值、最大音量值等数据上报至电脑端串口助手。

7. 电源模块

采用 5V USB 供电，通过板载稳压电路转换为 3.3V，为 RP2040、LCD 屏、麦克风、传感器等所有外设供电，保证系统供电稳定。

四、方案框图和项目设计思路介绍

1. 方案框图

2. 项目设计思路

（1）信号采集与处理层

ADC 采样：配置 RP2040 的 ADC 通道，以 10kHz 采样率采集麦克风输出的模拟音频信号，保证采样率满足音频信号（20Hz-20kHz）的 Nyquist 采样定理；
直流去除：音频信号经麦克风放大后会叠加直流偏置，通过计算采样数据的滑动平均值作为直流分量，用原始采样值减去该平均值，实现直流去除，保留纯交流音频信号；
短时 RMS 计算：将去除直流后的采样数据计算每个窗口内数据的均方根（RMS）,作为实时音量量化指标；

（2）人机交互层

按键处理：每次按键触发后切换 LCD 显示颜色；
摇杆调节：通过 ADC 采集摇杆 X 轴的模拟值（0-4095），调整音量计算的增益系数；
峰值保持：记录音量值的最大值，在 LCD 上用特殊颜色标记峰值位置，或通过按键归零。

（3）可视化层

基于 ST7789 驱动库，实现 LCD 屏的初始化、清屏、画点、画线等基础绘图功能；
将实时音量值映射为 LCD 屏上的竖条高度，实时刷新音量条；
音量条颜色可切换。

（4）数据通信层

USB 串口通信：配置 RP2040 的 USB CDC 串口功能，将最大音量值按固定格式上报至电脑端。

（5）姿态感知层

通过 I2C 总线初始化 MMA7660，实时读取加速度数据（X/Y/Z 轴）；
计算连续加速度数据，小于预设阈值，判定为静止。

五、调试软件及编程语言、关键代码介绍

1. 调试软件及编程语言

编程语言：Python；
开发 / 调试环境：Thonny

2. 关键代码介绍

声音信号处理

def get_rms_volume(x):
    # 1. 快速采样填充缓冲区
    last_sample = 2048 
    sum_squares = 0
    
    # 采样循环
    for i in range(window_size):
        # read_u16 返回 0-65535, 右移 4 位变为 0-4095
        raw_val = adc.read_u16() >> 4 
        audio_buffer[i] = raw_val

    # 2. 直流去除 并 计算平方和
    dc_estimate = 2048.0 
    
    for i in range(window_size):
        current_sample = audio_buffer[i]
        
        # 更新直流估计值
        dc_estimate = (HPF_ALPHA * dc_estimate) + ((1.0 - HPF_ALPHA) * current_sample)
        
        # 去除直流
        ac_signal = current_sample - dc_estimate
        
        # 累加平方
        sum_squares += ac_signal * ac_signal

    # 3. 计算 RMS
    if window_size == 0:
        return 0.0
        
    mean_square = sum_squares / window_size
    rms = math.sqrt(mean_square)
    
    # 4. 归一化
    normalized_volume = rms / x #1448.0
    if normalized_volume > 1.0:
        normalized_volume = 1.0
        
    return normalized_volume

三轴数据处理

def read_acceleration():
    # 读取三轴原始数据
    data = i2c.readfrom_mem(MMA7660_ADDR, MMA7660_XOUT, 3)
    # 转换为有符号值（处理MMA7660的6位数据格式）
    x = data[0] & 0x3F  # 只保留低6位有效数据
    y = data[1] & 0x3F
    z = data[2] & 0x3F
    
    # 转换为有符号数（-32 ~ +31）
    x = x if x < 0x20 else x - 0x40
    y = y if y < 0x20 else y - 0x40
    z = z if z < 0x20 else z - 0x40
    
    # 转换为实际加速度值（1LSB = 1.5g / 32 = 0.046875g）
    x_accel = x * 0.046875 * GRAVITY
    y_accel = y * 0.046875 * GRAVITY
    z_accel = z * 0.046875 * GRAVITY
    
    return x_accel, y_accel, z_accel

def calculate_magnitude(x, y, z):
    """计算合加速度的模长"""
    return math.sqrt(x**2 + y**2 + z**2)

def is_static():
    """优化后的静止判断逻辑：双条件判断"""
    magnitudes = []
    
    # 采集多次合加速度数据
    for _ in range(SAMPLING_COUNT):
        x, y, z = read_acceleration()
        mag = calculate_magnitude(x, y, z)
        magnitudes.append(mag)
        time.sleep(0.01)  # 10ms间隔，匹配64Hz采样率
                                 
    # 计算关键指标
    avg_mag = sum(magnitudes) / len(magnitudes)  # 合加速度平均值
    variance = sum([(m - avg_mag)**2 for m in magnitudes]) / len(magnitudes)
    std_dev = math.sqrt(variance)  # 标准差（波动程度）
    
    # 双条件判断静止：
    # 1. 合加速度平均值接近重力加速度（静止时合加速度≈9.81m/s²）
    # 2. 标准差小于阈值（波动小）
    is_baseline = abs(avg_mag - GRAVITY) < BASELINE_TOLERANCE
    is_stable = std_dev < STATIC_THRESHOLD
    
    return is_baseline and is_stable

六、实物展示图及说明

上图为实物展示图，图中通过USB给RP2040开发供电，用杜邦线连接麦克风模块，采集到的音量显示在LCD上。

上图为开发板上报信息，包括了采集到的最大音量，以及开发板处于静止还是运动状态。

七、项目中遇到的难题及解决方法

ADC 采样音频信号无法得到有效数据，用示波器定位问题，麦克风模块是好的。问题出现在程序编写，采样频率太低了，针对20Hz~20KHz的音频信号，需要提高采样频率才能采集到有用的信息。
运动和静止的判断阈值判断，通过串口将信息上传，然后统计临界值进行校正，去除噪声干扰。

八、心得体会

本项目以 RP2040 为核心，学习了音频 ADC 的基础知识，掌握了采样、直流去除、短时 RMS 计算。学习了姿态感知的基础知识，学会了静止和运动状态的判断。还学习了LCD显示的实现。