如何分析来自定制PCB传感器子系统的数据-电子发烧友网

学习一种方法来分析来自定制精密传感器系统的数据，将传感器数据转换为可用的噪声测量信息。

我最近设计了一个高精度倾角仪子系统，它对环境力非常敏感，需要在花岗岩板上定制外壳才能正常工作。

在整个设计过程中，我布置了我的 BOM、原理图、PCB 布局、外壳设计和固件。我还经历了测试和测量阶段来表征电路板产生的噪声。

我在这个过程中的最后一步是分析我可以从我的子系统收集的数据。本文着眼于从板上捕获的数据，并展示了我如何选择可视化数据。

数据分析

我选择在我的设计中使用的逐次逼近寄存器 (SAR)模数转换器 (ADC)LTC2380IDE-24具有易于实现的集成数据平均功能。转换结果保存在内部存储器中，并与之前的结果相结合，直到发生 SPI 事务。

要平均两个结果，在读取数据之前将 CNV 引脚切换为逻辑高电平两次。要平均 65,535 个结果，请在读取数据之前将 CNV 引脚切换 65,535 次。

传感器产生的数据长 40 位：24 位用于传感器读数，16 位表示平均了多少个样本（请注意，计数索引为 0 — 即，值 0 表示平均了 1 个样本，a值 1 表示平均了 2 个样本，依此类推）。如果您查看本文档末尾所附的数据文件，您会注意到我在数据中添加了额外的 16 位来跟踪测量编号（这些数字未用于分析）。

我将数据作为 ASCII '0' 和 '1' 的序列从 PCB 上传输出来，并在计算机上使用 Mathematica 进行处理。前 24 位被转换为十进制并乘以比例因子$$\frac{15°}{2^{23}}%0$$。接下来的 16 位被转换为十进制数，并作为重复测量的次数出现在下面每个图的页脚左侧的括号中。每个试验由 1023 个样本组成，每个样本由 n 个平均读数（1、2、4、8、...、32768）组成。

所有试验都在一次运行中连续进行，测量之间没有明显的停顿。

每个试验都提供相同的图形和计算集。计算原始数据的平均值和标准偏差，并用于创建概率密度函数。原始数据分组在 bin 中，也显示在直方图中。散点图显示通过 n 抽头移动平均 (FIR) 滤波器处理后的数据点。最后，彩色三角形用于表示三个不同尺度（100%、1%、0.01%）的最大值、平均值+标准偏差、平均值、平均值-标准偏差和最小数据点。

我们将首先查看数据，然后讨论结果的重要性。

正如您在统计课中所记得的那样，平均值是所有测量值的简单平均值。标准偏差提供了传播的指示。出于我们的目的，我们希望标准偏差尽可能小。

您会看到平均值在整个处理过程中保持不变，任何变化都容易归因于舍入误差（如预期的那样）。表示数据分布的标准偏差 (SD) 随着 FIR 抽头数量的增加而减小——这这是因为移动平均滤波器正在减轻离群数据点的影响。我还展示了数据通过平均滤波器后的标准偏差，以便感兴趣的读者比较 ADC（数字平均滤波器）内部平均和 ADC（移动平均滤波器）外部平均的效果。

该数据集的平均值为 0.6987°，未进行平滑处理或数据处理，标准差为 0.0025°。这提供了一个比平均值低 3 个数量级的标准偏差。标准误差在 0.000078° 时甚至更小。但是所有这些小数位真的很重要吗？这是一个非常小的标准偏差。6 个标准偏差范围 (6σ) 是 0.015° - 给我 99.999999% 的可能性，即我从设备读取的单个值在实际值的 0.015° 范围内。该设备可能具有更高的分辨率，但我的实验设置或 PCB 设计引入了太多噪声。

现在 - 下一个问题。我能做得更好吗？从统计上讲，我可以收集更多的测量值。但是，如果我不想坐等设备收集数千个数据点，并使用大量处理器内存和处理器能力，那么可接受的设备配置是什么？为此，让我们看另一个实验——由 32768 个平均读数的 1023 次试验组成。如果我在微控制器中存储 32768 个 32 位测量值，我需要至少 131 kB 的内存，而且谁知道处理累积数据需要多少时钟周期。如果我想平均 ADC 内的 32768 个测量值，我只需将转换引脚切换 32768 次。

使用 ADC 内部的数字平均滤波器可以将存储和计算的负担从微控制器上移开，让其腾出时间去做其他事情。