用Python脚本实现RK3568 ADC电压实时监控与可视化分析

在嵌入式开发中，ADC（模数转换器）是连接模拟世界与数字系统的关键桥梁。传统的手动读取方式不仅效率低下，还容易遗漏关键数据变化。本文将介绍如何利用Python脚本通过Linux IIO接口实现对RK3568开发板ADC电压的实时监控、数据记录与可视化分析，为嵌入式开发者提供一套高效的数据采集解决方案。

1. RK3568 ADC与IIO框架基础

RK3568芯片内置了两种ADC模块：温度传感器专用ADC（TSADC）和逐次逼近型ADC（SARADC）。SARADC具有8通道单端10位分辨率，最高采样率可达1MS/s，适合通用模拟信号采集任务。

Linux内核通过IIO（Industrial I/O）子系统为ADC设备提供统一接口。IIO框架在用户空间通过sysfs暴露设备节点，典型路径为：

/sys/bus/iio/devices/iio:deviceX/

其中包含两个关键文件：

• in_voltageY_raw ：ADC通道Y的原始采样值
• in_voltage_scale ：转换系数（单位：mV）

实际电压值计算公式为：

电压(mV) = raw × scale

2. Python监控脚本核心实现

2.1 基础数据采集模块

首先创建 adc_reader.py 实现基础数据采集功能：

import time
import os

class RK3568ADC:
    def __init__(self, device_path='/sys/bus/iio/devices/iio:device0'):
        self.raw_path = os.path.join(device_path, 'in_voltage3_raw')
        self.scale_path = os.path.join(device_path, 'in_voltage_scale')
        
    def read_voltage(self):
        """读取当前电压值(mV)"""
        try:
            with open(self.raw_path, 'r') as f:
                raw = int(f.read().strip())
            with open(self.scale_path, 'r') as f:
                scale = float(f.read().strip())
            return raw * scale / 1000  # 转换为V单位
        except Exception as e:
            print(f"读取ADC失败: {e}")
            return None

2.2 实时监控与数据记录

扩展实现数据记录功能：

class ADCLogger(RK3568ADC):
    def __init__(self, log_file='adc_log.csv'):
        super().__init__()
        self.log_file = log_file
        self._init_log_file()
        
    def _init_log_file(self):
        """初始化日志文件头"""
        with open(self.log_file, 'w') as f:
            f.write("timestamp,voltage(V)\n")
            
    def log_data(self, duration=60, interval=0.1):
        """持续记录ADC数据"""
        start_time = time.time()
        try:
            while time.time() - start_time < duration:
                timestamp = time.strftime('%Y-%m-%d %H:%M:%S')
                voltage = self.read_voltage()
                if voltage is not None:
                    with open(self.log_file, 'a') as f:
                        f.write(f"{timestamp},{voltage:.3f}\n")
                time.sleep(interval)
        except KeyboardInterrupt:
            print("\n数据记录已停止")

3. 数据可视化分析

利用Matplotlib实现实时可视化：

import matplotlib.pyplot as plt
from matplotlib.animation import FuncAnimation
import pandas as pd

class ADCVisualizer(ADCLogger):
    def realtime_plot(self, max_points=100):
        """实时电压曲线绘制"""
        fig, ax = plt.subplots()
        x_data, y_data = [], []
        line, = ax.plot([], [], 'r-')
        
        def init():
            ax.set_xlim(0, max_points)
            ax.set_ylim(0, 1.8)  # RK3568 ADC量程
            ax.set_xlabel('采样点')
            ax.set_ylabel('电压(V)')
            ax.set_title('RK3568 ADC实时监控')
            ax.grid(True)
            return line,
        
        def update(frame):
            voltage = self.read_voltage()
            if voltage is not None:
                y_data.append(voltage)
                x_data.append(len(y_data))
                
                if len(y_data) > max_points:
                    y_data.pop(0)
                    x_data.pop(0)
                
                line.set_data(x_data, y_data)
                ax.relim()
                ax.autoscale_view()
            return line,
        
        ani = FuncAnimation(fig, update, frames=None,
                          init_func=init, blit=True, interval=100)
        plt.show()

4. 高级功能实现

4.1 阈值报警系统

class ADCMonitor(ADCVisualizer):
    def __init__(self, threshold=1.5):
        super().__init__()
        self.threshold = threshold
        
    def check_threshold(self):
        voltage = self.read_voltage()
        if voltage is not None and voltage > self.threshold:
            print(f"[警报] 电压超过阈值: {voltage:.3f}V > {self.threshold}V")
            return True
        return False
    
    def monitor(self, interval=0.5):
        try:
            while True:
                if self.check_threshold():
                    # 触发后续处理逻辑
                    pass
                time.sleep(interval)
        except KeyboardInterrupt:
            print("监控已停止")

4.2 数据统计分析

    def analyze_log(self):
        """分析日志数据生成统计报告"""
        try:
            df = pd.read_csv(self.log_file)
            stats = df['voltage(V)'].describe()
            
            print("\n电压数据统计分析:")
            print(f"平均值: {stats['mean']:.3f}V")
            print(f"最大值: {stats['max']:.3f}V")
            print(f"最小值: {stats['min']:.3f}V")
            print(f"标准差: {stats['std']:.3f}V")
            
            # 生成历史趋势图
            df['timestamp'] = pd.to_datetime(df['timestamp'])
            df.plot(x='timestamp', y='voltage(V)')
            plt.title('ADC电压历史趋势')
            plt.ylabel('电压(V)')
            plt.grid(True)
            plt.show()
            
        except Exception as e:
            print(f"分析日志失败: {e}")

5. 完整应用示例

将各模块组合成完整应用：

if __name__ == "__main__":
    import argparse
    
    parser = argparse.ArgumentParser(description='RK3568 ADC监控工具')
    parser.add_argument('-m', '--mode', choices=['monitor', 'log', 'plot'], 
                       default='monitor', help='运行模式')
    parser.add_argument('-d', '--duration', type=float, 
                       default=60, help='记录时长(秒)')
    parser.add_argument('-i', '--interval', type=float,
                       default=0.1, help='采样间隔(秒)')
    parser.add_argument('-t', '--threshold', type=float,
                       default=1.5, help='报警阈值(V)')
    
    args = parser.parse_args()
    
    adc = ADCMonitor(threshold=args.threshold)
    
    if args.mode == 'monitor':
        print(f"启动电压监控，阈值={args.threshold}V")
        adc.monitor(interval=args.interval)
    elif args.mode == 'log':
        print(f"开始记录数据，时长={args.duration}秒")
        adc.log_data(duration=args.duration, interval=args.interval)
        adc.analyze_log()
    elif args.mode == 'plot':
        print("启动实时绘图...")
        adc.realtime_plot()

使用示例：

# 实时监控模式
python adc_monitor.py -m monitor -t 1.2

# 数据记录模式（记录60秒）
python adc_monitor.py -m log -d 60

# 实时绘图模式
python adc_monitor.py -m plot

6. 性能优化技巧

1. 采样率优化 ：

   • 调整内核参数提升IIO性能

   echo 1000000 > /sys/bus/iio/devices/iio:device0/sampling_frequency
   

2. 数据缓存机制 ：

   from collections import deque
   
   class BufferedADC(RK3568ADC):
       def __init__(self, buffer_size=100):
           super().__init__()
           self.buffer = deque(maxlen=buffer_size)
           
       def continuous_read(self, interval=0.01, duration=1):
           """高速连续采样"""
           end_time = time.time() + duration
           while time.time() < end_time:
               self.buffer.append(self.read_voltage())
               time.sleep(interval)
   

3. 多线程处理 ：

   import threading
   
   class AsyncADC(ADCMonitor):
       def __init__(self):
           super().__init__()
           self._running = False
           
       def start_monitor(self):
           self._running = True
           self.thread = threading.Thread(target=self._monitor_loop)
           self.thread.start()
           
       def stop_monitor(self):
           self._running = False
           self.thread.join()
           
       def _monitor_loop(self):
           while self._running:
               self.check_threshold()
               time.sleep(0.1)
   

实际项目中，这套Python方案相比传统C语言实现具有以下优势：

• 开发效率提升：Python丰富的库支持快速实现复杂功能
• 可扩展性强：轻松集成网络传输、数据库存储等高级功能
• 可视化直观：Matplotlib提供专业级的图表展示能力
• 跨平台性：相同代码可适配不同架构的Linux设备