三轴加速度计实战：从数据采集到OLED动态显示的完整Python实现

在物联网和嵌入式开发领域，三轴加速度计是一种基础但功能强大的传感器。它能感知物体在三维空间中的线性加速度，进而衍生出姿态检测、步数统计、振动分析等丰富应用。对于很多硬件爱好者和开发者来说，理论公式或许并不陌生，但如何将传感器输出的原始数据，通过代码转化为直观、可用的信息，并实时展示出来，才是项目落地的关键。本文将带你深入实战，使用一块常见的PyBoard开发板，配合MMA7660加速度计和一块OLED屏幕，从硬件连接到Python代码编写，一步步构建一个完整的实时姿态显示系统。我们不仅会读取X/Y/Z轴的原始数据，更会深入探讨如何将这些数据转换为更易理解的角度值，并解决实际开发中遇到的校准、滤波和可视化问题。

1. 硬件准备与开发环境搭建

在开始编写代码之前，合理的硬件选型和稳定的开发环境是项目成功的基石。本次实战我们选择PyBoard作为主控，它原生支持MicroPython，让Python开发者能无缝切入嵌入式领域。传感器方面，MMA7660是一款常见的数字输出三轴加速度计，通过I2C接口通信，成本低廉且易于使用。显示部分，我们选用一块128x64像素的I2C接口OLED屏幕，它功耗低、对比度高，非常适合嵌入式设备的实时数据显示。

提示：如果你手头没有完全相同的硬件，不必担心。文中涉及的I2C通信、数据解析和角度转换逻辑具有通用性，稍作修改即可适配其他主控板（如ESP32、Raspberry Pi Pico）或传感器（如ADXL345、MPU6050）。

1.1 所需硬件清单

确保你手头有以下组件：

• PyBoard开发板 (STM32F405核心)
• MMA7660三轴加速度计模块
• 0.96英寸 I2C OLED显示屏 (SSD1306驱动芯片)
• 杜邦线 (母对母) 若干
• Micro USB数据线 用于供电和编程

1.2 硬件连接图

正确的物理连接是通信的前提。MMA7660和OLED屏幕都支持I2C协议，这意味着我们可以将它们并联到PyBoard的同一组I2C引脚上，每个设备通过唯一的I2C地址进行区分。参考以下表格进行连接：

组件	PyBoard引脚	功能说明
MMA7660 VCC	3V3	电源正极 (3.3V)
MMA7660 GND	GND	电源地
MMA7660 SDA	X10 (I2C2 SDA)	I2C数据线
MMA7660 SCL	X9 (I2C2 SCL)	I2C时钟线
OLED VCC	3V3	电源正极
OLED GND	GND	电源地
OLED SDA	X10 (I2C2 SDA)	I2C数据线，与MMA7660并联
OLED SCL	X9 (I2C2 SCL)	I2C时钟线，与MMA7660并联

连接完成后，你的硬件布局应该类似下图所示。务必仔细检查电源和信号线的连接，避免反接或短路。PyBoard可以通过USB口供电，同时也为传感器和屏幕提供3.3V电源。

1.3 MicroPython开发环境配置

PyBoard的一大优势是开箱即用MicroPython。你需要进行以下准备：

1. 固件确认：大多数新版PyBoard已预装MicroPython。通过串口工具连接板子，如果看到MicroPython的REPL（交互式提示符 >>>），则说明固件正常。
2. 代码编辑器：推荐使用 Thonny IDE。它集成了MicroPython设备管理、文件上传和串口监视器，对新手非常友好。
3. 驱动安装：将PyBoard通过USB连接到电脑，系统通常会将其识别为一个可移动存储设备（名为PYBFLASH）和一个串行COM端口。如果串口未识别，可能需要安装对应的USB转串口驱动（如CP210x或CH340驱动，具体取决于你的PyBoard版本）。

在Thonny中，选择正确的解释器和端口是第一步。打开Thonny，点击右下角的环境选择，找到你的PyBoard对应的COM端口并选择“MicroPython (generic)”作为解释器。连接成功后，你可以在下方的Shell窗口中直接输入Python命令与板子交互，例如打印“Hello World”来测试连接。

2. 理解MMA7660：数据手册关键信息与I2C通信

要正确驱动传感器，必须与其“对话”。MMA7660通过I2C协议进行通信，这是一种在嵌入式领域广泛使用的两线制串行总线。我们不需要深究I2C的所有细节，但必须知道如何寻址设备、读取寄存器。

2.1 MMA7660关键特性与寄存器

查阅MMA7660的数据手册，我们可以提炼出几个对编程至关重要的信息：

• I2C从机地址：MMA7660的7位I2C地址是 0x4C（十六进制）。这是主控板在I2C总线上找到它的“门牌号”。
• 输出数据范围：X, Y, Z每个轴的输出是一个6位有符号整数，范围是 -32 到 +31。这个原始值对应的是加速度，单位是“g”（重力加速度，约9.8 m/s²）的分数。
• 灵敏度：每个数字（LSB）代表的加速度约为 47.9 mg（毫克）。这意味着当传感器完全静止且一个轴与重力方向完全一致时，该轴读数应接近±21（因为 1g / 0.0479g ≈ 21）。
• 重要寄存器：
  • 0x00：OUT_X， X轴输出寄存器。
  • 0x01：OUT_Y， Y轴输出寄存器。
  • 0x02：OUT_Z， Z轴输出寄存器。
  • 0x07：MODE， 模式寄存器。我们需要向此寄存器写入特定值来唤醒传感器并设置其工作模式。

我们的目标就是通过I2C，先向模式寄存器写入命令“激活”传感器，然后循环读取三个输出寄存器的值。

2.2 使用MicroPython进行I2C通信

MicroPython的 machine 模块提供了简洁的I2C操作接口。下面是一个初始化I2C总线并检测连接设备的示例代码片段：

from machine import I2C, Pin
import time

# 初始化I2C2总线，引脚对应我们之前的连接
i2c = I2C(2, scl=Pin('X9'), sda=Pin('X10'), freq=400000) # 400kHz速率

# 扫描I2C总线上的设备地址
device_list = i2c.scan()
print("Found I2C devices at addresses:", [hex(addr) for addr in device_list])

# MMA7660的地址应该是0x4C
MMA7660_ADDR = 0x4C
if MMA7660_ADDR in device_list:
    print("MMA7660 found!")
else:
    print("MMA7660 not found. Check wiring.")

运行这段代码，如果一切正常，你应该能在输出中看到 0x4c（或 0x4C）这个地址，以及OLED屏幕的地址（通常是 0x3c）。这确认了硬件连接和通信基础是畅通的。

3. 核心代码实现：读取、转换与校准

理论准备就绪，现在进入核心的代码编写环节。我们将把整个过程模块化，分为传感器初始化、数据读取、角度计算和数据显示几个部分。

3.1 初始化MMA7660并读取原始数据

首先，我们需要编写一个类来封装MMA7660的操作。这个类的构造函数会初始化I2C并配置传感器模式。关键步骤是向模式寄存器（0x07）写入值 0x01，这将传感器设置为主动模式，使其开始测量。

class MMA7660:
    def __init__(self, i2c_bus, addr=0x4C):
        self.i2c = i2c_bus
        self.addr = addr
        # 唤醒MMA7660，设置模式寄存器为主动模式
        try:
            self.i2c.writeto_mem(self.addr, 0x07, b'\x01')
            time.sleep_ms(50) # 等待传感器稳定
            print("MMA7660 initialized in active mode.")
        except OSError as e:
            print("Failed to initialize MMA7660:", e)

    def read_raw(self):
        """一次性读取X, Y, Z三个轴的原始6位数据"""
        # 从OUT_X寄存器(0x00)开始，连续读取3个字节
        data = self.i2c.readfrom_mem(self.addr, 0x00, 3)
        x, y, z = data[0], data[1], data[2]

        # MMA7660输出的是6位有符号数，存储在高6位，需要符号扩展
        # 如果读取的值>=32，说明是负数（补码），需要转换
        def sign_extend(value):
            if value & 0x20: # 检查第6位（符号位）
                return value | 0xFFFFFFC0 # 扩展为32位负数
            else:
                return value
        return sign_extend(x), sign_extend(y), sign_extend(z)

    def read_acceleration(self):
        """读取并转换为以g为单位的加速度值"""
        x_raw, y_raw, z_raw = self.read_raw()
        # 灵敏度约为47.9mg/LSB，即0.0479 g/LSB
        sensitivity = 0.0479
        x_g = x_raw * sensitivity
        y_g = y_raw * sensitivity
        z_g = z_raw * sensitivity
        return x_g, y_g, z_g

read_raw 函数是核心。它一次性从传感器读取三个字节，分别对应X、Y、Z轴。由于MMA7660的数据是6位有符号数，但以8位字节传输，我们需要进行简单的符号扩展处理，将-32到31的范围正确映射到Python的整数上。read_acceleration 函数则进一步将原始值乘以灵敏度系数，得到以重力加速度g为单位的物理值。

3.2 从加速度到倾斜角度：原理与计算

这是将原始数据转化为直观信息的关键一步。当传感器静止时，它主要感受到的是地球重力加速度在其三个轴上的分量。通过测量这些分量，我们可以反推出传感器相对于水平面的倾斜角度。

计算原理简述： 假设传感器处于静止状态，那么合加速度的大小就等于1g。根据空间几何关系，每个轴上的加速度分量（Ax, Ay, Az）与重力加速度g的比值，等于该轴与重力方向夹角的余弦值。然而，在实际应用中，我们更常计算的是传感器各轴与水平面的夹角。以X轴为例，其与水平面的夹角（俯仰角Pitch）可以通过以下公式计算：

[ \text{Pitch} (\theta_x) = \arctan\left( \frac{A_x}{\sqrt{A_y^2 + A_z^2}} \right) ]

同理，Y轴与水平面的夹角（翻滚角Roll）为：

[ \text{Roll} (\theta_y) = \arctan\left( \frac{A_y}{\sqrt{A_x^2 + A_z^2}} \right) ]

Z轴与重力方向的夹角计算方式类似，但在许多姿态应用中，Roll和Pitch两个角度已足够描述物体的倾斜状态。

在代码中实现这个计算，我们需要用到数学库中的 atan2 和 sqrt 函数。atan2(y, x) 比 atan(y/x) 更优，因为它能正确处理所有象限并避免除零错误。计算出的结果是弧度制，我们通常将其转换为角度制（乘以 180/π）。

import math

def calculate_tilt_angles(ax_g, ay_g, az_g):
    """
    根据三轴加速度值(g为单位)计算Roll和Pitch角度。
    返回角度值（度）。
    """
    # 使用atan2和sqrt函数计算角度（弧度）
    roll_rad = math.atan2(ay_g, az_g)
    pitch_rad = math.atan2(-ax_g, math.sqrt(ay_g**2 + az_g**2)) # 注意ax前的负号，这与坐标系定义有关

    # 弧度转角度
    roll_deg = math.degrees(roll_rad)
    pitch_deg = math.degrees(pitch_rad)

    return roll_deg, pitch_deg

注意：上述公式和代码假设了特定的坐标系方向。在实际项目中，你可能需要根据传感器在设备中的实际安装方向，对Ax, Ay, Az进行符号调整或轴交换，以匹配你对“前后倾斜”（Pitch）和“左右倾斜”（Roll）的直观定义。

3.3 数据校准与滤波：提升稳定性和准确性

直接从传感器读出的数据往往带有噪声，并且由于传感器本身的偏差和安装误差，即使水平放置，读数也可能不为理想的(0, 0, 1g)。因此，校准和滤波是工业级应用不可或缺的步骤。

1. 零偏校准（Offset Calibration） 最简单有效的校准是计算零偏。将传感器静止水平放置在一个已知平坦的表面上，采集一段时间（比如100个样本）的X、Y、Z轴数据并求平均值。理论上，此时X和Y的读数应为0g，Z轴读数应为1g（或-1g，取决于方向）。实际测得的平均值与理论值的差值就是零偏。在后续读数中减去这个零偏即可。

def calibrate_sensor(sensor, samples=100):
    """校准传感器，计算零偏。假设传感器已水平静置。"""
    print("Calibrating... Keep sensor level and still.")
    sum_x, sum_y, sum_z = 0, 0, 0
    for _ in range(samples):
        x, y, z = sensor.read_acceleration()
        sum_x += x
        sum_y += y
        sum_z += z
        time.sleep_ms(10)
    # 计算平均值
    offset_x = sum_x / samples - 0.0  # X轴理论值应为0g
    offset_y = sum_y / samples - 0.0  # Y轴理论值应为0g
    offset_z = sum_z / samples - 1.0  # Z轴理论值应为1g (假设方向正确)
    print(f"Calibration offsets: X:{offset_x:.3f}g, Y:{offset_y:.3f}g, Z:{offset_z:.3f}g")
    return offset_x, offset_y, offset_z

# 使用校准
offsets = calibrate_sensor(accel_sensor)
# 后续读取数据时进行补偿
x_calibrated, y_calibrated, z_calibrated = accel_sensor.read_acceleration()
x_calibrated -= offsets[0]
# ... 同理处理y, z

2. 简单滤波（Filtering） 为了消除随机噪声，使读数更平滑，我们可以采用移动平均滤波。这是一种在嵌入式系统中非常高效的低通滤波器。

class MovingAverageFilter:
    def __init__(self, window_size=5):
        self.window_size = window_size
        self.values = []
        
    def update(self, new_value):
        self.values.append(new_value)
        if len(self.values) > self.window_size:
            self.values.pop(0) # 移除最旧的值
        return sum(self.values) / len(self.values)

# 为每个轴创建一个滤波器
filter_x = MovingAverageFilter(10)
filter_y = MovingAverageFilter(10)
filter_z = MovingAverageFilter(10)

# 在主循环中
raw_x, raw_y, raw_z = accel_sensor.read_acceleration()
x_filtered = filter_x.update(raw_x)
# ... 同理处理y, z

经过校准和滤波处理后的数据，其稳定性和准确性会得到显著提升，这对于后续的角度计算和显示至关重要。

4. OLED实时显示系统集成

将计算得到的数据直观地展示出来，是项目闭环的最后一步。我们将使用SSD1306驱动的OLED屏幕，通过I2C接口显示实时的加速度值和计算出的角度。

4.1 初始化OLED屏幕

MicroPython社区通常有SSD1306的驱动库。我们可以直接使用一个现成的 ssd1306.py 驱动文件。将其上传到PyBoard的文件系统中，然后在主程序中导入。

from machine import Pin, SoftI2C
import ssd1306
import time

# 初始化I2C（如果与传感器共用，则使用同一个I2C对象）
i2c_oled = SoftI2C(scl=Pin('Y6'), sda=Pin('Y8'), freq=400000)
# 初始化OLED，128x64分辨率，I2C地址通常是0x3C
oled = ssd1306.SSD1306_I2C(128, 64, i2c_oled, addr=0x3c)

# 清屏并显示欢迎信息
oled.fill(0) # 清屏（0表示黑色，1表示白色）
oled.text('Accel Monitor', 20, 0)
oled.text('Initializing...', 10, 20)
oled.show()
time.sleep(1)

4.2 设计显示界面与主循环

一个清晰的用户界面能有效传达信息。我们可以将屏幕划分为几个区域，分别显示原始加速度值、计算出的角度值，甚至可以添加一个简单的水平仪图示。

下面是一个综合了传感器读取、角度计算、滤波和OLED显示的主循环示例：

def main():
    # 硬件初始化
    i2c = I2C(2, scl=Pin('X9'), sda=Pin('X10'))
    accel = MMA7660(i2c)
    oled = ssd1306.SSD1306_I2C(128, 64, i2c, addr=0x3c)
    
    # 校准（仅需一次，可注释掉后续运行）
    # offsets = calibrate_sensor(accel)
    offsets = (0.05, -0.02, 0.10) # 示例：使用预先测得的零偏
    
    # 初始化滤波器
    filters = [MovingAverageFilter(8) for _ in range(3)]
    
    print("Starting real-time monitoring...")
    
    while True:
        # 1. 读取并校准数据
        ax, ay, az = accel.read_acceleration()
        ax -= offsets[0]
        ay -= offsets[1]
        az -= offsets[2]
        
        # 2. 滤波
        ax_f = filters[0].update(ax)
        ay_f = filters[1].update(ay)
        az_f = filters[2].update(az)
        
        # 3. 计算角度
        roll, pitch = calculate_tilt_angles(ax_f, ay_f, az_f)
        
        # 4. OLED显示
        oled.fill(0)
        # 显示标题
        oled.text('Accel (g):', 0, 0)
        # 显示三轴加速度值，保留两位小数
        oled.text(f'X:{ax_f:>6.2f}', 0, 12)
        oled.text(f'Y:{ay_f:>6.2f}', 0, 22)
        oled.text(f'Z:{az_f:>6.2f}', 0, 32)
        # 显示角度值
        oled.text('Angles (deg):', 0, 45)
        oled.text(f'R:{roll:>6.1f}', 0, 55)
        oled.text(f'P:{pitch:>6.1f}', 64, 55)
        
        oled.show()
        
        # 5. 控制循环速度（约20Hz更新率）
        time.sleep_ms(50)

if __name__ == '__main__':
    main()

将完整的代码上传到PyBoard并运行，你应该能看到OLED屏幕上动态更新着三轴加速度和计算出的Roll、Pitch角度。当你倾斜开发板时，数值会相应变化。Z轴加速度在水平静止时应接近1.00g，X和Y轴接近0.00g。角度值在水平时接近0度，倾斜时会在正负90度之间变化。

5. 进阶应用与问题排查

一个基础的系统搭建完成后，我们可以思考如何让它更可靠、更实用。

5.1 常见问题与解决方案

在实际操作中，你可能会遇到以下问题：

• I2C设备未找到：首先检查接线是否正确、牢固。使用 i2c.scan() 确认设备地址。注意MMA7660和OLED屏幕是否地址冲突（概率极低，但可尝试单独连接测试）。
• 数据跳动剧烈：这是正常现象，源于传感器噪声和微小振动。增加移动平均滤波的窗口大小是最直接的解决方法。也可以尝试更复杂的滤波器，如一阶低通滤波（指数加权平均）。
• 角度计算不准确或符号相反：检查传感器在板子上的安装方向是否与代码中的坐标系假设一致。你可能需要调整 calculate_tilt_angles 函数中Ax, Ay, Az的符号或交换它们的顺序。一个实用的调试方法是：将板子分别绕X轴和Y轴缓慢旋转90度，观察哪个角度值的变化符合你的预期。
• OLED显示混乱或不显示：确认OLED的I2C地址（通常是0x3C或0x3D）。检查电源是否稳定。尝试降低I2C通信频率（如将freq=400000改为freq=100000）。

5.2 扩展思路：从演示到实用项目

这个基础框架可以轻松扩展为更复杂的应用：

1. 姿态控制游戏：将PyBoard绑在手上，通过倾斜角度控制电脑上的贪吃蛇或赛车游戏。你需要通过串口将角度数据发送到PC，并用Python（pygame）或Processing编写一个简单的客户端程序。
2. 简易水平仪：在OLED上绘制一个气泡水平仪。根据计算出的Roll和Pitch角度，动态绘制一个代表气泡的圆点，使其始终指向屏幕中心。
3. 跌倒检测或活动监测：通过分析加速度的幅值（sqrt(ax^2+ay^2+az^2)）和变化模式，可以检测突然的冲击（跌倒）或区分静止、行走、跑步等状态。
4. 数据记录器：将加速度和角度数据以固定间隔保存到PyBoard的SD卡或内部文件系统中，用于后续分析。

例如，实现一个简单的冲击检测：

import math

def detect_shock(ax, ay, az, threshold=2.0):
    """检测加速度是否超过阈值（例如2g），可能表示冲击或跌落"""
    magnitude = math.sqrt(ax**2 + ay**2 + az**2)
    return magnitude > threshold

# 在主循环中
if detect_shock(ax_f, ay_f, az_f, 2.5):
    print("Shock detected!")
    oled.fill(0)
    oled.text('ALERT!', 40, 25)
    oled.text('Shock Detected', 10, 40)
    oled.show()
    time.sleep(1)

通过这次从硬件连接到代码实现，再到数据可视化的完整旅程，你应该对三轴加速度计的应用有了扎实的实践理解。关键在于理解数据流向：物理信号 -> 原始数字值 -> 校准滤波 -> 物理量转换 -> 应用逻辑。掌握了这个流程，你就能灵活运用MMA7660或其他类似传感器，去构建更多有趣的物联网和嵌入式项目了。