企业官网建设流程全解析

做音频分析类的小项目，我一直觉得是嵌入式学习里“性价比”很高的一个方向：它把模拟采样、数字信号处理、外设驱动和人机交互串在了一条完整的链路上，做完一个，等于把MCU的大部分外设都过了一遍。这篇就以一个经典的组合——STM32F103C8T6配合OLED12864（SPI接口）实现音频信号分析仪为例，把Proteus仿真、软硬件设计、代码实现到问题排查的完整过程拆开讲清楚，适合正在学STM32、想做信号处理相关课程设计或者纯粹想玩频谱显示的读者参考。

1. 项目整体设计与核心思路拆解

1.1 音频信号分析仪的功能定位

这个项目本质上做的是三件事：采进来、算出来、显出来。音频信号从模拟通道进入STM32的ADC引脚，MCU按照设定好的采样率连续采集波形数据，攒够一批之后做FFT运算，把时域信号变成频域幅度谱，最后把频谱结果以柱状图的形式刷新到OLED12864屏幕上。

听起来不复杂，但“麻雀虽小，五脏俱全”。时域波形如果也做显示，还能顺带实现一个简易示波器；频域做FFT，又可以分析信号的能量分布。对于学习而言，这个项目非常适合作为“DSP入门+外设综合练习”的载体，因为它强迫你同时关注采样率、缓冲区大小、FFT点数、屏幕刷新率之间的匹配关系，而不是简单跑个流水灯。

1.2 方案选型背后的考量

为什么选STM32F103C8T6？关键在“够用且典型”。这是一颗Cortex-M3内核、主频72MHz、64KB Flash、20KB SRAM的芯片，价格便宜、资料海量、下载调试方式多，哪怕是国产替代型号，引脚和寄存器也完全兼容。对于256点FFT或者128点FFT这种规模的运算，M3跑起来毫无压力，主频和RAM空间都绰绰有余。

OLED选12864而不是1602，原因也简单：频谱显示需要图形化输出，1602只能显示字符，画不了柱状图。12864分辨率为128x64像素，横向可以画64根宽度2像素的柱子，或者32根宽度4像素的柱子，视觉上足够细腻。SPI接口相比I2C最大的优势是刷新速度快，同样是12864，I2C模式下全屏刷新会有明显闪烁，SPI下则基本无感。我实测过同一个工程改成I2C，帧率至少低一半，显示动态频谱时会感觉“拖泥带水”。

仿真选择Proteus则解决了一个现实痛点：不是所有人手边都有现成的音频信号源、开发板和杜邦线。Proteus里可以用虚拟信号发生器仿真麦克风输入、用示波器探针看ADC采样点，还能随时修改电路参数学会硬件连接逻辑。等思路跑通了，再落到实体板子上，可以大大减少debug时间。

2. 硬件链路与STM32F103C8T6核心资源盘点

2.1 芯片资源与音频项目的匹配度

STM32F103C8T6内部集成的资源在这个项目里会被用到以下部分：

• ADC：2个12位逐次逼近型ADC，最多支持16个外部通道。音频检测只需要1个通道，随便分配到PA0~PA7都可以。12位分辨率意味着采样值范围0~4095，在3.3V参考电压下，理论分辨率约0.8mV，对音频信号来说足够细腻。
• SPI：2个独立的SPI外设。OLED挂SPI1，主模式、8位数据、极性相位选Mode 0或Mode 3均可，只要和OLED屏的驱动IC匹配。
• 定时器：基本定时器TIM6/TIM7，或者通用定时器TIM2/TIM3，用来精准控制ADC采样率。软件延时也行但误差大，做频谱分析必须用定时器触发采样，保证采样点间隔均匀。
• DMA：必须用。ADC连续采样会产生大量数据，如果全靠CPU搬运，中断服务函数会被塞满，没时间做FFT和显示更新。DMA把采样值自动搬运到内存缓冲区，每采满一个批次通过中断通知CPU处理即可。
• SRAM：20KB。考虑缓冲区、FFT运算的临时变量、显示缓存，完全装得下。我常用的分配方案是：ADC采样缓冲区256字节（半字）或512字节、FFT运算缓冲区约1KB、显示缓存1KB，总计不超过4KB。

2.2 关键引脚分配建议

引脚分配是这类项目的第一个坑，分配不好后面外设冲突会让你头皮发麻。我这个项目的分配表如下：

之所以避开PB口部分引脚，是考虑到后续可能扩展按键、编码器或串口调试，PB6/PB7（I2C1）、PB10/PB11（USART3）这些常用复用功能要留出来。OLED的DC和RST用普通GPIO控制，不走硬件SPI，方便时序上灵活调整。

2.3 音频信号输入链路的处理

麦克风或线路输入的音频信号，不能直接灌进ADC引脚。原因有两个：一是ADC只能采集正电压，而音频信号是双极性的（有正有负）；二是信号幅度通常不够，直接采样分辨率太低。

常规做法是“隔直+偏置+放大”三件套：

• 输入先经过一个耦合电容（典型值1uF~10uF），把直流分量滤掉，只保留交流音频成分；
• 然后通过两个电阻分压，把信号中心电平抬到1.65V（即3.3V的一半），这样正负半周的信号都能在ADC量程内表示；
• 如果信号幅度很小，加一个运放做同相放大，把峰峰值放大到1V~3V范围。这里推荐LM358或者LM324，便宜大碗，Proteus里也有模型。

偏置电路的计算其实很机械：假设分压电阻用两个10k，中间点电压就是1.65V；输入信号经过电容耦合后叠加在1.65V上，ADC读到的原始值就在512（1.65V/3.3V*4096）附近上下摆动。采样值减掉512这个直流偏置，就还原出了原始的交流信号。我在代码里就保留了这个偏置校准步骤，后文会细说。

3. ADC采样与预处理环节的实操拆解

3.1 采样率的确定与计算

音频信号分析仪，采样率往往是整个系统的“锚点”。采样率太低会丢失高频成分，太高则FFT频率分辨率变差。奈奎斯特采样定理告诉我们，采样率必须大于信号最高频率的2倍。人耳可听范围上限20kHz，理论上采样率要40kHz以上，但那是高保真音频设备的追求。对一块STM32F103C8T6 + 12864小屏的简化分析仪而言，实际有效显示带宽到5kHz就已经非常实用。

我做的是8kHz采样率 + 256点FFT的组合，综合性价比最高。原因如下：

• 8kHz采样率，有效分析带宽4000Hz（奈奎斯特频率），覆盖语音和大部分乐音基频；
• 256点FFT，频率分辨率为8000/256=31.25Hz，人耳对音高的分辨极限大约在这个量级，再细人眼也看不出区别；
• 采样缓冲区只占256个半字=512字节，RAM占用小，DMA搬运也快。

如果你非要看20kHz的完整音频频谱，可以把采样率提到40kHz、FFT点数做到1024点，但代价是STM32F103C8T6的72MHz主频跑浮点FFT会明显吃力，而且屏幕只有128像素宽，高频段细节显示不出来，性价比很低。

3.2 定时器触发ADC+DMA的完整配置思路

采样的时序是这样的：定时器产生更新事件，触发ADC启动一次转换，转换完成后DMA把结果搬到内存。整个过程不需要CPU介入，直到DMA传输计数归零触发中断，才去处理这一批数据。

参数我这样设置：

// 定时器 TIM2, 72MHz 时钟 // 目标采样率 8000Hz // 分频 PSC = 72 - 1 = 71, 计数周期 ARR = 125 - 1 = 124 // 72MHz / 72 / 125 = 8000Hz TIM_TimeBaseInitTypeDef TIM_InitStructure; TIM_InitStructure.TIM_Prescaler = 71; // 72分频 TIM_InitStructure.TIM_Period = 124; // 计数值 125 TIM_InitStructure.TIM_ClockDivision = TIM_CKD_DIV1; TIM_InitStructure.TIM_CounterMode = TIM_CounterMode_Up; TIM_TimeBaseInit(TIM2, &TIM_InitStructure); TIM_SelectOutputTrigger(TIM2, TIM_TRGO_Update); // 更新事件作为触发输出 TIM_Cmd(TIM2, ENABLE);

ADC侧配置成外部触发模式，触发源选择TIM2的TRGO，连续模式下DMA循环搬运：

ADC_InitStructure.ADC_Mode = ADC_Mode_Independent; ADC_InitStructure.ADC_ScanConvMode = DISABLE; // 单通道 ADC_InitStructure.ADC_ContinuousConvMode = ENABLE; // 连续转换 ADC_InitStructure.ADC_ExternalTrigConv = ADC_ExternalTrigConv_T2_TRGO; ADC_InitStructure.ADC_DataAlign = ADC_DataAlign_Right; ADC_InitStructure.ADC_NbrOfChannel = 1; ADC_Init(ADC1, &ADC_InitStructure); ADC_RegularChannelConfig(ADC1, ADC_Channel_1, 1, ADC_SampleTime_55Cycles5); ADC_DMACmd(ADC1, ENABLE); ADC_Cmd(ADC1, ENABLE); ADC_ResetCalibration(ADC1); while(ADC_GetResetCalibrationStatus(ADC1)); ADC_StartCalibration(ADC1); while(ADC_GetCalibrationStatus(ADC1)); ADC_SoftwareStartConvCmd(ADC1, ENABLE);

DMA配置为循环模式，外设地址固定为ADC1->DR，内存地址指向采样数组，传输长度256个半字：

DMA_InitStructure.DMA_PeripheralBaseAddr = (uint32_t)&(ADC1->DR); DMA_InitStructure.DMA_MemoryBaseAddr = (uint32_t)adc_buf; DMA_InitStructure.DMA_DIR = DMA_DIR_PeripheralSRC; DMA_InitStructure.DMA_BufferSize = FFT_SIZE; // 256 DMA_InitStructure.DMA_PeripheralInc = DMA_PeripheralInc_Disable; DMA_InitStructure.DMA_MemoryInc = DMA_MemoryInc_Enable; DMA_InitStructure.DMA_PeripheralDataSize = DMA_PeripheralDataSize_HalfWord; DMA_InitStructure.DMA_MemoryDataSize = DMA_MemoryDataSize_HalfWord; DMA_InitStructure.DMA_Mode = DMA_Mode_Circular; // 循环模式，一直采集 DMA_InitStructure.DMA_Priority = DMA_Priority_High; DMA_InitStructure.DMA_M2M = DMA_M2M_Disable; DMA_Init(DMA1_Channel1, &DMA_InitStructure);

DMA循环模式有个细节值得注意：它搬完256个点后会重新从头开始，但不会自动通知你“我搬完了一圈”。这时候需要用DMA的传输完成中断，或者用“空闲判断”的方式。更简单的做法是配一个定时器中断，比如每采集完成256个点所需的时间（256/8000=32ms）到了，就在定时器中断里做一次FFT。实际工程里我用的是DMA半传输和传输完成双中断，这样可以把FFT计算和数据处理重叠起来，刷屏更流畅。

3.3 采样数据的预处理流程

ADC拿到的原始值是12位的，范围0~4095，其中包含了直流偏置。做FFT之前，必须先对数据做“去直流”处理，否则FFT结果里第0个频率点（DC分量）会占掉巨大能量，把其他频谱分量都“压扁”。预处理代码很简单：

// 计算直流分量平均值 uint32_t dc_sum = 0; for (uint16_t i = 0; i < FFT_SIZE; i++) { dc_sum += adc_buf[i]; } int32_t dc_offset = dc_sum / FFT_SIZE; // 去除直流，并转换为有符号数 for (uint16_t i = 0; i < FFT_SIZE; i++) { fft_input[i] = (int16_t)(adc_buf[i] - dc_offset) * 16; }

乘16是因为后面做定点FFT时，输入动态范围越大，量化噪声相对越小。当然也不能无脑放大，得保证不溢出，int16_t的范围是-32768~32767，ADC去直流后最大幅度约2048，乘16后最大32768，正好在临界点，实际信号没那么满幅，是安全的。如果你的输入信号偏小导致频谱太矮，可以把这个倍率调成32甚至64，本质上是做一个数字增益。这块儿是我反复调过的地方，经验是：宁可数字增益放大后偶尔削顶（频谱高段稍失真），也不希望频谱显示得只有两三格高。

4. FFT频谱分析的工程化实现

4.1 快速傅里叶变换在MCU上的思路简化

FFT的数学原理这里不铺开讲，只讲工程上怎么落地。DFT的时间复杂度是O(N²)，256点DFT要65536次复数乘法，STM32F103C8T6虽然能算，但时间是不可接受的；FFT利用旋转因子的对称性和周期性，把复杂度降到O(Nlog₂N)，256点只要2048次复数乘法，在72MHz主频下大概几毫秒就能完成，完全实时。

工程实现有两条路：一是用ST官方CMSIS-DSP库里的arm_cfft_q15，二是自己写基2时间抽取FFT。CMSIS库的优点是优化到极致、稳定可靠，缺点是需要额外引入库文件，并且接口理解起来略绕。手写FFT的代码网上很多，但容易出错且效率不如库。我的建议是：赶进度用库，学原理自己写。这个项目里我用的是CMSIS库，节省了很多调试时间。

4.2 定点FFT与实信号处理的边界细节

CMSIS的arm_cfft_q15函数处理的是复数FFT，但ADC采进来的是实信号（没有虚部）。处理这个问题的标准办法：把实部放在数组偶数位，虚部置0，然后调用Q15版本的FFT。函数原型大概是：

arm_cfft_instance_q15 S; arm_cfft_init_q15(&S, FFT_SIZE); // 初始化 arm_cfft_q15(&S, fft_input, 0, 1); // 正变换 arm_cmplx_mag_q15(&fft_input[0], fft_mag, FFT_SIZE/2); // 求幅度

这里有个很隐蔽的坑：arm_cfft_q15内部要求输入数据定点化到Q15格式并做了缩放，输出结果也带了缩放因子；如果你把原始数据直接塞进去，算出来的幅度谱数值会跟理论值差一个倍数。这很正常，因为FFT会引入N这个倍率，加上CMSIS库为了保证不溢出又做了额外的移位。解决办法有两种：一是反推缩放系数，二是在显示时做“归一化”。

我的做法简单粗暴——显示前做一次动态归一化。先找出256个幅度值里的最大值，然后把每个值除以最大值、乘以64，得到0~63之间的柱高。这样无论输入信号幅度怎么变，显示出来的频谱图总是铺满半个屏幕的，效果很直观。当然代价是失去了绝对幅度的参考意义，但作为“分析仪”是够用的，如果非要绝对刻度，可以在代码里加一个已知幅度的校准信号，测出增益系数后补偿回去。

4.3 加窗处理——一个容易被忽略的细节

做FFT时如果直接截取一段信号，相当于给时域信号加了一个矩形窗，频谱会泄漏。什么叫泄漏？一个纯净的1kHz正弦波，做完FFT后本来应该在1kHz处出现一根直线，但矩形窗会让能量“漏”到旁边的频率点，出现“裙边”。这在显示上表现为谱线变宽、旁边出现多余的小峰，视觉上很脏。

解决方法是加窗。常见窗函数：汉宁窗（Hanning）、海明窗（Hamming）、布莱克曼窗（Blackman）。汉宁窗最常用，旁瓣衰减适中，适合音频频谱显示。加窗就是在FFT之前，把每个时域采样点乘上一个预先算好的窗系数：

// 汉宁窗系数生成 for (uint16_t i = 0; i < FFT_SIZE; i++) { float w = 0.5f * (1.0f - arm_cos_f32(2.0f * PI * i / (FFT_SIZE - 1))); window[i] = (int16_t)(w * 32767); } // 应用汉宁窗 for (uint16_t i = 0; i < FFT_SIZE; i++) { fft_input[i] = ((int32_t)fft_input[i] * window[i]) >> 15; }

代价是主瓣略微变宽、幅度略有下降，但换来的是频谱干净得多。我建议这个项目一定要加窗，不加窗的结果在Proteus仿真里看正弦信号还好，一旦用语音或方波信号测试，频谱整个底部都是“毛刺”，根本没法看。

5. OLED12864 SPI驱动的完整实现

5.1 SPI时序与OLED控制芯片的对应

OLED12864这类屏，市面上默认用的驱动芯片主要是SSD1306（128x64）或SH1106（128x64）。两者指令集基本兼容，但SH1106的显存寻址略特殊。购买屏的时候最好跟卖家确认型号，项目里按SSD1306驱动写，大多数情况能通吃。

SPI接口的OLED通常是4线制：SCK、MOSI（数据输入，称为SDA或DIN）、CS、DC。注意这个SPI没有MISO，因为OLED不需要回传数据，是典型的单工写操作。所以STM32这边只启用MOSI即可，PB4等引脚省下来干别的。

时序上，SSD1306的SPI时钟频率可以到10MHz，但STM32F103C8T6的SPI1最高只能到18MHz（72MHz/4），实际跑1~4MHz就稳稳的了。写命令和写数据由DC引脚区分：DC低电平写命令，高电平写数据。CS片选低有效，每次传输前拉低、结束拉高，也可以一直拉低不切换（只有一块屏时）。

5.2 初始化序列——背下来不如理解它

SSD1306的初始化序列看起来是一大串神秘数字，其实拆开就几件事：

1. 关闭显示；
2. 设置晶振频率和内部升压；
3. 设置MUX比例（多路复用比，决定行数）；
4. 设置显示偏移；
5. 设置起始行；
6. 设置段重映射和COM扫描方向（决定图像是否镜像/倒置）；
7. 设置显存寻址模式；
8. 设置对比度；
9. 清屏；
10. 开启显示。

这串代码不同厂家的例程大同小异，直接用就行。但要注意一个细节：SSD1306上电后内部有硬复位，如果你把RST引脚悬空，也能工作；但为了保险和可控复位，代码里最好做一次软件复位：拉低RST延时10ms再拉高，然后延时100ms再初始化。这个习惯能避免很多“上电花屏”的灵异问题。

5.3 显示缓存与频谱柱状图的绘制

SSD1306的显存是1KB（128x64/8），分布在8个页（Page0~Page7），每页对应8行像素。写入时要先设置页地址和列地址，然后连续写入每列的一字节（低位在上，即每个bit对应一行的像素）。这个位序问题很容易搞反，拿到新屏可以先画个“全亮帧”测一测，确认方向没问题。如果显示左右镜像，调整初始化里的段重映射指令；上下颠倒则调整COM扫描方向。

频谱柱状图的绘制思路：

• 把256个FFT幅度值压缩映射到128个屏幕列。要么取每两列的最大值，要么取平均值。我建议用最大值，因为频谱显示更尖锐，看起来“有精神”。
• 把每列的幅度值（0~63）作为柱高，先计算当前列的柱顶页地址和掩码。
• 更新显存时，并不是直接把整列数据覆盖写进去，而是先把该列上所有像素点亮（也就是高度范围内显示），超出高度的像素熄灭。

简单实现可以定义一个大数组displayBuf[128][8]（1KB），先清空，然后逐列把高度范围内的像素位置1，最后整体刷新到OLED。一种更节省时间、效果也不错的优化是“差异刷新”：只把和上一帧不一样的部分更新。因为频谱刷新时相邻帧大多只是部分变化，差异刷新可以把有效传输量降为全刷的30%以下，帧率提升很明显。我后面实测全刷大约25帧/s，差异刷新能到30~40帧/s。

6. Proteus仿真搭建与联调过程

6.1 元件选型与电路连接

Proteus 8.x以上版本自带STM32F103C8T6模型，不用装第三方库，直接用即可。搭建步骤：

1. 从元件库搜索STM32F103C8T6，放置芯片；
2. 搜索OLED12864或SSD1306，版本不同元件名称可能有差异，老版本可能需要用LM016L代替做字符显示，但既然用SPI OLED，建议用较新版本的Proteus，可以直接找到SSD1306模型；
3. 放置一个虚拟信号发生器（Signal Generator）或直接使用VSINE电压源模拟音频信号；
4. 放置运放和电阻电容搭建输入偏置电路。

连接关系牢记：信号发生器输出-> 耦合电容 -> 偏置电阻网络 -> STM32 PA1。OLED的SCK、MOSI、CS、DC、RST分别连PA5、PA7、PA4、PA2、PA3。所有芯片共地、OLED供电接3.3V。注意Proteus里STM32的VDDA/VSSA必须接好3.3V和GND，否则程序跑不起来。

6.2 虚拟信号源的设置技巧

Proteus里的信号发生器可以产生正弦波、方波、三角波等，频率可以设置为连续扫频。仿真音频分析仪时，我最常用的配置：

• 正弦波模式，频率先设1kHz，峰值幅度设1.5V（叠加1.65V偏置后ADC输入范围0.15V~3.15V，不会削顶）；
• 做扫频实验时，用信号发生器的“扫频”功能，从20Hz扫到8kHz，观察频谱柱状图的峰值是否跟随移动，这一步能快速验证FFT频率标定是否正确；
• 方波模式下，理论上频谱应该出现基频的奇数倍谐波，即如果基频500Hz，则1500Hz、2500Hz...处都应有谱线。这是测试系统动态范围的好方法，做出来了说明加窗和FFT流程基本没问题。

6.3 仿真联调中的双轨验证

Proteus仿真最大的价值是可以同时观察多个点位的波形，这是实体板子不容易做到的。把虚拟示波器探针接在：

• 信号发生器输出端：看原始模拟信号；
• PA1引脚：看ADC输入端的偏置效果，这里应该看到叠加在1.65V上的音频信号；
• PA5（SCK）：看SPI时钟是否产生，频率是否正确；
• PA7（MOSI）：看数据是否在持续传输，如果OLED不显示，先查这两个信号有没有动静，可以快速判断是“没跑程序”还是“SPI没配置对”。

仿真里还有一个实用的调试手段：在代码里设置断点（Proteus支持VSM Studio调试模式，或者外部IDE将HEX加载进芯片后看结果），直接查看fft_mag数组的值。如果数组里的值全部是0或者极大，那一定是预处理或FFT调用出了问题，而不是显示的问题，可以极大缩小排查范围。

注意，Proteus仿真LL库没问题但速度比真实芯片慢不少，FFT计算和屏幕刷新都会被拖慢。我实测同样代码，仿真里屏幕刷新大约只有真实板子的1/4~1/5帧率，所以如果仿真里觉得刷新不够流畅，不一定是代码问题，不要纠结在仿真上过度优化，先确认逻辑正确，再上真机测帧率。

7. 常见问题与排查技巧实录

7.1 问题速查表

7.2 几个值得单独说一说的坑

第一个大坑是DMA缓冲区的对齐问题。STM32F1系列DMA搬运16位数据时，要求内存地址按半字对齐，这个通常是满足的，但如果你定义了数组后取地址时不小心被编译器优化了，可能出现诡异的数据错位现象。稳妥的做法是在数组定义上用__attribute__((aligned(4)))修饰，或者干脆用uint16_t数组并让编译器自行对齐。

第二个大坑是CMSIS-DSP库的三角近似。旧版本arm_cfft_init_q15依赖浮点计算旋转因子，在无FPU的F103上会模拟浮点，虽然不慢但会引入小幅误差。这个误差体现在频谱上就是靠近Nyquist频率处会有一点点平台噪声，不影响正常显示，但如果强迫症发作，可以换成查表法预生成旋转因子，效果会更干净。

第三个大坑是“拿方波当正弦测试”。有的人为了省事把信号发生器设为方波，直接观察频谱，发现谐波一堆就以为FFT出错。其实方波的频谱本身就是奇次谐波无穷多，这是正确的物理现象。我曾见过有学生在BBS上发帖“求助FFT方向错误”，底下回复都是“你换成正弦再试试”，这个经典笑话充分说明测试信号选择有多重要。

7.3 实体板移植时的几个差异点

如果你看完仿真准备去搭实板，有几个地方和Proteus里不一样，必须调整：

• 真实OLED模块通常是3.3V供电，如果板子上的稳压输出电流不够，接上屏之后背光一亮会导致ADC参考电压漂移，采出来的频谱底噪变大。解决方法是单独给OLED供电或用质量好一点的LDO；
• 音频输入的耦合电容选择要特别注意，Proteus里用10uF没问题，实体板如果选了电解电容要注意极性方向，反接会在小信号时严重失真；
• 真实麦克风模块输出的是单端信号但可能自带偏置，接进ADC前最好用示波器确认一下静态电压。有些麦克风模块输出已经偏置到VCC/2，再经你板子上的偏置电路就会顶到电源轨，削顶失真后频谱里全是偶次谐波。

8. 扩展方向与个人使用的体感

这个项目做完，如果意犹未尽，可以考虑几个方向。

把OLED数据用串口发到上位机，用Python画实时频谱图，相当于把12864升级成一个高分辨率显示器，这样256点FFT的全部细节都能展示出来。我在做第二版的时候就是这么干的，串口波特率115200，每帧发520字节左右，Python端用matplotlib或者pyqtgraph的更新模式，能达到15帧左右的实时绘图，分析效果比OLED强太多。OLED就负责做个便携版的“随身频谱仪”，两不耽误。

也可以把FFT点数扩展为512点，这样频率分辨率翻倍到15.625Hz，显示效果会有明显提升。代价是RAM开销翻倍到4KB左右（两个缓冲区加临时变量），F103C8T6的20KB SRAM虽然够用，但如果同时开显示缓存和串口缓冲，就要精打细算一下。

如果想让分析仪适应更大动态范围的信号，可以加一个模拟AGC电路，用运放加可变增益，或者在数字部分做自动增益控制（AGC）。数字AGC的思路是在处理完一帧数据后算RMS值，如果过小就增加下一帧的数字增益系数，如果削顶就减小。这是音频仪表类项目经常需要用到的技巧，我从频谱仪的AGC一路调过来，写进代码里不过十行左右，但实际体验提升是“质的飞跃”，尤其是拿它对着手机喇叭放音乐的时候，动态不会忽大忽小。

我自己在做这个项目的过程中，最大的感受是：这个项目对新手最大的门槛不在FFT算法的数学，而在“打通链路”的系统思维。采样率怎么定、缓冲区多大、FFT和刷新率怎么配合，这些都环环相扣。你在网上能找到很多只讲其中一环的教程，但很少能把ADC、DMA、FFT、SPI、OLED串起来讲透。这篇算是补上这个空缺。后续如果你在做的时候遇到什么奇怪问题，多试试“信号发生器换波形、采样率降一半、分步看显示”这三个思路，大部分故障都能定位出来。