STM32驱动MPU6050实现运动检测与摔倒报警

1. 项目概述

MPU6050作为一款集成了三轴加速度计和三轴陀螺仪的六轴传感器模块，在嵌入式开发领域有着广泛的应用场景。这个价格亲民（通常只需几块钱）的传感器模块，虽然偶尔会遇到国产仿冒品的问题，但其性价比依然让它成为学生项目和工业应用的常客。我在大学期间就经常使用这个模块完成各种课程设计和毕业设计，最近又入手了几个十轴姿态传感器准备后续开发，不过在此之前，还是先把MPU6050的完整开发流程系统地整理出来。

这个项目实现了基于STM32 HAL库的MPU6050完整驱动方案，包含原始数据读取、姿态解算等基础功能，更重要的是从零实现了运动状态识别（静止/行走/跑步）和工业级的四阶段摔倒检测算法。整个开发过程中遇到了不少典型问题，比如检测不到摔倒、失重失效、状态机卡死等，我都会结合实际调试日志详细分析解决方案。代码部分我会保留核心片段，方便大家直接移植到自己的项目中。

2. 硬件与软件环境

2.1 硬件平台选型

主控芯片选择：
STM32F103和STM32F407都是不错的选择，我建议初学者使用F103C8T6（即常说的"蓝色药丸"），价格便宜且资源足够。F407性能更强，适合更复杂的应用。两种芯片的HAL库兼容性很好，代码可以无缝移植。

传感器模块：
MPU6050模块市面上有很多版本，建议选择带电平转换电路的型号（通常有5V转3.3V的功能），这样可以直接连接3.3V和5V系统。注意识别正品，正版MPU6050的ID寄存器读出来是0x68，而某些国产兼容芯片可能返回其他值。

通信接口：
I2C接口是MPU6050最常用的通信方式，只需要两根线（SCL和SDA）即可完成所有数据传输。虽然MPU6050也支持SPI接口，但在实际项目中I2C已经足够使用，还能节省IO口资源。

2.2 软件环境搭建

开发工具链：

• STM32CubeMX：用于初始化代码生成，配置时钟树和引脚功能
• Keil MDK：编译和调试环境，也可以使用IAR或VSCode+PlatformIO
• ST-Link：下载调试工具，也可以用J-Link或DAP-Link

关键库版本：

• STM32 HAL库版本：建议使用较新的稳定版，如1.8.0以上
• CMSIS版本：与HAL库配套即可
• 标准外设库（如果使用）：建议3.5.0版本

注意：使用CubeMX生成代码时，务必勾选"I2C"外设，并配置正确的时钟频率（标准模式100kHz或快速模式400kHz）。MPU6050的I2C地址通常是0x68（AD0引脚接地时）。

3. MPU6050核心驱动实现

3.1 I2C底层驱动适配

MPU6050通过I2C接口与STM32通信，我们需要实现三个核心函数：单字节写寄存器、单字节读寄存器和多字节连续读。以下是经过优化的HAL库实现：

c复制// MPU6050 I2C地址（AD0接地时为0x68）
#define MPU6050_ADDR 0x68

// 写寄存器函数
int MPU6050_WriteReg(uint8_t reg, uint8_t data) {
    return HAL_I2C_Mem_Write(&hi2c1, MPU6050_ADDR<<1, reg,
                           I2C_MEMADD_SIZE_8BIT, &data, 1, 100);
}

// 读寄存器函数
int MPU6050_ReadReg(uint8_t reg, uint8_t *data) {
    return HAL_I2C_Mem_Read(&hi2c1, MPU6050_ADDR<<1, reg,
                          I2C_MEMADD_SIZE_8BIT, data, 1, 100);
}

// 连续读数据函数
int MPU6050_ReadData(uint8_t reg, uint8_t len, uint8_t *buf) {
    return HAL_I2C_Mem_Read(&hi2c1, MPU6050_ADDR<<1, reg,
                          I2C_MEMADD_SIZE_8BIT, buf, len, 100);
}

调试技巧：如果I2C通信失败，首先检查硬件连接是否正确（SCL、SDA、GND、VCC），然后用逻辑分析仪或示波器观察I2C波形。常见问题包括上拉电阻缺失（通常需要4.7kΩ）、地址错误（AD0引脚状态）或时序问题。

3.2 MPU6050初始化配置

MPU6050上电后默认处于睡眠模式，需要唤醒并配置合适的量程。初始化流程如下：

c复制uint8_t MPU6050_Init(void) {
    uint8_t id = 0;
    MPU6050_ReadReg(0x75, &id);  // 读取WHO_AM_I寄存器
    
    if(id != 0x68) return 1;  // ID校验失败
    
    MPU6050_WriteReg(0x6B, 0x00);  // 退出睡眠模式
    MPU6050_WriteReg(0x1C, 0x00);  // 加速度计量程±2g
    MPU6050_WriteReg(0x1B, 0x00);  // 陀螺仪量程±250°/s
    
    // 可选：配置数字低通滤波器
    MPU6050_WriteReg(0x1A, 0x03);  // 加速度计和陀螺仪都使用5Hz带宽
    
    return 0;
}

量程选择依据：

• 加速度计：±2g足够用于人体运动检测，分辨率更高（16384 LSB/g）
• 陀螺仪：±250°/s适合人体运动，更高量程会导致分辨率下降

3.3 原始数据读取与处理

MPU6050的加速度和陀螺仪数据都是16位有符号整数，需要根据量程转换为实际物理量：

c复制// 读取三轴加速度原始数据
void MPU6050_ReadAccel(int16_t *ax, int16_t *ay, int16_t *az) {
    uint8_t buf[6];
    MPU6050_ReadData(0x3B, 6, buf);  // 加速度数据寄存器起始地址0x3B
    
    *ax = (int16_t)(buf[0]<<8 | buf[1]);
    *ay = (int16_t)(buf[2]<<8 | buf[3]);
    *az = (int16_t)(buf[4]<<8 | buf[5]);
}

// 计算合加速度（单位：g）
float MPU6050_GetAccelNorm(void) {
    int16_t ax, ay, az;
    MPU6050_ReadAccel(&ax, &ay, &az);
    
    // ±2g量程下，灵敏度为16384 LSB/g
    float fx = ax / 16384.0f;
    float fy = ay / 16384.0f;
    float fz = az / 16384.0f;
    
    // 计算三轴矢量模
    return sqrt(fx*fx + fy*fy + fz*fz);
}

数据校准技巧：

1. 将模块水平静止放置，读取各轴数据作为零偏
2. 分别旋转模块使各轴垂直向上和向下，验证±1g读数
3. 计算校准系数并存储在Flash中，上电时加载

3.4 姿态角解算算法

虽然MPU6050支持DMP（数字运动处理器）进行姿态解算，但为了理解原理，我们先实现基于加速度计的简单姿态计算：

c复制#define PI 3.14159265358979323846f

void MPU6050_GetPitchRoll(float *pitch, float *roll) {
    int16_t ax, ay, az;
    MPU6050_ReadAccel(&ax, &ay, &az);
    
    // 转换为g单位
    float fx = ax / 16384.0f;
    float fy = ay / 16384.0f;
    float fz = az / 16384.0f;
    
    // 横滚角计算（绕X轴旋转）
    *roll = atan2(fy, fz) * 180.0f / PI;
    
    // 俯仰角计算（绕Y轴旋转）
    *pitch = atan2(-fx, sqrt(fy*fy + fz*fz)) * 180.0f / PI;
}

注意：这种方法在静态或缓慢运动时效果不错，但在动态情况下会有较大误差。实际项目中可以结合陀螺仪数据进行互补滤波或使用卡尔曼滤波提高精度。

4. 运动状态识别与摔倒检测算法

4.1 数据结构设计

良好的数据结构设计是算法实现的基础，我们定义以下枚举和结构体：

c复制// 运动状态枚举
typedef enum {
    BODY_STATIC = 0,  // 静止
    BODY_WALK   = 1,  // 行走
    BODY_RUN    = 2,  // 跑步
    BODY_FALL   = 3   // 摔倒
} BodyStatus_TypeDef;

// 摔倒状态机阶段
typedef enum {
    FALL_STAGE_NORMAL = 0,      // 正常状态
    FALL_STAGE_WEIGHTLESS = 1,  // 失重状态
    FALL_STAGE_IMPACT = 2,      // 撞击状态
    FALL_STAGE_STATIC_CHECK = 3 // 静止确认
} FallStage_TypeDef;

// 人体信息结构体
typedef struct {
    float pitch;       // 俯仰角（前后倾斜）
    float roll;        // 横滚角（左右倾斜）
    float accel_norm;  // 合加速度（单位g）
    BodyStatus_TypeDef status;  // 当前运动状态
} BodyInfo_TypeDef;

// 全局人体信息实例
BodyInfo_TypeDef body_info;

4.2 运动状态识别实现

通过分析合加速度的大小，可以简单区分静止、行走和跑步状态：

c复制// 运动状态识别阈值
#define ACCEL_STATIC_MAX  1.1f  // 静止状态上限（略大于1g）
#define ACCEL_WALK_MAX    1.8f  // 行走状态上限

void BodyStatus_Detect(void) {
    float accel = body_info.accel_norm;
    
    if(accel < ACCEL_STATIC_MAX) {
        body_info.status = BODY_STATIC;
    }
    else if(accel < ACCEL_WALK_MAX) {
        body_info.status = BODY_WALK;
    }
    else {
        body_info.status = BODY_RUN;
    }
}

阈值确定方法：

1. 让测试者佩戴设备保持静止，记录合加速度最大值
2. 让测试者正常行走，记录合加速度范围
3. 让测试者跑步，记录合加速度最小值
4. 取各状态之间的中间值作为阈值

4.3 四阶段摔倒检测算法

摔倒检测是项目的核心功能，我们采用工业级的状态机设计，通过四个阶段来避免误触发：

c复制// 摔倒判定阈值
#define GRAVITY_MIN        0.7f   // 失重阈值（自由落体时接近0g）
#define GRAVITY_IMPACT     2.0f   // 撞击阈值（倒地瞬间冲击）
#define FALL_ANGLE_THRESH  45.0f  // 姿态异常角度阈值
#define FALL_FILTER_FRAME  3      // 滤波帧数（防抖动）
#define STATIC_CHECK_MS    1000   // 静止确认时间（毫秒）

// 全局状态变量
FallStage_TypeDef fall_stage = FALL_STAGE_NORMAL;
uint16_t weightless_cnt = 0;     // 失重状态计数器
uint16_t impact_cnt = 0;         // 撞击状态计数器
uint32_t static_start_time = 0;  // 静止状态开始时间
float last_accel_norm = 0;       // 上次加速度值（用于滤波）

void BodyStatus_Judge(void) {
    uint32_t now = HAL_GetTick();
    float accel = body_info.accel_norm;
    
    // 判断当前姿态是否异常（角度超过阈值）
    uint8_t is_angle_bad = (fabs(body_info.pitch) > FALL_ANGLE_THRESH) || 
                          (fabs(body_info.roll) > FALL_ANGLE_THRESH);
    
    switch(fall_stage) {
        case FALL_STAGE_NORMAL:
            BodyStatus_Detect();  // 先识别常规运动状态
            
            // 失重检测（自由落体阶段）
            if(accel < GRAVITY_MIN) {
                weightless_cnt++;
                if(weightless_cnt >= FALL_FILTER_FRAME) {
                    fall_stage = FALL_STAGE_WEIGHTLESS;
                    weightless_cnt = 0;
                }
            } else {
                weightless_cnt = 0;
            }
            break;
            
        case FALL_STAGE_WEIGHTLESS:
            // 撞击检测（倒地瞬间）
            if(accel > GRAVITY_IMPACT) {
                impact_cnt++;
                if(impact_cnt >= FALL_FILTER_FRAME) {
                    fall_stage = FALL_STAGE_IMPACT;
                    impact_cnt = 0;
                }
            }
            break;
            
        case FALL_STAGE_IMPACT:
            // 姿态异常检查（倒地后姿态）
            if(is_angle_bad) {
                static_start_time = now;
                fall_stage = FALL_STAGE_STATIC_CHECK;
            } else {
                fall_stage = FALL_STAGE_NORMAL;  // 未满足条件，返回正常状态
            }
            break;
            
        case FALL_STAGE_STATIC_CHECK:
            // 静止确认：姿态异常且加速度稳定在1g左右
            if(is_angle_bad && (accel >= 0.9f && accel <= 1.1f)) {
                if(now - static_start_time >= STATIC_CHECK_MS) {
                    body_info.status = BODY_FALL;  // 确认摔倒
                }
            } else {
                fall_stage = FALL_STAGE_NORMAL;
                body_info.status = BODY_STATIC;
            }
            break;
    }
    
    // 起身恢复检测：角度恢复正常则退出摔倒状态
    if(body_info.status == BODY_FALL && !is_angle_bad) {
        body_info.status = BODY_STATIC;
        fall_stage = FALL_STAGE_NORMAL;
    }
}

算法优化建议：

1. 加入滑动平均滤波处理加速度数据，减少抖动影响
2. 对不同体型的用户，可以设计校准流程调整阈值
3. 增加时间窗口限制，防止长时间停留在中间状态

5. 系统集成与主循环设计

5.1 主程序框架

将各个模块整合到主循环中，形成完整的应用：

c复制int main(void) {
    // HAL库初始化
    HAL_Init();
    SystemClock_Config();
    
    // 外设初始化
    MX_I2C1_Init();
    MX_USART1_UART_Init();  // 用于调试输出
    
    // MPU6050初始化
    if(MPU6050_Init() != 0) {
        // 初始化失败处理
        Error_Handler();
    }
    
    // 状态初始化
    body_info.status = BODY_STATIC;
    fall_stage = FALL_STAGE_NORMAL;
    
    while(1) {
        // 1. 读取传感器数据
        MPU6050_GetPitchRoll(&body_info.pitch, &body_info.roll);
        body_info.accel_norm = MPU6050_GetAccelNorm();
        
        // 2. 执行状态判断
        BodyStatus_Judge();
        
        // 3. 调试信息输出
        printf("状态:%d 加速度:%.2fg 俯仰:%.1f° 横滚:%.1f°\r\n", 
              body_info.status, body_info.accel_norm,
              body_info.pitch, body_info.roll);
        
        // 4. 应用逻辑
        if(body_info.status == BODY_FALL) {
            // 触发摔倒报警
            Fall_Alert_Handler();
        }
        
        HAL_Delay(50);  // 20Hz更新率
    }
}

5.2 调试输出设计

良好的调试信息能极大提高开发效率，建议包含以下内容：

1. 原始传感器数据（加速度、角速度）
2. 计算后的物理量（合加速度、姿态角）
3. 状态机当前状态
4. 各种计数器值（用于分析状态转换）
5. 错误标志（通信错误、数据异常等）

可以通过串口输出到PC，或者使用SEGGER RTT等更高效的调试方式。

5.3 性能优化技巧

1. 采样率选择：人体运动检测通常50-100Hz足够，过高会浪费资源
2. 低功耗设计：在不影响功能的情况下降低MCU主频，使用睡眠模式
3. 内存优化：合理使用全局变量，避免频繁动态内存分配
4. 实时性保证：确保最坏情况下循环周期满足时序要求

6. 常见问题与解决方案

6.1 传感器通信失败

现象：读取的ID不正确或数据全为0
可能原因：

1. I2C地址错误（AD0引脚电平决定地址是0x68还是0x69）
2. 上拉电阻缺失（SCL和SDA需要4.7kΩ上拉）
3. 时序问题（特别是时钟速度过高）
4. 电源不稳定（建议增加10μF以上滤波电容）

解决方案：

1. 用逻辑分析仪抓取I2C波形，验证地址和时序
2. 检查硬件连接，确保上拉电阻存在
3. 降低I2C时钟频率（从100kHz开始测试）
4. 测量电源电压，确保在3.3V±10%范围内

6.2 姿态解算不准确

现象：角度计算值抖动大或明显错误
可能原因：

1. 加速度计未校准（零偏和灵敏度误差）
2. 动态情况下加速度计受运动加速度影响
3. 陀螺仪数据未融合（仅用加速度计在运动时不准）

解决方案：

1. 进行静态校准（六面法）
2. 实现互补滤波或卡尔曼滤波融合陀螺仪数据
3. 加入滑动平均或低通滤波减少抖动

6.3 摔倒检测误触发

现象：正常活动被误判为摔倒
可能原因：

1. 阈值设置不合理（如失重阈值过大）
2. 状态机条件过于宽松
3. 未考虑特殊运动场景（如跳跃）

解决方案：

1. 收集更多测试数据调整阈值
2. 增加状态转换条件（如时间窗口限制）
3. 针对特殊场景添加白名单规则

6.4 系统响应延迟

现象：摔倒后报警延迟明显
可能原因：

1. 主循环周期过长
2. 静止确认时间设置过长
3. 算法计算量过大

解决方案：

1. 优化代码结构，减少循环内计算量
2. 调整STATIC_CHECK_MS参数（平衡响应速度和准确性）
3. 使用DMA方式读取传感器数据

7. 项目扩展与进阶方向

7.1 无线传输功能

增加蓝牙或Wi-Fi模块，实现摔倒报警的无线通知：

1. HC-05蓝牙模块：简单易用，适合短距离传输
2. ESP8266 WiFi模块：可实现互联网远程报警
3. NB-IoT：低功耗广域网，适合无Wi-Fi覆盖区域

7.2 多传感器融合

结合其他传感器提高检测精度：

1. 气压计：检测高度变化（摔倒通常伴随高度降低）
2. 地磁传感器：提供绝对方向参考
3. 心率传感器：检测摔倒后的生理状态变化

7.3 机器学习算法

采集大量运动数据，使用机器学习分类：

1. 特征提取：时域、频域特征
2. 分类算法：SVM、随机森林等
3. 嵌入式部署：TensorFlow Lite for Microcontrollers

7.4 低功耗优化

对于可穿戴设备，功耗是关键指标：

1. 使用STM32低功耗系列（如L4）
2. 合理设置传感器睡眠模式
3. 优化采样率（动态调整）

8. 实际测试与效果评估

8.1 测试方案设计

1. 静态测试：模块静止放置，验证姿态角计算
2. 运动测试：佩戴设备进行各种日常活动
3. 摔倒模拟：不同方向、速度的摔倒场景
4. 边界测试：快速起身、剧烈运动等特殊情况

8.2 性能指标评估

1. 检测准确率：统计正确检测的摔倒次数
2. 误报率：正常活动被误判为摔倒的比例
3. 响应时间：从摔倒到报警的时间延迟
4. 功耗表现：电池供电情况下的工作时间

8.3 实测数据示例

以下是一组典型测试数据：

8.4 优化调整记录

根据测试结果进行的参数调整：

1. 将GRAVITY_MIN从0.5g调整为0.7g，减少快速坐下时的误触发
2. 将FALL_FILTER_FRAME从5帧减少到3帧，提高响应速度
3. 增加角度变化率检测，避免缓慢躺下被误判

9. 工程实践建议

9.1 代码管理技巧

1. 模块化设计：传感器驱动、算法、应用逻辑分离
2. 版本控制：使用Git管理代码，特别是参数调整记录
3. 文档注释：关键函数和参数添加详细注释

9.2 硬件设计注意事项

1. PCB布局：MPU6050尽量远离噪声源（如电机、电源）
2. 信号完整性：I2C走线尽量短，必要时加屏蔽
3. 电源设计：LDO稳压，充足滤波电容

9.3 量产考虑因素

1. 传感器校准：设计产线校准流程
2. 固件升级：预留Bootloader和调试接口
3. 可靠性测试：振动、跌落、温度循环等环境测试

10. 项目总结与心得

经过这个项目的完整开发，我深刻体会到几个关键点：

1. 传感器校准至关重要：即使是同一批次的MPU6050，个体差异也不小，必须进行校准才能获得准确数据。

2. 阈值选择需要大量实测：论文中的理论值往往需要根据实际场景调整，要准备多样化的测试数据。

3. 状态机设计要严谨：考虑所有可能的转换路径和边界条件，避免卡死在中间状态。

4. 调试信息要丰富：好的调试输出能节省大量问题排查时间，不要吝惜那点Flash空间。

5. 实时性要折中考虑：响应速度和准确性往往矛盾，需要根据应用场景找到平衡点。

这个方案已经成功应用于几个实际项目中，包括老人健康监护系统和运动员训练监测设备。虽然六轴传感器在精度上不如更专业的设备，但对于大多数应用场景已经足够，而且成本优势明显。后续我计划在现有基础上增加十轴传感器的融合算法，进一步提升姿态解算的精度和稳定性。