作者毕业于EE专业，这是一个出于兴趣制作的该专业的毕设项目，仅存档供留存思路。 仅自留以及供学习目的复现使用，无许可协议，禁止商用，无作者书面授权禁止提交至任何平台或作为作业提交。
用一句话来说：这个项目把一块小电路板变成了一台能听声音、分析声音、并把分析结果实时传到网页上的仪器。
想象一下这样一个场景：你对着一个麦克风说话或唱歌，同时在电脑浏览器里打开一个网页，网页上的图表会实时显示你的声音是什么频率、有多响、频谱长什么样——就像一个迷你版的"音频示波器"或者"频谱分析仪"，只不过这一切都跑在一块比手掌还小的开发板上。
[你的嘴/声音]
↓
[麦克风模块 MAX9814] ← 把声音振动变成电压信号
↓ 一根导线
[STM32 开发板] ← 项目的大脑，做所有运算
↓ 另一根导线
[ESP8266 Wi-Fi 模块] ← 负责把数据发到网上
↓ Wi-Fi
[互联网上的 MQTT 服务器] ← 消息中转站（类似一个邮局）
↓ 浏览器访问
[网页仪表盘] ← 你在屏幕上看到的图表
| 器件 | 通俗解释 |
|---|---|
| STM32 Nucleo-L476RG | 这个项目的核心大脑，是一块开发板，上面有一颗 ARM 芯片，运行我们写的 C 代码。它的处理器和手机里的 ARM 处理器是同一家公司设计的，但更简单、更省电，专门用于嵌入式应用。 |
| MAX9814 麦克风放大器 | 普通麦克风输出的电压信号非常微弱（毫伏级），直接接电路板根本读不准。MAX9814 会把它放大 60 倍以上，变成 0~3.3V 范围的电压，让开发板的 ADC（模拟转数字）能清楚地读取。它还有自动增益控制功能，声音太大时自动调小增益，防止失真。 |
| ESP8266-01S | 一块极小的 Wi-Fi 模块，里面有完整的 Wi-Fi 和 TCP/IP 功能。我们的开发板通过串口给它发指令，它负责连 Wi-Fi、联网、把数据发到服务器上。 |
| 代码文件 | 语言 | 作用 |
|---|---|---|
Core/Src/main.c |
C 语言 | 全部核心逻辑：采集声音、分析声音、发送数据 |
web/index.html |
HTML + JavaScript | 浏览器里的仪表盘网页 |
声音在这个项目中经历了一条完整的处理流水线，可以理解为一条工厂生产线：
麦克风把声音变成随时间变化的电压（类比成一条起伏的曲线）。开发板上有一个叫做 ADC（模数转换器） 的硬件，以每秒 44055 次的速度（和 CD 音质 44100 Hz 差不多）对这个电压进行"拍照"，每张照片记录一个 0~4095 之间的数字（12 位精度）。
类比： ADC 就像一个超高速摄影机，每秒拍 44055 张"电压照片"，把连续的声音信号变成一串数字。
拍照完的数字需要存起来再处理。如果让 CPU 亲自去搬，每秒搬 44055 次，CPU 就什么别的事都干不了了。这里用了一个叫 DMA（直接内存访问） 的硬件，它就像一个自动传送带，CPU 不用管，数据自动从 ADC 搬到内存里。
装满 1024 个数据（约 23 毫秒）后，DMA 会发出一个中断信号通知 CPU："好了，可以处理了！"然后 DMA 继续装下一批数据，CPU 同时处理这一批。这叫双缓冲（Ping-Pong）——两个存储槽轮流使用，保证声音一帧不漏。
这是整个项目最核心的部分，用了三种数学算法：
FFT 是信号处理里最著名的算法。它回答这个问题：这 1024 个声音采样点里，有哪些频率的声音？各自有多强？
通俗类比： 你面前有一锅菜汤，FFT 能告诉你这锅汤里有多少克盐、多少克糖、多少克辣椒——把混合信号分解成各频率成分。
本项目做的是 1024 点 FFT，得到 512 个频点，每个频点间隔约 43 Hz。分析结果叫"频谱"，就是网页上那个彩色柱状图。
滤波器的作用是只让特定频率范围内的声音通过，其余的挡住。
类比： 就像水龙头上的过滤器，只让干净的水通过，把杂质挡住。
本项目的低通滤波器截止频率是 4000 Hz，意思是：4 kHz 以下的声音正常通过，4 kHz 以上的高频部分被大幅衰减。这模拟了电话语音的频带（人声主要集中在 300 Hz ~ 3.4 kHz）。
开启滤波器后，你可以在网页的频谱图上明显看到高频部分（蓝色/紫色的柱子）变矮，这就是滤波效果的直观验证。
RMS（均方根）是衡量声音响度的标准方法：
简单来说就是：把所有采样值平方、求平均、再开根号。值越大，声音越响。网页上的进度条就反映这个值。
每秒一次，开发板把分析结果（主频、响度、频谱数据）打包成一段 JSON 文字，通过 ESP8266 发到互联网上一个叫 MQTT 服务器的地方。
类比： MQTT 就像一个消息群组。开发板往"audio_dsp/data"这个群里发消息，网页也加入了这个群，一收到消息就更新图表。
浏览器里的网页用 JavaScript 订阅 MQTT 消息，每收到一条就更新图表。用的是两个流行的 JS 库：
- MQTT.js：负责连接 MQTT 服务器和接收消息
- Chart.js：负责画图表
这个开发板用的 ARM Cortex-M4 处理器有两个特殊硬件：
- FPU（硬件浮点单元）：专门做小数乘法，比软件模拟快 10 倍以上
- DSP 指令集（SIMD）：一条指令同时处理多个数据
本项目用的 CMSIS-DSP 库（ARM 官方提供）底层正是利用了这两个硬件特性，使得 1024 点 FFT + FIR 滤波的全套计算在不到 5 毫秒内完成，实现了真正的"实时"处理。
如果用没有 FPU 的普通芯片（如 Cortex-M0）做同样的运算，可能需要 50~100 毫秒，根本做不到实时。
DMA + Ping-Pong 双缓冲是嵌入式实时音频处理的经典架构。它保证了在 CPU 做 FFT 运算的同时，声音采集一帧也不会丢，这是系统"实时性"的根本保证。
网上有很多 MQTT 库可以直接用，但本项目选择按照 MQTT 3.1.1 协议规范，手动拼接二进制数据包。这就好像别人用微信发消息，而你自己实现了微信的底层通信协议——技术难度更高，但也充分体现了对协议底层的理解。
从麦克风拾音 → STM32 处理 → ESP8266 发送 → 互联网服务器 → 任何地方的浏览器显示，这是一个完整的物联网（IoT）系统，覆盖了从硬件到嵌入式软件再到云端和前端的完整技术栈。
Q: 为什么选 STM32L476RG，而不是更简单的 Arduino？
A: 因为 L476RG 搭载 ARM Cortex-M4，有硬件 FPU 和 DSP 指令集，能实时处理 44 kHz 的音频信号。Arduino 用的 ATmega328 没有浮点硬件，做 1024 点 FFT 会非常慢，无法满足实时要求。
Q: 为什么采样率选 44055 Hz？
A: 根据奈奎斯特定理，采样率必须大于信号最高频率的两倍。人耳能听到最高约 20 kHz，所以采样率需要超过 40 kHz。44055 Hz 是由硬件定时器（TIM3，ARR=1814）精确计算得出的实际采样率，接近标准 CD 音质的 44100 Hz。
Q: FFT 为什么要加窗（Hanning Window）？
A: 对有限长度信号直接做 FFT，相当于在信号两端突然截断，会产生"频谱泄漏"——一个单频信号在频谱上会"漏出"到相邻频点，看起来像有很多杂散频率。加 Hanning 窗能把信号两端平滑到零，大幅减少频谱泄漏，使频谱分析更准确。
Q: FIR 和 IIR 滤波器有什么区别？为什么选 FIR？
A: FIR（有限冲激响应）滤波器的系数是固定的有限个，具有线性相位特性（各频率分量的延迟完全一致），不会导致声音失真。IIR 有反馈结构，效率更高，但有相位非线性问题且理论上可能不稳定。对于音频质量要求较高的场景，FIR 更合适。
Q: 怎么验证 DSP 算法是否正确？
A: 项目内置了软件正弦波振荡器（1 kHz），可以生成已知频率的测试信号代替麦克风输入。运行后 FFT 应在约 1001 Hz 处显示单一峰值，RMS 应为 0.707（= 1/√2，这是单位正弦波的理论 RMS 值）。这种自测方法无需外部仪器，直接在代码层面验证算法正确性。
Q: MQTT 是什么，为什么选它？
A: MQTT（消息队列遥测传输）是一种专为 IoT 设计的轻量级消息协议。它比 HTTP 的数据包小得多，且采用"发布/订阅"模式（设备发布消息到 Broker，浏览器订阅 Broker 获取消息），非常适合资源受限的嵌入式设备与云端通信。
Q: 这个系统和"远程医疗辅助诊断"有什么关系？
A: 心音、肺音、语音等医学音频信号的频谱特征（主频、谐波分布）是辅助诊断的重要依据。本系统实现了音频的实时频谱分析和远程数据传输，理论上可以把采集端部署在患者侧，医生通过 Web 仪表盘远程查看音频频谱特征，这正是项目背景中"远程辅助医疗诊断"场景的技术基础。
| 类别 | 具体技术 |
|---|---|
| 硬件平台 | STM32 Nucleo-L476RG（ARM Cortex-M4 @ 80 MHz） |
| 嵌入式框架 | STM32 HAL 库，STM32CubeMX 图形化配置 |
| DSP 库 | ARM CMSIS-DSP（官方 DSP 加速库） |
| DSP 算法 | 实数 FFT（1024 点）、FIR 低通滤波（29 阶）、RMS 计算 |
| 通信协议 | MQTT 3.1.1（手动实现），AT 指令集（ESP8266 控制） |
| IoT 基础设施 | HiveMQ 公共 MQTT Broker |
| 前端技术 | HTML5 / CSS3 / JavaScript |
| 前端库 | MQTT.js（MQTT WebSocket 客户端）、Chart.js v4（图表） |
| 开发工具 | STM32CubeIDE、VS Code + Live Server 插件 |
| 编程语言 | C（固件）、JavaScript（Web 端） |
