做嵌入式的信号处理，有个问题绕不开：怎么在资源有限的MCU上做去噪、特征提取？如果你接触过FFT，会发现它在频域定位上有先天短板——只能告诉你某个频率存在，却说不清这个频率发生在什么时刻。这就让小波变换有了用武之地。最近我在STM32上做了一个小波变换加神经网络的综合项目，这一篇先把小波算法如何在单片机上落地讲清楚。文章适合正在做振动监测、设备故障诊断、心电信号处理的工程师，也适合拿STM32做毕业设计或竞赛项目的同学。读完你不仅能看懂小波变换的C语言实现，还能绕过我在调试时踩过的几个大坑。

很多人一听到小波变换，第一反应是数学公式太多，不敢碰。实际上在单片机上跑小波，真正需要掌握的算法并不多，主线就是离散小波变换DWT，说的再直白一点，就是一组滤波器组加降采样。这一篇我会直接用C语言把DWT写出来，再给出一套可以复现到Keil工程里的代码骨架。

1. 为什么要在STM32上跑小波变换

1.1 小波变换到底解决什么问题

先说说工程背景。传感器采集回来的信号，比如电机振动信号、齿轮箱冲击信号、心电信号，绝大多数不是平稳信号。所谓平稳，简单理解就是统计特征不随时间变化；但现实中的故障冲击、瞬态波动，往往只在某个很短的时间片段里出现。FFT做全局频谱分析时，相当于把整段信号平均起来看，频率成分存在，但具体在哪个时间点产生的，完全丢失了。窗口傅里叶变换虽然加了时间窗，可窗宽固定之后，高频和低频的分辨率就矛盾了：窗宽变大，频率分辨率好但时间分辨率差；窗宽变小，时间定位准但频率看不清楚。

小波变换的核心优势，就是“多分辨率”。它用一组伸缩和平移的小波基函数去匹配信号，低频段用宽窗子看趋势，高频段用窄窗子看突变，时间和频率的局部化信息都能保留下来。落到工程上，就是既能从一段振动数据里找出故障频率，又能定位到故障冲击发生在第几个采样点。这种能力在机械故障诊断、电力暂态分析、医学信号处理里非常实用。

在MCU上做这类计算，最大的驱动力是“边缘处理”。现场数据量往往很大，如果全部无线传到上位机再分析，延迟高，还费电。直接在STM32上算完去噪和特征提取，只把结果上报，是更合理的产品形态。

1.2 FFT的盲区与小波的优势

我经常把FFT和小波变换放在一起比较，因为它们都是频域分析工具，但适用场景差异很大。

FFT适合分析平稳周期信号，比如逆变器输出波形的谐波分析、电源噪声评估。小波变换适合信号里有突变和暂态的场景，比如轴承早期故障、电缆局部放电、肌电信号提取。在STM32这种主频不过一两百兆的平台上，小波的O(N)复杂度很有吸引力，尤其当数据长度是2的幂时，层级分解的边缘处理也简单。

1.3 什么场景才值得在MCU上用小波

不是所有嵌入式项目都得上小波。我判断的标准很简单：第一，信号里存在非平稳成分；第二，需要实时或准实时输出结果；第三，不能把全部原始数据传到上位机。三条都满足，才值得在MCU上做。

有一个典型例子是旋转机械的冲击监测。设备正常运行时，振动信号近似平稳；一旦某个轴承出现剥落，会产生周期性的冲击脉冲，这时信号在时域上出现明显的局部变化。用FFT看频谱，冲击的能量会散布在一整个频段，不如小波系数里高频细节的突变明显。另一个例子是电力系统的暂态录波，故障发生前后几十个毫秒信号剧烈变化，小波分解出的细节系数能直接用来做故障类型识别。

如果你只是做简单的温度采集、慢速的传感器平滑滤波，那完全没有必要引入小波，一个滑动平均或一阶低通滤波就够了。嵌入式开发的第一原则是合适，不是算法越高级越好。

2. 小波变换的数学基础与算法选型

2.1 从连续小波到离散小波：Mallat算法

连续小波变换的定义里面带积分，还要对尺度和平移参数连续取值，这在单片机上没法直接算。工程上使用的是离散小波变换DWT，而DWT最经典的实现就是Mallat算法。Mallat算法把小波分解变成了两件事：一是用低通滤波器h和高通滤波器g分别对信号做卷积，二是隔点采样实现降尺度。每分解一层，就得到一组低频近似系数cA和高频细节系数cD，下一层继续对cA做同样处理。

看到的滤波器组结构，本质上是一个二叉树。对单片机来说，这一步的计算量主要是乘加运算。假设信号长度N，每个滤波器长度为L，一次卷积的计算量大约是N乘L，再加上N次加法。如果直接用卷积实现，N点信号、L=4的db2小波，一次分解也就几千次乘加，对STM32来说压力并不大。

不过，直接用滤波器卷积有一个麻烦：每层都要保留完整的卷积中间结果，还要分配两个输出数组。对于内存只有几十K的芯片，这是一个比较紧的限制。所以我在单片机上优先建议用提升方案，而不是教科书里的卷积Mallat形式。

2.2 为什么我推荐提升方案

提升方案，也叫Lifting Scheme，是传统小波的一种高效实现。它把滤波器组分解成多个“预测-更新”步骤，可以在原地完成变换，不需要额外的大缓冲区。这点在嵌入式环境里是压倒性的优势。

举一个直观的例子：Haar小波用卷积做，要先算平均和差值，再用两个数组保存低频和高频。用提升方案，只需要先把偶数位和奇数位分开，做一次差值预测，再更新偶数位，结果就能放回原数组的前半段和后半段。整个过程不需要复制整块数据，内存占用从两倍N降到N加上一小块临时空间。

提升方案另一个好处是计算量更小。传统卷积需要对每个输出点做L次乘加，提升方案把乘加拆分后，很多系数可以归一化成简单的加减和移位操作。比如CDF(2,2)小波，也就是常用的5/3小波，提升系数只有0.5和0.25，在浮点上就是两次乘法和几次加法，要是转定点，还能用右移替代，速度更快。

2.3 小波基怎么选：Haar、db2还是db4

市面上小波基几十种，但真正适合单片机的没那么多。我的选择原则是：先满足需求，再看计算代价。

Haar小波是最简单的小波，只有两个系数，核心运算就是相邻两点求平均和求差。它的优点是计算量极小，内存占用少，实时性极高；缺点是频域分辨率差，高频细节比较粗，去噪效果往往一般。适合快速验证流程，或者对频率定位要求不高的场景。

db2小波是Daubechies系列里最短的，滤波器长度4，比Haar平滑，能较好保持信号连续性，去噪效果明显好于Haar。在STM32上跑db2，一轮分解的计算量比Haar高两倍左右，但通常仍可接受，我很多项目默认选db2。

db4小波滤波器长度8，频域特性更好，但计算量翻倍。如果信号比较平滑，需要提取微弱特征，db4更合适。在F407这类带FPU的芯片上，1024点数据做4层db4分解也就在几十毫秒级别。更长的滤波器比如db8之类，我就不建议在MCU上硬跑了，除非你有DSP扩展指令或者主频非常高。

2.4 用C语言的思维理解提升步骤

学习提升方案时，不要直接去看数学推导，先把“分裂、预测、更新”三个动作刻在脑子里。

分裂是把输入序列分成偶数位和奇数位两组。预测是用相邻的偶数位去预测奇数位，两者相减得到高频细节。更新是用已经算好的高频细节去修正偶数位，得到低频近似。每一组动作做完，低频和高频就分别有了，下一层继续对低频部分操作。

用C语言表达时，最核心的是数组索引。分解后，习惯把低频放在数组前一半，高频放在后一半。这样下一层只需对前一半继续处理，不需要额外数组来区分层数。这种布局对MCU编程非常友好，内存复用率高，调试也直观。

3. 从零编写STM32可用的DWT实现

3.1 数据结构和内存规划

实际在STM32工程里写DWT，我习惯先定义几个全局常量，避免用动态内存：

#define DWT_MAX_LEN 1024 #define DWT_MAX_LEVEL 5

信号缓冲区用静态数组，长度最大1024个浮点数。如果用float，总共4KB，大部分STM32都放得下。如果要做多通道，比如三个通道同时采集，那就需要3个缓冲区，内存占用需要认真核算。建议先用单通道调通算法，再扩展多通道。

缓冲区还有一个细节：尽量16字节对齐。STM32的FPU对超标量加载有对齐要求，DMA搬运数据时也偏好对齐地址。在C文件里定义数组时，加上对齐属性：

float signal[DWT_MAX_LEN] __attribute__((aligned(16)));

如果你用的是C51风格的单片机迁移过来的代码，可能不熟悉这个写法，但在GCC和ARMCC下都支持。对齐之后，调试和后续优化都会顺畅很多。

3.2 一维DWT核心函数：Haar实现

先给一个最简单的Haar小波实现，帮助大家理解整体结构。这个函数是原地变换，输入信号在data数组里，分解后低频系数放在前一半，高频系数放在后一半。

void dwt_haar_1d(float *data, uint16_t n, uint16_t levels) { float tmp[DWT_MAX_LEN / 2]; for (uint16_t lv = 0; lv < levels; lv++) { uint16_t len = n >> lv; if (len < 2) break; uint16_t half = len >> 1; for (uint16_t i = 0; i < half; i++) { float a = data[2 * i]; float b = data[2 * i + 1]; tmp[i] = (a + b) * 0.5f; tmp[i + half] = (a - b) * 0.5f; } for (uint16_t i = 0; i < len; i++) { data[i] = tmp[i]; } } }

这个函数每一层都用一个中间数组tmp，虽然比完整卷积省内存，但还不算最彻底。对于Haar来说，其实可以完全不用临时数组，直接在原数组里操作，但需要小心覆盖顺序。对初学者，先通过这段代码理解分解过程比较重要。

实际工程中我会把tmp改成函数内部静态数组，避免每次调用花时间去栈上分配：

static float tmp[DWT_MAX_LEN / 2];

这样做的代价是可重入性变差，但在单任务裸机环境下，这点影响可以忽略。

3.3 更常用的CDF(2,2)提升实现

实际去噪和特征提取，我更推荐CDF(2,2)小波，也就是5/3小波。它比Haar平滑，在图像和信号处理里都很常见。下面这段是提升方案的DWT核心代码。

static void dwt_split(float *x, uint16_t n, float *even, float *odd) { uint16_t half = n >> 1; for (uint16_t i = 0; i < half; i++) { even[i] = x[2 * i]; odd[i] = x[2 * i + 1]; } } static void dwt_cdf22(float *x, uint16_t n) { uint16_t half = n >> 1; float even[DWT_MAX_LEN / 2]; float odd[DWT_MAX_LEN / 2]; dwt_split(x, n, even, odd); // predict for (uint16_t i = 0; i < half; i++) { float left = even[(i - 1 + half) % half]; float right = even[(i + 1) % half]; odd[i] -= (left + right) * 0.5f; } // update for (uint16_t i = 0; i < half; i++) { float left = odd[(i - 1 + half) % half]; float right = odd[(i + 1) % half]; even[i] += (left + right) * 0.25f; } // pack: low in first half, high in second half for (uint16_t i = 0; i < half; i++) { x[i] = even[i]; x[i + half] = odd[i]; } }

注意这里边界处理用的是循环取模，相当于把信号首尾相接。对于大多数连续采集场景，这是最简单也最稳定的做法。如果对边界效应有更高要求，可以改成对称延拓，后面会详细说。

多级分解只需要反复对前半段调用：

void dwt_cdf22_decompose(float *data, uint16_t n, uint16_t levels) { for (uint16_t lv = 0; lv < levels; lv++) { uint16_t len = n >> lv; if (len < 2) break; dwt_cdf22(data, len); } }

这段代码在实际项目里已经可以工作，但有两个前提：第一，数组长度最好是2的n次幂，不然最后一层会出错；第二，levels需要小于log2(n)。

3.4 内存优化：原地变换与乒乓缓冲

上面cdf22实现里even和odd数组都占n/2个float，如果n=1024，两个数组加起来4KB，其实也不小。要做到真正的原地变换，可以在同一个临时缓冲区里先存拆分后的偶序列和奇序列，再逐步用计算结果覆盖。但这个写起来比较容易绕，我建议新手先用临时数组，等流程跑通后再优化。

最优的优化思路是把整个变换设计成乒乓缓冲。定义两个全局数组，一个存当前层输入，一个存当前层输出；下一层时，把输入输出角色对调。这样无论多少层，数组总量始终是两倍N。这种结构也方便用DMA搬运数据，比如ADC采样一轮填满bufferA，DSP开始处理bufferA，同时DMA继续往bufferB里填，交替使用，不让采集停顿。

实现乒乓缓冲时，最关键的是不要在某层计算过程中读写同一个数组。哪怕只是一个小bug，数据被覆盖了，结果就完全不对。我在调试时就吃过亏，结果怎么看怎么不对，最后发现是更新层里参与计算的odd分量已经被修改过。所以代码里每一层的predict和update要严格分离，先全部算完odd，再全部算完even。

3.5 利用STM32的FPU和DSP库提速

STM32F4、F7、H7系列自带FPU，开启后浮点运算大多是单周期指令。虽然小波提升以加法和减法为主，但db2和db4这类小波仍然有大量乘法，FPU的帮助非常大。Keil和STM32CubeIDE里，需要在工程选项里开启FPU硬浮点：在ARMCC下选“FPU: Single Precision”，在GCC下加-mfpu=fpv4-sp-d16 -mfloat-abi=hard。这个不打开，浮点运算会走软库，速度慢好几倍。

如果你的信号长度比较大，比如一次分析4096点，可以考虑用CMSIS-DSP里的arm_fir_f32实现卷积式Mallat分解。虽然CMSIS-DSP没有一个专门的“小波变换”API，但低通和高通滤波器本质上就是两次FIR滤波。比如db2小波，低通系数和高通系数都是4个，直接配置两个arm_fir_instance_f32结构体，就能用DSP库的优化循环跑卷积。不过别忘了卷积之后要隔点抽取，这一步用一个步长为2的循环即可。

下面是一个用arm_fir_f32做单层低通滤波的示意：

#include "arm_math.h" float32_t firState[64]; arm_fir_instance_f32 lowpass; const float32_t lpCoeffs[4] = {0.48296f, 0.83652f, 0.22414f, -0.12941f}; // db2 demo void fir_filter_init(void) { arm_fir_init_f32(&lowpass, 4, (float32_t *)lpCoeffs, firState, DWT_MAX_LEN); } void lowpass_and_decimate(float32_t *src, float32_t *dst, uint16_t n) { arm_fir_f32(&lowpass, src, dst, n); uint16_t half = n >> 1; for (uint16_t i = 0; i < half; i++) { dst[i] = dst[2 * i]; } }

这里省略了高通部分，实际使用时要两个滤波器同时跑。需要特别注意：CMSIS-DSP的arm_fir_f32输出长度和输入一样，抽取后要把有效数据搬到数组前部，避免后一层用错位置。

4. 真实项目中的应用：信号去噪与特征提取

4.1 小波阈值去噪实践

小波去噪是MCU上很常见的用途。传感器信号往往叠加了白噪声，直接做阈值判断容易误报。把信号做几层小波分解后，真实成分通常对应幅值较大的小波系数，噪声则分散在幅值较小的系数上。对细节系数做一个阈值处理，再把信号重构回去，就能保留主要特征同时压低噪声。

在单片机上，我建议用最简单的软阈值方法。先估计噪声标准差，常用公式：

float mad = 0.0f; // 取第一层细节系数的绝对值中位数，乘以1.4826近似噪声标准差 float sigma = (median_abs) * 1.4826f; float lambda = sigma * sqrtf(2.0f * logf((float)n));

求中位数需要排序，在MCU上比较耗时。一个替代方案是用第一层细节系数的平均绝对值乘一个经验系数，比如0.6745，效果也够用。阈值处理函数如下：

float soft_threshold(float x, float thr) { if (fabsf(x) <= thr) return 0.0f; if (x > thr) return x - thr; return x + thr; }

处理完细节系数后，小波重构就是分解的逆过程。用提升方案做重构，只需要把预测和更新的符号反一下，信号合并方式反过来。我这里建议第一次做的时候，在PC上用Python的PyWavelets库先验证结果，再平移成C代码。用小波库验证阈值参数，比在MCU上反复烧录调试快得多。

4.2 特征提取如何为神经网络喂数据

小波变换在项目里的第二个关键角色，是给神经网络准备特征。以轴承故障诊断为例，原始振动信号是时间序列，直接丢给网络，模型很难学到稳定的模式，而且计算量太大。用小波分解之后，信号变成不同尺度上的系数：低频近似系数反映整体趋势，高频细节系数反映冲击和噪声。对这些系数计算统计量，比如每个尺度的能量、方差、均值、峰值、峭度，就组成一个固定维度的特征向量。

特征向量可以做成类似这样的结构：

#define FEAT_NUM 8 typedef struct { float energy[4]; // 每层细节能量 float rms[4]; // 每层细节有效值 float peak[4]; // 每层细节峰值 float kurtosis[4]; // 每层细节峭度 } WaveFeature;

把WaveFeature输入给一个简单的全连接网络，或者轻量级一维CNN，就能实现故障分类。这里只是把结果算出来，神经网络的训练和推理会在后面一篇里详细展开。需要提醒的是，特征维度不能太多，否则MCU端神经网络库的参数会很大；一般4层分解，选取16到32个特征就足够了。

4.3 在STM32F407上的实测性能

我手头常用来验证的方案是STM32F407，主频168MHz，开启FPU，编译器用AC6开-O2。以1024点数据为例，分解3层，两种小波的耗时大致如下：

实测数据会因编译器版本、优化选项、数组对齐有波动，但数量级是稳定的。如果信号采样率是20kHz，一帧1024点代表51.2ms的数据，处理时间不到10ms就可以完成，实时性完全没问题。如果采样率更高，比如100kHz，一帧1024点只有10.24ms，这时就要考虑用双缓冲把采集和处理流水起来，否则会丢数据。

5. 常见问题与避坑指南

5.1 边界处理：补零、镜像还是周期延拓

小波变换本质上是对有限长信号做卷积，边界处的滤波器窗口会出界。最常见的三种做法是补零、对称延拓和周期延拓。补零代码最简单，比如数据最后补4个0，然后卷积，但会在边界产生较大的幅值跳变，去噪时容易出现假边缘。对称延拓把信号边界镜像折叠，边界效应较小，是信号处理里推荐的做法。周期延拓适合采集信号首尾连续的情况，比如电机旋转一圈的振动信号，首尾天然衔接，用循环取模实现很自然。

我在C代码里默认用周期延拓，因为实现起来就是一个取模索引，计算量最小。但也有一个坑：如果采集长度不是整周期，周期延拓会引入突变。这时候改用镜像延拓，代码稍微复杂点，但稳定得多。镜像索引可以这样计算：

static int16_t mirror_index(int16_t i, int16_t len) { if (i < 0) return -i; if (i >= len) return 2 * len - i - 2; return i; }

在提升方案的predict和update里，把取模改成这个函数，就能平滑处理边界。

5.2 定点数实现时的溢出问题

如果单片机上没有FPU，比如STM32F1系列，或者为了降低功耗不想用浮点，那就得把算法定点化。提升系数0.5和0.25可以用右移和乘法实现，但中间累加值很容易溢出。比如原始信号是16位ADC采集，范围是0到65535，转成Q15格式后，两个数相加就可能超过1.0；再乘0.5，虽然结果可能落回去，但加法瞬间的溢出会把符号位吃掉。

解决办法有两个。一个是在累加前先缩小输入，比如把ADC原始数据右移2位再转Q15。另一个更稳妥的办法是使用32位累加器，中间结果用int32_t保存，最后再缩放回Q15。工程量虽然大一点，但可以避免很多隐性bug。我的建议是先用浮点把整个流程跑通，再定点化；不要一开始就写定点，否则定位问题会非常痛苦。

5.3 实时性优化：中断里别做重计算

很多人在ADC采样中断里顺便做滤波或者小波变换，这是个很容易踩的坑。小波变换即使再快，1024点CDF(2,2)也要接近10ms，如果在采样中断里执行，中断被长时间占用，后续采样事件全部丢失，系统实时性彻底崩溃。正确的做法是：ADC采样用DMA，数据填满一帧后置一个标志位；主循环检测到标志位后，再调用小波处理函数。这样采样是硬实时的，处理是准实时的，两者用双缓冲解耦。

我见过一个项目，为了省内存没做双缓冲，直接在单缓冲上边采样边处理，结果信号稍微一抖动，处理函数还没跑完，DMA就把下一批数据覆盖进去，最后波形乱成一团。后来改成两块缓冲交替使用，问题立刻消失。内存多花4KB，换来的是稳定性，非常值得。

5.4 不要被DWT这个缩写坑了

STM32的调试组件里有一个功能叫Data Watchpoint and Trace，缩写也是DWT。在Cortex-M内核手册里经常出现“DWT寄存器”“DWT->CYCCNT”这样的描述，用来做代码运行时间统计。如果你搜索小波变换相关资料，看到“DWT”两个字，第一反应可能混淆。实测中，我就在查STM32周期计数时误入了小波变换的坑，还在想为什么DWT寄存器和小波系数有关系。

在搜索引擎里搜索时，建议带全称Discrete Wavelet Transform，或者在DWT后面加wavelet。代码里命名也尽量用dwt_wavelet前缀，区分调试用的DWT。这个命名细节看似小事，但在多人协作的项目里能避免很多误解。

我个人在实际操作中的体会是，小波变换在STM32上并没有想象中那么难，关键是先选对算法形态。Haar用来跑通流程，CDF(2,2)用来做实际去噪，db4留给精度要求更高的场景。先把浮点版本调通，再根据硬件资源决定要不要定点化。这一篇只是整个系列的第一部分，小波算法是后续神经网络模型的“前端处理器”。如果你正在做一个类似的嵌入式信号分析项目，建议先把这一套分解和重构代码在PC上验证好，再搬到MCU上优化性能。下一步我会继续分享STM32上神经网络推理的部署细节，包括模型压缩、量化以及如何把小波特征直接喂给轻量级网络。