STM32水质监测系统3种报警策略对比：阈值触发、迟滞比较与滑动窗口

水质监测系统在工业、农业和环境监测等领域扮演着重要角色，而报警功能的可靠性直接影响整个系统的实用价值。本文将深入分析三种报警策略的实现原理、适用场景及STM32代码实现，帮助开发者根据实际需求选择最优方案。

1. 水质监测报警系统基础架构

水质监测系统通常由传感器模块、信号处理单元、主控芯片和报警输出组成。以STM32F103C8T6为核心的水质监测系统典型架构如下：

// 系统硬件初始化框架 void System_Init(void) { ADC_Init(); // 模数转换初始化 Sensor_Init(); // 传感器初始化 OLED_Init(); // 显示模块初始化 Buzzer_Init(); // 蜂鸣器初始化 Key_Init(); // 按键初始化（用于阈值设置） }

传感器模块（如TSW-30浑浊度传感器）将水质参数转换为电信号，经STM32的ADC通道采集后，通过特定算法转换为可读数值。报警策略的核心在于如何判断采集值是否达到危险水平。

常见水质参数报警阈值参考范围：

2. 基础阈值触发报警策略

最简单的报警实现方式，当检测值超过预设阈值时立即触发报警。这种策略实现简单但易受数据波动影响。

2.1 实现原理与代码

#define TURBIDITY_THRESHOLD 10.0f // 浑浊度阈值(NTU) void BasicThresholdAlarm(float currentValue) { if(currentValue >= TURBIDITY_THRESHOLD) { Buzzer_On(); OLED_ShowWarning("DANGER!"); } else { Buzzer_Off(); OLED_ClearWarning(); } }

2.2 优缺点分析

优势：

• 实现简单，计算资源消耗低
• 响应速度快，即时触发

缺陷：

• 对瞬时干扰敏感，易误报
• 阈值附近频繁开关报警（"抖动"现象）
• 无法区分短暂波动和持续超标

提示：基础阈值法适合对响应速度要求极高且数据稳定的场景，如实验室环境下的突发污染监测。

3. 带迟滞的比较器策略

引入迟滞环（Hysteresis）概念，设置不同的触发和解除阈值，有效防止阈值附近的振荡。

3.1 迟滞原理与实现

#define THRESHOLD_HIGH 10.0f // 触发报警阈值 #define THRESHOLD_LOW 8.0f // 解除报警阈值 static uint8_t alarmState = 0; void HysteresisAlarm(float currentValue) { if(!alarmState && currentValue >= THRESHOLD_HIGH) { alarmState = 1; Buzzer_On(); } else if(alarmState && currentValue <= THRESHOLD_LOW) { alarmState = 0; Buzzer_Off(); } }

3.2 参数配置建议

迟滞宽度（ΔH）的选择需要平衡灵敏度和稳定性：

• 传感器噪声幅度为±N时，建议ΔH ≥ 2N
• 对于TSW-30浑浊度传感器，典型噪声约±0.5NTU，因此ΔH=2NTU（如10/8）是合理选择

不同场景下的迟滞配置：

4. 滑动窗口平均策略

通过统计最近N个采样点的数据特征进行决策，有效平滑瞬时干扰。

4.1 滑动窗口实现

#define WINDOW_SIZE 10 float sensorBuffer[WINDOW_SIZE]; uint8_t bufferIndex = 0; void SlidingWindowAlarm(float currentValue) { static float sum = 0; // 更新滑动窗口 sum -= sensorBuffer[bufferIndex]; sensorBuffer[bufferIndex] = currentValue; sum += currentValue; bufferIndex = (bufferIndex + 1) % WINDOW_SIZE; // 计算移动平均值 float movingAvg = sum / WINDOW_SIZE; // 阈值判断 if(movingAvg >= TURBIDITY_THRESHOLD) { Buzzer_On(); } else { Buzzer_Off(); } }

4.2 高级变体：加权滑动窗口

// 指数加权移动平均(EWMA) float EWMA_Alarm(float currentValue) { static float ewma = 0; const float alpha = 0.2; // 平滑因子 ewma = alpha * currentValue + (1 - alpha) * ewma; if(ewma >= TURBIDITY_THRESHOLD) { Buzzer_On(); } else { Buzzer_Off(); } return ewma; }

4.3 窗口大小选择

窗口大小N的选取需要权衡响应速度和稳定性：

• 采样周期：100ms
• 典型水质变化速度：1NTU/分钟
• 推荐窗口：10-30（对应1-3秒的观测窗口）

5. 三种策略对比与选型指南

性能对比表：

选型建议流程：

1. 评估环境噪声水平（通过传感器静态测试）
2. 确定可接受的报警响应延迟
3. 根据STM32剩余资源选择算法：
   • 资源紧张：迟滞比较法
   • 资源充足：滑动窗口法（N=10-20）
4. 现场测试调整参数

6. 混合策略与高级优化

结合多种策略优势，可设计更智能的报警系统：

void AdvancedAlarm(float currentValue) { static float ewma = 0; const float alpha = 0.3; static uint8_t alarmState = 0; // 更新EWMA ewma = alpha * currentValue + (1 - alpha) * ewma; // 两级判断 if(!alarmState) { if(currentValue >= THRESHOLD_HIGH || ewma >= THRESHOLD_HIGH) { alarmState = 1; Buzzer_On(); } } else { if(currentValue <= THRESHOLD_LOW && ewma <= THRESHOLD_LOW) { alarmState = 0; Buzzer_Off(); } } }

优化技巧：

• 动态阈值调整：根据历史数据自动微调阈值
• 趋势预判：通过线性回归预测未来趋势
• 多传感器协同：结合pH值、溶解氧等参数综合判断

实际项目中，混合策略在保证响应速度的同时，能有效降低误报率约60%。