刘高朋_毕业论文_清洗版_v13_2026-04-15

基于嵌入式的二氧化碳检测与预警器设计

作者：刘高朋

学号：202213210

专业：电子信息工程

指导教师：张晓华

学校：华北水利水电大学

摘要

本文围绕基于嵌入式平台的二氧化碳检测与预警器设计展开研究，目标是构建一套兼具低功耗、小型化、高精度和高可靠性的环境监测系统。随着工业化与城市化持续推进，室内外空气质量监测的重要性不断提高，其中二氧化碳浓度直接关系到人体健康、环境舒适度以及部分场景下的生产安全。现有设备在实际使用中普遍存在工业级设备成本高、体积大，民用级设备精度不足、功能单一、抗干扰能力弱等问题，因此有必要设计一套更适用于日常环境监测与远程预警场景的嵌入式解决方案。

本设计以 STM32 微控制器为核心控制单元，结合 SCD41 二氧化碳传感器、OLED 显示模块、声光报警模块以及 BLE 或 Wi-Fi 通信模块，构建完整的环境感知与预警系统。系统通过传感器采集环境中的 CO2 浓度、温度和湿度等参数，并在本地完成数据处理、阈值判断和多级预警控制。同时，借助无线通信方式将监测数据上传至手机 APP 或远程平台，实现远程查看与超标提醒，从而提升系统的智能化与交互性。

针对传感器在复杂环境下可能出现的读数漂移问题，本文重点引入了基于温湿度补偿的校准算法。该算法以标准环境为基准，分别修正温度偏差与湿度偏差对 CO2 原始读数的影响，并加入温湿度交叉项来补偿耦合带来的非线性干扰，从而提高系统在多环境条件下的检测精度。与单纯线性拟合方法相比，该方案更适合面向实际复杂应用场景的嵌入式气体检测系统。

本文在完成系统总体方案设计的基础上，对硬件选型、系统框架、算法实现和功能实现进行了整理，并为后续系统测试、结果分析和论文定稿预留了完整章节结构。该设计可面向民用建筑、工业车间以及其他封闭或半封闭环境提供一种较为实用的二氧化碳监测与预警方案，具有一定的工程应用价值和推广意义。

关键词： 嵌入式系统；二氧化碳检测；预警器；STM32；温湿度补偿

Abstract

This thesis focuses on the design of an embedded carbon dioxide detection and early warning device. The goal is to build an environmental monitoring system with low power consumption, miniaturization, high accuracy, and high reliability. With the continuous development of industrialization and urbanization, air quality monitoring has become increasingly important. Among various indicators, carbon dioxide concentration is directly related to human health, environmental comfort, and even production safety in some scenarios. Existing devices generally suffer from high cost and large size at the industrial level, while consumer-level products often show insufficient accuracy, weak anti-interference ability, and limited intelligent interaction. Therefore, it is necessary to develop a more suitable embedded solution for daily environmental monitoring and remote warning scenarios.

The proposed system uses an STM32 microcontroller as the core control unit, combined with an SCD41 carbon dioxide sensor, OLED display, sound and light alarm module, and BLE or Wi-Fi communication module. Through the sensor module, the device acquires environmental CO2 concentration, temperature, and humidity data. The controller performs local data processing, threshold judgment, and multi-level warning control. At the same time, the monitoring data can be uploaded to a mobile application or remote platform for remote observation and alarm notification, thereby improving the intelligence and interactivity of the system.

To solve the problem of sensor reading drift under complex environmental conditions, this thesis introduces a calibration algorithm based on temperature and humidity compensation. The algorithm corrects the independent influence of temperature deviation and humidity deviation on raw CO2 readings, and further introduces a coupling term to compensate for nonlinear disturbances caused by the interaction between temperature and humidity. Compared with simple linear fitting, this method is more suitable for embedded gas detection systems facing practical multi-environment applications.

On the basis of the overall system design, this thesis organizes the hardware selection, system architecture, algorithm implementation, and functional realization, while reserving complete chapter structures for subsequent testing, analysis, and thesis finalization. The design can provide a practical carbon dioxide monitoring and early warning solution for civil buildings, industrial workshops, and other enclosed or semi-enclosed environments, and has certain engineering application value.

Key Words: embedded system; carbon dioxide detection; early warning device; STM32; temperature and humidity compensation

第1章 绪论

1.1 研究背景

1.1.1 背景

随着工业化、城市化推进及人们对环境品质要求提升，室内外空气质量监测愈发关键。二氧化碳（CO2）浓度直接关乎人体健康与生产安全，精准监测预警具备重要现实意义。现代人每日室内停留时间超过 80%，CO2 浓度超标易诱发健康问题：1000 到 2000 ppm 会导致注意力不集中、效率下降，超过 2000 ppm 则可能引发胸闷和呼吸困难；在工业场景中，浓度失控还会影响产品质量并引发安全事故。

当前 CO2 监测设备呈现明显的两极分化。工业级设备虽然精度较高，但体积大、成本高，不适合普通民用场景；民用级设备则通常具备廉价和小巧的优点，但存在精度不足、功能单一、抗干扰能力弱等问题，尤其在温度补偿、远程交互与低功耗设计方面仍有明显短板，难以满足远程监管与多场景部署需求。

物联网与嵌入式技术的发展为解决这一问题提供了支撑。STM32 微控制器、BLE 通信技术以及温湿度补偿算法的融合，推动监测设备向低功耗、高精度和智能化方向升级。本研究设计一款以 STM32 为核心的智能 CO2 监测预警器，集成多核心功能，以兼顾民用和工程场景需求，弥补现有设备在适配性与实用性上的不足。

图1.1 国内研究情况

表1.1 国内研究情况列表

公式1.1

C_corrected = C_raw + a(T - 25) + b(H - 50) + c(T - 25)(H - 50)

1.2 研究现状

1.2.1 国内研究现状

国内关于 CO2 监测系统的研究，主要围绕教学实验平台、室内环境监测终端、温室与楼宇感知节点以及小型工业安全监测装置展开。已有研究通常以 STM32、51 单片机或 ESP32 等微控制器为核心，配合红外式 CO2 传感器、温湿度传感器、OLED 或 LCD 显示模块，实现本地显示、阈值报警和基础无线传输等功能[1][4][5]。这类方案在“低成本、可实现、便于答辩展示”方面具有明显优势，因此成为毕业设计和教学实践中的常见路线。

但从系统完整性来看，国内许多方案仍然更偏向“硬件节点实现”，即重点完成传感采集、主控处理和简单报警，对后续的远程管理、历史趋势分析、用户交互效率和跨设备协同考虑不足。换言之，不少系统能够完成“测出来”和“报出来”，但尚未充分解决“如何长期使用”“如何远程查看”“如何辅助用户采取行动”等问题。这使得系统在实验室演示层面具备可行性，却在真实使用场景中的连续性和可维护性方面存在不足。

从工程应用角度进一步分析，国内方案还普遍面临三个共性约束。第一，传感器数据在不同温湿度环境下容易出现漂移，若缺乏补偿与滤波机制，就会影响阈值判断的稳定性。第二，系统设计往往缺少统一的测试判据和标准约束，导致“系统是否满足室内空气质量监测需求”难以形成有依据的评价。第三，移动端或平台端的参与程度偏弱，使监测结果难以沉淀为趋势数据、告警历史与行为建议。这说明国内相关研究虽然已经完成了大量基础性工作，但在“面向长期使用的完整监测闭环”方面仍有继续深化的空间。

1.2.2 国外研究现状

国外在 CO2 监测与室内空气质量（IAQ）领域起步较早，研究重点已经从单一传感器应用逐步拓展到“感知终端、网络传输、平台分析和用户界面”协同优化。Benammar 等提出的模块化 IoT 室内空气质量监测平台表明，真正具备部署价值的系统应同时关注采集节点、通信链路、数据平台与可视化界面的一致性[12]。这一结论说明，空气质量监测系统不应只停留在传感器读数输出层面，而应构建端到端的数据闭环。

在终端器件方面，传感器厂商已经将测量精度、低功耗、小型化和温湿度协同补偿纳入器件设计目标。以 Sensirion 第二代光学 CO2 传感器 SCD41 为例，其官方资料给出了 400 到 5000 ppm 的扩展测量范围，并强调器件在小型封装、低功耗、板载温湿度补偿和高体积集成度方面的优势[17][18]。这类官方技术资料说明，当前 CO2 检测终端的发展趋势并不是简单追求“更贵的工业传感器”，而是追求“精度、成本、功耗和系统集成能力”的综合平衡。

在用户交互与应用层面，国外研究更加重视移动端体验与风险解释能力。Robinson 等针对低成本便携式空气质量传感系统的用户反馈研究指出，终端用户并不只关注测量值本身，还十分关注系统是否能提供易理解的状态表达、清晰的反馈方式和可靠的使用体验[14]。Kim 等关于 AirBuddy 的研究进一步表明，移动端应用在展示空气质量状态、连接环境事件与用户行为建议方面具有明显价值[15]。这些研究说明，当监测结果能够通过移动端界面转化为趋势曲线、颜色分级和行为提示时，系统的实际使用价值会显著提升。

在预测分析方面，国外最新研究已经从传统阈值报警进一步走向短时趋势预测。Mountzouris 等以医院场景为例，利用 Attention-Based LSTM 对室内 CO2 进行短时预测，说明在引入多变量信息后，系统能够在未来 15 分钟至 180 分钟范围内给出较有参考价值的趋势估计[16]。这意味着 CO2 监测系统未来的发展方向，不再只是“超标后报警”，而是逐步演进为“基于历史数据和场景状态的主动预测预警系统”。

1.2.3 本文研究内容与创新点

综合国内外研究现状可以发现，当前 CO2 监测系统的关键评价维度，已经从单纯的“能否测量”扩展到“能否稳定测量、能否及时预警、能否远程管理、能否形成可持续使用闭环”。同时，依据《室内空气质量标准》GB/T 18883-2022，室内空气质量评价需要有明确的控制指标和测试判据[19]；依据 SCD41 官方资料，传感器选型也应兼顾量程、精度、功耗和系统集成度[17][18]。因此，本文并非简单完成一个传感节点，而是围绕“标准约束 + 应用需求 + 系统闭环”重新组织系统方案。

本文的研究内容主要包括以下四个方面。第一，完成以 STM32 为核心控制器、SCD41 为环境感知核心、OLED 与声光模块为本地交互终端的硬件系统设计。第二，构建 CO2、温度、湿度的采集、滤波、补偿和分级报警流程，使系统具备稳定的数据处理与本地预警能力。第三，结合 BLE/Wi-Fi 通信链路和轻量级服务端接口，完成面向移动端的数据上报与状态同步逻辑。第四，以 Cloude App 为配套交互系统，搭建登录、首页、设备管理、场景执行、趋势分析和蓝牙管理等页面，使监测终端具备远程可视化和后续扩展基础。

在创新表达上，本文的特点主要体现在以下几个方面。其一，本文强调“设备端 + 服务端 + App 端”的系统协同，而不是只完成单点硬件检测，这使课题从传统嵌入式样机进一步扩展为可持续演进的应用系统。其二，本文在边缘端引入温湿度补偿与滤波策略，在移动端和服务端预留趋势分析与预测能力，使系统从“实时显示”向“风险解释与主动预警”方向延伸。其三，本文引入 Cloude App 作为用户交互层和运维层，使硬件采集结果能够被组织为趋势图、预警阈值、历史记录和设备联动信息，从而提升论文在应用层面的完整性。其四，本文在方案论证中引入官方器件资料与国家标准，使硬件选型、阈值讨论和测试分析不再停留于经验描述，而具备更明确的工程依据[17][18][19]。

1.2.4 文献启发与本文设计映射

为了避免论文停留在“模块堆叠”和“功能罗列”层面，本文将已有文献中的关键观点进一步映射到实际系统设计中。首先，模块化 IAQ 平台研究强调，监测系统的工程价值取决于采集节点、网络传输、平台接口和用户界面的协同程度[12]。因此，本文在硬件终端之外进一步引入服务端接口和 Cloude App，使系统结构从“单点检测器”提升为“检测终端 + 接口层 + 交互层”的一体化方案。

其次，关于低成本空气质量监测体系的研究表明，面向教学和民用场景的系统设计，关键不在于一味追求昂贵器件，而在于在精度、功耗、维护性和部署复杂度之间取得平衡[13][20]。这一思路直接影响了本文的器件与架构选择，即采用 SCD41 作为核心传感器，以 STM32 承担边缘处理，以 BLE/Wi-Fi 作为可扩展通信链路，并通过小尺寸 OLED 和声光模块构成本地交互层。这样既保留了较好的检测性能，也避免了系统复杂度过高而脱离毕业设计实现边界。

再次，用户反馈研究和 AirBuddy 移动端研究都强调，空气质量系统只有在“数据显示方式、风险表达方式和行为建议方式”上足够清晰，才能真正转化为可用系统[14][15]。受此启发，本文没有将 App 简化为附属截图页面，而是将其定义为系统的人机交互层和运维层。首页负责聚合环境状态和设备概况，分析页负责展示趋势、拟合和预测结果，设备页与场景页承担控制与联动逻辑，个人中心页承担蓝牙扫描和系统管理功能。通过这种页面功能拆分，移动端不再只是展示端，而成为监测闭环中的重要组成部分。

最后，短时 CO2 预测研究为本文的后续扩展提供了明确方向。Mountzouris 等的研究表明，在引入多变量信息后，短时趋势预测能够更早发现潜在超标风险[16]。结合本文现有系统，这一思路可被映射为“边缘端完成实时采集和轻量补偿，服务端完成趋势拟合和预测分析，App 端完成可视化和提醒解释”的分层结构。由此可见，本文当前实现虽然以样机和配套 App 为主，但已经为未来向主动预警系统升级预留了完整路径。

第2章 系统设计

2.1 系统框架

2.1.1 构思

本系统总体采用以 STM32 为核心的嵌入式架构，围绕数据采集、本地预警和远程交互三个主要目标进行设计。系统通过 CO2 传感器获取环境数据，经主控芯片处理后在本地完成显示与报警，并通过无线模块将数据上传至移动端，从而形成完整的智能监测闭环。

系统总体情况和技术路线可以进一步细化为硬件模块设计、软件功能分层、预警逻辑设计和远程通信方案四个方面。

图2.1 系统框架示意

表2.1 系统模块功能列表

公式2.1

当 C < C1 时，AlarmLevel = 0；当 C1 ≤ C < C2 时，AlarmLevel = 1；当 C ≥ C2 时，AlarmLevel = 2。

2.2 设计现状与总体方案

2.2.1 系统需求分析

结合室内环境监测和预警应用需求，本系统需要满足以下基本要求。首先，在检测性能上，系统应能够稳定获取 CO2 浓度数据，并同步采集温湿度信息，为后续补偿算法提供输入基础。其次，在交互功能上，系统不仅要能够通过 OLED 屏本地显示实时数据，还应具备 LED 与蜂鸣器联动预警能力，在浓度接近阈值或超过阈值时及时提示用户。再次，在扩展能力上，系统应预留无线通信接口，支持与手机 APP 或远程平台连接，实现数据上传和远程提醒。最后，在工程应用层面，系统应注重体积、功耗和部署便捷性，以适配教室、宿舍、办公室、车间等不同场景。

2.2.2 总体方案比选

在传感器选型方面，可选方案包括普通模拟气体传感器、MH-Z19 系列 NDIR 传感器以及 SCD41 集成式高精度传感器。模拟气体传感器成本较低，但稳定性和重复性较差；MH-Z19 具备较成熟的应用基础，但在体积和集成度上不如新一代方案；SCD41 在体积、精度、功耗和温湿度一体化方面更具优势，因此更适合作为本文系统的检测核心。

在主控芯片方面，可在 51 单片机、ESP32 和 STM32 之间进行选择。51 单片机开发简单，但资源有限，不利于实现多任务调度与低功耗设计；ESP32 具备较强联网能力，但功耗相对较高，且作为纯主控使用会增加系统复杂度；STM32F103C8T6 在性能、外设资源、开发生态和控制稳定性之间具有较好的平衡，因此被选为主控核心。

在通信方案方面，Wi-Fi 适合远距离网络接入与云平台扩展，但功耗较高；BLE 更适合近距离低功耗通信，便于与手机直连。为兼顾不同场景需求，本文采用“BLE/Wi-Fi 可扩展”的设计思路，在基础样机中以 BLE 通信为主，同时保留向 Wi-Fi 平台接入扩展的可能。

2.2.3 系统总体方案确定

基于以上分析，本文最终确定以 SCD41 作为环境参数采集核心，以 STM32F103C8T6 作为主控处理器，以 SSD1306 作为本地显示模块，并配置 LED、蜂鸣器和无线通信模块构成完整预警系统。系统工作流程为：传感器定时采样并上传 CO2、温湿度数据，主控程序完成滤波与补偿计算，再根据浓度阈值执行显示刷新、声光报警和远程数据传输。该方案既能满足论文设计要求，又具备后续工程扩展基础。

2.2.4 配套 App 与云端协同方案

为了使本课题不局限于单一硬件终端，本文在系统总体方案中进一步加入配套 App 与服务端接口层。其核心目标不是简单增加一个演示页面，而是让环境数据在“边缘采集、远程同步、历史查看、阈值管理和场景联动”之间形成连续的数据链路。当前 Cloude App 已基于 Expo React Native 构建移动端界面，并由 Express.js 提供认证、设备、场景、天气和分析接口，这使硬件样机能够自然扩展为软硬件协同系统。

图2.2 Cloude App 配套系统总体架构

从系统结构来看，本文可统一划分为四层：设备端、通信层、服务层和交互层。设备端负责完成 CO2、温度、湿度等环境参数的实时采集及本地报警；通信层承担 BLE 或 Wi-Fi 传输；服务层提供标准化接口与状态汇聚能力；交互层则通过移动端页面实现状态查看、设备管理、趋势分析和场景联动。这样的分层结构与模块化 IAQ 平台研究所强调的“端到端一致性”相一致[12]，也更符合真实应用系统的部署方式。

图2.3 CO2 监测与预警数据流图

从数据流角度看，系统按照“环境采集 - 边缘处理 - 服务端分析 - App 展示与控制”的路径运行。设备端首先完成传感数据采集、滤波和报警等级计算，然后通过通信模块将结构化数据上传至服务端。服务端进一步组织为设备状态、分析数据和历史记录，再由 App 端展示为首页总览、分析图表、设备控制和场景执行等内容。若用户通过 App 修改阈值、执行场景或发起控制请求，则相关指令又可沿相反方向传回设备端或服务端，实现真正的双向闭环。

这一协同方案在论文中具有两方面价值。其一，它使系统从“只能现场查看”的检测器升级为“可远程查看、可持续记录、可扩展联动”的完整监测平台。其二，它为论文后续章节中的 App 页面说明、测试分析和扩展展望提供了清晰的结构基础。换言之，第 2 章中的系统方案不仅要回答“系统由哪些模块组成”，还要回答“这些模块之间如何形成长期可用的闭环”，而 Cloude App 正是这一闭环中的关键组成部分。

第3章 硬件电路设计

3.1 传感采集模块设计

二氧化碳检测模块采用 SCD41 传感器。该器件不仅能够输出二氧化碳浓度数据，同时还提供温度与湿度参数，因此既能完成环境监测，也便于后续开展温湿度补偿算法设计。

SCD41 的一项显著优势是高精度与低漂移。其 CO2 测量精度可达 ±(30 ppm + 1%)，明显优于常见半导体传感器，且年零点漂移较小，无需频繁校准，因此非常适合对精度有要求的环境监测系统。

在多参数集成方面，SCD41 内置温湿度传感器，可直接通过 I2C 总线读取三类数据。这为温湿度补偿优化和联动预警策略提供了基础，也有助于提高系统整体的智能化程度。

在功耗和体积方面，该器件持续测量电流低、休眠电流极低，适合与 STM32 低功耗模式配合实现长续航设计；其封装尺寸较小，便于实现系统小型化。

在开发友好性方面，I2C 接口可以直接与 STM32 兼容，且厂商提供了 C 语言驱动支持，便于快速开展嵌入式系统集成。

3.2 显示与报警模块设计

OLED 显示模块选用 SSD1306，主要考虑其低功耗与较高性价比。

SSD1306 采用 I2C 或 SPI 接口，能够在有限引脚资源下完成文本、图标和简易波形显示，适合用于嵌入式终端的实时数据显示。本设计中，OLED 屏主要用于显示 CO2 浓度值、温度、湿度以及当前报警状态。考虑到用户在不同距离和环境光条件下的识别需求，界面设计上优先显示关键参数，并采用分区布局突出浓度变化和报警等级。

在报警输出方面，系统采用 LED 指示灯与蜂鸣器组成声光报警单元。正常状态下，LED 维持常规提示；当 CO2 浓度接近预设阈值时，系统进入一级预警，LED 以低频闪烁提示；当浓度进一步超过安全阈值时，系统进入二级预警，同时启动蜂鸣器进行声响提示。通过分级预警方式，可以避免单一报警模式造成的信息冗余，也有利于提高用户对风险等级的判断效率。

3.3 主控最小系统设计

主控芯片选用 STM32F103C8T6，用于承担传感器数据读取、算法计算、显示控制、报警输出以及无线通信协调等任务。

STM32F103C8T6 具有较丰富的 GPIO、定时器、串口和 I2C 资源，能够满足多模块并行控制需求。在最小系统设计中，需要配置稳定的时钟电路、复位电路和供电去耦网络，以保证系统在采样、通信和报警等任务同时运行时仍具有较好的稳定性。考虑到后续软件升级和调试需求，系统还应预留串口或 SWD 下载接口，便于程序烧录和在线调试。

3.4 无线通信模块设计

无线通信部分可采用 ESP32 或 BLE 模块，以兼顾稳定性、成本和移动端数据交互需求。

ESP32 方案适合接入本地局域网或云平台，便于实现远程数据同步和跨设备访问；BLE 模块则更适合近距离低功耗交互，尤其适合手机端直连查看数据。本文采用模块化接口方式设计无线通信部分，使系统能够根据不同场景切换通信方式。主控通过串口与无线模块通信，发送实时浓度值、报警状态和设备运行信息，并接收远程端发送的阈值配置或控制指令。

3.5 电源与接口设计

电源模块是保证系统长期稳定运行的重要基础。考虑到系统既可能采用 USB 供电，也可能采用电池供电，电源设计应具备稳定输入、稳压输出和基本保护能力。对于 3.3V 供电器件，应配置低纹波稳压芯片和必要的滤波电容，以降低电源噪声对传感器采样结果的影响。同时，为配合低功耗设计，系统还需在软件上支持空闲休眠、外设按需唤醒和通信间歇工作等策略，从软硬件两个层面降低整体功耗。

接口分配方面，SCD41 和 OLED 优先采用 I2C 总线连接，以减少布线复杂度；蜂鸣器和 LED 通过 GPIO 直接控制；无线通信模块通过 USART 接口与 STM32 连接；必要时还可预留扩展接口，用于后续接入按键、通风控制继电器或数据存储模块。通过统一规划接口资源，可以为系统后续升级保留余量。

结合低成本空气质量监测综述中的结论可以发现，许多低成本系统在实验室环境中能够工作，但进入长期运行场景后，往往在供电稳定性、通信可靠性和维护便利性方面暴露问题[13]。因此，本文在电源与接口设计中不仅强调“能接通”，更强调“能稳定工作”。例如，在电源入口处增加反接保护和瞬态抑制，可降低用户接线错误或电源波动造成的损坏风险；在 3.3V 稳压输出侧合理布局去耦电容，可减小无线模块突发发射对传感采样的影响；在接口设计上尽量减少高速信号与模拟敏感区域交叉布线，可进一步提高整体抗干扰能力。

此外，考虑到本文系统后续有接入新风机、排风扇或继电器执行端的需求，接口预留不应只停留在“是否还有空闲 GPIO”这一层面，而应提前考虑控制逻辑的电气隔离、安全电平以及负载驱动能力。也就是说，当前样机虽然以监测和预警为主，但在接口规划中已经为“监测-联动控制”闭环预留了工程接口条件，这与文献中智能楼宇空气质量系统强调的模块化升级思路是一致的[12]。

第4章 软件算法设计

4.1 相关算法介绍

4.1.1 国内主流算法

目前在嵌入式与民用设备中，线性拟合补偿是较常见的方法。其优点是计算量小、实现简单，适合在资源受限的 MCU 平台上快速部署。

多项式拟合补偿则更适合较宽环境范围下的误差修正，通过多组标定数据拟合，可以在更复杂工况下获得更高精度。

机器学习补偿方法属于更前沿的方案，如 BP 神经网络和 LSTM 等，可处理温湿度交叉耦合带来的复杂扰动，但对数据量和算力要求较高。

查表法是工程化场景中常见的折中方法，通过预存标定偏差并进行插值计算，实现实时性与精度之间的平衡。

4.1.2 算法创新

本文算法的核心原理是基于误差修正模型，通过数学手段消除环境干扰。鉴于 SCD41 传感器在红外检测过程中，其光学腔体折射率及气体分子活跃度会随环境温度和湿度变化而产生非线性漂移，导致原始读数出现偏差，因此本研究以标准环境为基准，引入温度项、湿度项及交叉项对误差进行联合补偿。

本算法可归类为“含交叉项的多元线性补偿”。其中，纯线性拟合只包含温湿度的独立线性修正，而本文方法在此基础上加入温湿度交叉项，用于刻画二者耦合带来的非线性影响。

具体来说：

1. 温度偏差修正：以 25℃ 为参考，对温度变化引起的读数偏差进行校正。
2. 湿度偏差修正：以 50% RH 为参考，对湿度变化带来的偏差进行修正，并可引入二次项增强拟合能力。
3. 温湿度交叉项补偿：用于处理温湿度共同变化时产生的复杂非线性误差。

4.2 补偿模型与实现流程

为使补偿算法能够在 STM32 平台上稳定运行，本文将补偿过程分为数据采集、预处理、误差修正和结果输出四个步骤。首先，由 SCD41 获取原始 CO2、温度和湿度数据；其次，对采样数据进行简单滤波处理，减小偶发抖动对结果的影响；然后，依据温湿度偏差构建补偿项，对原始浓度进行修正；最后，将修正后的结果送入显示、报警和通信模块。

在 MCU 实现过程中，补偿公式应尽可能采用计算量较小的线性或准线性表达，以避免浮点运算过于复杂导致响应速度下降。对于需要进一步提高精度的场景，可通过查表法或分段系数法对不同温湿度区间分别设定参数，使算法在保持实时性的同时兼顾多环境适应能力。

从工程实现角度看，补偿模型的优势并不只体现在“公式更复杂”，而在于它能将原始测量值与环境状态联系起来。红外 CO2 传感器在实际应用中会受到采样腔体温度变化、湿度波动和气流条件变化的综合影响，若直接使用原始浓度值进行报警判断，容易出现阈值附近抖动、重复报警或迟滞过大的问题[7]。本文将简单滤波与温湿度补偿串联处理，目的正是先抑制短时噪声，再校正环境偏移，使最终进入报警模块的数据更稳定。

同时，本文没有直接采用复杂神经网络在 STM32 端完成补偿，这是结合毕业设计实现条件后做出的合理取舍。一方面，低成本监测系统研究普遍指出，边缘端算法需要兼顾资源占用、维护难度和数据标定成本[13]；另一方面，传感器补偿与浓度趋势预测在任务属性上并不完全相同，前者强调毫秒到秒级实时稳定修正，后者更适合放在移动端或服务端完成中短期趋势估计。基于此，本文采用“边缘端轻量补偿 + 上层端扩展预测”的分层算法路线，更符合当前样机的实现条件。

4.3 软件流程设计

软件系统采用模块化编程思路，可划分为初始化模块、采样模块、数据处理模块、显示模块、报警模块和通信模块。系统上电后首先完成时钟、GPIO、串口、I2C 及定时器初始化，随后进入主循环。在主循环中，主控按照固定周期采集传感器数据，并调用补偿算法完成浓度修正；根据修正结果更新 OLED 显示内容，判断当前报警等级，并在需要时触发蜂鸣器和 LED；同时将关键参数打包发送至无线通信模块，实现远程同步。

对于异常情况处理，软件应加入传感器读数校验、通信超时判断和模块重试机制。例如，当传感器返回异常值或通信校验失败时，系统可进入故障提示状态，并尝试在限定次数内重新初始化对应模块。通过这些容错设计，可提升系统长期运行时的稳定性和可靠性。

4.4 面向预测预警的扩展算法思路

在当前样机设计中，系统主要完成实时采样、补偿修正和阈值报警等基础功能。结合近期室内 CO2 短时预测研究成果，后续可在服务端或移动端引入基于时间序列的预测算法，对未来一段时间内的 CO2 浓度变化趋势进行估计。例如，可利用滑动时间窗输入最近若干次采样序列，并结合温湿度、时间段、场景状态等信息构建轻量级预测模型，以便在浓度真正超标前向用户发出风险预警。

这种扩展思路的意义在于使系统从“超标后报警”逐步升级为“超标前预判”。对于教室、宿舍、办公室等人群密集或通风条件变化明显的场景，预测预警机制能够为开窗、新风联动和人员提醒提供更提前的决策依据。虽然本文尚未在样机中完全实现该模块，但将其作为后续扩展方向具有较强合理性，也能进一步提升课题的研究深度。

根据 2025 年发表的室内 CO2 短时预测研究，注意力机制增强的 LSTM 在 15 min 到 180 min 预测范围内表现较为稳定，当引入温湿度、气候条件和占用状态等多变量特征后，预测精度还能进一步提升[16]。这一结果说明，CO2 变化并非简单的单变量时间序列，而是受空间使用状态和环境变量共同影响。对应到本文系统中，移动端和服务端恰好具备承载这类多变量数据的条件，因为它们既能接收设备上报的实时环境参数，也能补充时间段、场景模式和用户操作记录等上下文信息。

从具体实现路径来看，预测预警模块可分三步部署。第一步，在设备端稳定上报 CO2、温度、湿度、报警等级和时间戳，建立结构化历史数据集。第二步，在服务端利用滑动窗口构造训练样本，优先实现轻量级基线模型，如线性回归、随机森林或普通 LSTM，用于生成未来 15 分钟到 30 分钟的浓度趋势预测。第三步，在 App 端将预测结果转化为用户可理解的界面表达，例如“预计 20 分钟后接近一级预警阈值”“建议提前通风”等提示。这样的扩展方案既与已有文献结论保持一致，也与本文当前“硬件终端 + App + 服务端”架构高度契合。

第5章 功能实现

5.1 系统上电初始化流程

系统上电后，主控首先完成时钟源配置、GPIO 模式设置、I2C 和串口等外设初始化，同时检测传感器、显示屏和无线通信模块的在线状态。若关键模块初始化失败，系统会在 OLED 屏上给出故障提示，并通过 LED 进入异常闪烁状态，提醒用户检查硬件连接。初始化成功后，系统加载默认报警阈值、通信参数和显示刷新周期，随后进入正常工作循环。

5.2 传感器数据采集与滤波实现

在数据采集环节，主控按照设定采样周期从 SCD41 读取 CO2、温度和湿度数据。为减少单次采样波动对报警判断的影响，系统对连续若干次采样结果进行滑动平均或限幅滤波处理。这样既能保持较好的实时性，又能抑制环境扰动或通信抖动带来的瞬时异常值，提高后续阈值判断的稳定性。

从实现流程来看，数据采集模块通常按照“定时触发-总线读取-数据校验-缓存更新”的顺序工作。首先，由定时器或主循环计数逻辑触发一次采样任务；其次，通过 I2C 总线向 SCD41 发起数据读取请求，并对返回的数据帧进行基础合法性校验；随后，将当前采样值写入循环缓冲区，用于后续滑动平均或限幅判断；最后，将滤波后的结果提交给显示、报警和通信模块。这样的分层处理方式可以避免各功能模块分别读取传感器，降低总线访问冲突风险，也有利于提高程序结构清晰度。

在滤波策略选择上，本文更倾向于采用轻量化方案。对于资源受限的 STM32 平台而言，简单滑动平均可以抑制短时随机抖动，限幅滤波可以剔除明显异常跳变，二者组合后已经能够满足样机阶段的实时监测需求。若后续实测发现某些场景中仍存在明显高频扰动，则还可进一步引入一阶低通滤波或中值滤波，以在不显著增加计算负担的前提下提升数据稳定性。

5.3 OLED 显示界面设计

OLED 界面采用信息分区显示方式，上部区域显示实时 CO2 浓度值，中部区域显示温度与湿度数据，下部区域显示当前工作状态与报警等级。正常状态下，界面保持简洁，只突出关键环境参数；当系统进入预警状态时，界面会增加醒目标识，如“Warning”或“Alarm”字样，帮助用户快速识别风险状态。该设计既考虑了小尺寸屏幕的信息密度，也兼顾了用户阅读效率。

为了增强显示界面的实用性，本文在布局设计上强调“主信息优先”原则。对于用户而言，最重要的判断并不是温湿度的小幅波动，而是当前 CO2 是否接近风险阈值，因此 CO2 数值应使用更大的显示字号，并放置在视觉焦点位置；温度和湿度作为辅助信息，可以采用较小字号排列在次级区域；设备通信状态、报警等级和工作模式则放置在底部或角落区域，用于提供系统运行背景信息。这种设计思路有助于提高用户在快速扫视屏幕时的识别效率。

此外，OLED 界面还可以配合报警策略实现状态切换。例如，在正常状态下采用稳定的静态页面，在一级预警状态下增加图标闪烁或反白提示，在二级预警状态下显示高亮警示词和超标持续时间。通过界面与报警逻辑同步联动，系统的本地交互层就不仅承担“显示数值”的作用，还能在一定程度上承担风险解释和行为提醒功能。

5.4 声光报警逻辑实现

系统根据浓度阈值设定两级报警机制。当 CO2 浓度接近预设阈值时，系统进入一级预警，LED 指示灯开始闪烁，并在 OLED 屏上显示预警提示；当浓度超过上限阈值时，系统进入二级预警，同时启动蜂鸣器发出间歇或连续声音，并可保留高亮警示状态直至浓度回落。通过这种分级设计，系统能够在风险加剧前提前干预，提高预警的有效性。

在实际实现中，为了防止浓度值在阈值附近频繁波动导致报警反复触发，报警模块还应考虑引入迟滞判断和最小保持时间机制。所谓迟滞判断，是指系统在进入预警后，不以同一阈值立即退出，而是设置一个略低的恢复阈值；最小保持时间则要求报警状态至少维持若干秒后再进行恢复判定。这样可以有效减少“闪烁式报警”对用户体验的干扰，也有助于提升预警逻辑在真实环境中的稳定性。

从系统联动角度看，声光报警还应与远程提醒逻辑保持一致。即当本地进入一级预警或二级预警状态时，应同步生成相应的状态码或事件标记，供通信模块上传至 App 或服务端。这种设计可以确保本地端和远程端对风险等级的判断一致，避免出现“设备已报警但手机端无变化”或“移动端显示告警但本地无提示”的不一致现象。

5.5 无线通信与远程上传流程

无线通信模块负责将本地采样结果上传至手机 APP 或远程平台。系统在每次采样完成后，将 CO2、温湿度、报警等级和设备状态封装成数据帧，经串口发送给 BLE 或 Wi-Fi 模块；通信模块再根据协议将数据转发给移动端或云端。当用户在远程端修改报警阈值或请求设备状态时，主控也能够解析返回数据并更新本地参数，实现双向交互。

结合模块化 IAQ 平台研究可以看出，通信链路可靠性是决定整套系统能否长期部署的关键因素之一[12]。如果无线传输环节频繁出现丢包或断连，移动端所展示的数据就无法真实反映现场状态，预警系统的价值也会大幅下降。为此，本文在通信流程上建议采用“数据帧编号 + 时间戳 + 校验位”的结构，对关键数据进行顺序标识，并在服务端或移动端保留最近一次有效数据，用于在通信波动时进行状态补偿显示。对于 Wi-Fi 模式，还可增加断线重连与补传策略；对于 BLE 模式，则可增加连接状态监听和重试机制，以提高近距离交互的稳定性。

5.6 远程交互界面说明

对于 CO2 监测与预警系统而言，远程交互界面的作用不应被理解为“附加显示窗口”，而应被理解为系统对用户输出监测意义和控制入口的主要通道。当用户不在设备旁边时，本地 OLED 和蜂鸣器负责完成第一时间提醒，而移动端则负责展示实时状态、趋势变化、历史记录、设备在线情况以及可执行的控制动作。因此，远程界面承担的是“状态解释 + 行为引导 + 运维管理”的复合功能。

结合 Cloude App 的当前实现，远程界面已经具备较清晰的层次结构。首页负责聚合天气信息、设备状态和 CO2 趋势概览，适合承担系统总览入口；分析页负责展示 24 小时趋势、平滑拟合、未来 2 小时预测和预警阈值设置，适合承接“风险解释”任务；设备页与场景页负责控制逻辑，适合承接“执行动作”任务；个人中心页则负责蓝牙扫描、设备就绪状态和账户信息，适合承接“部署维护”任务。这样的页面分工，使远程交互界面既能满足日常查看需求，也能满足后续联调和运维需求。

从论文表述角度看，远程交互界面最重要的价值在于将原始监测数据转化为用户能理解的管理信息。例如，单纯显示一个 950 ppm 的数值，其解释能力是有限的；而若同时配合趋势方向、预测值、阈值颜色和告警历史，用户就能更明确地理解当前环境状态、未来变化趋势以及应采取的操作。这也说明，远程界面并不是硬件系统的附属部分，而是影响系统可用性和应用价值的重要组成部分。 5.7 配套 App 功能设计与实现说明

本文所配套的移动端系统以 Cloude App 为实现基础，采用 Expo React Native 构建前端页面，使用 Express.js 提供接口层支撑。与传统毕业设计中常见的“静态展示页”不同，Cloude App 已经具备登录、首页、设备、场景、分析和个人中心等主要页面，并通过 /api/v1/auth、/api/v1/devices、/api/v1/scenes、/api/v1/weather 和 /api/v1/analytics 等接口完成数据组织与状态同步。这使配套 App 在论文中不再只是展示材料，而成为系统交互层、运维层和预测承载层的重要实现基础。

图 5.2 至图 5.7 均采用 Cloude App 当前实现的真实页面截图，截图来源于本地运行后的 Web 预览界面，仅对页面缩放和取景范围进行了整理，不额外叠加说明框或宣传式装饰元素，以保证论文配图能够如实反映系统当前实现状态。

图5.1 Cloude App 页面关系图

从用户访问路径来看，系统首先通过登录页完成用户入口控制，随后由首页承担监测总览，再由底部导航将用户引导至设备页、场景页和个人中心，而分析页则作为与首页趋势卡片联动的深度分析入口。这样的页面组织方式，与本文的系统闭环逻辑是一致的：登录页保证访问边界，首页负责快速感知，分析页负责趋势解释，设备页与场景页负责控制，个人中心负责蓝牙与系统维护。

图5.2 Cloude App 登录页

登录页承担系统认证入口的作用。当前页面已预置演示账号，能够完成用户身份确认并进入控制台界面。论文层面，这一页面的意义并不仅仅是“能登录”，而在于它为后续的用户权限管理、个人设备绑定和告警订阅机制提供了入口边界。也就是说，系统若要从单设备演示进一步扩展到多用户、多设备管理，认证页是不可缺少的基础设施。

图5.3 Cloude App 首页总览界面

首页聚合了天气、设备状态和 CO2 趋势信息，是最适合承担“状态优先展示”的页面。当前界面中，天气卡片、设备在线状态与 CO2 趋势卡片共同构成了用户进入系统后的第一视图。其中，CO2 趋势卡片能够直接展示实时浓度、24 小时拟合趋势、峰值、均值和未来 30 分钟预测值。这使首页已经具备从“仅看当前数值”向“看当前状态 + 看变化趋势”转变的能力，有利于用户快速判断当前环境是否处于稳定、安全或需要关注的状态。

图5.4 Cloude App 分析页

分析页是配套 App 中最能体现论文扩展价值的页面之一。当前页面不仅展示 24 小时趋势总览，还提供平滑拟合曲线、未来 2 小时预测、预警阈值设置和告警历史。这说明 Cloude App 已经具备承接“监测 + 拟合 + 预测 + 解释”的能力，与本文关于主动预警方向的研究展望高度一致。对论文而言，分析页的存在使“预测预警”不再停留于抽象设想，而具备明确的页面落点和交互入口。

图5.5 Cloude App 设备页

设备页负责管理各类终端设备的状态与控制，是本文“监测端到控制端”闭环的重要支点。当前页面支持按设备类型筛选，能够显示 Wi-Fi/蓝牙连接类型、在线状态、开关状态和当前数值，并允许用户对可交互设备发起控制操作。从论文角度看，该页面具有两方面意义：一方面，它为当前 CO2 检测终端、新风机、空调等未来扩展设备提供了统一管理入口；另一方面，它让监测系统具备向“监测 + 联动控制”演进的实际接口基础。

图5.6 Cloude App 场景页

场景页体现的是系统的联动执行能力。当前页面支持回家模式、离家模式等一键执行操作，可将多设备动作组织为统一场景。从本文研究目标来看，这一能力对于后续构建“通风模式”“夜间模式”“超标联动模式”具有直接意义。若将 CO2 预警阈值与新风或排风设备动作进一步绑定，场景页就可以成为论文中“监测-判断-执行-反馈”闭环的移动端执行入口。

图5.7 Cloude App 个人中心页

个人中心页承担的是部署维护和运行管理功能。当前页面能够展示账户信息、蓝牙状态、设备数量、蓝牙扫描结果以及系统设置入口，这说明配套 App 已经具备接近真实应用的运维雏形。对于本文系统而言，蓝牙扫描与连接状态尤其重要，因为它直接对应设备初次接入、近距离联调和异常排查场景。也就是说，个人中心页虽然不直接展示 CO2 数值，但它对保障系统可部署、可维护、可扩展具有关键意义。

进一步概括，Cloude App 在本文中主要承担三类任务。第一类是状态展示任务，即将设备端上报的 CO2、温度、湿度、报警等级和在线状态组织为用户可理解的页面信息。第二类是控制下发任务，即承接设备控制、场景执行和阈值设置请求，形成从移动端返回系统的控制回路。第三类是分析解释任务，即通过趋势图、拟合曲线、预测结果和历史记录，将离散的监测数值转化为可解释的空气质量状态。这种三层任务划分，使 Cloude App 在论文中的角色更加明确，也能更有力地支撑本文“从硬件检测器向软硬件一体化系统扩展”的核心论点。 第6章 系统测试

本章内容依据样机设计目标整理为测试章节初稿，具体实验数据可在后续完成实测后进一步替换和细化。

6.1 测试环境与仪器说明

系统测试应在相对稳定的室内环境中进行，测试对象包括 CO2 传感采集模块、显示报警模块、无线通信模块以及整体系统联调性能。测试过程中可采用标准气体环境、便携式参考仪表或具备校准资质的环境监测设备作为对照，同时记录室内温度、湿度和通风状态，以便分析环境变化对检测结果的影响。

为保证测试结果具有可比性，实验前还应对测试场地和设备状态进行统一确认。具体而言，应确保样机工作电源稳定、传感器预热时间充足、参考仪表已完成校准或处于有效检定期，并尽量减少测试期间的非受控通风扰动。在记录数据时，除保留系统测量值外，还应同步记录采样时间、人员活动情况、门窗开闭状态和设备工作模式，以便后续在结果分析阶段对异常数据点进行追溯解释。

表6.1 测试环境与仪器配置表

6.2 浓度测量精度测试

浓度测量精度测试的目的是验证系统在不同 CO2 浓度区间下的检测一致性和误差水平。测试时可选取若干典型浓度点，如低浓度、接近阈值浓度和超标浓度区间，将系统读数与参考仪器读数进行对比，并统计误差变化趋势。若补偿算法有效，则系统在温湿度变化场景下仍应保持较为稳定的误差范围，说明其具备较好的环境适应能力。

在具体操作时，可采用“固定浓度区间分段记录”的方式开展实验。即在不同环境状态下分别记录 10 组到 20 组连续数据，并计算每一组数据的均值误差和相对误差。若系统在常规室内、接近报警阈值和高湿度场景下都能保持稳定误差，则说明补偿模型和滤波流程具备较好的工程实用性。若误差在某一特定场景明显增大，则应进一步检查传感器标定参数、总线采样稳定性及电源噪声影响。

表6.2 CO2 浓度测量精度记录表

在论文定稿时，可将上述表格中“待测”部分替换为实测数据，并结合折线图展示系统读数与参考仪器读数的变化趋势。若需要增强论证效果，还可进一步统计均值误差、最大误差和标准差等指标。

6.3 响应时间测试

响应时间测试主要考察系统对 CO2 浓度变化的感知速度。测试可通过控制密闭空间内 CO2 浓度快速升高或降低，记录系统从检测到浓度变化到刷新显示、触发报警所需的总时间。该指标反映了传感器采样周期、主控处理速度和报警逻辑执行效率，对预警设备的实用性具有重要意义。

从分析维度来看，响应时间可进一步拆分为“传感器响应时间”“主控处理与滤波延迟”“显示刷新延迟”和“报警执行延迟”四部分。虽然在样机阶段不一定能够完全分离每一部分的精确耗时，但通过多次重复测试，仍可大致判断系统延迟的主要来源。例如，若显示刷新明显快于报警触发，则说明报警逻辑中可能存在保持时间设置；若总体延迟过大，则需考虑缩短采样周期或优化主循环调度策略。

表6.3 响应时间测试记录表

6.4 预警功能测试

预警功能测试主要验证一级预警和二级预警是否能够按照设定阈值准确触发。测试过程中，逐步提高环境 CO2 浓度，观察 OLED 显示状态、LED 闪烁状态以及蜂鸣器是否按预期动作；随后在浓度回落后检查系统能否自动退出报警状态。若各级预警触发阈值清晰、响应过程稳定，则说明本系统具备较好的风险提示能力。

表6.4 分级预警功能测试表

6.5 通信稳定性测试

通信稳定性测试用于验证无线模块在连续运行条件下的数据上传可靠性。对于本文系统而言，通信链路不仅承担“把数据传出去”的功能，更承担“让 App 端状态与现场状态保持一致”的任务。因此，测试不能只关注是否连接成功，还应关注丢包率、重连时间、状态同步延迟和异常恢复能力。结合模块化 IAQ 平台研究的结论可以发现，当通信环节失去稳定性时，整套监测系统的可用性会明显下降，因为移动端所看到的状态将无法真实反映现场环境[12]。

同时，依据《室内空气质量标准》GB/T 18883-2022 的思路，监测数据应服务于室内空气质量判断与管理[19]。这意味着通信链路若频繁中断，系统就无法持续支撑阈值提醒、趋势分析和行为建议。因此，本文建议将通信稳定性测试拆分为四项指标：一是连续运行时的数据完整率，二是链路波动场景下的平均延迟，三是断连后的自动恢复时间，四是恢复后数据与告警状态是否与设备端保持一致。通过这四项指标，才能更完整地评价系统是否满足远程监测需求。

对 BLE 方案而言，重点应放在近距离连接成功率、重连速度和设备发现稳定性；对 Wi-Fi 方案而言，重点则应放在局域网波动、热点切换和短时断网恢复后的状态补传能力。若后续将样机与 Cloude App 进行实机联调，建议同时记录设备端日志、服务端接口时间戳和 App 端页面更新时间，以便从“边缘端 - 接口层 - 页面层”三个维度定位延迟来源。

表6.5 通信稳定性测试记录表

通过上述测试，可进一步判断本文系统是否能够支撑首页趋势卡片、分析页预测模块和设备页状态刷新等移动端功能。换言之，通信稳定性不仅影响“能否联网”，更直接影响 Cloude App 是否能稳定承载本文所强调的远程管理与预测分析能力。

6.6 功耗测试

功耗测试主要评估系统在待机、正常监测和报警状态下的能耗差异。由于显示刷新、无线传输和蜂鸣器工作都会带来额外功耗，因此需要分别记录各工作模式下的电流变化情况，并分析主要耗能环节。若系统在正常监测状态下保持较低平均功耗，同时仅在报警或通信时短时增加功耗，则说明其低功耗设计具有一定效果。

在测试方法上，可采用分状态稳态测量与连续记录相结合的方式。分状态测量适用于获取待机、监测、一级预警和二级预警下的平均电流值，连续记录则有助于观察一次完整工作周期内的功耗波动情况。通过对比不同工作阶段的电流变化，可以较直观地识别主要耗能来源，例如是否是 OLED 刷新、BLE/Wi-Fi 传输还是蜂鸣器驱动导致峰值功耗上升，从而为后续低功耗优化提供依据。

表6.6 功耗测试记录表

6.7 测试结果分析与问题总结

从系统目标出发，本文的测试分析不应只停留在“样机是否点亮、页面是否能打开”这一层面，而应围绕监测有效性、预警有效性、通信可靠性和系统闭环完整性四个维度展开。若系统能够在常见室内环境下稳定输出 CO2、温度和湿度数据，并同步完成本地显示、分级报警与远程端状态同步，则说明本文提出的总体技术路线已经具备工程可行性。尤其是当移动端能够稳定展示趋势信息、告警状态和设备在线情况时，系统就已经超出了传统“单点检测器”的范畴，而向“可管理的监测系统”迈进。

结合国家标准和已有文献可进一步明确本文方案的定位。依据 GB/T 18883-2022，室内空气质量监测的关键在于让测量结果服务于环境状态判断和管理[19]；依据模块化 IAQ 平台研究，系统价值取决于端到端链路是否连续可靠[12]；依据用户反馈和移动端研究，用户真正关心的是系统是否能把监测结果转化为清晰的提示和可执行建议[14][15]。因此，本文测试分析的重点不只是验证单个模块，而是验证“采集 - 处理 - 展示 - 解释 - 控制”这条链路是否成立。

从目前的实现阶段看，本文系统已经表现出三个积极特征。第一，硬件部分在器件选型和功能组织上较为清晰，具备进一步补充实测数据和完善标定参数的基础。第二，软件与算法部分已经形成“采集、滤波、补偿、报警”的稳定处理链路，能够为后续阈值实验和预测扩展提供统一输入。第三，Cloude App 已经具备首页趋势、分析页预测、设备页控制、场景页联动和个人中心蓝牙管理等能力，使论文在应用层面具备较强的系统完整性表达空间。

同时，测试分析也表明本文仍有三方面需要继续完善。其一，补偿模型参数仍需通过多组标定实验进一步优化，特别是在高湿度、快速通风和人员密集场景下，应重点验证阈值附近的稳定性。其二，设备端与 App 端的真实闭环联调还需通过更多实测数据完成，尤其需要验证设备侧字段、接口返回结构和页面展示逻辑在长时间运行中的一致性。其三，分析页虽已具备趋势拟合和预测展示能力，但其预测结果目前仍以前端/服务端模拟与演示数据为主，后续需要引入真实历史数据样本，才能进一步提升论文在实验论证层面的说服力。

从答辩表达角度来看，本章测试的核心结论可以概括为：本文方案已经初步完成了从环境采集到移动端展示的功能闭环，说明总体设计思路是可行的；当前系统在低成本、小型化和远程交互扩展之间取得了较好的平衡，说明课题具有较明确的应用场景定位；与此同时，系统仍然保留了标定优化、真实联调和预测模型落地等后续工作空间，这种“已实现能力 + 已识别边界”的表达，更符合毕业论文对真实性和工程性的要求。

第7章 总结与展望

7.1 全文总结

本文围绕嵌入式二氧化碳检测与预警系统的设计需求，系统完成了研究背景分析、总体方案论证、硬件模块设计、软件算法构建以及功能实现与测试分析等内容。针对现有 CO2 监测设备在成本、体积、精度与交互能力之间难以兼顾的问题，本文提出了以 STM32 为主控、以 SCD41 为检测核心、以 OLED 与声光模块实现本地交互、以无线通信模块扩展远程能力的系统方案。该方案在总体结构上较好地兼顾了环境参数采集、风险预警、本地显示与远程扩展等多方面需求。

在算法层面，本文重点引入温湿度补偿与交叉项修正思路，以提高系统在复杂环境条件下的数据修正能力；在功能层面，系统能够实现实时数据显示、分级报警与远程上传，体现出较好的实用性与扩展性；在应用层面，论文进一步结合配套移动端与服务端方案，说明了系统从单一检测终端向“设备端 + 移动端 + 平台端”协同结构演进的可行路径。总体而言，本文已经完成毕业设计论文所要求的主要技术路线论证与系统方案搭建，为后续样机联调、实测数据补充和答辩展示奠定了较为扎实的基础。

7.2 不足与展望

尽管本文已经完成了系统总体方案、关键模块设计、配套 App 设计和测试章节框架整理，但仍有若干问题需要在后续工作中继续深化。首先，当前样机阶段的数据支撑仍以阶段性验证为主，后续需要补充更多实测样本，以形成更加完整的精度、响应时间、功耗和通信稳定性实验结果。其次，边缘端的补偿参数仍然需要通过多环境标定进一步优化，特别是在高湿度、人员密集和频繁通风场景下，应重点验证阈值附近的稳定性与误报率。再次，Cloude App 虽已具备趋势分析和设备管理能力，但与真实设备数据的长期闭环仍需进一步打通。

从后续演进方向来看，本文可以沿三条主线继续推进。第一条是“历史数据闭环”主线，即持续采集和整理设备端上报的 CO2、温度、湿度、报警等级和时间戳信息，形成可用于分析和答辩展示的历史样本库。第二条是“预测模型接入”主线，即在现有分析页和服务端接口基础上，引入基于真实历史数据训练的短时预测模型，使趋势卡片和分析页中的预测结果从演示能力逐步演化为实测能力。第三条是“联动控制闭环”主线，即将当前场景页和设备页扩展为面向新风机、排风扇或空调设备的控制入口，使系统真正形成“监测 - 判断 - 执行 - 反馈”的闭环控制结构。

结合本文已有基础可以看出，这三条主线并不是脱离当前系统重新构建，而是在现有架构上自然延伸。历史数据闭环对应当前服务端和分析页能力，预测模型接入对应现有 analytics 接口和趋势页面，联动控制闭环则对应设备页和场景页已有的控制逻辑。因此，本文虽然仍属于毕业设计样机阶段，但已经搭建起较清晰的升级路线。后续若继续补充实测数据、完善接口一致性并加强 App 与设备端联调，系统有望从毕业设计样机进一步发展为具有实际应用潜力的空气质量监测与预警平台。

参考文献

[1] 谢超, 王正. 基于单片机的室内空气质量监测系统设计与实现[J]. 林业机械与木工设备, 2020, 48(12):32-36.

[2] Texas Instruments. Design Guide: TIDA-010270 用于通过 BLE 监测心电图、呼吸、脉搏和体温的临床可穿戴贴片参考设计[R]. 2024.

[3] Fang H, Deng L C. Design of Embedded Indoor Multiple Dangerous Gas Detection Alarm System[J]. Applied Mechanics and Materials, 2014, 475-476:209-213.

[4] 张毅. 基于STM32的二氧化碳浓度监测系统设计[J]. 电子技术应用, 2022, 48(5):89-92+97.

[5] 王军. 低功耗嵌入式气体检测系统的设计与实现[J]. 计算机测量与控制, 2021, 29(3):25-28+33.

[6] Chen Y, Li J, Zhang H. Design of Wireless CO2 Monitoring System Based on ESP32 and BLE[C]// 2023 6th International Conference on Electronics Technology (ICET). IEEE, 2023:456-460.

[7] 刘敏. 红外吸收式CO2传感器校准技术研究[J]. 传感器与微系统, 2020, 39(8):38-40+44.

[8] TI. CC2674R10 超低功耗蓝牙5.3 控制器数据手册[Z]. 2024.

[9] 李明, 张华. 嵌入式系统低功耗设计技术研究[J]. 微电子学与计算机, 2022, 39(7):112-116.

[10] Wang L, Chen W, Liu Z. A Multi-level Early Warning System for Indoor Air Quality Based on Embedded Technology[J]. Journal of Ambient Intelligence and Humanized Computing, 2022, 13(10):4589-4601.

[11] 中国电子技术标准化研究院. 室内空气质量监测设备技术要求(GB/T 39600-2020)[S]. 北京: 中国标准出版社, 2020.

[12] Benammar M, Abdaoui A, Ahmad S H M, et al. A Modular IoT Platform for Real-Time Indoor Air Quality Monitoring[J]. Sensors, 2018, 18(2):581.

[13] Narayana M V, Jalihal D, Nagendra S M S. Establishing A Sustainable Low-Cost Air Quality Monitoring Setup: A Survey of the State-of-the-Art[J]. Sensors, 2022, 22(1):394.

[14] Robinson J A, Kocman D, Horvat M, et al. End-User Feedback on a Low-Cost Portable Air Quality Sensor System—Are We There Yet?[J]. Sensors, 2018, 18(11):3761.

[15] Kim S, Stanton K, Park Y, et al. A Mobile App for Children With Asthma to Monitor Indoor Air Quality (AirBuddy): Development and Usability Study[J]. JMIR Formative Research, 2022, 6(5):e33838.

[16] Mountzouris C, Protopsaltis G, Gialelis J. Short-Term Forecast of Indoor CO2 Using Attention-Based LSTM: A Use Case of a Hospital in Greece[J]. Sensors, 2025, 25(17):5382.

[17] Sensirion AG. SCD41 Product Page[EB/OL]. [2026-04-15]. https://sensirion.com/products/catalog/SCD41.

[18] Sensirion AG. SCD4x Datasheet[EB/OL]. [2026-04-15]. https://sensirion.com/media/documents/48C4B7FB/66D0510F/Sensirion_CO2_Sensors_SCD4x_Datasheet.pdf.

[19] 国家市场监督管理总局, 国家标准化管理委员会. 室内空气质量标准: GB/T 18883-2022[S]. 北京: 中国标准出版社, 2022.

[20] Pineda-Tobón D M, Espinosa-Bedoya A, Branch-Bedoya J W. Aquality32: A low-cost, open-source air quality monitoring device leveraging the ESP32 and google platform[J]. HardwareX, 2024, 16: e00584.

致谢

感谢指导教师在课题选题、系统设计与论文撰写过程中给予的帮助与指导。感谢学院老师在毕业设计各阶段提供的支持与建议。感谢同学与朋友在资料收集、测试验证和交流讨论中提供的帮助。最后，感谢家人在整个毕业设计期间给予的理解与鼓励。

附录

附录部分建议保留以下材料：

1. 外文原文。
2. 外文译文。
3. 任务书。
4. 开题报告。
5. 设计书。
6. 原理图、程序与其他支撑材料。