企业官网建设流程全解析

简介：MPU6500驱动算法是一套面向六轴IMU开发者的驱动与姿态解算参考资料，围绕加速度计、陀螺仪的数据采集与处理展开，适合消费电子、机器人、无人机及物联网运动控制领域的嵌入式开发者，用于解决传感器初始化、原始数据校准、多传感融合与姿态输出等问题。压缩包共157个文件、约730KB，以C源文件和头文件为主体，配合Makefile、工程配置、编译中间产物及少量Python脚本与说明文档，形成较完整的嵌入式工程结构。已有1043人学习下载。资料重点呈现DMP运动驱动、底层寄存器访问和测试入口等模块，读者可据此梳理从配置寄存器、读取原始数据到互补滤波、卡尔曼或Madgwick融合，再到欧拉角与四元数解算的链路，并理解万向锁与连续旋转场景下的表示差异，为移植调试提供可复用的代码组织思路。

1. 一颗六轴 IMU 的驱动，难点从来不在“把数读出来”

很多开发者第一次写 MPU6500 驱动，心里都有一个默认前提：初始化几个寄存器，然后从 0x3B 开始连读 14 个字节，换算成 g 和 °/s，任务就完成了。等真正把它装到设备上，问题才开始出现——同型号换一块板子数据就飘，静止放着航向角自己缓慢旋转，设备一动加速度传感器算出来的倾角就抖得像噪声。原因在于：驱动算法真正处理的从来不是“读寄存器”，而是在噪声、零偏和时间之间反复做取舍。零点几度每秒的残余零偏，积分一分钟就是几十度；一个没算对的采样间隔，能让所有滤波器的系数失效。这些取舍决定了后面姿态解算到底能不能用，也决定了一份驱动代码能长期稳定运行，还是只能勉强跑通。

2. 寄存器地图：配置顺序本身就是一份时序约束

大多数人把寄存器配置理解成“往一张表里填值”，写完了事。实际上这些寄存器之间存在依赖关系：复位后必须等，等待结束后才能改时钟源，改了时钟源 DLPF 的带宽表才成立，带宽定了采样率分频才有意义。顺序错一步，不会报错，只会让后面的数据看起来“有点怪”。

2.1 WHO_AM_I 与复位：为什么第一件事是等

驱动入口第一步永远是读身份寄存器。MPU6500 的身份寄存器在 0x75，正常应返回 0x70。这一步不是形式主义：SPI 接线虚焊、CS 相位错、器件其实没上电，都会在这里暴露成 0x00 或 0xFF。如果跳过它直接读数据，后面所有异常都会混在一起，排查成本瞬间翻倍。

身份确认后是软复位：往 0x6B 写 0x80，把 DEVICE_RESET 位置 1。手册给出的稳定时间是 100 ms 量级，这一百毫秒不能省。复位后芯片默认进入睡眠态并且时钟源切到内部 RC 振荡器，必须再写一次 0x6B 把 SLEEP 清掉。这里有个容易被忽略的细节：时钟源选择位 CLKSEL 建议配置成 1，也就是用 X 轴陀螺的 PLL 作为参考时钟。内部 RC 振荡器的频率会随温度漂移，它漂多少，采样周期就偏多少，积分出来的角度就跟着偏——这种误差非常隐蔽，因为它不会让数据“看起来不对”，只会让长时间积分的结果慢慢偏掉。

提示：软复位之后不要立刻读数据寄存器，也不要紧接着写配置，两帧 SPI 之间留出足够间隔。曾经遇到过主控 SPI 跑到几兆赫兹，复位命令刚发完就发下一条，配置里有一半写了进去、一半没写，现象是“陀螺正常、加速度计一直满量程”，找了很久。

2.2 DLPF 与采样率分频：两个寄存器，一个带宽

配置寄存器 0x1A 的低三位是 DLPF_CFG，它决定芯片内部的数字低通滤波带宽；0x19 是 SMPLRT_DIV，决定输出采样率。很多人只调后者，因为它直观——“我要 100 Hz，那就把分频设成对应值”。但分频只是抽取，它不做抗混叠。信号里高于新采样率一半的频率分量，会被原封不动地折叠进低频，伪装成“低频漂移”。

举个例子：设备上有个 190 Hz 的振动源（电机、风扇、结构共振都可能），采样率设成 200 Hz，Nyquist 是 100 Hz，190 Hz 会折叠到 10 Hz。你看到的是一条 10 Hz 的“慢晃”，用任何软件滤波都滤不掉，因为它已经变成了真实信号的一部分。DLPF 存在的意义就是在抽取之前先把这个带外能量削掉。

这张表最该看的是最后一列。DLPF_CFG 为 0 时陀螺内部输出率是 8 kHz，此时 SMPLRT_DIV 的分母基数是 8000；一旦打开任意一档滤波，基数就变成 1 kHz。也就是说，改 DLPF 会顺带改掉采样率的计算基准。这属于典型的“配置耦合”——两个寄存器写在不同函数里，改一个另一个就失效了。实际工程里我习惯把这两个值打包成一个结构体，一次算完再一次性下发。

2.3 量程与灵敏度：加速度传感器的 LSB 怎么变成角度误差

量程寄存器 0x1B（陀螺）和 0x1C（加速度计）决定的是量化和饱和之间的平衡点。量程越小，单个 LSB 代表的物理量越小，分辨率越高；但一旦超过量程，输出就会削顶，姿态瞬间跳变且无法恢复。

很多人下意识选最大量程“保险”，这是个反直觉的坑。加速度量程从 ±2 g 换到 ±16 g，分辨率直接掉 8 倍。而加速度传感器在姿态解算里的作用是提供长期基准，它对低频误差极其敏感——0.01 g 的偏差，在静止倾角计算里就是约 0.57° 的固定偏差，而且这个偏差会被互补滤波或 Mahony 当成“真值”持续吸收进去。所以量程的选择逻辑应该是：先用实测数据统计运动过程中的峰值加速度，再留 1.5～2 倍余量，而不是直接拉到顶。

还有一个更隐蔽的点：表里的灵敏度是标称值，实际器件存在百分之几的增益误差和零点偏置。这不是精度问题，是系统误差，必须靠标定消掉，后面第 4 章会展开。

上电初始化时，需要按顺序配置这些寄存器，顺序本身也有约束。

/* MPU6500 上电初始化：每一步都在等前一步稳定 */ static int mpu6500_init(spi_dev_t *dev) { uint8_t who = 0; /* 1. 先确认身份，读不到 0x70 就说明链路有问题，不必往下走 */ if (spi_read_reg(dev, 0x75, &who) || who != 0x70) return -1; /* 2. 软复位，之后留足启动时间 */ spi_write_reg(dev, 0x6B, 0x80); delay_ms(100); /* 3. 唤醒并切到陀螺 PLL 时钟：内部 RC 温漂大，会让零偏随温度跑 */ spi_write_reg(dev, 0x6B, 0x01); /* 4. 陀螺 ±500 dps(FY_SEL=1)，加速度计 ±4 g(AFS_SEL=1) */ spi_write_reg(dev, 0x1B, 0x08); spi_write_reg(dev, 0x1C, 0x08); /* 5. DLPF_CFG = 3：陀螺与加速度计带宽都是 41 Hz，延迟约 6 ms * 注意这一写会把陀螺内部输出率从 8 kHz 切到 1 kHz */ spi_write_reg(dev, 0x1A, 0x03); /* 6. 采样率 = 1000 / (1 + 4) = 200 Hz，必须在第 5 步之后算 */ spi_write_reg(dev, 0x19, 0x04); return 0; }

这段代码里真正值得说的是第 5 步和第 6 步的先后关系。如果把采样率写在 DLPF 之前，分母基数还是 8000，算出来的实际采样率会是 1600 Hz，比预期快 8 倍——数据不会报错，只是滤波器的时间常数全部对不上，表现为“滤波效果和仿真对不上”。第 3 步的时钟源选择同样不是可选项：用内部振荡器时，采样周期本身就带温漂，任何基于固定 dt 的积分都会引入缓慢累积的误差。

3. 数据通路：SPI 突发读、FIFO 与补码对齐

寄存器配置正确，只代表芯片在按预期采样。数据怎么从芯片搬到主控内存，决定了这些样本的时间属性有没有被破坏。这一段是最容易被写成“能用就行”的地方，也是长期精度差异最大的地方。

3.1 SPI 读写的第 7 位与突发读

MPU6500 的 SPI 帧结构很简单：第一个字节是地址，最高位表示读写方向，1 为读、0 为写，低 7 位是寄存器地址；后续字节是数据。单字节读一次要两帧，读 14 字节就变成 28 帧，中间还可能被中断打断。所以实际驱动几乎都实现突发读——给一个起始地址，芯片在内部自动递增地址，连续吐出多个字节。

这里有个隐含约束：突发读的过程中 CS 必须一直保持低电平，一旦在中间拉高，芯片会认为传输结束，剩下的数据就丢了。同时两个字节之间不能有太长的空闲，否则内部状态机会复位。时钟极性和相位方面，模式 0 和模式 3 都能工作，但必须和主控配置一致；如果发现读出来的数据整体右移一位，八成是 CPHA 配错了，数据在错误的边沿被采样。

/* 从 0x3B 起连读 14 字节：加速度 6 + 温度 2 + 陀螺 6 */ int mpu6500_read_raw(spi_dev_t *dev, int16_t out[7]) { uint8_t buf[14]; /* 一次 CS 拉低读完，中途不能释放 */ if (spi_read_burst(dev, 0x3B, buf, sizeof(buf))) return -1; for (int i = 0; i < 7; i++) { /* 高字节在前；先拼成无符号再转有符号，避免左移溢出 */ uint16_t u = ((uint16_t)buf[2 * i] << 8) | buf[2 * i + 1]; out[i] = (int16_t)u; } return 0; }

out数组的下标是 0~2 加速度、3 温度、4~6 陀螺，这个顺序由寄存器地址的物理排列决定，不能靠“感觉”去猜。温度那两字节夹在中间，如果按 6+6 去读，陀螺数据会整体错位两个字节，现象是陀螺值和加速度值“看起来都很正常，但完全对不上物理方向”。

3.2 FIFO：把轮询换成事件

轮询读数据的最大问题不是浪费 CPU，而是采样间隔不均匀。主循环里如果还做了别的事，两次读取之间的间隔可能是 4 ms，也可能是 9 ms。对于陀螺积分来说，dt 抖动直接变成角度误差；对于任何数字滤波器来说，系数都是按固定 dt 推的，dt 一变，截止频率就偏移。

FIFO 解决的就是这个问题：芯片按固定速率往内部队列里塞样本，主控什么时候有空什么时候来取，取出来的一批数据仍然是等间隔的。配置上，0x23 决定哪些通道进 FIFO，0x6A 的 FIFO_EN 位使能、FIFO_RST 位清空，0x72 读当前字节数，0x74 逐字节读出。

包长要算清楚：加速度 6 字节 + 陀螺 6 字节 = 12 字节；如果把温度也打开就是 14 字节。FIFO 深度是 512 字节，也就是 12 字节约 42 个样本。按 200 Hz 算，42 个样本只够撑 210 ms，所以读取周期必须明显小于这个值，否则溢出。溢出的标志在中断状态寄存器里，一旦发生，队列里的数据就不可信了——不是丢一两个样本，而是整个时间轴错位。

注意：这一系列芯片里，有的型号提供 FIFO 水位（watermark）中断，有的只有溢出中断。如果手上这颗没有水位中断，常见做法是用数据就绪中断触发读取，每次读之前先查 0x72 的字节数，按整数个包取走，余数留着下次。别按“读固定长度”硬取，那样会把一个包从中间截断。

3.3 补码与符号扩展：一行代码的翻车现场

所有测量值都是 16 位二进制补码，高字节在前。这个描述看起来毫无歧义，但真正写起来，出问题的地方特别多。

第一种是符号处理错误。用(buf[0] << 8) | buf[1]直接算，得到的是 0~65535 的无符号数，负值全部变成接近 65535 的大数。这种错误在静止时特别难发现——三个轴里总有一两个是正的，看起来“有数”，只有当设备翻转到某个特定姿态，某个轴突然跳到 65000 多，才会暴露。

第二种是结构体对齐。有人喜欢把 14 字节缓冲区直接memcpy到一个结构体里，然后按int16_t访问。如果结构体没有packed属性，编译器会按 4 字节对齐插入填充，字段位置全错；即使加了packed，在某些架构上非对齐访问会触发异常或降速。稳妥的写法还是逐字节拼接。

第三种是 Python 侧。用 struct 解包时格式串写成'>h'才对，写成'>H'就又回到无符号；用 numpy 时frombuffer默认按本机字节序，而传感器是大端，不指定dtype='>i2'就会得到完全错乱的数。

3.4 时间戳：驱动里最容易被省略的字段

一个只返回原始数据的驱动接口，用起来会很不方便。原因在于调用方拿不到准确的 dt，要么自己用系统时钟算，要么假设一个固定周期。前者受调度抖动影响，后者在负载变化时直接失效。

正确的做法是让驱动在读到一批数据时同时返回时间戳，用单调时钟（不受系统时间调整影响），并且这个时间戳要标注清楚它对应的是“读取时刻”还是“采样时刻”。如果用了 FIFO，队列里的样本是过去一段时间采集的，第一个样本的时刻应该是当前时刻 - (包数-1) * 采样周期，而不是读取时刻。这个差别在 200 Hz、42 个包的场景下能达到 200 ms，做多传感器融合时这个误差足以让两个传感器的数据对不齐。

4. 从零偏到四元数：标定残差如何一路放大成姿态漂移

到这里，原始数据已经能稳定、等间隔地拿到了。接下来的问题是：这些数据里含多少系统性误差，它们会以什么方式进入姿态解算。这一章的核心逻辑是一条链路——零偏不消，积分就漂；标定不准，倾角就偏；融合权重给错，前面两步的成果全部白费。

4.1 陀螺零偏：静态均值法能压到什么程度

最常用的零偏估计方法是静止采样求均值：设备不动，采 N 个样本，取平均作为零偏，后续每帧减去。这个方法的有效性取决于两个前提——噪声是零均值的，且采样期间设备真的静止。

从统计上看，N 个独立样本的均值标准差是单样本标准差的 1/√N。假设陀螺噪声密度对应到 200 Hz 采样下每轴标准差 0.1 °/s，采 2000 个样本（10 秒），均值标准差约 0.0022 °/s。这个量级积分一小时才 8°，看起来够用。

但真正麻烦的问题是零偏不稳定，也就是零偏本身随温度和时间的慢变，而不是白噪声。芯片从室温启动，工作十分钟后内部温升可能十几度，零偏随之漂移零点几到几度每秒。这时候启动时标定的那个常数就完全失效了——它不但没帮上忙，反而变成了一个固定偏差被持续积分。

所以工程上的做法通常有两层：一是用静止检测（三轴角速度模长小于阈值、加速度模长接近 1 g）在运行中持续更新零偏；二是靠加速度计做长期校正，也就是后面互补滤波和 Mahony 里那个积分项的作用。只靠启动标定，注定会遇到温漂问题。

import numpy as np def estimate_gyro_bias(samples, fs, still_thresh=0.05): """samples: (N, 3) 角速度，单位 rad/s still_thresh: 判定静止的角速度模长阈值 返回 (bias, 标准差, 是否可信) """ norm = np.linalg.norm(samples, axis=1) # 只保留明显静止的样本，运动中采到的均值毫无意义 still = samples[norm < still_thresh] if len(still) < fs: # 有效样本不足 1 秒，直接判不可信 return np.zeros(3), np.zeros(3), False bias = still.mean(axis=0) std = still.std(axis=0) / np.sqrt(len(still)) return bias, std, bool(np.all(std < 0.005))

这段代码里真正起作用的不是mean，而是still那个筛选条件和最后的标准差检查。如果采到的样本里混进了运动片段，均值会被拉偏，而且偏得很隐蔽——因为运动往往是双向的，正负抵消后看起来“差不多”。标准差检查是最后一道防线：如果均值标准差错过了阈值，说明这段数据不够“静”，宁可不用，也不要写进零偏。

4.2 加速度计六面标定与最小二乘拟合

加速度传感器的误差模型比陀螺复杂，因为它同时存在零偏、增益误差和轴间不正交。最简单的标定是六面法：把设备依次摆成六个朝向，每个朝向静止采集，取均值，得到每个轴的正负两个极值。

如果假设各轴独立，模型就是raw = S * true + b，那么b = (max + min) / 2，S = (max - min) / 2g。这个方法简单、产线友好，能消掉大部分零偏和增益误差，但消不掉轴间耦合——当某个轴倾斜时，重力分量会串到另一个轴上。

更完整的方法是把三个轴的误差放在一个 3×3 矩阵里一起拟合：

import numpy as np def fit_accel(samples): """samples: [(raw_xyz, g_unit_xyz), ...] 每个静止朝向一组 模型 raw = M @ g + b，M 是 3x3（含增益与轴间耦合），b 是零偏 未知量 12 个，用最小二乘一次解出 """ A, y = [], [] for raw, g in samples: for i in range(3): row = np.zeros(12) row[i * 3:(i + 1) * 3] = g # M 的第 i 行乘重力方向 row[9 + i] = 1.0 # 第 i 轴的零偏项 A.append(row) y.append(raw[i]) x, *_ = np.linalg.lstsq(np.asarray(A), np.asarray(y), rcond=None) M = x[:9].reshape(3, 3) b = x[9:] return M, b # 使用时先求逆：g_est = inv(M) @ (raw - b)，再归一化得到方向

这段的核心是把“每个朝向的重力方向已知”这个先验变成方程。g是单位向量，六个朝向理论上给出 ±1 和 0 的组合，但实际操作中很难摆得完全水平，所以通常会多采十几个任意姿态，让最小二乘自己去拟合。未知量 12 个，至少需要 4 个不共面的姿态；姿态越多、分布越均匀，M的条件数越好，解的稳定性越高。

验证方法很直接：把标定参数代回去，计算每个样本的|g_est|，应该接近 1 g。残差的标准差如果超过 0.01 g，说明采样姿态分布不够或者有某个朝向的数据被污染了，需要重采。这一步不能省——标定参数错了，后面的姿态解算再精细也是在错误的基础上叠加。

4.3 互补滤波：截止频率其实是信任分配

有了标定后的数据，就可以进入姿态解算。最直观的想法是直接用加速度计算倾角：roll = atan2(ay, az)，pitch = atan2(-ax, sqrt(ay²+az²))。静止时这个结果很准，但设备一有线性加速度（走路、加减速、振动），重力方向就被污染了，算出来的角度会剧烈跳动。

陀螺的优势正好相反：短时间积分非常平滑，但零偏会持续累积。互补滤波的本质就是把两者的频域特性拼起来——让加速度计负责低频，陀螺负责高频，中间用一个截止频率切开。

import math class Complementary: def __init__(self, fc=1.0): # 截止频率决定"多快开始相信陀螺" self.tau = 1.0 / (2 * math.pi * fc) self.roll = 0.0 self.pitch = 0.0 def update(self, ax, ay, az, gx, gy, gz, dt): # 加速度计给出的倾角，只在高频噪声之外才可信 acc_roll = math.atan2(ay, az) acc_pitch = math.atan2(-ax, math.hypot(ay, az)) # 系数由 tau 和 dt 共同决定，dt 变了系数必须跟着变 alpha = self.tau / (self.tau + dt) # 陀螺积分走高频，加速度计走低频 self.roll = alpha * (self.roll + gx * dt) + (1 - alpha) * acc_roll self.pitch = alpha * (self.pitch + gy * dt) + (1 - alpha) * acc_pitch return self.roll, self.pitch

gx、gy必须是弧度每秒，如果前面按度每秒算的，这里要先转换，否则积分结果会大 57 倍。alpha的表达式里同时出现了tau和dt，很多人图省事直接写死 0.98，结果采样率一改（比如从 200 Hz 换到 100 Hz），等效截止频率就变了，滤波特性跟着变，表现为“同样的参数，换了主控板效果就不一样”。

截止频率的选择是个纯工程取舍。取 0.5～1 Hz，抗线性加速度能力强，但姿态跟随会变慢，快速转动时会有明显滞后；取 2～5 Hz，跟随快，但振动和线性加速度容易漏进来。我一般会先看应用的运动频谱：手持设备取 1 Hz 左右比较稳，车载或云台可以到 2～3 Hz。

4.4 Mahony 的 PI 校正与四元数积分

互补滤波只能处理两个角度，遇到偏航就无能为力——加速度计测不到绕重力轴的旋转。真正通用的做法是用四元数表示姿态，用加速度计观测到的重力方向去校正陀螺积分。

Mahony 滤波器的思路可以用一句话概括：把“当前四元数推算出的重力方向”和“加速度计实测的重力方向”做叉积，叉积结果就是误差轴；用这个误差去修正陀螺的角速度，修正量由比例项和积分项组成。

import math def mahony_update(q, gx, gy, gz, ax, ay, az, dt, kp=1.0, ki=0.05, e_int=None): q0, q1, q2, q3 = q # 由当前四元数推算机体系下的重力方向 vx = 2 * (q1 * q3 - q0 * q2) vy = 2 * (q0 * q1 + q2 * q3) vz = q0 * q0 - q1 * q1 - q2 * q2 + q3 * q3 n = math.sqrt(ax * ax + ay * ay + az * az) if n < 1e-6: return q, e_int # 自由落体或异常值，跳过校正 ax, ay, az = ax / n, ay / n, az / n # 归一化，长度信息被丢掉 # 叉积 = 实测方向 × 估计方向，方向就是需要转动的轴 ex = ay * vz - az * vy ey = az * vx - ax * vz ez = ax * vy - ay * vx # 积分项负责吃掉残余零偏，但要限幅，防止长时间线加速度把积分器撑爆 e_int[0] += ex * ki * dt e_int[1] += ey * ki * dt e_int[2] += ez * ki * dt for i in range(3): e_int[i] = max(-0.5, min(0.5, e_int[i])) gx += kp * ex + e_int[0] gy += kp * ey + e_int[1] gz += kp * ez + e_int[2] # 四元数微分方程 q' = 0.5 * q ⊗ ω，这里用一阶欧拉积分 dq0 = 0.5 * (-q1 * gx - q2 * gy - q3 * gz) dq1 = 0.5 * (q0 * gx + q2 * gz - q3 * gy) dq2 = 0.5 * (q0 * gy - q1 * gz + q3 * gx) dq3 = 0.5 * (q0 * gz + q1 * gy - q2 * gx) q = [q0 + dq0 * dt, q1 + dq1 * dt, q2 + dq2 * dt, q3 + dq3 * dt] # 每步都要归一化，否则数值漂移会让四元数模长慢慢偏离 1 norm = math.sqrt(sum(v * v for v in q)) return [v / norm for v in q], e_int

几个参数的实际影响：kp决定对加速度计的信任程度，取大了响应快但抗噪差，取小了收敛慢；ki负责消除稳态误差，本质上就是在补陀螺的残余零偏，但如果ki给大，在持续线性加速度的场景下（比如一直加速的车辆），积分项会把错误的姿态当成真值吸收进去，表现为“加速一段时间后姿态明显偏了，减速后才慢慢回来”。所以e_int的限幅不是可选项，是必需品。

积分方式也值得说一句。上面用的是一阶欧拉，在 200 Hz、角速度 500 °/s 的情况下单步误差可以忽略；但如果采样率降到 50 Hz 或者角速度更高，一阶积分的误差就会显现出来，这时候需要换成二阶或龙格-库塔。这不是理论洁癖——快速旋转时的姿态误差会直接体现在控制环的稳定性上。

5. 排查清单：五个反复出现的数据异常

下面这些现象，是我在实际项目里反复遇到的。它们的共同点是：代码看起来没错，编译不报错，运行时也不崩溃，只是数据“有点不对”。每一条都按现象、原因、处理方式写清楚。

5.1 通信与上电阶段

现象一：WHO_AM_I 读到 0x00 或 0xFF。原因通常是 SPI 从设备根本没被选中，或者 MISO 悬空。0x00 说明 MISO 一直被拉低，0xFF 说明一直拉高，两者都意味着主控没收到任何有效响应。检查 CS 是否真的拉低、SPI 模式是否匹配、供电是否正常。另一种可能是 CS 拉低太早，在时钟还没稳定时就开始发地址，芯片没识别到起始条件。处理办法是用示波器看 CS 和 SCLK 的时序关系，确认地址字节在 CS 有效之后才发出。

现象二：配置写完，读回来发现某些位没生效。最常见的原因是在软复位之后没有等够时间。芯片内部还在初始化，SPI 接口可能已经能响应，但寄存器写入被忽略。另一个原因是写配置时用了突发写，而某些寄存器不支持连续写。处理方式是逐条写完之后立刻读回校验，把“写完就算完”改成“写完必须验证”，这个习惯能省掉大量排查时间。

现象三：偶尔读到全 0 的一帧数据。如果用的是 FIFO，这通常是读的时候包长度没对齐，从一个包的中间开始读，解出来的值看起来像 0。检查 FIFO_COUNT

本文还有配套的精品资源，点击获取