基于CircuitPython打造高精度反应计时器：从微控制器原理到人机交互实践
1. 项目概述：为什么要在微控制器上做反应计时器？
几年前，我在为一个体感交互项目做原型测试时，遇到了一个基础但棘手的问题：如何精确地测量用户从看到视觉提示到做出物理动作之间的延迟？当时我尝试在PC上用Python写了个脚本，配合键盘和屏幕来测，结果发现数据波动大得离谱，动辄几十毫秒的误差让测试失去了意义。后来我才明白，通用计算机复杂的操作系统调度、显示器的刷新延迟、键盘的消抖处理，这些层层叠加的“中间商”严重侵蚀了时间测量的纯粹性。正是这个痛点，让我把目光投向了微控制器。
一个纯粹的微控制器，比如Adafruit的Circuit Playground Bluefruit (CPB) 或 Express (CPX)，它没有操作系统，程序直接“裸奔”在硬件上。当你点亮一个LED（NeoPixel）或播放一个声音的瞬间，到你的手指按下按钮的瞬间，这中间的时间差可以被芯片上的高精度计时器近乎直接地捕获。这种“短路”式的测量，排除了绝大多数软件和硬件的间接干扰，得到的反应时间数据才真正反映了人的生理与认知过程，而不是被设备性能拖了后腿。这就是我们今天要聊的，基于CircuitPython打造一个高精度、可复现的反应计时器。它不仅仅是一个玩具，更是嵌入式人机交互性能评估的一个可靠工具，适用于游戏机制验证、体育科学小实验、甚至是某些需要量化用户操作延迟的物联网设备原型测试。
2. 核心硬件与CircuitPython环境搭建
2.1 硬件选型：CPB与CPX的异同
这个项目的核心硬件是Adafruit的Circuit Playground系列开发板。主要有两位选手：Circuit Playground Express (CPX) 和 Circuit Playground Bluefruit (CPB)。它们长得像一对双胞胎，都集成了10个可编程RGB NeoPixel灯、运动传感器、温度传感器、光线传感器、扬声器、麦克风以及两个实体按钮（A和B），但“大脑”和部分“技能点”有所不同。
CPX的核心是Atmel（现Microchip）的ATSAMD21G18 ARM Cortex-M0+处理器，运行频率为48MHz。它的音频输出是真正的模拟信号，通过板载的DAC（数模转换器）实现，音质相对纯净。而CPB则升级为了Nordic Semiconductor的nRF52840，这是一颗集成了蓝牙5.0的Cortex-M4F芯片，主频更高（64MHz），且带有浮点运算单元（FPU），在进行数学计算（比如我们后面要做的统计计算）时更有优势。CPB的音频输出采用了PWM（脉冲宽度调制）模拟，虽然对于播放简单的提示音完全足够，但在原理上与CPX的DAC不同。
注意：正是由于音频硬件架构的差异，在CircuitPython的库支持上，两者略有区别。我们的代码需要通过
try...except结构来兼容这两种不同的音频驱动方式，这是编写跨平台代码的一个经典技巧。
对于本项目，两块板子都能完美胜任。如果你需要后续扩展蓝牙双人对战功能（类似“西部快枪手”游戏），那么CPB是必须的。如果只是做单机版反应测试，两者任选其一即可。
2.2 软件准备：CircuitPython固件与库文件
第一步是给开发板“刷入”CircuitPython操作系统。你需要：
- 访问Adafruit官网的CircuitPython下载页面，根据你的板子型号（CPX或CPB）下载最新的
.uf2固件文件。 - 用USB数据线连接开发板到电脑。先按住板子上的“RESET”按钮，然后（在保持按住的同时）再按一下“BOOT”或“RST”按钮（对于CPX，是按两次RESET；对于CPB，通常是按RESET后快速双击）。此时电脑上会出现一个名为
CPLAYBOOT或CPLAYBTBOOT的U盘。 - 将下载好的
.uf2文件拖入这个U盘。盘符会自动弹出，随后重新出现一个名为CIRCUITPY的新U盘。这表明CircuitPython固件已刷写成功。
接下来是安装必要的库文件。库文件是扩展功能的模块。本项目需要用到adafruit_circuitplayground这个综合库，它封装了板载所有传感器和外设的易用接口。最省事的方法是下载“项目捆绑包”（Project Bundle）。
- 在项目页面找到“Download Project Bundle”按钮，点击下载一个zip文件。
- 解压该zip文件，找到里面名为
lib的文件夹和code.py文件。 - 将
lib文件夹内的所有.mpy或.py库文件，以及code.py主程序文件，全部复制到你的CIRCUITPYU盘的根目录下。如果U盘上已有lib文件夹，请合并内容。 - 安全弹出U盘，然后按一下板子上的复位键（RESET）。程序会自动开始运行。
实操心得：在Windows系统下，有时复制库文件后，板子不会立即识别。一个可靠的方法是：在复制完所有文件后，通过串行终端（如Mu编辑器、PuTTY或
screen命令）连接到板子的串口（COMxx或/dev/ttyACMx），然后按Ctrl+C软中断当前程序，再按Ctrl+D软复位。这能强制CircuitPython重新加载文件系统中的所有模块，比硬件复位更干净。
3. 项目代码深度解析与原理剖析
3.1 时间测量的核心：time.monotonic()
反应计时器的灵魂在于高精度的时间戳获取。CircuitPython提供了time.monotonic()函数，它返回一个自板子上电以来持续递增的浮点数，单位是秒。关键点在于“单调递增”（monotonic），这意味着它永远不会因为系统时间调整而回退，非常适合测量时间间隔。
start_t = time.monotonic() # 记录刺激开始的时刻 while not button_right.value: # 等待用户按下按钮 pass # 空循环，持续检查按钮状态 react_t = time.monotonic() # 记录反应发生的时刻 reaction_dur = react_t - start_t # 计算反应时长这段代码看似简单，但暗藏玄机。time.monotonic()的返回值基于单精度浮点数（float）。随着运行时间增长，整数部分不断变大，能够用于表示小数部分（毫秒、微秒）的精度位数实际上在被压缩。这就是官方注释中提到的“随着时间推移，毫秒部分的精度和粒度会降低，使得平局（draw）更可能发生”。对于运行数小时后的板子，两个极其接近的事件可能被记录为完全相同的时间戳。不过，对于单次上电后几分钟内的测试，这个误差完全可以忽略。
3.2 随机延迟生成：确保测试的不可预测性
一个有效的反应测试，刺激出现的时间点必须是随机的、不可预测的，否则测试者会提前准备，导致数据失真。我们通过random.random()函数在SHORTEST_DELAY（如3.0秒）和LONGEST_DELAY（如7.0秒）之间生成一个随机等待时间。
但这里有个陷阱：随机数需要“种子”（seed）来初始化伪随机数生成器。如果种子每次启动都一样，那么生成的随机序列就会重复。CPB的nRF52840芯片内置硬件随机数生成器，可以通过os.urandom(4)获取真随机数作为种子。而CPX的ATSAMD21没有这个硬件，如果直接调用os.urandom()会抛出NotImplementedError异常。
因此，代码中采用了优雅的降级策略：
try: os.urandom(4) # 尝试使用硬件随机源 except NotImplementedError: seed_with_noise() # 如果失败，则使用模拟噪声作为种子seed_with_noise()函数是给CPX准备的“土法炼种”。它读取四个未连接任何电路的模拟输入引脚（A2, A3, A4, A5）的电压值。即使悬空，这些引脚也会因为电路噪声产生微弱的、不可预测的电压波动。函数将这些值进行位移和组合，生成一个近乎随机的整数作为种子。这种方法虽然不如硬件随机数“纯正”，但足以打破每次上电产生相同序列的模式。
3.3 音频与视觉刺激的生成
视觉刺激非常简单，就是点亮第一颗NeoPixel（索引为0）为红色。pixels[0] = red这条语句被刻意设计为直接操作单个像素，以追求最快的执行速度，减少从“决定点亮”到“实际点亮”之间的软件延迟。
听觉刺激的生成则复杂一些，它需要生成一个特定频率（这里采用标准音高A4，440Hz）的方波或锯齿波信号。代码中定义了一个sawtooth函数来生成锯齿波，然后通过一个array创建了一个包含10个采样点的波形数据waveraw。
# 生成一个440Hz的简短“哔”声 sample_len = 10 waveraw = array.array("H", [midpoint + round(vol * sawtooth((idx + 0.5) / sample_len * twopi + math.pi)) for idx in range(sample_len)]) beep = RawSample(waveraw, sample_rate=sample_len * A4refhz)这里的关键是RawSample对象和sample_rate。sample_len * A4refhz（10 * 440 = 4400 Hz）这个采样率意味着，音频系统每秒会播放4400个采样点。而我们只提供了10个采样点来描述一个完整的波形周期，因此这个波形周期会在一秒钟内重复播放440次，从而产生440Hz的音调。这种直接在代码中计算波形数组的方式，比加载一个音频文件更节省内存，启动也更快。
3.4 数据统计与实时计算
程序不仅仅记录单次反应时间，还实时计算平均值和样本标准差，这是评估测试者表现稳定性的重要指标。所有数据被存储在statistics这个嵌套字典中，按刺激类型（视觉、听觉、触觉）分类。
update_stats()函数在每次测试后被调用，它完成三件事：
- 更新数据列表和总和：将本次反应时间
duration追加到对应类型的列表中，并累加到总和sum中。 - 计算新的平均值：用新的总和除以测试次数
test_num，得到最新的平均反应时间。 - 计算样本标准差：这是统计波动的量化指标。公式是样本标准差
sd = sqrt( Σ(xi - mean)² / (N-1) )。代码中特别用if test_num > 1进行了保护，因为当只有一次测试（N=1）时，分母为零的计算会引发ZeroDivisionError，导致程序崩溃。标准差越大，说明测试者的反应时表现越不稳定。
程序通过print语句将每次测试的结果以元组形式输出到串行终端。这种格式特别适合像Mu编辑器这样的工具，它可以自动识别并将数据绘制成曲线图，方便直观观察趋势。
4. 完整实操步骤与代码部署
4.1 硬件连接与检查
实际上，对于Circuit Playground系列，硬件连接几乎为零。你只需要一根USB数据线，用于供电和编程。板载的按钮B（标记为“B”，通常位于USB口上方右侧）将作为反应按钮。确保你的手指可以轻松、舒适地放在按钮上，但不要预先按下。为了获得最佳效果，建议将板子平放在桌面上，或用支架固定，避免在测试过程中晃动。
上电后，观察板子上的NeoPixel灯环。如果代码正常运行，所有灯应该会先快速闪烁一下（系统自检），然后熄灭，等待第一次测试开始。如果灯没有亮，或者出现异常颜色，请检查：
CIRCUITPY盘根目录下的code.py文件是否存在且名称正确。lib文件夹是否已正确复制，并且包含了adafruit_circuitplayground等必要的库文件。- 尝试用Mu编辑器打开串行终端，查看是否有错误信息输出。
4.2 运行测试与数据收集
程序启动后，会进入一个无限循环，交替进行视觉和听觉测试。
- 准备阶段：程序首先会等待你的手指离开按钮（确保没有误触），然后进入一个3到7秒的随机等待期。此时，板子没有任何提示，你需要保持专注。
- 刺激阶段：
- 视觉测试：第一颗NeoPixel（位于板子边缘，通常靠近USB口）会突然亮起红光。与此同时，内部计时器启动。
- 听觉测试：板载扬声器会发出一声短暂的“哔”（440Hz）。与此同时，内部计时器启动。
- 反应阶段：当你看到灯亮或听到声音的瞬间，立即按下按钮B。程序会停止计时。
- 反馈与循环：刺激信号（灯或声音）会立即停止。程序通过串口打印出本次测试的编号、类型、反应时间、当前平均反应时和标准差。然后，程序再次进入准备阶段，开始下一次测试。
要收集数据，你需要在电脑上打开一个串行终端软件（如Mu编辑器、Arduino IDE的串口监视器、或者screen /dev/ttyACM0 115200命令）。将波特率设置为115200。你将会看到类似这样的输出：
# Trialnumber, time, mean, standarddeviation ('Trial 1', 'visual', 0.215, 0.215, 0.0) ('Trial 2', 'auditory', 0.189, 0.202, 0.018384776310850235) ('Trial 3', 'visual', 0.221, 0.20833333333333334, 0.016072793075386096)第一行是注释。之后每一行都是一个元组，包含：试验序号、刺激类型、本次反应时间（秒）、该类型当前平均反应时（秒）、该类型当前样本标准差（秒）。你可以将这些数据复制到电子表格（如Excel或Google Sheets）中进行进一步分析或绘图。
4.3 关键参数调优与解释
在代码开头，有几个关键常量可以调整，以适应不同的测试需求：
SHORTEST_DELAY = 3.0和LONGEST_DELAY = 7.0：定义了随机等待时间的范围。延长这个范围（例如2.0到10.0）可以增加测试的不确定性，防止测试者通过节奏感来预判。缩短范围则可以让测试更紧凑。red = (40, 0, 0)：定义视觉刺激的红色亮度。RGB值范围是0-255。(40,0,0)是一个中等偏暗的红色，在大多数环境下都足够醒目，又不会因为太亮而刺眼或产生明显的“点亮延迟”（最亮白色需要更多电流，电压稳定可能需要极短时间，理论上可能引入纳秒级误差，可忽略，但严谨起见可避开最高亮度）。A4refhz = 440：定义听觉刺激的频率，单位是赫兹（Hz）。440Hz是标准音高A4。你可以修改这个值来测试不同频率声音的反应差异（例如，换成1000Hz或2000Hz）。注意，改变频率后，可能需要微调sample_len或波形生成逻辑来保证音质。vol = 32767和sample_len = 10：共同决定了音频波形的振幅和细节。vol是振幅，32767对应最大音量的一半（因为音频样本是16位有符号整数，范围-32768到32767）。sample_len是描述一个完整波形周期的采样点数，值越小，波形越粗糙，但计算和播放越快。
注意事项：修改音频参数后，特别是频率和采样率，有可能会产生刺耳的谐波失真。建议在修改前备份原代码，或者先用较小的
vol值进行测试。另外，频繁播放大音量声音可能对扬声器造成负担，在长时间自动化测试中，建议使用中等或较低音量。
5. 常见问题、误差分析与优化技巧
5.1 测量结果异常（过快或过慢）的排查
- 反应时间小于100ms：在人类生理学上，对于简单的视觉或听觉刺激，反应时间通常不会低于150ms。如果频繁出现低于100ms甚至几十毫秒的数据，这很可能是“抢跑”或设备误差。
- 排查抢跑：测试者是否在刺激出现前就预判并按下按钮？确保测试环境安静，测试者无法通过其他线索（如程序运行的细微声音、电脑屏幕的反射等）预判刺激到来。
- 排查设备误差：检查按钮的机械状态。按钮是否存在“抖动”（bounce）？虽然代码中没有软件消抖，但质量合格的按钮和CircuitPython的
digitalio库通常能很好地处理。可以尝试在while not button_right.value:循环中增加一个极短的延时（如time.sleep(0.005)）来简单消抖，但这会引入固定延迟，需要校准。
- 反应时间波动巨大：一次200ms，下一次500ms。
- 注意力因素：这是最常见的原因。反应时间测试对注意力要求很高。确保测试者每次测试前都做好准备，并尽量减少环境干扰。
- 刺激感知问题：在视觉测试中，测试者是否直视NeoPixel？在听觉测试中，环境背景噪音是否过大？确保刺激信号清晰明确。
- 统计假象：如果只进行了少数几次测试（比如少于5次），那么一两个异常值就会导致平均值和标准差剧烈波动。反应时间数据通常需要至少20-30次测试才能得到相对稳定的统计值。
5.2 系统延迟与精度极限分析
我们的系统并非绝对零延迟，了解这些延迟的来源有助于正确解读数据：
- 刺激输出延迟：从执行
pixels[0] = red或audio.play(beep)到LED实际发光或扬声器实际振动的物理时间。对于NeoPixel，这个延迟在微秒级，可忽略。对于音频，由于需要初始化音频硬件和填充缓冲区，可能会有几毫秒的延迟。但在我们的代码中，audio.play(beep, loop=True)是先启动播放，然后才记录start_t = time.monotonic()。这意味着音频播放的启动延迟也被计入了等待期，而不是反应时间的一部分，因此不影响测量。 - 按钮采样延迟：程序通过一个紧密的
while循环不断读取按钮状态。这个循环的速度极快，远快于人的反应时间，因此采样延迟（通常小于1毫秒）可忽略。 - 时间函数调用延迟：调用
time.monotonic()函数本身需要极短的执行时间（微秒级），同样可忽略。 - 最主要的非人延迟：实际上，最大的潜在误差来源于测试者的操作习惯。如果手指悬空在按钮上方，按下时需要一段移动时间（约20-30ms）。我们的代码要求测试者在等待期将手指放在按钮上（
wait_finger_off_and_random_delay函数会先等待手指离开），这极大地减少了移动时间，使测得的时间更接近纯粹的“神经传导与决策时间”。
5.3 进阶优化与扩展思路
- “作弊”检测：在双人对战版本中，代码信任对方设备发来的反应时间是真实的。一个有趣的扩展是加入“不可能时间”检测器，例如，如果收到的反应时间小于生理极限（如80ms），则判定为无效或作弊。
- 增加触觉刺激测试：除了视觉和听觉，还可以测试触觉反应。例如，利用板载的振动电机（如果硬件支持）或通过连接一个外部振动马达，在随机时间触发振动，让测试者按下按钮。这需要额外的硬件和代码来驱动电机。
- 可视化反馈：目前结果只通过串口输出。可以利用10个NeoPixel来图形化显示反应时间。例如，用点亮LED的数量来表示反应时间的快慢（时间越短，点亮的灯越多），让测试者获得即时、直观的反馈。
- 优化时间精度：对于追求极致精度的场景，可以探索使用芯片上的更低级别的硬件定时器（如
microcontroller模块中的ticks_us()），但这需要更深入的硬件知识和更复杂的代码，会牺牲CircuitPython的易用性。 - 对抗“时间漂移”：如前所述，
time.monotonic()的精度会随时间下降。对于需要长时间连续运行的应用，可以在每次上电后或定期记录一个基准时间，然后计算相对时间差，而不是绝对时间戳。或者，在每次测试循环开始时，短暂地重置板子（通过软件看门狗或外部信号），但这会中断测试流程。
这个基于CircuitPython的反应计时器项目，从一个具体的需求出发，串联起了随机数生成、音频合成、时间测量、数据统计等多个嵌入式开发的核心概念。它最宝贵的价值在于提供了一个高信噪比的测量环境，让我们能够更纯粹地观察和研究“人”这一环在交互系统中的表现。无论是用于自我挑战、小型心理学实验，还是作为更复杂人机交互系统的性能基准测试工具，它都是一个坚实而有趣的起点。