新闻详情

新闻详情

首页 / 资讯中心 / 详情

ARM学习笔记(9)

发布时间:2026/11/16 20:11:20来源:尧图网络
ARM学习笔记(9)
今天梳理下ARM学习里的ADC相关内容都是嵌入式入门的基础点。ADC即模数转换器核心作用是把温度、压力这类连续的模拟信号转换成处理器可识别的数字电压值。像LM75温度传感器采集的温度信号就是模拟量必须经过ADC转换单片机才能读取处理。逐次逼近型ADC是最常用的一类核心逻辑就是逐次逼近法本质是二分查找。以5V基准电压为例把电压区间不断对半拆分让待测电压和区间中间值逐一比较大于中间值记1小于则记0一步步缩小范围最终逼近真实电压值。比如待测3.2V、基准5V的场景第一次和2.5V比较3.2V更高最高位记1接着在上半区间和3.75V比较3.2V更低下一位记0再和3.125V比较……以此类推数次比较后就能得到对应的数字量。完整的ADC转换流程分几步先按设定的采样频率对模拟信号采样再通过逐次逼近的方式完成量化把连续的模拟电压映射到离散的数字刻度上最后编码输出二进制数字结果。采样率也就是每秒采样的次数单位Hz按需选择即可。再说说ADC分辨率指的是用多少位二进制数来表示转换结果位数越高能划分的电压等级越精细最小可识别的电压变化就越小。常见的有8位对应256级、10位1024级、12位4096级16位的一般多用于DSP场景。实际电压换算很简单拿10位ADC、5V基准举个例子uint16_t adc_raw 650; // ADC采样原始值float vref 5.0f; // 基准电压float voltage (float)adc_raw / 1023 * vref;采样得到的原始数据通常存在误差一般都会做滤波处理常用的滤波算法有均值滤波、高通滤波、低通滤波对精度要求高的场景还会用到带预测性的卡尔曼滤波。顺带提两个常用的I2C外设一个是AT24C02型EEPROM容量2Kbit即256字节设备地址0x50另一个是LM75温度传感器工作电压2.7V~5.5V测温范围-55℃~125℃精度±2~±3℃9位分辨率对应0.5℃步进设备地址0x48温度寄存器地址0x00读取2字节数据后舍弃低7位就能得到当前温度值都是入门常练的器件。都是很基础的概念但做嵌入式开发这些都是底层根基先吃透没坏处。
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/11/15 4:54:16

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/15 2:04:12

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/16 19:23:38

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/16 6:47:19

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/14 16:35:50

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/16 17:28:18

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉