新闻详情

新闻详情

首页 / 资讯中心 / 详情

按键的弹跳与硬件消抖电路

发布时间:2026/11/15 3:32:53来源:尧图网络
按键的弹跳与硬件消抖电路
1、按键的弹跳▼当一个机械开关被按下或释放时可能会产生短暂的多次状态变化如下图1.1 所示的现象被称之为“抖动”。去抖或消抖Debounce可以有效的避免“抖动”造成的影响它分为软件消抖与硬件消抖两种。图1.1 按键抖动实测波形▼含 MCU 电路软件消抖此种情况去抖动是比较好处理的就是延时躲避即可解决。但是它不能解决过压、ESD 或其他瞬变问题。图1.2 按键去抖程序纯硬件电路硬件消抖就需要专门的“去抖动电路”下面对硬件消抖做详细的描述。2、分立元件消抖1电容消抖一1按键按下与去抖初始状态S1断开C2通过R3放电节点电压为0V。按下瞬间VCC (12V) 通过S1接入。由于C2两端电压不能突变节点电压瞬间跳变到12V。随后C2通过R3开始充电。去抖原理R3*C2 30k*10μF 300ms。这构成了一个硬件低通滤波器。机械按键按下时通常会有几十毫秒的抖动C2的充电过程会吸收这些抖动保证节点电压是一个干净的阶跃信号上升沿。松开瞬间S1断开C2通过R3缓慢放电节点电压缓慢下降下降沿。2边沿检测与三极管整形节点电压通过R1和C1组成的微分电路C1 0.1μF配合R2 20kΩ时间常数约2ms耦合到Q1基极。按下按键时节点电压跳变到12VC1耦合一个正向尖峰到Q1基极。Q1瞬间导通集电极电压从12V被拉低到0V产生一个下降沿。松开按键时节点电压下降C1耦合一个负向尖峰到Q1基极。Q1迅速截止集电极被R4上拉电压从0V恢复到12V产生一个上升沿。▼Q1的C极电压实测波形2电容消抖二▼如下图所示将电容并联在“合闸输入”自复位按键的两端抖动的电平通过电容C3/10nF吸收从而达到消抖的作用。此电路没有上面的电路效果好贵在简单价格便宜。3、触发器消抖▼若原电路中含有像74HC14施密特触发器也可端接。但电路较为繁杂的多输入系统则非常笨拙此时不推荐使用可以考虑专用芯片如 MAX6818价格较贵。4、专用芯片消抖1MAX681x▼其中 MAX6816SOT-143、MAX6817SOT-23-6为小尺寸封装MAX6818SSOP-20为多输入系统提供了便利。图4.1 输入特性图4.2 MAX681x内部框图▼电气特性电源供给 2.75.5V消抖时间最大 8090ms输入阈值低电平为 0.8V高电平在 Vcc 5V 时为 2.4V、Vcc 2.7V 时为 2.0V输出电压低 0.4V、电压高 Vcc-1.0V。图4.3 电气特性截图▼MAX6817EUT的 Multisim仿真图4.4 Multisim仿真2MAX16054它是一款带有单个开关去抖器和内置锁存器的按钮开/关控制器。接受来自机械开关的嘈杂输入并在工厂固定的延迟后产生干净的锁存数字输出。图4.5 MAX16045内部框图图4.6 MAX16045应用电路相关原文件下载移步按键的弹跳与去抖动电路。如若喜欢这篇文章不妨留下您宝贵的点赞这将是对我莫大的鼓励。
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 2026/11/14 3:51:47

【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 2026/11/14 10:11:15

【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 ... 2026/11/14 17:14:38

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 2026/11/14 3:51:43

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
📞 ✉