新闻详情

新闻详情

首页 / 资讯中心 / 详情

【嵌入式系统开发】I2C设备(LM75/AT24C02)应用与 ADC 模数转换原理及滤波算法详解

发布时间:2026/11/17 4:36:18来源:尧图网络
【嵌入式系统开发】I2C设备(LM75/AT24C02)应用与 ADC 模数转换原理及滤波算法详解
1. I2C 总线典型设备应用在嵌入式开发中I2C 是一种非常常见的同步串行通信协议。以下是两种典型 I2C 外设的特性与参数1.1 EEPROM (AT24C02)存储容量2Kbit 256 Bytes。设备地址 (I2C Slave Address)0x50Base Address。主要用途用于断电后保存关键配置数据或系统参数。1.2 数字温度传感器 (LM75)LM75 是一款常见的数字温度传感器内置 ADC 采样与温度计算模块。设备地址0x48工作电压2.7V - 5.5V测温范围-55℃ 125℃测量精度±2℃ ±3℃分辨率9位即最小分辨温度为内部寄存器温度寄存器地址0x00数据读取规则每次读取2 个字节的温度数据数据为高位对齐需舍弃低 7 位后进行有效温度换算。硬件加速可开启 FPU (协处理器 CP11) 进行浮点数运算加速。应用场景举例高危液体存储告警系统实时监控环境温度与液位电压。2. ADC (模数转换器) 核心原理2.1 模拟信号与采样过程自然界中的温度、压力、液位 (m) 等物理量均为模拟信号。微控制器MCU通过传感器将这些物理量转化为模拟电压值 (v)后需要通过ADC (Analog-to-Digital Converter)将其转化为数字信号。采样频率 (Sampling Rate)单位时间内对模拟信号的采样次数Hz。根据奈奎斯特定理采样频率必须大于信号最高频率的 2 倍。2.2 逐次逼近法 (SAR ADC) 与二分查找原理大多数 MCU 内置的 ADC 采用逐次逼近法 (Successive Approximation)其基本思想类似于二分查找法。内部硬件主要由比较器、DAC 和逐次逼近寄存器 (SAR) 组成1.假设基准电压为待测电压;2.第 1 次逼近试探中间值。比较输出 bit 为13.第 2 次逼近调整试探值为。比较输出 bit 为04.第 3 次逼近调整试探值为。比较输出 bit 为15.依次类推直到达到要求的位数分辨率完成数值逼近。2.3 分辨率与电压转换公式ADC 的分辨率 (Resolution)决定了可量化的最小电压变动8-bit分段数为范围 0x00 - 0xFF10-bit分段数为范围 0 - 102312-bit分段数为范围 0 - 4095主流 MCU 常用16-bit高精度常见于 DSP 或专用外置 ADC 芯片采样电压计算通用公式示例若 ADC 为10 位分辨率基准电压采样读出的数字量为:3. 常见信号滤波算法总结由于传感器环境噪声干扰直接读取的 ADC 数据往往包含误差需要通过软件滤波算法提升数据平滑度与稳定性1.均值滤波 (Mean Filter)原理连续采样 N次求算术平均值。适用消除随机干扰适用于平稳变化的信号如温度。2.高通滤波 (High-Pass Filter)原理允许高频信号通过滤除低频趋势基线漂移。适用快速突变信号检测。3.低通滤波 (Low-Pass Filter)原理允许低频信号通过减弱高频噪声干扰。适用消除高频抖动噪声。4.卡尔曼滤波 (Kalman Filter)原理基于状态空间模型的预测与更新算法结合系统预测值和测量值计算最优估计。适用高精度实时跟踪、预测性降噪及复杂动态系统。
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
📞 ✉