ZMK固件中解决编码器误触发问题的技术方案
2025-06-25 22:40:42作者:韦蓉瑛
问题背景
在使用ZMK固件为键盘添加鼠标滚轮编码器时,开发者遇到了一个常见但令人困扰的问题:当向一个方向滚动编码器时,系统会错误地同时触发两个方向的信号(0和1)。这种误触发行为会影响用户体验和功能可靠性。
问题分析
编码器的工作原理是通过两个相位差90度的信号(A相和B相)来判断旋转方向。理想情况下:
- 顺时针旋转时,信号变化顺序应为A相先变化,然后B相变化
- 逆时针旋转时,信号变化顺序相反
当出现两个方向信号同时被触发的情况时,通常与以下因素有关:
- 信号消抖处理不足
- 分辨率设置不当
- 物理接触不良
- 固件配置参数不匹配
解决方案
关键配置参数调整
在ZMK固件中,有两个关键参数需要特别注意:
steps参数:定义编码器每转的物理步数triggers-per-rotation参数:定义每转触发的事件数
经过实践验证,以下配置组合可以解决误触发问题:
right_encoder: encoder_right {
compatible = "alps,ec11";
a-gpios = <&pro_micro 3 (GPIO_ACTIVE_HIGH | GPIO_PULL_UP)>;
b-gpios = <&pro_micro 2 (GPIO_ACTIVE_HIGH | GPIO_PULL_UP)>;
steps = <48>; // 或96
status = "okay";
};
sensors: sensors {
compatible = "zmk,keymap-sensors";
sensors = <&right_encoder>;
triggers-per-rotation = <24>;
};
参数选择原则
-
物理步数与触发数的比例:保持2:1或4:1的比例关系
- 当
triggers-per-rotation = <24>时,steps应设为48或96
- 当
-
分辨率匹配:确保固件配置与编码器物理特性匹配
- EC11编码器常见每转物理步数为12/24/30等
- 通过适当提高steps值可以提高识别精度
-
信号稳定性:较高的steps值可以提供更好的噪声过滤
实现原理
这种配置有效的根本原因在于:
- 采样密度增加:提高steps值相当于增加了采样点,使固件能更准确地识别旋转方向
- 滤波效果增强:更多的采样点可以平滑掉接触抖动带来的噪声
- 事件触发同步:保持steps与triggers-per-rotation的整数倍关系,确保事件触发时机准确
实践建议
-
对于EC11编码器,建议从以下配置开始测试:
- steps = 48
- triggers-per-rotation = 24
-
如果仍有误触发,可以尝试:
- 进一步提高steps值(如96)
- 检查硬件连接是否牢固
- 确保GPIO引脚配置了上拉电阻
-
对于不同型号编码器,需要根据其规格书调整参数:
- 每转物理步数
- 信号电气特性
- 机械结构特点
总结
通过合理配置ZMK固件中的编码器参数,特别是steps和triggers-per-rotation的比值关系,可以有效解决编码器误触发问题。这一解决方案不仅适用于鼠标滚轮编码器,也适用于其他旋转编码器的应用场景。开发者应根据具体硬件特性,通过实验找到最优参数组合,以获得稳定可靠的编码器输入体验。
登录后查看全文
热门项目推荐
相关项目推荐
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00
项目优选
收起
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
184
197
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.03 K
480
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
276
97
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
380
3.44 K
暂无简介
Dart
624
140
React Native鸿蒙化仓库
JavaScript
242
315
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
648
265
openGauss kernel ~ openGauss is an open source relational database management system
C++
157
210