CherryUSB v1.4.3版本发布:嵌入式USB协议栈的全面升级
项目概述
CherryUSB是一个轻量级、高性能的嵌入式USB协议栈,支持设备模式(Device)和主机模式(Host),广泛应用于各类嵌入式系统中。该项目提供了完整的USB协议实现,包括控制传输、批量传输、中断传输和同步传输等核心功能,同时支持多种USB类协议,如HID、CDC、MSC、Audio等。
版本亮点
1. 核心架构优化
本次v1.4.3版本在核心架构上进行了多项优化。首先,增加了对不同操作系统的更好支持,特别是针对NuttX操作系统的适配工作。其次,引入了物理地址与RAM地址转换的宏定义,方便不同硬件平台的内存管理。在设备模式下,新增了EP0设置处理程序线程化特性,提高了控制传输的灵活性。
2. 音频类功能增强
音频类功能得到了显著增强,为UAC1和UAC2增加了音频反馈相关的宏定义和演示示例。这一改进使得开发者能够更容易地实现高质量的USB音频设备,满足专业音频应用的需求。
3. 无线网络支持改进
在无线网络支持方面,RNDIS类驱动现在可以支持不使用LWIP的以太网和无线传输API,这为不使用LWIP协议栈的系统提供了更大的灵活性。同时,MSC类驱动进行了优化,将SCSI命令初始化移出枚举线程,避免阻塞枚举过程,并增加了测试单元就绪请求的重试机制。
4. 平台适配扩展
本次更新扩展了对多个硬件平台的支持:
- 新增了T113平台的EHCI控制器驱动
- 更新了RP2040的设备驱动和主机驱动,使用irq_add_shared_handler注册中断处理程序
- 增加了CH585 USBHS DC支持
- 扩展了Kinetis系列对MCXA156的支持
- 修复了STM32H7RS系列在主机模式下的GCCFG配置问题
技术细节解析
操作系统抽象层改进
操作系统抽象层(OSAL)是CherryUSB实现跨平台支持的关键组件。本次更新特别针对NuttX操作系统进行了优化,增加了参数宏定义,使得在不同操作系统间的移植更加方便。同时,对RT-Thread和IDF(ESP32)平台也进行了特定优化,如调整TX FIFO大小以获得更好的端点性能。
设备模式增强
在设备模式下,v1.4.3版本修复了描述符长度计算的逻辑错误,确保在解析USB描述符时不会出现越界访问。同时,当alternate setting设置为0时,现在会正确重置所有端点,这解决了某些情况下端点状态不一致的问题。
主机模式调试支持
为了便于主机模式的开发和调试,新版本增加了usbh_printf_setup API,可以方便地打印USB设置包的内容,大大简化了协议分析工作。
缓存一致性处理
在底层驱动方面,本次更新为EHCI、OHCI和DWC2控制器增加了对数据缓存(DCache)的支持,这对于使用带缓存架构的处理器(如Cortex-A系列)至关重要,确保了数据传输的正确性。
应用建议
对于正在使用或考虑使用CherryUSB的开发者,建议关注以下方面:
- 音频设备开发者可以充分利用新增的音频反馈功能,实现更精确的同步控制。
- 在资源受限的系统中,可以考虑使用新的RNDIS实现,避免引入完整的LWIP协议栈。
- 对于使用NuttX或RT-Thread等RTOS的项目,新版本提供了更好的支持,建议升级以获得更稳定的性能。
- 在开发主机功能时,可以利用新的调试API快速定位协议问题。
CherryUSB v1.4.3版本通过多项功能增强和问题修复,进一步提升了嵌入式USB开发的便利性和可靠性,是嵌入式系统USB功能实现的优秀选择。
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0210
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0133
GLM-5.2智谱开源 GLM-5.2,这是针对长文本任务的最新旗舰模型。相较于前代产品 GLM-5.1,它在长文本任务处理能力上实现了显著飞跃,并且首次在稳定的 100 万 token 上下文中提供这一能力。Jinja00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
wgai开箱即用的JAVAAI在线训练识别平台&OCR平台AI合集包含旦不仅限于(车牌识别、安全帽识别、抽烟识别、常用类物识别等) 图片和视频识别,可自主训练任意场景融合了AI图像识别opencv、yolo、ocr、esayAI内核识别;AI智能客服、AI语言模型、 无任何第三方API接口可定制化自主离线化部署并自主化行业化使用避免占用内存、GPU消耗训练与识别分开使用;Java06
tiny-universe《大模型白盒子构建指南》:一个全手搓的Tiny-UniverseJupyter Notebook03