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。
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin07
compass-metrics-modelMetrics model project for the OSS CompassPython00