TinyUSB项目中NCM模式在RTOS环境下工作异常问题分析
问题背景
在嵌入式开发中,TinyUSB作为一个轻量级的USB协议栈,为开发者提供了便捷的USB设备实现方案。近期有开发者在使用TinyUSB的NCM(Network Control Model)模式时遇到了工作异常的问题,具体表现为在Windows 11系统下无法正常识别设备并建立网络连接。
环境配置
问题出现在以下环境中:
- 操作系统:Windows 11
- 开发板:MIMXRT11XX系列
- 固件版本:基于TinyUSB仓库a068b81674e8b47d6fb78ab6a06abb7decc2e644提交
- 参考示例:device/net_lwip_webserver
问题现象
开发者在使用NCM模式时遇到了以下具体问题:
- Windows 11系统能够检测到名为"TinyUSB Network Interface"的驱动
- 设备显示为"未启动"状态,错误代码0xC00000E5
- 无法ping通开发板,也无法访问网页服务
- 切换到ECM_RNDIS模式后,所有功能正常
技术分析
1. RTOS集成问题
开发者在项目中同时使用了lwIP和TinyUSB,并且都运行在RTOS环境下。这带来了几个关键的技术挑战:
- 在linkoutput_fn函数中,开发者用vTaskDelay(1)替代了tud_task()
- 在service_traffic处理中,使用tcpip_input替代了ethernet_input
- 当返回值不是ERR_OK时,没有执行pbuf_free操作
这些修改虽然使ECM模式正常工作,但在NCM模式下却出现了问题。
2. NCM缓冲区配置
经过多次测试,开发者发现NCM模式的正常工作与以下配置参数密切相关:
- CFG_TUD_NCM_IN_MAX_DATAGRAMS_PER_NTB
- CFG_TUD_NCM_OUT_MAX_DATAGRAMS_PER_NTB
当将这些值设置为1时,NCM模式可以正常工作。这表明在RTOS环境下,NCM模式对数据报的处理可能存在并发问题。
3. 数据接收流程
深入分析发现,在tud_network_xmit_cb回调中,每次只处理一个数据报,然后通过tud_network_recv_cb为这个数据报分配内存。这种设计在RTOS环境下可能导致性能问题和处理延迟。
解决方案
1. 参数优化配置
针对NCM模式在RTOS下的工作,建议采用以下配置:
#define CFG_TUD_NCM_IN_MAX_DATAGRAMS_PER_NTB 1
#define CFG_TUD_NCM_OUT_MAX_DATAGRAMS_PER_NTB 1
#define CFG_TUD_NCM_OUT_NTB_N 2
#define CFG_TUD_NCM_IN_NTB_N 2
这种配置减少了并发处理的数据报数量,降低了RTOS环境下的处理复杂度。
2. RTOS适配方案
对于需要在RTOS环境下使用NCM模式的开发者,可以考虑以下几种方案:
- 非RTOS模式:如果不必须使用RTOS,可以考虑关闭TinyUSB的RTOS支持
- 直接输入模式:修改service_traffic()实现,直接在tud_network_recv_cb()中将数据输入到lwIP
- 批量处理模式:重写tud_network_recv_renew(),实现批量处理数据报
3. 使用网络粘合层代码
参考项目中提供的网络粘合层代码(net_glue.c),这种实现方式专门为RTOS环境设计,能够更好地处理NCM模式下的数据流。
性能优化建议
对于已经能够工作但存在延迟的情况,可以考虑:
- 适当增加缓冲区数量,但不宜过多
- 优化RTOS任务优先级,确保网络任务有足够的执行时间
- 检查内存分配策略,避免频繁的内存分配/释放操作
结论
TinyUSB的NCM模式在RTOS环境下确实存在一些特殊挑战,特别是与数据报处理和缓冲区管理相关的方面。通过合理的参数配置和适当的代码调整,可以解决大部分兼容性问题。对于性能要求较高的应用,建议参考专门为RTOS优化的网络粘合层实现方案。
开发者应当根据具体应用场景选择最适合的解决方案,并在实现过程中注意RTOS环境下资源竞争和任务调度带来的影响。
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 StartedRust0194
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 Notebook0121
MiMo-V2.5-Pro-FP4-DFlashMiMo-V2.5-Pro-FP4-DFlash 是驱动 MiMo-V2.5-Pro-UltraSpeed 的底层模型: FP4 量化骨干网络:对 MoE 专家采用 MXFP4 量化,同时保持模型其他部分的更高精度,在几乎无损质量的前提下,显著减小模型体积并降低内存带宽压力。 BF16 DFlash 草稿生成器:用于块扩散推测解码,每次前向传播可生成一整个块的 tokens,并让骨干网络一步完成验证。 两者协同作用,既降低了每参数的位宽,又减少了骨干网络前向传播的次数,而这两者正是万亿参数模型解码过程中的两大主要成本来源。Python00
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
AstrBot✨ 易上手的多平台 LLM 聊天机器人及开发框架 ✨ 平台支持 QQ、QQ频道、Telegram、微信、企微、飞书 | OpenAI、DeepSeek、Gemini、硅基流动、月之暗面、Ollama、OneAPI、Dify 等。附带 WebUI。Python05
handy-ollama动手学Ollama,CPU玩转大模型部署,在线阅读地址:https://datawhalechina.github.io/handy-ollama/Jupyter Notebook06