Raspberry Pi Pico SDK中sm_config_set_in_pin_count()函数的实现问题分析
2025-06-15 16:47:19作者:殷蕙予
在Raspberry Pi Pico SDK的RP2350版本中,新增了一个名为sm_config_set_in_pin_count()的函数,用于配置PIO状态机的输入引脚数量。然而,该函数的实现与芯片数据手册中的描述存在不一致,这可能会影响开发者在实际项目中使用PIO功能时的正确性。
问题背景
PIO(Programmable I/O)是Raspberry Pi Pico系列微控制器的一个强大特性,它允许开发者通过小型状态机实现自定义的硬件接口协议。在配置PIO状态机时,需要正确设置输入引脚的数量,以确保数据读取操作能够正确处理引脚状态。
数据手册规范
根据RP2040芯片的数据手册描述,输入引脚数量的配置有以下关键点:
- 该设置决定了在执行IN PINS、WAIT PIN或MOV x, PINS指令时,哪些引脚会被读取而哪些会被屏蔽为0
- 例如,设置值为5表示只有最低5位(bit 4:0)会被读取,其余27位会被屏蔽为0
- 特殊情况下,值0表示32个引脚全部有效,即不进行任何屏蔽
这意味着寄存器中的数值直接对应有效的引脚数量,其中0是一个特殊值,表示全部32个引脚都有效。
SDK实现问题
当前SDK中的实现方式是将传入的in_count参数减1后写入寄存器:
pio_sm_config_set_in_pin_count(pio_sm_config *c, uint in_count) {
c->shiftctrl = (c->shiftctrl & ~PIO_SM0_SHIFTCTRL_IN_COUNT_BITS)
| ((in_count - 1) << PIO_SM0_SHIFTCTRL_IN_COUNT_LSB);
}
这种实现方式与数据手册的描述不符,可能会导致以下问题:
- 当开发者传入32时,计算结果为31,这与手册中"0表示32"的约定冲突
- 当传入1时,计算结果为0,这会错误地表示32个引脚都有效
- 整体行为与手册描述的逻辑不一致
正确实现方式
根据数据手册的描述,正确的实现应该是:
pio_sm_config_set_in_pin_count(pio_sm_config *c, uint in_count) {
c->shiftctrl = (c->shiftctrl & ~PIO_SM0_SHIFTCTRL_IN_COUNT_BITS)
| ((in_count & 0x1f) << PIO_SM0_SHIFTCTRL_IN_COUNT_LSB);
}
这样修改后:
- 传入32会被转换为0,符合手册中"0表示32"的约定
- 传入1~31会被直接使用,表示对应的引脚数量
- 超过32的值会被截断到有效范围
影响与建议
这个问题已经在SDK的develop分支中得到修复。对于开发者来说,建议:
- 如果使用RP2350相关功能,请更新到最新版本的SDK
- 在配置PIO输入引脚数量时,注意遵循数据手册的规范
- 对于关键应用,建议验证PIO输入行为是否符合预期
理解PIO的配置细节对于开发高效的硬件接口非常重要,正确的引脚数量设置可以确保数据读取的准确性和可靠性。开发者在使用这些高级功能时,应当仔细查阅数据手册并与SDK实现进行对照,以确保配置的正确性。
登录后查看全文
热门项目推荐
相关项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。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
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
223
245
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
暂无简介
Dart
672
157
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++
662
312
React Native鸿蒙化仓库
JavaScript
262
322
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
仓颉编译器源码及 cjdb 调试工具。
C++
134
867
仓颉编程语言测试用例。
Cangjie
37
860
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
218