在Embassy-RP项目中实现多定时器驱动支持的技术探索
2025-06-01 15:22:16作者:尤辰城Agatha
背景介绍
Embassy-RP是针对Raspberry Pi RP系列微控制器的嵌入式异步运行时框架。在开发基于RP2350芯片的低功耗应用时,开发者发现现有的定时器驱动仅支持TIMER0,而无法利用芯片提供的其他定时器资源,特别是对于低功耗设计至关重要的"Always On"定时器。
现有定时器驱动实现分析
Embassy-RP默认使用TIMER0作为时间驱动源,这一实现被硬编码在rp235x模块中。对于大多数应用场景,这种设计已经足够,但在以下特殊情况下会存在局限性:
- 需要同时使用多个定时器的复杂应用场景
- 低功耗设计中需要使用Always On定时器的场景
- 需要更高精度或不同时钟源的定时需求
定时器驱动扩展实现
使用TIMER1替代TIMER0
开发者首先尝试将驱动从TIMER0迁移到TIMER1,发现了几个关键点:
- 时钟源配置差异:TIMER0默认使用1ms时钟源,而TIMER1需要显式配置
- 中断使能方式不同:需要正确设置TIMER1的中断请求
- 频率同步问题:TIMER1需要与TIMER0保持相同的时钟频率
实现代码示例:
// 同步TIMER1与TIMER0的时钟频率
let timer0_freq = pac::TICKS.timer0_cycles().read().0;
pac::TICKS.timer1_cycles().write(|w| w.0 = timer0_freq );
pac::TICKS.timer1_ctrl().write(|w| w.set_enable(true));
Always On定时器的特殊处理
RP2350的Always On定时器(AON Timer)在硬件上有特殊设计:
- 位于POWMAN电源管理模块中
- 具有独立的时钟源和电源域
- 中断号为45(POWMAN_IRQ_TIMER)
配置AON定时器需要特别注意电源管理域的访问权限和时钟源选择。
技术挑战与解决方案
在实现过程中,开发者遇到了几个技术挑战:
- 时钟源配置:通过研究RP2350手册和Embassy-RP源码,发现可以使用
clocks::clk_ref_freq()获取参考时钟频率 - 中断处理:不同定时器的中断向量需要正确映射到驱动处理函数
- 硬件差异:各定时器在寄存器布局和功能上存在细微差别,需要针对性处理
架构改进建议
基于这一探索,可以对Embassy-RP的定时器驱动进行以下架构改进:
- 引入定时器选择特性(Feature),允许在编译时选择使用哪个硬件定时器
- 抽象通用定时器接口,隔离硬件差异
- 为特殊定时器(如AON Timer)提供专门支持
- 完善时钟源配置API,便于开发者控制定时精度
低功耗设计考量
对于电池供电设备,使用AON定时器可以带来显著的功耗优势:
- AON定时器在低功耗模式下仍可运行
- 减少主定时器唤醒次数
- 优化电源管理策略
- 延长设备待机时间
总结
通过对Embassy-RP定时器驱动的深入研究和扩展实现,我们验证了在RP2350上使用不同硬件定时器的可行性。这一探索不仅解决了特定应用场景的需求,也为框架的定时器驱动架构改进提供了实践基础。未来可以考虑将这些改进贡献回上游项目,使更多开发者受益。
对于嵌入式开发者而言,理解硬件定时器的工作原理和框架驱动实现方式,能够更灵活地应对各种应用场景需求,特别是在低功耗设计等关键领域。
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-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。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
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
最新内容推荐
TextAnimator for Unity:打造专业级文字动画效果的终极解决方案 全球GEOJSON地理数据资源下载指南 - 高效获取地理空间数据的完整解决方案 全球36个生物多样性热点地区KML矢量图资源详解与应用指南 PANTONE潘通AI色板库:设计师必备的色彩管理利器 32位ECC纠错Verilog代码:提升FPGA系统可靠性的关键技术方案 开源电子设计自动化利器:KiCad EDA全方位使用指南 深入解析Windows内核模式驱动管理器:系统驱动管理的终极利器 PhysioNet医学研究数据库:临床数据分析与生物信号处理的权威资源指南 瀚高迁移工具migration-4.1.4:企业级数据库迁移的智能解决方案 Photoshop作业资源文件下载指南:全面提升设计学习效率的必备素材库
项目优选
收起
deepin linux kernel
C
24
8
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++
654
279
暂无简介
Dart
637
145
Ascend Extension for PyTorch
Python
200
219
仓颉编译器源码及 cjdb 调试工具。
C++
129
861
React Native鸿蒙化仓库
JavaScript
246
316
openGauss kernel ~ openGauss is an open source relational database management system
C++
158
213
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.12 K
630
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提供的是一款高效、可靠的Transformer加速库,基于华为Ascend AI处理器,提供Transformer定制化场景的高性能融合算子。
C++
76
100