BlackMagic调试工具在nRF52840芯片上的RTT功能失效问题分析
2025-06-24 13:50:46作者:郁楠烈Hubert
问题背景
在使用BlackMagic调试工具(BMP)配合Raytac MDBT50Q-1MV2(基于nRF52840芯片)进行开发时,开发者发现自特定版本(commit a7090a17)后,RTT(Real Time Transfer)功能停止工作。具体表现为无法通过调试接口输出日志信息。
技术分析
RTT工作原理
RTT是Segger公司开发的一种实时日志传输技术,它允许目标设备通过内存中的环形缓冲区与调试器通信,而无需额外的硬件引脚。其核心组件包括:
- 控制块:位于设备内存中,描述缓冲区位置和大小
- 上行缓冲区:设备到调试器的数据通道
- 下行缓冲区:调试器到设备的数据通道
问题根源
在commit a7090a17中,BlackMagic项目对非暂停内存访问(non-halting memory I/O)的启发式算法进行了重构,将其改为目标选项配置。这一改动影响了nRF52系列芯片的工作方式:
- 修改后BMP会在收到
mon rtt enable命令时暂停处理器 - 搜索整个SRAM寻找控制块(导致较长延迟)
- 反复轮询环形缓冲区(每次约3毫秒延迟)
这种工作模式可能与nRF52芯片的SoftDevice(Nordic的协议栈)产生冲突,导致超时或断言错误。
解决方案
针对nRF52系列芯片的特性,可以通过以下修改恢复RTT功能:
// 在nrf51.c文件中添加目标选项
t->target_options |= TOPT_NON_HALTING_MEM_IO;
这一修改基于以下技术原理:
- nRF52芯片采用Cortex-M4F内核
- Cortex-M4F允许在不暂停处理器的情况下访问SRAM
- 设置TOPT_NON_HALTING_MEM_IO标志后,BMP将采用非暂停方式访问内存
实践验证
开发者已确认该解决方案有效,能够恢复RTT功能并正常输出日志信息。值得注意的是,这一修改专门针对nRF52系列芯片,其他ARM架构芯片可能需要不同的处理方式。
技术建议
对于嵌入式开发者遇到类似问题时,建议:
- 理解目标芯片的内存访问特性
- 熟悉调试工具的工作机制
- 关注项目更新日志中的重要改动
- 在验证解决方案时,注意区分芯片系列差异
该案例也展示了在嵌入式开发中,调试工具与目标芯片的协同工作需要考虑芯片架构特性的重要性。
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
最新内容推荐
电脑PC网易云音乐免安装皮肤插件使用指南:个性化音乐播放体验 开源电子设计自动化利器:KiCad EDA全方位使用指南 Jetson TX2开发板官方资源完全指南:从入门到精通 昆仑通态MCGS与台达VFD-M变频器通讯程序详解:工业自动化控制完美解决方案 基恩士LJ-X8000A开发版SDK样本程序全面指南 - 工业激光轮廓仪开发利器 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 QT连接阿里云MySQL数据库完整指南:从环境配置到问题解决 Python案例资源下载 - 从入门到精通的完整项目代码合集 2022美赛A题优秀论文深度解析:自行车功率分配建模的成功方法 TJSONObject完整解析教程:Delphi开发者必备的JSON处理指南
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
223
246
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++
663
313
React Native鸿蒙化仓库
JavaScript
262
324
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
🎉 (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
1.2 K
655
🔥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
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
218
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
330
137