STM32duino核心库中STM32F103的RTC备份寄存器使用注意事项
2025-06-27 17:22:41作者:鲍丁臣Ursa
背景介绍
在STM32微控制器开发中,实时时钟(RTC)模块通常配备有备份寄存器(BKP),用于在系统掉电时保存关键数据。这些备份寄存器的位宽在不同STM32系列中存在差异,这在使用STM32duino核心库时需要特别注意。
STM32F103备份寄存器特性
STM32F103系列微控制器的RTC备份寄存器具有以下特点:
- 每个备份寄存器为16位宽度
- 数量有限(具体数量取决于具体型号)
- 需要先使能备份域才能访问
- 数据在Vbat供电下保持
常见使用误区
许多开发者在使用STM32duino核心库时,可能会忽略一个重要细节:虽然库函数接口接受32位无符号整数作为参数,但STM32F103实际上只能存储16位数据。这种设计源于以下原因:
- 保持API一致性:不同STM32系列的备份寄存器位宽不同,统一使用32位接口简化了跨平台开发
- 硬件特性:虽然STM32F103的备份寄存器是16位,但在内存映射中它们占据32位空间(高16位保留)
实际应用示例
假设我们需要存储一个32位数据(0x544F4F42),正确的做法应该是:
// 存储32位数据到备份寄存器
void store32bitToBackup(uint8_t regNum, uint32_t data) {
uint16_t lowWord = data & 0xFFFF; // 获取低16位
uint16_t highWord = (data >> 16) & 0xFFFF; // 获取高16位
// 使用两个连续的16位备份寄存器存储
setBackupRegister(regNum, lowWord);
setBackupRegister(regNum + 1, highWord);
}
// 从备份寄存器读取32位数据
uint32_t read32bitFromBackup(uint8_t regNum) {
uint16_t lowWord = getBackupRegister(regNum);
uint16_t highWord = getBackupRegister(regNum + 1);
return ((uint32_t)highWord << 16) | lowWord;
}
开发建议
- 始终查阅参考手册:了解具体MCU型号的备份寄存器规格
- 数据分拆存储:对于大于16位的数据,使用多个寄存器存储
- 添加注释说明:在代码中明确标注备份寄存器的使用情况
- 考虑数据对齐:合理安排数据在寄存器中的存储位置
总结
STM32duino核心库为保持API一致性,对备份寄存器使用了统一的32位接口。开发者在使用STM32F103时需要注意实际硬件限制,正确处理16位数据存储。通过合理的数据分拆和组合,可以有效地利用备份寄存器保存关键系统数据。
登录后查看全文
热门项目推荐
相关项目推荐
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 StartedRust0191
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 Notebook0118
Step-3.7-FlashStep-3.7-Flash是一个拥有 1980 亿参数的稀疏混合专家(MoE)视觉语言模型,由 1960 亿参数的语言主干网络和 18 亿参数的视觉编码器组合而成,具备原生图像理解能力。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
fun-rec推荐系统入门教程,在线阅读地址:https://datawhalechina.github.io/fun-rec/Python03
so-large-lm大模型基础: 一文了解大模型基础知识01
项目优选
收起
暂无描述
Dockerfile
764
4.98 K
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
857
1.93 K
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
683
1.33 K
Ascend Extension for PyTorch
Python
719
880
deepin linux kernel
C
32
16
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
457
439
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++
1.08 K
1.1 K
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
151
252
CANN 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 Notebook
305
118
昇腾LLM分布式训练框架
Python
178
221