STM32duino核心库中STM32F103的RTC备份寄存器使用注意事项
2025-06-27 17:34:22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
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-1.5暂无简介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
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
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
IEC61850建模工具及示例资源:智能电网自动化配置的完整指南 海康威视DS-7800N-K1固件升级包全面解析:提升安防设备性能的关键资源 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 SteamVR 1.2.3 Unity插件:兼容Unity 2019及更低版本的VR开发终极解决方案 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 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 海能达HP680CPS-V2.0.01.004chs写频软件:专业对讲机配置管理利器 咖啡豆识别数据集:AI目标检测在咖啡质量控制中的革命性应用 TJSONObject完整解析教程:Delphi开发者必备的JSON处理指南 Windows Server 2016 .NET Framework 3.5 SXS文件下载与安装完整指南
项目优选
收起
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
184
197
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.03 K
480
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
276
97
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
380
3.44 K
暂无简介
Dart
624
140
React Native鸿蒙化仓库
JavaScript
242
315
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提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
648
265
openGauss kernel ~ openGauss is an open source relational database management system
C++
157
210