Raspberry Pi Pico SDK中PIO与DMA的16位数据传输问题解析
概述
在使用Raspberry Pi Pico SDK进行PIO(可编程输入输出)与DMA(直接内存访问)的16位数据传输时,开发者可能会遇到数据丢失或错位的问题。本文将深入分析这一问题的根源,并提供完整的解决方案。
问题现象
当尝试通过PIO的IN指令将数据通过DMA传输到内存缓冲区时,开发者可能会观察到以下异常现象:
- 数据传输过程中出现周期性停顿
- 缓冲区数据被清零而非接收预期数据
- 16位数据传输时出现数据错位或间隔零值
- 系统在运行一段时间后停止响应
根本原因分析
经过深入排查,发现问题主要由以下几个因素导致:
-
DMA请求配置错误:初始代码中
pio_get_dreq的最后一个参数设置为true(针对TXF),而实际上应该为false(针对RXF)。 -
DMA地址对齐问题:16位数据传输需要特殊处理FIFO缓冲区的地址对齐。
-
自动推送配置冲突:PIO的自动推送功能与手动推送操作产生冲突。
完整解决方案
1. 正确的PIO程序配置
pio_sm_config config = test_program_get_default_config(offset);
sm_config_set_sideset_pins(&config, PIN_DEBUG);
pio_sm_set_consecutive_pindirs(pio, sm, PIN_DEBUG, 1, true);
pio_sm_init(pio, sm, offset, &config);
pio_gpio_init(pio, PIN_DEBUG);
sm_config_set_in_shift(&config, true, true, 16); // 16位移位
sm_config_set_in_pins(&config, PIN_D0); // 设置输入引脚
pio_sm_init(pio, sm, offset, &config);
pio_sm_set_enabled(pio, sm, true);
2. 正确的DMA配置
// 获取DMA通道
dma_chan = dma_claim_unused_channel(true);
// DMA配置
dma_config = dma_channel_get_default_config(dma_chan);
channel_config_set_transfer_data_size(&dma_config, DMA_SIZE_16); // 16位传输
channel_config_set_read_increment(&dma_config, false); // 读取地址不递增
channel_config_set_write_increment(&dma_config, true); // 写入地址递增
// 关键点:使用false参数配置RXF的DMA请求
channel_config_set_dreq(&dma_config, pio_get_dreq(pio, sm, false));
// 关键点:使用(io_rw_16*)类型转换并偏移1个16位单元
dma_channel_configure(
dma_chan,
&dma_config,
&buffer,
(io_rw_16*)&pio->rxf[sm] + 1,
BUFFER_SIZE,
true
);
3. PIO汇编程序示例
.program test
.side_set 1 opt
.wrap_target
in x, 16 side 1 [7] ; 从X寄存器读取16位数据
.wrap
技术要点解析
-
DMA请求方向:
pio_get_dreq的第三个参数决定DMA请求是针对TXF(发送FIFO)还是RXF(接收FIFO)。对于输入操作必须设为false。 -
地址对齐处理:使用
(io_rw_16*)&pio->rxf[sm] + 1确保从FIFO读取16位数据时地址正确对齐。 -
移位配置:
sm_config_set_in_shift中的第三个参数必须与DMA传输大小匹配(本例中为16)。 -
自动推送:确保PIO程序中要么使用自动推送,要么完全手动控制推送,避免两者混用导致冲突。
性能优化建议
-
对于高速数据传输,考虑使用双缓冲技术减少中断处理时间。
-
适当调整PIO程序中的延迟周期([7])以匹配外设时序要求。
-
对于大数据量传输,可以考虑使用链式DMA减少CPU干预。
总结
通过正确配置DMA请求方向、处理地址对齐问题以及统一推送方式,可以可靠地实现Pico上PIO与DMA之间的16位数据传输。这一解决方案不仅适用于简单的数据采集场景,也可扩展应用于各种需要高效数据传输的应用中。
开发者在使用Pico SDK进行底层数据传输时,应当特别注意数据类型大小与地址对齐问题,这是确保数据完整性的关键因素。
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00- QQwen3-Coder-Next2026年2月4日,正式发布的Qwen3-Coder-Next,一款专为编码智能体和本地开发场景设计的开源语言模型。Python00
xw-cli实现国产算力大模型零门槛部署,一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin08
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00