Raspberry Pi Pico SDK中RP2040的AON定时器时间设置问题解析
2025-06-15 01:13:27作者:柏廷章Berta
问题背景
在Raspberry Pi Pico SDK的pico_aon_timer模块使用过程中,开发者发现当在RP2040微控制器上快速连续调用aon_timer_start和aon_timer_get_time函数时,会出现时间读取不准确的问题。这个问题源于RP2040硬件RTC(实时时钟)的特殊工作特性。
技术原理分析
RP2040的RTC模块工作在独立的时钟域(clk_rtc),与主系统时钟域(clk_sys)不同。根据RP2040数据手册的说明:
- 所有RTC寄存器的读写操作都是在主系统时钟域完成的
- 数据需要在两个时钟域之间进行同步传输
- 写入RTC的值需要2个RTC时钟周期才能完成传输
- 当参考时钟较慢时(如1Hz),这个同步延迟会更加明显
问题重现与验证
通过实际测试可以复现这个问题:如果在rtc_set_datetime和rtc_get_datetime之间没有足够延迟,确实会读取到错误的时间值。这种行为是RP2040硬件设计的固有特性。
SDK中的现有处理
当前pico_aon_timer模块已经包含了对RTC运行状态的检查代码,它会等待RTC确实运行起来:
// 启用RTC并等待其运行
rtc_hw->ctrl = RTC_CTRL_RTC_ENABLE_BITS;
while (!rtc_running()) {
tight_loop_contents();
}
解决方案建议
针对这个问题,开发者可以考虑以下几种解决方案:
- 硬件等待:在设置RTC时间后,添加适当的延迟等待硬件同步完成
- 状态检查:实现更完善的硬件状态检查机制,确保数据同步完成
- 文档说明:在SDK文档中明确说明这一硬件特性,提醒开发者注意时序要求
最佳实践
对于需要在RP2040上使用AON定时器作为RTC的开发者,建议:
- 在设置时间后添加至少2个RTC时钟周期的延迟
- 避免在设置时间后立即读取时间值
- 对于时间精度要求高的应用,实现额外的验证机制
总结
这个问题揭示了嵌入式开发中跨时钟域操作的常见挑战。理解硬件特性并据此调整软件设计是确保系统可靠性的关键。Raspberry Pi Pico SDK团队已经注意到这个问题,并在后续版本中会考虑更完善的解决方案。
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
项目优选
收起
deepin linux kernel
C
24
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
413
3.18 K
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++
690
325
Ascend Extension for PyTorch
Python
229
258
暂无简介
Dart
679
160
React Native鸿蒙化仓库
JavaScript
265
326
🎉 (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
1.21 K
660
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
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
492
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
346
147