Embassy项目中使用共享I2C总线的实践指南
在嵌入式开发中,I2C总线是一种常用的通信协议,允许多个设备通过同一组信号线进行通信。Embassy作为Rust生态中优秀的异步嵌入式框架,提供了强大的I2C总线共享功能。本文将详细介绍如何在Embassy项目中正确配置和使用共享I2C总线。
共享I2C总线的基本概念
共享I2C总线允许多个任务安全地访问同一个I2C外设,而不会产生冲突。Embassy通过互斥锁(Mutex)机制实现这一功能,确保同一时间只有一个任务能够访问总线。
配置步骤
1. 依赖版本管理
首先需要确保所有Embassy相关依赖版本一致。特别要注意embassy-sync的版本,当前发布的embassy-embedded-hal(0.1.0)仍基于embassy-sync 0.5.0版本。如果使用0.6.0版本会导致类型不匹配错误。
2. 总线初始化
在项目中创建一个静态的I2C总线实例:
use static_cell::StaticCell;
use embassy_sync::mutex::Mutex;
use embassy_nrf::twim::{self, Twim};
static I2C_BUS: StaticCell<Mutex<NoopRawMutex, Twim<TWISPI0>>> = StaticCell::new();
初始化总线时,需要绑定中断并配置引脚:
let i2c_bus = {
use embassy_nrf::{bind_interrupts, peripherals};
bind_interrupts!(struct Irqs {
SPIM0_SPIS0_TWIM0_TWIS0_SPI0_TWI0 => twim::InterruptHandler<peripherals::TWISPI0>;
});
let config = twim::Config::default();
let i2c = Twim::new(p.TWISPI0, Irqs, p.P0_03, p.P0_04, config);
let i2c_bus = Mutex::new(i2c);
I2C_BUS.init(i2c_bus)
};
3. 创建设备实例
对于需要阻塞式I2C接口的设备驱动,应该使用阻塞版本的I2cDevice:
use embassy_embedded_hal::shared_bus::blocking::i2c::I2cDevice;
let i2c_dev1 = I2cDevice::new(i2c_bus);
let i2c_dev2 = I2cDevice::new(i2c_bus);
实际应用示例
DAC设备驱动
在DAC设备任务中,可以这样使用共享的I2C设备:
#[embassy_executor::task]
pub async fn dac(i2c: I2cDevice<'static, NoopRawMutex, Twim<'static, TWISPI0>>) {
let address = 0x60;
let mut dac = MCP4725::new(i2c, address);
let _ = dac.set_dac_and_eeprom(mcp4725::PowerDown::Normal, 0);
loop {
let read = dac.read().unwrap();
info!("{}", read.data());
}
}
ADC设备驱动
类似地,ADC设备也可以使用相同的总线:
#[embassy_executor::task]
pub async fn adc(i2c: I2cDevice<'static, NoopRawMutex, Twim<'static, TWISPI0>>) {
let mut adc = Ads1x1x::new_ads1013(i2c);
adc.set_full_scale_range(FullScaleRange::Within4_096V).unwrap();
loop {
let value = adc.read().unwrap();
info!("ADC value: {}", value);
}
}
常见问题解决
-
类型不匹配错误:确保所有Embassy相关依赖版本一致,特别是
embassy-sync要与embassy-embedded-hal兼容。 -
阻塞与异步接口混淆:设备驱动如果需要阻塞式接口,必须使用
blocking::i2c::I2cDevice而非asynch::i2c::I2cDevice。 -
总线访问冲突:虽然共享总线机制已经处理了并发访问,但仍建议合理设计任务调度,避免频繁的总线切换影响性能。
总结
Embassy框架提供了完善的共享I2C总线解决方案,通过正确的配置和使用,可以轻松实现多个设备对同一I2C总线的安全访问。关键点在于版本管理、正确的接口选择以及合理的任务设计。掌握了这些技巧后,开发者可以高效地在嵌入式项目中实现复杂的I2C设备网络。
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