TinyUSB项目中DWC2控制器中断端点轮询间隔问题分析
2025-06-07 01:25:20作者:田桥桑Industrious
问题背景
在嵌入式USB主机开发中,TinyUSB项目作为一款轻量级USB协议栈,被广泛应用于各种微控制器平台。近期在使用STM32F7系列芯片的DWC2 USB IP核时,发现了一个关于高速(HS)设备中断端点轮询间隔的问题。
问题现象
当连接一个高速USB设备时,如果该设备的中断端点配置为bInterval = 1(即每1个微帧,125μs轮询一次),在实际运行中发现该端点仅在每2个微帧(250μs)间隔时才会被轮询,特别是在收到NAK响应的情况下。
技术分析
通过调试和代码审查,发现问题出现在DWC2控制器的中断处理流程中:
-
当前实现机制:
- 当通道中断(Channel IRQ)检测到NAK响应并设置HALTED标志时
- 系统会将新的IN令牌请求推迟到SOF(Start of Frame)中断处理程序中
- 这导致实际轮询间隔变为250μs(2个微帧)
-
时序问题:
- 通道IRQ和SOF IRQ交替触发,间隔均为250μs
- 但两者之间存在125μs的相位差
- 导致整体轮询频率降低为设计值的一半
-
根本原因:
- 在
handle_channel_in_slave函数中调用的channel_xfer_in_retry处理流程 - 收到NAK后没有立即重新发起传输请求
- 而是等待下一个SOF中断才重新调度
- 在
解决方案探讨
经过深入分析,提出以下改进方案:
-
直接重试机制:
- 在
channel_xfer_in_retry处理函数中 - 当检测到
hcint & HCINT_HALTED时 - 立即调用
edpt_xfer_kickoff()发起新的传输请求 - 而不是等待SOF中断
- 在
-
优势分析:
- 减少了一个微帧的等待时间
- 使轮询频率真正达到125μs的设计要求
- 提高中断端点的实时响应能力
-
潜在考虑:
- 需要评估直接重试对系统稳定性的影响
- 考虑USB协议规定的重试时间要求
- 确保不会违反USB规范中的时序约束
技术影响
此问题修复对以下方面有重要意义:
-
实时性要求高的设备:
- 如HID输入设备(键盘、鼠标)
- 音频设备的中断传输
- 需要快速响应的控制设备
-
性能优化:
- 减少数据传输延迟
- 提高USB主机控制器的吞吐量
- 优化系统资源利用率
-
协议合规性:
- 确保USB主机行为符合设备期望
- 避免因轮询间隔不符导致的设备兼容性问题
总结
通过对TinyUSB项目中DWC2控制器中断处理流程的优化,可以有效解决高速USB设备中断端点轮询间隔不符合预期的问题。这一改进不仅提升了系统的实时性能,也增强了USB主机对各种设备的兼容性。对于需要精确控制USB传输时序的应用场景,这一修复尤为重要。
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