Arduino-Pico项目中RP2350芯片UART引脚功能扩展解析
2025-07-02 12:41:57作者:昌雅子Ethen
在嵌入式开发领域,灵活配置硬件接口是提升设计灵活性的关键。近期在Arduino-Pico项目中发现了一个关于RP2350系列芯片UART引脚配置的重要功能扩展点,本文将深入分析这一技术细节及其实现方案。
背景分析
RP2350系列芯片(包括RP2350A和RP2350B型号)相比前代产品提供了更丰富的UART引脚映射选项。芯片设计上新增了GPIO功能选择寄存器F11(GPIO_FUNC_UART_AUX),允许开发者将更多GPIO引脚配置为UART通信接口。这一特性在现有Arduino-Pico核心库中尚未完全支持。
技术细节
传统RP2040芯片仅支持有限的UART引脚组合:
- UART0:TX(0/12/16/28), RX(1/13/17/29)
- UART1:TX(4/8/20/24), RX(5/9/21/25)
而RP2350系列通过F11功能选择扩展了支持范围:
- RP2350A新增引脚:
- UART0:TX(2/14/18), RX(3/15/19)
- UART1:TX(6/10/22/26), RX(7/11/23/27)
- RP2350B进一步扩展:
- UART0:TX(30/32/34/44/46), RX(31/33/35/45/47)
- UART1:TX(36/38/40/42), RX(37/39/41/43)
实现方案
核心修改涉及两个方面:
- 引脚定义扩展:在SerialUART类的setRX/setTX方法中增加对新引脚的支持
- 功能选择逻辑:在初始化时自动识别并设置GPIO_FUNC_UART或GPIO_FUNC_UART_AUX
关键实现代码如下:
// 针对RP2350B的扩展引脚定义
constexpr uint64_t valid[2] = {
__bitset({0,2,12,14,16,18,28,30,32,34,44,46}), // UART0 TX
__bitset({4,6,8,10,20,22,24,26,36,38,40,42}) // UART1 TX
};
实际应用价值
这一改进为开发者带来三大优势:
- 布局灵活性:在复杂PCB设计中提供更多布线选择
- 外设兼容性:可避开与其他功能冲突的引脚
- 设计扩展性:为未来可能添加的外设预留更多接口选项
验证与稳定性
修改方案已经过实际硬件测试,验证了以下场景:
- 标准UART引脚(GPIO_FUNC_UART)通信
- 扩展UART引脚(GPIO_FUNC_UART_AUX)通信
- 不同波特率下的数据传输稳定性
- 多UART实例并行工作情况
结语
这一改进充分体现了开源硬件平台的演进特性。通过持续完善对芯片特性的支持,Arduino-Pico项目为开发者提供了更强大的硬件抽象层,使得基于RP2040/RP2350的开发工作能够更加高效灵活。建议使用RP2350系列芯片的开发者及时更新核心库以获取这一功能增强。
登录后查看全文
热门项目推荐
相关项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0191
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0114
Step-3.7-FlashStep-3.7-Flash是一个拥有 1980 亿参数的稀疏混合专家(MoE)视觉语言模型,由 1960 亿参数的语言主干网络和 18 亿参数的视觉编码器组合而成,具备原生图像理解能力。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
omega-aiOmega-AI:基于java打造的深度学习框架,帮助你快速搭建神经网络,实现模型推理与训练,引擎支持自动求导,多线程与GPU运算,GPU支持CUDA,CUDNN。Java04
llm-universe本项目是一个面向小白开发者的大模型应用开发教程,在线阅读地址:https://datawhalechina.github.io/llm-universe/Jupyter Notebook08
项目优选
收起
暂无描述
Dockerfile
763
4.96 K
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
856
1.92 K
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
676
1.33 K
Ascend Extension for PyTorch
Python
719
875
deepin linux kernel
C
32
16
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
455
437
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++
1.07 K
1.09 K
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
150
252
CANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。
Jupyter Notebook
297
114
昇腾LLM分布式训练框架
Python
178
220