【亲测免费】 FreeRTOS+STM32F103综合测试例程
2026-01-23 06:27:22作者:袁立春Spencer
简介
本资源文件提供了一个在STM32F103单片机最小系统上测试FreeRTOS系统代码的综合测试例程。该例程包含了8个任务,涵盖了按键扫描、任务通知、LED闪烁、PWM输出、ADC采样、DMA传输、队列通信以及串口输出等功能。通过这些任务的组合,可以全面测试FreeRTOS在STM32F103上的运行情况。
任务描述
任务1:按键扫描与任务通知
- 功能:扫描按键,并通过任务通知模拟消息邮箱发送按键值。
- 实现:通过GPIO端口读取按键状态,并将按键值通过任务通知机制发送给任务2。
任务2:按键值接收与动作响应
- 功能:通过任务通知接收按键值,并根据接收到的按键值做出相应的动作。
- 实现:接收任务1发送的按键值,并根据按键值执行相应的操作,如控制LED灯的亮灭等。
任务3:LED闪烁
- 功能:LED灯每1秒闪烁一次,用于指示系统的工作状态。
- 实现:通过定时器控制LED灯的亮灭,每1秒切换一次状态。
任务4:PWM输出(定时器1)
- 功能:定时器1的通道1和通道4输出占空比可变的PWM波。
- 实现:配置定时器1的通道1和通道4为PWM模式,并通过调整占空比来控制PWM波的输出。
任务5:PWM输出(定时器3)
- 功能:定时器3的通道3和通道4输出占空比可变的PWM波。
- 实现:配置定时器3的通道3和通道4为PWM模式,并通过调整占空比来控制PWM波的输出。
任务6:ADC采样与DMA传输
- 功能:通过DMA读取6个通道ADC的采样值,并将采样结果发送给队列。
- 实现:配置ADC多通道采样,并通过DMA将采样结果传输到内存中,然后将采样结果发送给任务7。
任务7:ADC采样值读取与串口打印
- 功能:通过队列读取6个通道ADC的采样值,并通过串口1打印出来。
- 实现:从队列中读取ADC采样值,并通过串口1将采样值打印到终端。
任务8:串口3输出固定数据
- 功能:通过串口3输出固定数据。
- 实现:配置串口3,并定时输出固定格式的数据。
使用说明
- 硬件准备:确保STM32F103单片机最小系统板连接正常,包括按键、LED灯、ADC通道、PWM输出引脚等。
- 软件环境:使用支持STM32F103的开发环境(如Keil、STM32CubeIDE等)进行编译和下载。
- 下载代码:将本仓库中的代码下载到本地,并导入到开发环境中。
- 编译与下载:编译代码并下载到STM32F103单片机中。
- 运行与测试:启动系统,观察各个任务的运行情况,并通过串口工具查看输出结果。
注意事项
- 确保硬件连接正确,避免因硬件问题导致系统无法正常运行。
- 在修改代码时,注意FreeRTOS的任务调度机制,避免任务优先级设置不当导致系统死锁。
- 在调试过程中,可以通过串口输出或LED闪烁状态来判断系统运行情况。
贡献
欢迎对本例程进行改进和优化,如果您有任何建议或发现了问题,请提交Issue或Pull Request。
许可证
本项目采用MIT许可证,详情请参阅LICENSE文件。
登录后查看全文
热门项目推荐
相关项目推荐
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
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
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
567
3.83 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++
892
667
Ascend Extension for PyTorch
Python
376
446
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
349
200
昇腾LLM分布式训练框架
Python
116
145
🎉 (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
1.37 K
778
暂无简介
Dart
798
197
React Native鸿蒙化仓库
JavaScript
308
359
openJiuwen agent-studio提供零码、低码可视化开发和工作流编排,模型、知识库、插件等各资源管理能力
TSX
1.13 K
271