Raspberry Pi Pico SDK中Flash操作导致PSRAM配置寄存器被覆盖的问题分析
问题背景
在Raspberry Pi Pico SDK开发过程中,开发者发现当执行flash_range_erase或flash_range_program等Flash操作后,PSRAM(QMI接口)的配置寄存器会被意外修改,导致PSRAM无法正常访问。这个问题主要影响使用外部PSRAM的Pico开发板,如Pimoroni PGA2350。
技术细节
问题现象
在执行Flash操作前后,通过对比QMI接口的寄存器值,可以观察到以下变化:
-
执行前:
qmi_hw->m[1].timing= 61a48102qmi_hw->m[1].rfmt= 000612aaqmi_hw->m[1].rcmd= 000000ebqmi_hw->m[1].wfmt= 000012aaqmi_hw->m[1].wcmd= 00000038xip_ctrl_hw->ctrl= 00000883
-
执行后:
qmi_hw->m[1].timing= 60007203qmi_hw->m[1].rfmt= 000492a8- 其他寄存器保持不变
这种变化导致PSRAM接口无法正常工作,只有手动恢复原始寄存器值后才能重新访问PSRAM数据。
根本原因
问题根源在于RP2350的ROM代码行为。当执行Flash操作时,系统会调用flash_exit_xip()函数,该函数会将QMI窗口1和窗口2的寄存器重置为安全默认值(慢速03h模式)。这种重置行为是为了确保芯片在退出XIP模式时的稳定性,但对于已经配置好的PSRAM接口来说,这种重置会导致配置丢失。
特别需要注意的是,默认的boot2(XIP设置函数)并不会配置QMI窗口1,而ROM代码会在flash_exit_xip()开始时将两个窗口都重置为安全默认值。
解决方案
临时解决方案
目前有两种可行的临时解决方案:
-
寄存器保存与恢复:在执行Flash操作前后,手动保存和恢复QMI窗口1的寄存器值。这种方法已被CircuitPython项目采用,证明其有效性。
-
修改Flash操作函数:对于RP2350芯片,可以复制
flash_range_erase和flash_range_program函数的代码,移除其中的flash_exit_xip_func()和flash_enable_xip_via_boot2()调用。这种方法需要确保函数不会被内联到Flash中(使用__no_inline_not_in_flash_func修饰)。
长期解决方案
SDK团队提出了两种可能的长期解决方案:
-
条件式保存恢复:当
FLASH_DEVINFO_CS1_SIZE为零时,SDK应该在ROM调用前后保存和恢复qmi_hw->m[1]寄存器。这样可以避免在开发者忽略ROM对第二个片选支持的情况下破坏寄存器配置,同时允许ROM在需要对第二个片选发出XIP退出序列时重新初始化m[1]寄存器。 -
完整的XIP初始化:更理想的解决方案是在XIP设置中(重新)初始化两个QSPI设备。这需要更全面的工作来覆盖所有可能的情况和组合,但能从根本上解决问题。
开发者建议
对于需要使用PSRAM的开发者,建议:
- 如果使用SDK的Flash操作函数,应该实现寄存器保存恢复机制
- 密切关注SDK更新,等待官方修复
- 在开发过程中注意检查PSRAM访问是否正常,特别是在Flash操作后
- 考虑将关键数据缓存在SRAM中,避免频繁访问PSRAM
这个问题凸显了在嵌入式系统中多存储器协同工作时可能出现的配置冲突,开发者需要特别注意不同存储介质的初始化顺序和配置保持问题。
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