- 博客(10)
- 收藏
- 关注
RSS订阅原创 一个 for 循环把程序“锁死”：加速度值测试不稳定的原因分析
写代码时在逻辑清晰的情况下，也要注意书写的规范，在每次循环后留意参数是否需要清零。
2025-12-21 00:43:12
240
原创 加速度模块测试复盘：调试教训与流程方法总结
这次加速度模块测试的调试经历可谓一场“苦战”，从最初的方向错判到最终锁定真正原因，耗时4.5小时，过程曲折。然而，好在事后进行了冷静的复盘，总结出宝贵的经验教训和一套系统化的调试流程。嵌入式调试就像侦探破案，需要敏锐的观察力和严谨的推理方法。
2025-12-09 00:59:10
572
1
原创 嵌入式软件设计总结
嵌入式系统的设计需要一种闭环思维：从需求出发，经过逻辑推演形成架构，再细化为模块和接口，最后落地为代码实现并反哺验证需求。良好的架构和程序设计逻辑能够极大提升软件的可靠性、可维护性和复用性。在需求到实现的过程中，设计者应始终保持整体观和逻辑严谨性，确保每个模块的实现都能回溯到需求，且各模块间逻辑契合无矛盾。这种从顶层到细节、一致迭代的设计方法可以避免“头痛医头脚痛医脚”的拼凑，使系统具有清晰的逻辑主线。
2025-12-05 00:35:11
710
原创 常见数据校验算法和STM32裸机实现（C语言）
本文系统介绍了五种常见的数据校验算法：奇偶校验、校验和、块校验字符（BCC）、循环冗余校验（CRC）和海明码。奇偶校验通过添加1位校验位检测单比特错误，实现简单但可靠性有限；校验和通过对数据块累加检测错误，速度快但可能漏检特定错误模式；BCC基于异或运算提供快速分组奇偶校验，适合基础场景；CRC利用多项式除法实现强检错能力，广泛应用于网络通信；海明码不仅能检测还能纠正错误，适用于高可靠性系统。文章分析了每种算法的原理、优缺点、应用场景，并提供了基于STM32的C语言实现示例，为工程应用提供了实用参考。
2025-09-11 00:29:52
1503
原创 加速度传感器原理、外围电路及过载算法C程序代码(SC7A20TR)
SC7A20TR内部集成了一个微机械传感单元和信号接口电路。微机械传感单元由悬挂的质量块和硅制框架构成，质量块通过弹性梁（锚点）固定在框架上，能够在三维空间内微小移动。当加速度作用在传感器上时，由于惯性效应，质量块相对于硅框架发生偏移（类似于二阶弹簧-质量系统）。质量块与固定电极形成的电容阵列随之发生变化：通常采用差分电容结构，即质量块偏向一侧时，一组电容增大，另一组电容减小。这种差分电容的不平衡程度正比于加速度引起的位移。为了保护机械结构，芯片在封装时覆盖了保护盖帽，防止封装应力损伤悬梁质量块。（1）
2025-09-08 16:01:09
1055
2
原创 按键矩阵电路原理及C程序
该函数利用行列扫描的方式识别3×3矩阵键盘中被按下的按键，具体通过以下方法确保准确性和抗干扰性：**消抖延时：**按键按下时延迟20ms再次确认，避免机械抖动导致误判。**防鬼键：**如果发现有多个列同时为高或一个列对应多个行，此时认为有鬼键现象，直接返回0，避免误触。**逐行轮询：**先确定是哪一列响应，再通过逐行激活来定位是哪一行，从而计算出唯一的按键编号。这种扫描方式适合于小型矩阵键盘，既能快速响应，也能有效过滤短暂抖动和多键干扰。
2025-08-12 00:51:52
1603
4
原创 使用grok对自己的职业进行详细规划
我是一名西南石油大学电子信息专业的研究生，研究生期间研究方向为深度学习在医学图像识别方向的应用，会使用python和AI算法，期间在上市公司的算法部进行过实习，本科期间专业为电子信息工程。毕业在一家军工单位作为一名硬件工程师工作了两年，平时主要工作内容为AD电路原理图设计和布线（较为简单），硬件电路板产品测试（功能测试和环境测试），同时也会使用keil进行编程(主要是控制单品机如pic和stm32的电平，较为简单)，另外接触了一定的项目管理（如产品从设计、提计划、测试、验收等全流程）。
2025-07-13 22:46:35
780
原创 AD20学习笔记之PCB板实物调试
不知道什么原因AD，在原理图更新到PCB电路过程中，隔离电源VRB2424S-10WR3和ADM2682EBRIZ等元器件的管脚定义消失，导致布线时管脚之间没有连线，布线时也没注意引脚没定义。最后在实物调试的时候出现了问题。由于疏忽大意，错把管脚5的NC当成了GND，把管脚7进行了悬空，导致在实物调试的时候发现隔离电源和的输出时出现问题。数据手册管脚定义PCB管脚定义在布线时没注意管脚2和管脚15没有定义，导致在实物调试的时候发现该模块的输出有问题。数据手册管脚定义PCB管脚定义。
2024-10-03 01:29:12
1162
原创 U-Net实现医学图像分割(pytorch)
开始学习pytorch的时候，在github上下载过一些大佬的图像分割代码，但用来训练自己的数据集时常容易报错，并且不容易找到问题所在。于是自己在kaggle上下载了一个比较简洁的分割代码，从数据输入到输出整体过了一遍后，又根据自己的需求进行了修改评价指标、网络框架搭建以及可视化功能编写。本文的主干代码来自:kaggle数据集网址:评价指标:自己的github网址:第一次写博客，如有错误欢迎大家指出。步骤1.库导入import numpy as npimport pandas as pd
2022-08-19 01:16:50
12250
12
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人