• M2M终端睡眠模式设计：非连续接收（DRX）与扩展空闲模式（eDRX）功耗对比

    在物联网(M2M)设备规模突破百亿级的当下，低功耗设计已成为决定设备生命周期的核心挑战。以智能电表为例，其电池寿命需超过10年，而无线通信模块的功耗占比高达60%以上。非连续接收(DRX)与扩展空闲模式(eDRX)作为两种主流的睡眠机制，通过动态调整设备监听周期，在数据实时性与能耗之间构建平衡。本文将从技术原理、功耗模型、应用场景三个维度展开对比分析，并结合C语言代码实现关键功能。

    嵌入式分享
    2026-04-14
    DR eDRX

  • M2M消息队列设计：MQTT、CoAP与AMQP协议的QoS保障机制对比

    机器对机器(M2M)通信场景，消息队列作为系统解耦的核心组件，通过异步传输机制提升系统吞吐量与容错能力。服务质量(QoS)保障机制则是确保消息可靠传递的关键技术。本文将从协议原理、QoS等级划分、技术实现及典型应用场景四个维度，深入解析MQTT、CoAP与AMQP在M2M系统中的QoS保障机制，并通过C语言程序示例展示其核心实现逻辑。

    嵌入式分享
    2026-04-14
    MQTT CoAP AMQP

  • Linux内核模块开发：C语言实现字符设备驱动的完整流程与调试技巧

    Linux内核模块开发是操作系统底层编程的核心技能，字符设备驱动作为最常见的驱动类型，其开发流程涵盖设备号管理、内核对象注册、文件操作映射等关键环节。本文以C语言实现为例，系统阐述字符设备驱动的开发流程、核心原理及调试技巧。

    嵌入式分享
    2026-04-14
    C语言 Linux内核

  • C语言网络编程新范式，epoll+协程实现百万级并发连接服务

    在互联网流量呈指数级增长的今天，服务器单节点承载百万级并发连接已成为金融交易、实时通信等场景的刚性需求。传统多线程模型因线程切换开销和内存消耗难以突破十万级连接瓶颈，而基于epoll+协程的编程范式通过用户态调度与内核事件通知的深度协同，在Linux环境下实现了单机百万连接的高效处理。

    嵌入式分享
    2026-04-14
    C语言 网络编程

  • C与汇编混合编程，内联汇编与独立汇编模块调用

    嵌入式系统开发者常面临性能优化与开发效率的权衡，C语言以其简洁性和可移植性成为主流开发语言，但在处理硬件寄存器操作、中断响应或特定指令优化等场景时，纯C代码难以达到理想效果。此时，混合编程技术通过结合C语言的结构化优势与汇编语言的底层控制能力，成为突破性能瓶颈的关键手段。本文将深入探讨内联汇编与独立汇编模块两种混合编程方式，结合具体实现案例说明其应用场景与优化策略。

    嵌入式分享
    2026-04-14
    汇编 C语言

  • CMSIS-DSP库移植，Cortex-M内核上的数字信号处理优化

    嵌入式系统开发，数字信号处理(DSP)是音频处理、传感器数据分析和电机控制等场景的核心需求。ARM Cortex-M系列处理器凭借其低功耗和高性价比成为主流选择，但其硬件资源有限，传统DSP算法难以直接运行。ARM官方推出的CMSIS-DSP库通过深度优化，为Cortex-M内核提供了高效的信号处理解决方案。本文将结合原理说明与C语言实现，探讨CMSIS-DSP库的移植方法及优化策略。

    嵌入式分享
    2026-04-14
    Cortex-M CMSIS-DSP

  • 硬件定时器中断事件标志清除方法详解

    在嵌入式系统开发中，硬件定时器是实现精准定时、事件触发、频率测量等功能的核心外设，而定时器中断事件标志则是衔接硬件触发与软件处理的关键桥梁。当定时器满足预设触发条件(如计数溢出、比较匹配、捕获完成)时，硬件会自动置位对应的中断事件标志，向CPU发出中断请求。若未及时、正确清除该标志，会导致中断被重复触发、系统卡死、定时精度下降等严重问题。

    嵌入式分享
    2026-04-07
    嵌入式 定时器 中断

  • 传感器融合开发，使用IMU校准到多模态数据融合算法

    在智能机器人、自动驾驶和物联网等场景，传感器融合技术通过整合多源数据提升系统对环境的感知能力。惯性测量单元(IMU)作为核心传感器，其校准精度直接影响姿态解算结果;而多模态数据融合算法则通过跨模态信息互补，实现更鲁棒的决策。本文将从IMU校准原理出发，结合C语言实现，逐步阐述多模态数据融合的技术路径。

    嵌入式分享
    2026-04-07
    传感器 IMU

  • 边缘计算与存内计算一体：后摩尔时代数字集成电路的新架构介绍

    摩尔定律的放缓正在迫使芯片设计行业寻找全新的计算范式。传统冯·诺依曼架构中，处理器与存储器分离，数据在两者之间反复搬运，这一“存储墙”瓶颈在数据密集型应用中愈发突出。以边缘计算场景为例，图像识别、语音处理、传感器融合等任务中，数据搬运所消耗的能量可达实际计算能量的数十倍甚至上百倍。存内计算技术的核心理念正是打破这一壁垒——让存储器本身具备计算能力，在数据存储的位置直接完成运算。当存内计算与边缘计算需求相遇，一种全新的数字集成电路架构应运而生。

    嵌入式分享
    2026-04-07
    边缘计算 存内计算

  • TinyOL：在设备端实现增量学习与模型自适应更新策略

    边缘智能的规模化部署正在遭遇一个根本性矛盾：静态模型无法适应动态变化的物理世界。一个在实验室环境下训练完成的工业设备故障预测模型，一旦部署到真实的工厂车间，环境温度波动、传感器漂移、设备老化等因素会使其预测准确率持续下降。传统的解决方案是将数据回传云端重新训练，但这不仅消耗大量网络带宽，还面临数据隐私泄露风险。TinyOL技术正是在这一背景下应运而生——它让TinyML模型在资源受限的微控制器上实现增量学习，使模型能够随着新数据的到来不断自我更新。

    嵌入式分享
    2026-04-07
    边缘智能 TinyOL

  • ESP32-S3与Ethos-U55：神经网络协处理器加速TinyML工作负载

    物联网设备智能化，TinyML(微型机器学习)技术通过将轻量级神经网络部署到资源受限的边缘设备，实现了从“感知”到“认知”的跨越。ESP32-S3作为乐鑫科技推出的旗舰级Wi-Fi/蓝牙双模芯片，凭借其双核Xtensa LX7架构与512KB SRAM，成为TinyML的理想载体;而Arm Ethos-U55作为首款专为Cortex-M系列设计的微型NPU，通过硬件级张量加速，将能效比提升至4TOPS/W，为边缘设备提供了突破性的算力支持。两者的协同工作，为TinyML工作负载的实时处理与低功耗运行提供了完整解决方案。

    嵌入式分享
    2026-04-07
    ESP32-S3 Ethos-U55

  • 高速PCB设计挑战，SI和PI仿真到量产的优化建议

    随着信号速率突破至10Gbps以上，印刷电路板的设计范式正在发生根本性转变。在DDR5、PCIe 5.0、56G PAM4等高速接口普及的背景下，PCB不再是简单的电气互连载体，而成为影响系统性能的关键环节。信号完整性(SI)和电源完整性(PI)问题在高速设计中相互耦合，单一优化往往顾此失彼。从仿真分析到量产落地，设计团队需要建立系统化的优化方法论。本文将围绕传输线效应、电源分配网络、过孔设计、叠层规划以及制造公差控制五个维度，结合工程实践案例，阐述高速PCB设计中SI与PI问题的应对策略。

    嵌入式分享
    2026-04-07
    高速PCB SIPI仿真

  • 光驱动电子器件，无电池室内光伏供电的物联网节点设计

    随着物联网(IoT)技术的迅猛发展，全球连接设备数量呈指数级增长。然而，传统电池供电方式带来的环境压力与维护成本，已成为制约物联网规模化应用的关键瓶颈。在此背景下，光驱动电子器件与无电池室内光伏供电技术的融合，为物联网节点设计开辟了全新路径。本文将从方案架构、应用场景及技术先进性三个维度，系统阐述这一创新解决方案的核心价值。

    嵌入式分享
    2026-04-07
    电子器件 光伏供电 光驱动

  • 零功耗待机：低泄漏电流MCU与能量收集技术的应用

    物联网设备的爆发式增长正面临一个根本性制约：电池。数以百亿计的传感器节点散布在全球各地，从农业监测传感器到工业设备状态检测器，从可穿戴医疗设备到智能家居传感器，它们都依赖电池供电。当电池耗尽时，更换电池的人力成本往往超过设备本身的价值，而在偏远或危险环境中，更换电池甚至是不可能完成的任务。能量收集技术提供了一条摆脱电池依赖的路径——从环境中的光、振动、热或射频信号中汲取能量。然而，能量收集面临的核心矛盾在于：环境能量往往微弱且间歇，而传统微控制器即使在待机状态下也存在不可忽视的泄漏电流。破解这一困局的关键，在于将待机功耗降至纳瓦甚至皮瓦级别，使设备能够依靠收集到的微量能量维持“零功耗待机”。

    嵌入式分享
    2026-04-07
    MCU 零功耗待机

  • 跨平台部署指南：TinyML模型从PyTorch到STM32ESP32的无缝迁移

    TinyML的开发流程存在一个天然的断裂带：数据科学家习惯使用PyTorch等框架在云端GPU上训练模型，而嵌入式工程师则需要在Keil、Arduino或ESP-IDF环境中编写C++代码。这种技术栈的割裂导致模型从训练到部署往往需要数周的手工重写和调试。跨平台迁移的核心理念是建立一条自动化的转换流水线，让PyTorch训练的模型能够无损地运行在STM32和ESP32这类资源受限的微控制器上。本文将系统阐述从模型导出、格式转换到嵌入式集成的完整流程，并提供可复现的工程实践方案。

    嵌入式分享
    2026-04-07
    STM32 TinyML PyTorch
首页 上一页 1 2 3 4 5 6 7 8 9 10 下一页 尾页
更多
发布文章

活动预告

更多

论坛

更多

相关标签

课程视频

更多