当前位置: 首页 > article >正文

正点原子--STM32通用定时器学习笔记(2)

1. 通用定时器输入捕获部分框图介绍

捕获/比较通道的输入部分(通道1)

输入通道映射CC1S[1:0]→采样频率CKD[1:0]→滤波方式IC1F[3:0]→边沿检测方式CC1P→捕获分频ICPS[1:0]→使能捕获CC1E

输入部分对相应的TIx输入信号采样,并产生一个滤波后的信号TIxF。之后带极性选择的边缘检测器产生一个信号(TIxFPx),它可以作为从模式控制器的输入触发或者作为捕获控制。该信号通过预分频进入捕获寄存器(ICxPS)。

按照上述配置流程,依次配置对应的寄存器。

首先配置输入通道映射CC1S[1:0],配置为01从TI1FP1线路输入,配置为10从TI2FP1线路输入,配置为11从TRC线路输入,如下图所示。

接下来设置采样频率:控制寄存器 1(TIMx_CR1)的CKD[1:0]  ⬇⬇⬇设置滤波方式选择: 捕获/ 比较模式寄存器 1(TIMx_CCMR1)的输入捕获部分⬇⬇​​​​​​​⬇​​​​​​​选择边沿检测方式: 捕获/ 比较使能寄存器(TIMx_CCER)⬇​​​​​​​⬇​​​​​​​⬇​​​​​​​

设置输入通道映射: 捕获/ 比较模式寄存器 1(TIMx_CCMR1)⬇​​​​​​​⬇​​​​​​​⬇​​​​​​​

使能捕获: 捕获/ 比较使能寄存器(TIMx_CCER)

以上配置好后所产生的IC1PS来到捕获/比较通道1的主电路部分,也就到了下一部分的学习。 

捕获/比较通道1的主电路---输入部分

上图深灰色部分为输出部分,我们不看它。

①配置CC1S为输入,经过或门1输出信号1;

②配置捕获使能→1,以及捕获分频后的信号→1,两者都为1,经过与门1后输出为1(这里的“捕获到信号”和“捕获使能”是通过硬件产生,也可通过软件产生捕获事件,两者二选一)

或门1输出信号1,与门1输出信号1 经过 或门2 输出信号也为1,两者都为1,那么与门2输出为1,会触发捕获事件,此时会把计数器的值转移到捕获/比较影子寄存器,由于捕获/比较影子寄存器不可直接访问,便会再次把数值转移到捕获/比较预装载寄存器(CCRx1~4)让用户读取,什么时候转移呢?当CCR1读操作完成时产生信号1,经过与门3输出1,这时就会把影子寄存器的值转移到预装载寄存器中,程序员直接读取CCR1寄存器的值就相当于直接获取了计数器的值。

举个栗子,假设通道1配置为上升沿触发,当捕获到上升沿信号产生捕获事件,计数器里的数值会转移到捕获/比较影子寄存器,再转移到捕获/比较预装载寄存器,这时读取CCR1的值记为CNT1,当捕获到上升沿时通过硬件立刻配置为下降沿触发,当捕获到下降沿后获取对应的计数值为CNT2,CNT2-CNT1的值就是一个高电平的计数个数,通过计数个数以及定时器计数频率就可以算出高电平持续的时间。

2. 通用定时器输入捕获脉宽测量原理



http://www.kler.cn/a/233798.html

相关文章:

  • 密码学的基本原理
  • 应用于新能源汽车NCV4275CDT50RKG车规级LDO线性电压调节器芯片
  • Axure网络短剧APP端原型图,竖屏微剧视频模版40页
  • ReactPress技术揭秘
  • 小面馆叫号取餐流程 佳易王面馆米线店点餐叫号管理系统操作教程
  • 【学习】【HTML】HTML、XML、XHTML
  • 速盾:海外服务器用了cdn还是卡怎么办
  • 【CSS】什么是BFC?BFC有什么作用?
  • Android 11 webview webrtc无法使用问题
  • cool 框架 node 后端封装三方Api post请求函数
  • NLP_Bag-Of-Words(词袋模型)
  • 如何进行游戏服务器的负载均衡和扩展性设计?
  • VUE学习——事件参数
  • 每天一个数据分析题(一百五十六)
  • moduleID的使用
  • 【学习笔记】【内核】offsetof 的用法
  • 算法学习——LeetCode力扣二叉树篇1
  • c# 时间帮助类
  • 2.6:冒泡、简选、直插、快排,递归,宏
  • VMware虚拟机安装openEuler系统(一)(2024)
  • Idea里自定义封装数据警告解决 Spring Boot Configuration Annotation Processor not configured
  • Qt QML学习(一):Qt Quick 与 QML 简介
  • 【资料分享】基于单片机大气压监测报警系统电路方案设计、基于飞思卡尔的无人坚守点滴监控自动控制系统设计(程序,原理图,pcb,文档)
  • MySQL-SQL优化
  • JAVA设计模式之观察者模式详解
  • GPT原始论文:Improving Language Understanding by Generative Pre-Training论文翻译