SemiDrive E3 硬件设计系列---唤醒电路设计
一、前言
E3 系列芯片是芯驰半导体高功能安全的车规级 MCU,对于 MCU 的硬件设计部分,本系列将会分模块进行讲解,旨在介绍 E3 系列芯片在硬件设计方面的注意事项与经验,本文主要讲解 E3 硬件设计中唤醒电路部分的设计。
二、RTC 模式
E3 系统有三种睡眠模式分别是:Sleep 模式、Hibernate 模式、RTC 模式,本文主要介绍 RTC 模式的唤醒,此处介绍 RTC 模式。在 RTC 模式下,除了 RTC 电源不关,其他电源都关闭, 外部 32kHz 或者内部 32kHz 不关闭。唤醒 RTC 方式有如下几种:① RTC 时钟中断唤醒,② SYS_WAKEUP0,SYS_WAKEUP1 唤醒,③SYS_BUTTON 唤醒。
在 RTC 模式下, 系统典型功耗为 50uW, 系统进入 RTC 模式, 除了 RTC 域的 IO, 其他 IO 都进入高阻态。
三、唤醒源介绍
wakeup0、 wakeup1 和 button 都支持上升沿下降沿以及电平触发, 在系统第一次开机过程中,系统不判断该引脚状态, 当系统进入睡眠前,软件通过写相应的寄存器, 让 wakeup0、 wakeup1、以及 button 处于何种唤醒模式。
四、唤醒电路介绍
当出现超过 3 种唤醒方式时, 需要根据外部唤醒源做一个分类上升沿下降沿以及电平, 通过分类做或门或与门实现。
或门电路设计如下:外部高电平信号进行唤醒,到芯片唤醒引脚则是低电平信号,唤醒引脚常态高电平,从而配置成下降沿唤醒。

与门电路如下:外部低电平信号进行唤醒,到芯片唤醒引脚则是高电平信号,唤醒引脚常态低电平,从而配置成上升沿唤醒。

不管电平触发还是边沿触发, 因为都在 RTC 域, 是参照 RTC 时钟的, 所需触发时间(高低电平保持时间) 不能少于是 50us。对于 50us 以下的触发源且需要判断触发源。对于部分唤醒源时间低于 50us, 比如有些 CAN 用 RX 唤醒系统, 高电平时间很可能是 1us,那么把该唤醒源直接接到 wakeup0、 wakeup1 和 button 是唤醒不了系统的。这个时候需要采用延时电路, 下面是具体的延时电路图,调节 R2,C1 和 R6 可以使输入 1us 的时间延长到 ms 级别。 并且把该信号接到 wakeup0、 wakeup1 和button 唤醒系统。 系统唤醒后,通过 TX/RX 判断是哪个唤醒源唤醒了系统,或者通过再延长该电路时间接到 E3 GPIO 上, 使得保证系统唤醒后 15ms,E3 GPIO 能够读到相应的状态。

另外此处唤醒源信号的延长也能通过 RC 电路进行电平脉冲延长,此处简单介绍 RC 电路延时时间的计算。关于 RC 电路延时的计算,如下图。

例如 R=470K,C=0.1uF 延时时间的计算,计算时间公式为:t=RC * ln[(V1-V0)/(V1-Vt)]。
V0 为电容上的初始电压值,V1 为电容最终可充到或放到的电压值,Vt 为 t 时刻电容上的电压值。
如上图,假设求充到 1.1V 的时间则计算如下:
V0=0,V1=3.3V, Vt=1.1V,
故 t=RC*ln[(3.3-0)/(3.3-1.1)]=RC*ln1.5=0.405*RC=405us.
此处 RC 电路主要延长脉冲上电的时间,当脉冲时间低于芯片识别阈值时,可以使用 RC 电路进行时间延长。
五、结语
本文介绍了 E3 硬件电路的唤醒电路的设计,主要涉及到 RTC 模式、唤醒源、唤醒电路、延时电路的介绍。
六、参考资料
《SemiDrive_E3硬件设计手册_Rev01.11》
阅读原文,了解更多精彩技术内容吧!
相关文章:
SemiDrive E3 硬件设计系列---唤醒电路设计
一、前言 E3 系列芯片是芯驰半导体高功能安全的车规级 MCU,对于 MCU 的硬件设计部分,本系列将会分模块进行讲解,旨在介绍 E3 系列芯片在硬件设计方面的注意事项与经验,本文主要讲解 E3 硬件设计中唤醒电路部分的设计。 二、RTC 模…...
淘宝接口高并发采集核心要点解读,开启电商数据智能应用新纪元
一、引言 在电商蓬勃发展的今天,淘宝作为全球知名的电商巨头,其平台上的数据犹如一座蕴藏无限价值的宝藏。准确且高效地采集淘宝接口数据,并通过高并发技术实现大规模数据获取,对于电商企业的精准营销、市场趋势分析、竞品监测以及…...
C#里怎么样快速使用LINQ实现查询?
C#里怎么样快速使用LINQ实现查询? 在C#里使用LINQ,是一个方便的功能, 不过,要学会使用这部分的功能,需要比较多的学习时间,否则,使用起就比较难。 因为它的表现方式,与编程语言通用的功能,还是差别比较大。 当数据量比较小,没有特定的顺序时,使用LINQ访问会比较好…...
2024新版微软edge浏览器输入百度网址时自动补全tn=68018901……小尾巴的解决
以前一直是Windows11 21h2版本,浏览器内输入baidu不会自动补全tnxx的百度推广小尾巴。然后前几天在BIOS内开启了tpm2.0,升级Windows11到了24h2版本。 发现在edge浏览器内只要输入b,就会自动补全为baidu.com?tnXXX的这么一个百度推广形式。开…...
uni-app打包H5自定义微信分享
1、配置分享信息 修改uni-app的index.html,添加Open Graph(OG)标签来配置分享信息。 <!DOCTYPE html> <html lang="en"><head><meta charset="UTF-8" /><meta name="description" content="标题"/>…...
大模型专栏--大模型应用场景
紧接着第一篇,什么是大模型,这篇文章讨论一下大模型的应用场景和应用方式有哪些? 基础使用 随着 GPT 的出现,AI 大模型已经越来越多得出现在日常生活和学术研究,工作中。 按照使用方向有以下几种: 自然语…...
骑砍2霸主MOD开发(29)-顶点动画
一.定制化顶点动画(MorphAnimation) 定制化顶点动画用于人物Agent的面部表情. 1.创建MorphAnimation对应静态资源morph_animation.tpac 2.Agent设置对应MorphAnimation [EngineMethod("set_agent_facial_animation", false)] void SetAgentFacialAnimation(UIntPtr …...
-Dspring.profiles.active=dev与--spring.profiles.active=dev的区别
在Spring Boot应用程序中,-Dspring.profiles.activedev和--spring.profiles.activedev都用于指定要激活的Spring配置文件(profile),但它们在不同的环境中使用,并且有不同的作用域。 -Dspring.profiles.activedev&#…...
面向对象高级(2)单例设计对象与代码块
面向对象高级(2) 单例设计模式、main方法与代码块 引言; 设计模式:特定环境下特定问题的处理方法。可理解为一种经典的可以参照的模板。单例设计模式则是只存在单个对象实例、且只有一种方法获取对象实例的一种设计模式。 单例设…...
47小型项目的规划与实施
每天五分钟学Linux | 第四十七课:小型项目的规划与实施 大家好!欢迎再次来到我们的“每天五分钟学Linux”系列教程。在前面的课程中,我们学习了并发编程的知识,包括如何管理和使用进程与线程。今天,我们将探讨如何规划…...
堤防安全监测系统方案
一、背景情况 堤防是开发利用水资源和防治水灾害的重要工程措施之一,对防洪、供水、生态、发电、航运等至关重要。我国现有堤防9.8万多座,其中大中型堤防4700多座、小型堤防9.4万座,80%以上修建于上世纪50至70年代。由于堤防管护力量薄弱&am…...
聊聊Flink:这次把Flink的window分类(滚动、滑动、会话、全局)、窗口函数讲透
一、窗口 窗口(Window)是处理无界流的关键所在。窗口将流分成有限大小的“桶”,我们可以在其上应用算子计算。Flink可以使用window()和windowAll()定义一个窗口,二者都需要传入一个窗口分配器WindowAssigner,WindowAs…...
mysql-分析MVCC原理
一、MVCC简介 MVCC是一种用来解决读写冲读的无锁并发控制,也就是为事务分配单增长的时间戳,为每个修改保存一个版本,版本与事务时间戳关联,读操作只读该事务开始前的数据库的快照,所以MVCC可以为数据库解决一些问题。…...
由于答案过大,请对a取模。取模后的答案不是原问题的答案 取模有何意义呢 详解
在许多情况下,处理大数时会将 a 取模,即用 a m o d m a \mod m amodm的结果代替 a a a,然后继续计算。这种做法的核心问题是:取模后的值与原问题之间的关系是否保持一致。取模后的意义在于,它在不改变问题核心特性的前…...
【c++篇】掌握动态内存的奥妙
【C篇】动态内存 一、Static 关键字1.1函数内部的静态变量1.2 全局静态变量1.3静态成员变量1.4静态成员函数 二、内存管理2.1栈区(Stack)2.2堆区(Heap) 三、动态内存分配机制3.1、动态内存分配的两种方法c语言c 3.2new 和delete的用法3.3语法和类型安全性…...
5.4.2-3 编写Java程序读取HDFS文件
在本次实战中,我们通过Java程序实现了从Hadoop分布式文件系统(HDFS)读取文件的功能。首先,我们创建了ReadFileOnHDFS类,并在其中实现了两个方法:read1()和read1_()。read1()方法展示了如何打开HDFS文件并逐…...
@EnableConfigurationProperties @ConfigurationProperties
EnableConfigurationProperties && ConfigurationProperties的使用时机 今天在写properties时想到了这个问题,为什么有时候我需要写EnableConfigurationProperties有时候又不需要呢?下面就详细讲讲。 Data Component ConfigurationProperties(pr…...
RK3588适配MTK7921 USB接口WiFi驱动开发
在当前RK原厂提供的SDK里面已经适配的WiFi模组有不少,但是支持的模组大部分集中在realtek、正基、英飞凌等厂家。主要型号有Realtek的RTL8188系列、RTL8723系列、RTL8812系列、RTL8821系列、RTL8822系列和支持WiFi 6 的RTL8852系列,正基的AP6275系列、AP6276系列等。接下来将…...
【数据结构OJ】【图论】图综合练习--拓扑排序
题目描述 已知有向图,顶点从0开始编号,求它的求拓扑有序序列。 拓扑排序算法:给出有向图邻接矩阵 1.逐列扫描矩阵,找出入度为0且编号最小的顶点v 2.输出v,并标识v已访问 3.把矩阵第v行全清0 重复上述步骤࿰…...
模型 I/O 与 LangChain 实践
模型 I/O 与 LangChain 实践 本文是《LangChain 实战课》第 4 节——模型 I/O:输入提示、调用模型、解析输出的一些学习笔记与总结。这篇文章将围绕模型 I/O 的基本概念、LangChain 提供的最佳实践以及如何通过 LangChain 实现高效的结构化数据处理展开。 什么是模…...
Go并发读写竞争漏洞:结构体赋值引发的密钥泄露
1. 这不是段子,是真实发生的“裸奔”现场CVE-2026-27944——这个编号刚在NVD(美国国家漏洞库)公开时,我正盯着一台生产环境的API网关日志发呆。它没报错,没超时,但每分钟有3700次请求在返回200的同时&#…...
构建多智能体系统时如何通过统一网关管理不同模型的调用与鉴权
🚀 告别海外账号与网络限制!稳定直连全球优质大模型,限时半价接入中。 👉 点击领取海量免费额度 构建多智能体系统时如何通过统一网关管理不同模型的调用与鉴权 在开发集成多个AI智能体的复杂系统时,工程师常常面临一…...
构建高可用在线机器学习推理系统:分层回退架构设计与金融风控实践
1. 项目概述与核心挑战在金融科技领域,尤其是在线支付和信贷审批场景,机器学习模型已经从后台的分析工具,演变为实时业务决策的核心引擎。想象一下,当用户点击“确认支付”的瞬间,一个复杂的风控模型必须在几百毫秒内&…...
NCMDump工具:3步轻松解密网易云音乐NCM加密文件
NCMDump工具:3步轻松解密网易云音乐NCM加密文件 【免费下载链接】ncmdump 项目地址: https://gitcode.com/gh_mirrors/ncmd/ncmdump 你是否曾经在网易云音乐下载了喜欢的歌曲,却发现只能在官方客户端播放?NCM加密格式的限制让你无法在…...
GraphScale:解耦计算与存储,攻克十亿级图学习的内存与通信瓶颈
1. 项目概述:为什么我们需要一个全新的图学习框架?如果你在过去几年里尝试过处理一个真正“大”的图——比如用户关系网络、商品关联图或者学术引用网络——你大概率会和我有同样的感受:现有的工具在规模面前,显得力不从心。图神经…...
差分隐私下机器学习模型预处理完整性验证框架设计与实践
1. 项目概述:当模型审计遇上隐私保护在金融风控、医疗诊断这些对数据隐私和模型可靠性要求极高的领域,我们常常面临一个两难困境。一方面,一个机器学习模型在上线前,必须确保其训练流程是合规且完整的,尤其是数据预处理…...
非参数贝叶斯聚类与核主成分分析:从原理到工程实践
1. 项目概述:从数据分组到降维的工程实践在数据科学和机器学习的日常工作中,我们常常面临两大核心挑战:一是如何从一堆看似杂乱无章的数据点中,发现其内在的、有意义的组别结构;二是当数据维度高到令人眼花缭乱时&…...
RuoYi登录三步自动化:验证码、加密密码与Cookie状态机
1. 这不是“写个脚本”,而是后台系统登录链路的完整逆向工程RuoYi 是国内 Java 后台开发中使用频率极高的开源框架,它不是玩具项目,而是真实企业级系统落地的“最小可行基座”——权限控制、菜单管理、代码生成、定时任务、日志审计ÿ…...
DPmoire:为莫尔超晶格定制高精度机器学习力场的自动化方案
1. 项目概述:当莫尔物理遇上机器学习力场 在凝聚态物理和计算材料科学的前沿,莫尔(Moir)超晶格系统正以其丰富而奇特的物理现象吸引着全球研究者的目光。通过简单地扭转两层二维材料(如石墨烯或过渡金属硫族化合物&…...
数据科学家最后的护城河:AI Agent时代必须掌握的3类元能力——意图解析力、链路可观测性、反事实调试术
更多请点击: https://codechina.net 第一章:数据科学家最后的护城河:AI Agent时代必须掌握的3类元能力——意图解析力、链路可观测性、反事实调试术 当AI Agent开始自主拆解用户模糊请求、调度工具链、迭代验证假设时,传统建模技…...
