news 2026/1/7 10:41:13

DSP28335与AD7606通过SPI通信实现八路信号采集及SCI发送至上位机

作者头像

张小明

前端开发工程师

1.2k 24
文章封面图
DSP28335与AD7606通过SPI通信实现八路信号采集及SCI发送至上位机

Dsp28335利用spi与ad7606通信,采集八路信号,通过sci发送到到上位机显示数值和波形

在嵌入式系统开发中,数据采集与传输是非常常见的需求。今天咱们来聊聊如何利用DSP28335芯片通过SPI接口与AD7606模数转换器通信,采集八路信号,并通过SCI接口发送到上位机显示数值和波形。

硬件连接

首先得把DSP28335和AD7606的硬件连接搞清楚。DSP28335的SPI接口相关引脚,像SPISOMI(主入从出)、SPISIMO(主出从入)、SPICLK(SPI时钟)、SPISTE(从机选择)要与AD7606对应的引脚连接好。另外,AD7606的转换启动信号可以由DSP的GPIO控制,转换完成信号可以接到DSP的外部中断引脚,方便我们及时获取转换结果。

SPI通信代码实现

在代码方面,先初始化SPI模块。以C语言为例:

void InitSPI(void) { // 使能SPI时钟 EALLOW; SysCtrlRegs.PCLKCR0.bit.SPIAENCLK = 1; EDIS; // 配置SPI引脚为外设功能 GpioCtrlRegs.GPAMUX1.bit.GPIO0 = 1; // SPISIMO GpioCtrlRegs.GPAMUX1.bit.GPIO1 = 1; // SPISOMI GpioCtrlRegs.GPAMUX1.bit.GPIO2 = 1; // SPICLK GpioCtrlRegs.GPAMUX1.bit.GPIO3 = 1; // SPISTE // 配置SPI控制寄存器 SpiCtrlRegs.SPICCR.all = 0x000F; // 复位SPI, 8位模式, 高位在前 SpiCtrlRegs.SPICTL.all = 0x0006; // 主机模式, 使能SPI, 连续模式 SpiCtrlRegs.SPISTS.all = 0x0000; // 清除状态标志 SpiCtrlRegs.SPIBRR = 63; // 波特率 = SYSCLKOUT / (SPIBRR + 1), 这里设置波特率相对较低 SpiCtrlRegs.SPIPRI.bit.FREE = 1; // 自由运行模式 SpiCtrlRegs.SPICCR.bit.SPISWRESET = 1; // 释放SPI }

上面这段代码,首先使能了SPI时钟,然后将相关GPIO引脚配置为SPI外设功能。接着对SPI控制寄存器进行设置,包括复位SPI、设置数据模式、主机模式、波特率等,最后释放SPI使其开始工作。

AD7606采集八路信号

采集八路信号需要对AD7606进行控制和数据读取。下面是简单的采集代码示例:

Uint16 ReadAD7606(void) { Uint16 data; // 启动转换 GpioDataRegs.GPACLEAR.bit.GPIO4 = 1; // GPIO4控制AD7606转换启动 GpioDataRegs.GPASET.bit.GPIO4 = 1; // 等待转换完成 while (GpioDataRegs.GPADAT.bit.GPIO5 == 0); // GPIO5为转换完成信号 // 读取数据 SpiCtrlRegs.SPITXBUF = 0x0000; // 发送任意数据以启动SPI传输 while (SpiCtrlRegs.SPISTS.bit.BUFFULL_FLAG == 1); // 等待发送完成 data = SpiCtrlRegs.SPIRXBUF; // 读取接收缓冲区数据 return data; } void CollectEightChannels(void) { Uint16 adData[8]; for (int i = 0; i < 8; i++) { adData[i] = ReadAD7606(); } // 这里adData数组就存储了八路采集的数据 }

在这段代码中,ReadAD7606函数先通过GPIO引脚启动AD7606的转换,然后等待转换完成信号。转换完成后,通过SPI发送一个数据启动SPI传输,再从接收缓冲区读取转换后的数据。CollectEightChannels函数则循环调用ReadAD7606函数采集八路信号,并将数据存储在数组adData中。

SCI发送数据至上位机

采集完数据,还得通过SCI发送到上位机。同样先初始化SCI模块:

void InitSCI(void) { // 使能SCI时钟 EALLOW; SysCtrlRegs.PCLKCR0.bit.SCIAENCLK = 1; EDIS; // 配置SCI引脚为外设功能 GpioCtrlRegs.GPAMUX1.bit.GPIO10 = 1; // SCITXDA GpioCtrlRegs.GPAMUX1.bit.GPIO11 = 1; // SCIRXDA // 配置SCI控制寄存器 SciaRegs.SCICCR.all = 0x0007; // 8位数据, 无校验位, 1个停止位 SciaRegs.SCICTL1.all = 0x0003; // 使能SCI接收和发送 SciaRegs.SCIHBAUD = 0x0001; SciaRegs.SCILBAUD = 0x00E7; // 波特率设置为9600 SciaRegs.SCICTL2.all = 0x0003; // 使能发送和接收中断 SciaRegs.SCICTL1.bit.SWRESET = 1; // 释放SCI } void SendDataToPC(Uint16 *data, int length) { for (int i = 0; i < length; i++) { while (SciaRegs.SCICTL2.bit.TXRDY == 0); // 等待发送准备好 SciaRegs.SCITXBUF = data[i]; // 发送数据 } }

InitSCI函数使能SCI时钟,配置引脚为外设功能,并设置SCI控制寄存器和波特率。SendDataToPC函数则将采集到的数据通过SCI发送到上位机,它会循环检查发送准备好标志位,然后依次发送数据。

上位机显示

上位机这边可以使用一些常见的软件,像LabVIEW、MATLAB等来接收并显示接收到的数据。以LabVIEW为例,通过VISA串口通信模块接收数据,然后使用图形化控件来显示数值和波形。这样就完成了从硬件连接、代码实现到上位机显示的整个流程,成功实现了DSP28335利用SPI与AD7606通信采集八路信号并通过SCI发送到上位机显示数值和波形的功能。

以上就是这次分享的全部内容啦,希望对正在研究这方面的小伙伴有所帮助,有问题欢迎一起讨论。

版权声明: 本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若内容造成侵权/违法违规/事实不符,请联系邮箱:809451989@qq.com进行投诉反馈,一经查实,立即删除!
网站建设 2026/1/2 21:20:31

YOLO训练任务排队系统上线,资源公平调度

YOLO训练任务排队系统上线&#xff0c;资源公平调度 在AI研发日益工业化、团队协作愈发频繁的今天&#xff0c;一个看似简单的问题正在悄然拖慢整个项目的节奏&#xff1a;多个工程师同时提交YOLO模型训练任务&#xff0c;GPU服务器瞬间过载&#xff0c;有的任务卡住不动&#…

作者头像 李华
网站建设 2026/1/2 16:15:54

2025最新!10个AI论文软件测评:本科生写论文痛点全解析

2025最新&#xff01;10个AI论文软件测评&#xff1a;本科生写论文痛点全解析 2025年AI论文软件测评&#xff1a;从痛点出发&#xff0c;打造精准选择指南 随着人工智能技术的不断进步&#xff0c;越来越多的本科生开始依赖AI论文软件来提升写作效率和质量。然而&#xff0c;面…

作者头像 李华
网站建设 2026/1/5 2:17:21

PyTorch官方未提供的便捷方案:我们做了CUDA集成镜像

PyTorch-CUDA 集成镜像&#xff1a;让深度学习环境开箱即用 在人工智能实验室的深夜里&#xff0c;你是否也曾经历过这样的场景&#xff1f;刚克隆完同事发来的代码仓库&#xff0c;满怀期待地运行 python train.py&#xff0c;结果第一行就报错&#xff1a; CUDA not availa…

作者头像 李华
网站建设 2026/1/7 19:19:56

【计算机毕业设计案例】基于Java的船舶物料供应商交易平台的设计与实现基于springboot的船舶物料供应商交易平台的设计与实现(程序+文档+讲解+定制)

博主介绍&#xff1a;✌️码农一枚 &#xff0c;专注于大学生项目实战开发、讲解和毕业&#x1f6a2;文撰写修改等。全栈领域优质创作者&#xff0c;博客之星、掘金/华为云/阿里云/InfoQ等平台优质作者、专注于Java、小程序技术领域和毕业项目实战 ✌️技术范围&#xff1a;&am…

作者头像 李华
网站建设 2026/1/6 12:34:37

Jupyter Lab整合PyTorch-CUDA的工作流优化实践

Jupyter Lab整合PyTorch-CUDA的工作流优化实践 在深度学习项目开发中&#xff0c;最让人头疼的往往不是模型设计本身&#xff0c;而是环境配置——“在我机器上能跑”成了无数工程师和研究员的口头禅。尤其是在团队协作、教学实验或竞赛调试场景下&#xff0c;不同系统版本、CU…

作者头像 李华