whaosoft-143-CSDN博客

原创 whaosoftの国产MCU芯片替代及各种器件对接

最近在弄国产mcu替代stm32主要为。

2025-01-27 00:15:00 382 2

原创嵌入式※~各种の单片机flash读写

这里总结各家单片机的flash读写。

2025-01-26 00:15:00 669 1

原创嵌入式※~MCU~LWIP~TCPS/HTTPS等

单片机MCU中的加密通道, 使用各种的加密通道, http / tcp / mqtt 等。可能不在重复发了 ~~ 请看链接吧~~~

2024-10-24 14:36:09 733 1

RSA算法在计算过程中存在较多的取模运算和幂运算，计算速度比对称加密算法要慢，所以不适合对大量数据进行加密和解密，在实际中常用于加密或解密小数据片段。mbedtls RSA算法中的生成秘钥对比较占用空间，再加上RSA算法计算过程涉及到大数运算，所以RSA算法对内存的消耗比较大。实际使用RSA算法中需要包含填充方案，在计算之前会对明文进行随机注入，这样在公钥和明文相同的情况下，也不会生成相同的秘文。对称加密算法，比如AES算法，在发送端（加密）和接收端（解密）使用相同的一份秘钥，称为共享秘钥。

2024-10-23 14:09:34 1333 1

原创嵌入式※~CH395Q-UDP

注:下面还有个广播IP,255.255.255.255 ,是因为执行多播通信需要把UDP的目的地址配置为广播IP。上面的引脚分配把模块的TX引脚接到了单片机的PA3上,也就是串口2的RX上,如果用户使用了串口2,请注意!多播MAC地址是为了MAC过滤,后面会讲,用户不需要设置,默认不过滤MAC。单片机程序里面写的是把接收的服务器返回给服务器,并使用串口打印接收的消息。要想模块使用SPI通信,模块的TX引脚需要在模块重启之前设置为低电平.提醒:无论是SPI,USART,并口,程序操作步骤都是一样的!

2024-10-20 00:01:06 1346 10

原创 ipsec~strongSwan

应该这俩个导致启动失败, 其实都是一个原因arm没tun, 但一般内核是有的就是没开启需要重新编译一下了, 每个平台不一样 ,所以自己搞吧 //1 ( 建个文件去就行,不过正常应该自己能生成啊不用手动建,建完了后面还是报错 )//2 ( 系统里没tun的问题上面也是~~ )

2024-10-12 14:26:13 786 1

原创 whaosoftの物联网各种设备协议

需要的可以联系我仓库地址在 github=== /whaosoft/wdata-collection-lib 中自己搜吧 > 有没有感兴趣哒。准备开源-物联网各种PLC及各种非PLC设备(变频器等)协议 - go/c 语言版本 (适用于arm32/64及stm32)Arcnet 没什么资料也没开发板真正的环网呀~~西门子 smart200 , s1200。还有这3钟老外常用的。

2024-10-10 19:06:05 526 1

原创 whaosoftの各芯片各种板~使用日记

AI及非AI的开发板使用心得哦~~ 逐步完善哦~ whaosoft aiot 欢迎一起来交流哦 ~1年多过去了记得之前东西好像不多但还好有个微信群看着帖子也多了群里也很热闹还不错哦~~美中不足竟然cpu都不支持can rk3568还有几个呢~~我就想知道这个就没个带桌面的镜像吗 (发的时候还没)做了一个外围板子准备开源一下pcb等不知道有人需要吗。部分评估板及核心板及开发板 , 用到CAN CANFD等。这里全是cpu 不说MCU哦~atlas200 第一代。这家系统有点难用哦~~

2024-09-21 15:56:52 332 1

原创 51c嵌入式~mbedtls移植各MCU

我的嵌入式专辑由于还没发完请去这里看原贴~~ 待更新完发回来~~ https://143ai.com/

2024-09-15 23:45:25 1374 1

原创 51c大模型~合集172

自己的原文哦~ https://blog.51cto.com/whaosoft/14133005本文只做学术分享，如有侵权，联系删文，自动驾驶课程学习与技术交流群事宜，也欢迎添加小助理微信AIDriver004做进一步咨询DeepSeek V3.1和V3相比，到底有什么不同？官方说的模模糊糊，就提到了上下文长度拓展至128K和支持多种张量格式，但别急，我们已经上手实测，为你奉上更多新鲜信息。我们比较了V3.1和V3，注意到它在编程表现、创意写作、翻译水平、回答语气等方面都出现了不同程度

2025-08-23 04:00:00 1336 1

原创 w嵌入式分享合集78

自己的原文哦~ https://blog.51cto.com/whaosoft/14151258▌01 运算放大器的非线性1.运算放大电路作为信号处理的常用器件，运算放大器，在其信号处理范围之内，通常认为是线性器件。也就是它的增益不随着信号的幅度变化而改变。影响运算放大电路精度的因素，或者说它的线性特性主要是由它的输入偏置电压、偏置电流造成的输出零点的偏移。这一点往往可以通过增加零点补偿调整电阻进行消除。但是对于运放的非线性，即它的开环增益随着信号幅度变化而变化的特性往往并不为人所重视

2025-08-23 00:00:09 460 1

原创 w嵌入式分享合集41

CCM (Continuous Conduction Mode),连续导通模式：在一个开关周期内，电感电流从不会到0。或者说电感从不“复位”，意味着在开关周期内电感磁通从不回到0，功率管闭合时，线圈中还有电流流过。DCM，(Discontinuous Conduction Mode)，断续导通模式：在开关周期内，电感电流总会到0，意味着电感被适当地“复位”，即功率开关闭合时，电感电流为零。

2025-08-22 03:00:00 740 1

原创 w嵌入式分享合集119

3.7V输出5V1A同步整流升压PS7516。特点：效率极高普遍90%及以上，外围器件少，可过EMI。3.3V~4.2V升压输出5V1A异步升压芯片PL2628。特点：效率普遍80%左右，需要整流肖特基二极管。3V、3.3V、3.7V升压输出5V2.4APS7526超高效率的同步整流升压方案，现实应用足2.4A。2.4V~4.5V升压输出5V3AFP6277超高效率的同步整流升压方案，现实应用足3A。0.8V升压输出3.0V、3.3V、3.6V、4.0V、5V。

2025-08-22 00:15:00 863 1

原创 51c深度学习~合集10

特征可视化分析（下图）清晰地表明，相比于传统对比学习，USDRL所学习到的特征在类别间具有更好的可分性，形成了清晰的簇状结构，证明了特征去相关范式的优越性。USDRL旨在成为该领域的一个基础模型，它不仅在传统的粗粒度预测任务（如动作识别）上表现出色，更在被以往工作所忽视的密集预测任务（如动作检测、分割和预测）上取得了显著成果。MG-FD是USDRL自监督学习的核心。总而言之，这项工作不仅在技术上取得了突破，更重要的是为基于骨架的人体动作理解研究描绘了新的蓝图，指明了构建通用基础模型这一未来方向。

2025-08-21 00:15:00 669 1

原创 51c嵌入式~PCB~合集3

因为输出回路中电流是连续的，而输入回路中电流是跳变的，会产生较大的di/dt，会引起EMI问题的可能性更高。红色为输入环路，绿色为输出环路。不合理的PCB布板会造成芯片性能变差如线性度下降（包括输入线性度以及输出线性度）、带载能力下降、工作不稳定、EMI辐射增加、输出噪声增加等，更严重的可能会直接造成芯片损坏。一般DC-DC芯片的使用手册中都会有其对应的PCB布板设计要求以及布板示意图，本次我们就以同步BUCK芯片为例简单讲一讲关于DC-DC芯片应用设计中的PCB Layout设计要点。

2025-08-21 00:15:00 868 1

原创 51c大模型~合集171

更令人意外的是，研究团队在数学推理任务中观察到了一种「先对后错」的现象：模型先是得出了正确答案，却在随后的迭代中将其「推翻」，转而采用错误答案，最终导致整体回答错误。博主提到的论文发表于今年 1 月（3 月更新 v2），介绍了一种名为 TREAD 的新方法，该工作通过一种创新的「令牌路由」（token routing）机制，在不改变模型架构的情况下，极大地提升了训练效率和生成图像的质量，从而在速度和性能上都显著超越了 DiT 模型。而在同一个数据集中，模型答对的问题的 TSE 往往显著低于答错的问题。

2025-08-20 13:36:06 1084 1

原创 51c自动驾驶~合集16

本文提出了RadarPillars，利用4D雷达数据进行目标检测的新方法。作为一个仅有 0.27 M 参数和1.99 GFLOPS的轻量级网络，RadarPillars在检测性能方面建立了新的基准，同时实现了实时能力，显著超越了当前的先进技术。本文研究了雷达速度的最佳利用，以为网络提供增强的上下文。此外，本文引入了PillarAttention，这是一种创新的层，将每个 pillar 视为一个 token ，同时确保效率。本文展示了均匀缩放网络在检测性能和实时推理方面的优势。

2025-08-20 00:34:33 946 1

原创 w嵌入式分享合集21

自己的原文哦~ https://blog.51cto.com/whaosoft/14135123MOS管，即金属（Metal）—氧化物（Oxide）—半导体（Semiconductor）场效应晶体管，是一种应用场效应原理工作的半导体器件。和普通双极型晶体管相比，MOS管具有输入阻抗高、噪声低、动态范围大、功耗小、易于集成等优势，在开关电源、镇流器、高频感应加热、高频逆变焊机、通信电源等高频电源领域得到了越来越普遍的应用。MOS管的种类及结构MOS管是FET的一种（另一种为JFET结型场效

2025-08-19 00:45:00 832 1

原创 51c~缺陷检测~合集3

采用高清工业相机加先进光学设备组成视觉检测系统，客户实际应用后，关键缺陷0漏检，检测效率及准确率相较人工检测得到显著提升，实现稳定的智能质检。自动记录良品、不良品数据，能够完成对检测数据的存储、分析和汇总，标记缺陷类型、分布位置、大小、面积等信息，并提出产线优化建议。平面无影光源凸显产品缺陷，工业相机获取的图像覆盖产品6个外观面，可以针对产品外观中可能存在的4种缺陷进行快速无死角检测。考虑不同客户的实际需求，硬件设备可随时更换，视觉软件模块化设计，兼容不同产品检测需求，一套方案囊括N代产品。

2025-08-19 00:30:00 376 1

原创 51c视觉~合集18

自己的原文哦~ https://blog.51cto.com/whaosoft/11784143使用深度学习进行疾病检测是加快植物病理学过程的好方法。在大多数情况下，在使用深度学习时，我们会使用图像分类或疾病（对象）检测。但我们也可以使用语义分割。在某些情况下，使用语义分割进行叶病识别更有帮助。这是因为深度学习模型可以输出受疾病影响的区域。本文我们将介绍 PyTorch 和 DeepLabV3 进行叶片病害分割。分割叶子或植物上的特定区域可能非常具有挑战性。特别是，当患病区域不是

2025-08-18 20:14:29 908 1

原创 51c大模型~合集170

然而，当前的开源 dLLMs 却因一定的技术挑战 —— 例如缺少完善的 KV 缓存机制，以及未充分释放并行潜力 —— 推理速度远慢于同规模的 AR 模型。观察到，当模型的潜在空间从低维（如 4 通道）扩展到更高维（如 16 通道）时，尽管后者能表达更丰富的细节，但也偶发性地出现了一些生成「翻车」的情况（如图 3 所示）。通过建模移动流量在时间、空间、城市环境之间的联合分布，UoMo 在多城市的预测任务中具备优越的性能表现，并且具备较好的零样本 / 小样本学习能力，体现出卓越的通用性与泛化能力。

2025-08-18 20:13:24 838 1

原创 w嵌入式分享合集68

眼图是一系列数字信号在示波器上累积而显示的图形，它包含了丰富的信息，从眼图上可以观察出码间串扰和噪声的影响，体现了数字信号整体的特征，从而估计系统优劣程度，因而眼图分析是高速互连系统信号完整性分析的核心。另外也可以用此图形对接收滤波器的特性加以调整，以减小码间串扰，改善系统的传输性能。用一个示波器跨接在接收滤波器的输出端，然后调整示波器扫描周期，使示波器水平扫描周期与接收码元的周期同步，这时示波器屏幕上看到的图形就称为眼图。

2025-08-17 21:35:07 919 2

原创 w嵌入式分享合集66

MCU 内部是远比 MCU 外部电路更复杂的微电子电路，内部线路间距小，不同功能间可能只是由电子开关或多路复用器做选择，当高频干扰进入MCU 后，干扰可以在看似不直接相连的电路间耦合而影响MCU 的正常工作。重要的是避免干扰进入MCU。在排查干扰传递的路径时，不要将目光局限于直接相连的电路或管脚。

2025-08-16 19:43:43 558 1

原创 w嵌入式分享合集188

自己的原文哦~ https://blog.51cto.com/whaosoft/14131675认识特性阻抗电阻是一个实实在在的物理元器件，通过欧姆定律我们可以知道，电压、电流和电阻三者之间的关系，U=I*R。我们通过一个具体的电路来分析这三者之间的具体关系，请看下面的一张最简单的电路图。这个电路图只有一个电源一个电阻和一些导线组成。当然这个电阻的阻值也可以通过用万用表来直接测量。特性阻抗就不一样了，用万用表测量一根50欧姆特性阻抗时，将会发现是短路的。这就需要我们

2025-08-16 01:52:01 625 1

原创 51c大模型~合集169

虽然上面对于负载均衡设置了很多优化方案，但实际过程中仍没办法做到有效的设备间负载均衡，意味着仍然存在有较多的token集中的少数几个设备上，本文最开始的时候提到过，负载不均衡就需要动态调整容量因子，如果容量因子大于1则专家是可以有buffer来存储一定的token，而如果容量因子为1，则意味着每个设备的专家没有存储计算能力以外token的buffer，这样就会造成这个token溢出，也就是在本层的MOE不再参与专家计算，直接残差链接到下一层。可知，该模型的体量和性能使其非常适合离线、基于网页的创意任务。

2025-08-15 13:54:36 1143 1

原创 51c视觉~合集17

首先，让我们一起了解一下什么是“目标检测”。目标检测是对图像分类任务的进一步加深，目标检测不仅要识别出图片中各种类别的目标，还要将目标的位置找出来用矩形框框住。目标检测结果如上图所示，将需要检测的目标检测出来并用边界框框出来，同时在框子上面显示出该目标属于该分类的一个得分情况。

2025-08-14 10:32:06 1107 1

原创 w嵌入式分享合集182

所谓频域分析，就是在频率的坐标下分析信号。完整的频域分析应该得到被测信号包含的频率成分，还有每个频率成分的幅度和相位关系。即信号功率谱和相位谱的分析。某个信号的波形发生变化，其频谱特性会发生相应变化。频域和时域分析是分析信号的基本方法，是从不同的角度来描述信号的特性。频域分析包括：•分析信号的频率成分。各频率分量的频率与功率参数。•信号功率，信号带宽，带外杂散，ACPR。

2025-08-14 00:45:00 951 1

原创 w嵌入式分享合集166

MCU是Microcontroller Unit 的简称，中文叫微控制器，俗称单片机，是把CPU的频率与规格做适当缩减，并将内存、计数器、USB、A/D转换、UART、PLC、DMA等周边接口，甚至LCD驱动电路都整合在单一芯片上，形成芯片级的计算机，为不同的应用场合做不同组合控制，诸如手机、PC外围、遥控器，至汽车电子、工业上的步进马达、机器手臂的控制等，都可见到MCU的身影。单片机出现的历史并不长，但发展十分迅猛。

2025-08-13 16:37:10 284 1

原创 51c自动驾驶~合集14

复杂的交通环境和多变的天气条件使得激光雷达数据的收集既昂贵又困难。实现高质量、可控的激光雷达数据生成十分有必要，而对文本控制的激光雷达点云生成的研究仍然不足。为此，本文提出了Text2LiDAR，这是第一个高效、多样化且可通过文本控制的激光雷达数据生成框架。为了提升文本控制生成性能，本文构建了nuLiDARtext，它为850个场景中的34,149个激光雷达点云提供了多样化的文本描述符。在KITTI-360和nuScenes数据集上的实验展示了本文方法的优越性。

2025-08-13 12:00:58 742 1

原创 w嵌入式分享合集136

空中下载技术OTA（Over-the-Air Technology）是用户自己的程序在运行过程中对User Flash的部分区域进行烧写，目的是为了在产品发布后可以方便地通过预留的通信口，对产品中的固件程序进行更新升级。通常实现OTA功能时，即用户程序运行中作自身的更新操作，需要在设计固件程序时编写两个项目代码，第一个项目程序为Bootloader区域，第二个项目程序App代码为真正的功能代码，执行应用和升级。这两部分项目代码同时烧录在User Flash中。上图，OTA代码执行流程。

2025-08-12 19:04:01 988 1

原创 51c大模型~合集167

在文本到图像生成领域，Lumina-mGPT 2.0 在多个基准测试中表现优异，与 SANA 和 Janus Pro 等扩散模型和自回归模型相当甚至超越，特别是在 “两个物体” 和 “颜色属性” 测试中表现卓越，以 0.80 的 GenEval 分数跻身顶级生成模型之列。此外，团队与其他的多任务生成模型进行了实际比较，Lumina-mGPT 2.0 在可控生成和主题驱动生成任务中表现突出，与 Lumina-mGPT、OneDiffusion 和 OmniGen 等模型相比，展示了卓越的生成能力和灵活性。

2025-08-12 14:40:12 1186 1

原创 51c大模型~合集166

为应对这一挑战，Scaffold 作为一种稳健的联邦学习（FL）方法被提出，旨在通过基于控制变元（control variates）的校正机制来减缓客户端更新的偏移，从而提升在非 IID 场景下的模型收敛性。因此，将这些本地模型进行平均时，得到的全局模型可能会偏离真实的全局最优解，尤其是在存在大量本地训练轮次的情况下。出乎意料的是，通过 RRVF 训练的 7B 模型，最终的综合得分（64.36）不仅远超其基础模型（38.17），甚至超越了在训练中为它提供反馈和评分的、更强大的 72B 模型（47.30）。

2025-08-09 18:00:21 1027 1

原创 51c视觉~合集16

自己的原文哦~ https://blog.51cto.com/whaosoft/14117000刚刚，港大成立新的计算与数据科学学院，由计算机科学系和统计学系合并。马毅教授被任命为学院首任院长。马毅教授官宣：香港大学计算与数据科学学院成立。同时，马毅被任命为首任院长。新学院的主要使命，就是通过全面改革和重新设计从本科一年级到研究生的整个课程体系，来革新AI和计算机科学的教育。马毅直言：这是一项巨大的工程，但也是我们这一代教育者的责任。计算与数据科学学院由现有的计算机科学系和统计与精算科学

2025-08-08 18:39:57 1205 1

原创 51c大模型~合集168

自己的原文哦~ https://blog.51cto.com/whaosoft/14116945

2025-08-08 18:04:34 151 1

原创 51c大模型~合集165

因此，选择多样化是必然趋势。这意味着，亚马逊云科技的客户可以用更少的投入体验到与闭源大模型同等水平的开源平替，尤其为预算有限的中小企业提供了接入顶级 AI 能力的机会。在上个月的纽约峰会上，亚马逊云科技官宣，在 Amazon Bedrock 上完全托管的大模型厂商已达到 12 家，包括 AI21 Labs、Amazon、Anthropic、Cohere、DeepSeek、Luma AI、Meta、Mistral AI、Poolside、Stability AI、Writer 和 TwelveLabs。

2025-08-07 23:27:59 624 1

空空如也

空空如也