嵌入式ARM设计编程(二) 字符串拷贝

简介: 嵌入式ARM设计编程(二) 字符串拷贝
文章和代码已归档至【Github仓库: hardware-tutorial】,需要的朋友们自取。或者关注公众号【AIShareLab】,回复 嵌入式 也可获取。

一、实验目的

通过实验掌握使用 LDB/STB,b等指令完成较为复杂的存储区访问和程序分支,学习使用条件码

二、实验环境

硬件:PC机

软件:ADS1.2 集成开发环境

三、实验内容

熟悉开发环境的使用并完成一块存储区的拷贝。

完成分支程序设计,要求判断参数,根据不同参数,调用不同的子程序。

四、实验要求

  1. 按照2.3节介绍的方法, 在ADS下创建一个工程asmlab2,定义两个数据存储区Src和Dst,Src用于存放原字符串,Dst用于存放目的字符串。堆栈地址0x400,将变量原字符串的内容拷贝到目的字符串中,要能判断原字符串的结束符(0),并统计字符串中字符的个数。通过AXD查看寄存器和memory和寄存器中数据变化。
  2. 在指令后面加上适当注释,说明指令功能。
  3. 指出程序执行完成后各相关寄存器及存储器单元的具体内容。

五、实验完成情况:

1、实验源代码(含注释):

AREA Init,CODE,READONLY ;定义CODE片段Init 只读
 ENTRY                ;进入程序
 CODE32              ;以下为32位的ARM程序
start
  MOV SP, #0x400     ; 设置堆栈地址为0x400
  LDR R0, =Src        ; 先将原字符串地址加载到R0
  LDR R1, =Dst        ; 将目的字符串地址加载到R1
  MOV R3,#0         ; 定义R3中的内容为0
strcopy
  LDRB R2,[R0],#1     ; 将R0的内容读入寄存器R2,并将R0R0+1
  CMP R2,#0         ; 比较R2和0是否相等,主要检测字符串是否结束
  BEQ endcopy       ; 等于0则跳转至endcopy
  STRB R2,[R1],#1     ; 先将R2中的字节数据写入R1中,并把地址R1+1的值存入R1
  ADD R3,R3,#1       ; R3自加一,用于记录字符个数
  B strcopy           ; 循环
endcopy
  LDR R0, =ByteNum   ; 将字符数的地址加载到R0
  STR R3,[R0]         ; 将R3的内容存在R0中
  B .
  AREA Datapool,DATA,READWRITE  ; 定义DATA类型的Datapool
Src  DCB  "string",0  ; 初始化字符串的存储空间
Dst DCB 0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0   ; 目的字符串存储空间
ByteNum DCD 0 ; 初始化字符数
 END

2、实验过程(含结果截图及相应文字解释):

定义两个数据存储区Src和Dst,Src用于存放原字符串,Dst用于存放目的字符串。堆栈地址0x400,将变量原字符串的内容拷贝到目的字符串中,要能判断原字符串的结束符(0),并统计字符串中字符的个数。通过AXD查看寄存器和memory和寄存器中数据变化。

通过存储器可见,内容正在逐渐地进行拷贝。过程如下:

直到拷贝过程结束,实验结束后存储单元中的内容如下:

相关寄存器中的具体内容如下所示:

练习题:

编写程序循环对R4~R11 进行累加8 次赋值,R4~R11 起始值为1~8,每次加操作后把 R4~R11 的内容放入SP 栈中,SP 初始设置为0x800。最后把R4~R11清空赋值为0。

提示:多字的加载与存储使用多寄存器寻址,使用的指令为LDM和STM。如:

LDMIA R0!, {R4-R11}
STMIA R1!, {R4-R11}

编写实验代码如下:

  AREA Init,CODE,READONLY ;定义CODE片段Init 只读
 ENTRY    ;进入程序
 CODE32    ;以下为32位的ARM程序
main NOP
NUM EQU 8     ; 定义NUM为8,即一共经过8次循环           
start
 MOV SP,#0X800    ;设置栈顶指针为0X800
 LDR R0,=src            ; 将src的地址加载到R0
 MOV R2,#NUM         ; 将循环次数赋给R2
 MOV R4,#1                 ; 设置寄存器R4的初始值
 MOV R5,#2                ; 设置寄存器R5的初始值
 MOV R6,#3                ; 设置寄存器R6的初始值
 MOV R7,#4                ; 设置寄存器R7的初始值
 MOV R8,#5                ; 设置寄存器R8的初始值
 MOV R9,#6                ; 设置寄存器R9的初始值
 MOV R10,#7            ; 设置寄存器R10的初始值
 MOV R11,#8            ; 设置寄存器R11的初始值    
loop
 ADD R4,R4,#1            ; 将寄存器的值加一,下同
 ADD R5,R5,#1
 ADD R6,R6,#1
 ADD R7,R7,#1
 ADD R8,R8,#1
 ADD R9,R9,#1
 ADD R10,R10,#1
 ADD R11,R11,#1    
 STMFD SP!,{R4-R11}      ;多寄存器寻址,把R4~R11的内容放入SP栈中
 SUBS R2,R2,#1           ;将R2的内容,即循环次数减一
 BNE loop                ;如果不为0则跳转到loop继续循环    
 LDMIA R0!,{R4-R11}      ;将以R0起始地址的值存入R4-R11,即把R4~R11清空赋值为0.
Stop
 B Stop
 LTORG                   ; 声明数据缓冲池
src DCD 0,0,0,0,0,0,0,0       ; 初始化
 END

实验初始时,寄存器中内容如下:

实验结束后,寄存器中的内容如下:


欢迎关注公众号【AIShareLab】,一起交流更多相关知识,前沿算法,Paper解读,项目源码,面经总结。

目录
相关文章
|
2月前
|
数据处理
基于ARM的嵌入式原理与应用:ALU的功能与特点
基于ARM的嵌入式原理与应用:ALU的功能与特点
177 0
|
6月前
|
存储 Ubuntu 编译器
合肥中科深谷嵌入式项目实战——基于ARM语音识别的智能家居系统(三)
合肥中科深谷嵌入式项目实战——基于ARM语音识别的智能家居系统(三)
合肥中科深谷嵌入式项目实战——基于ARM语音识别的智能家居系统(三)
|
6月前
|
Ubuntu Unix Linux
合肥中科深谷嵌入式项目实战——基于ARM语音识别的智能家居系统(一)
合肥中科深谷嵌入式项目实战——基于ARM语音识别的智能家居系统(一)
|
6月前
|
Linux 编译器 语音技术
合肥中科深谷嵌入式项目实战——基于ARM语音识别的智能家居系统(二)
合肥中科深谷嵌入式项目实战——基于ARM语音识别的智能家居系统(二)
|
5月前
|
机器学习/深度学习 人工智能 计算机视觉
好的资源-----打卡机+Arm+Qt+OpenCV嵌入式项目-基于人脸识别的考勤系统-----B站神经网络与深度学习,商城
好的资源-----打卡机+Arm+Qt+OpenCV嵌入式项目-基于人脸识别的考勤系统-----B站神经网络与深度学习,商城
|
6月前
|
存储 算法 Linux
详细解读ARM嵌入式整理
详细解读ARM嵌入式整理
45 0
|
7月前
|
安全 Unix Linux
【ARM】在NUC977上搭建基于boa的嵌入式web服务器
【ARM】在NUC977上搭建基于boa的嵌入式web服务器
190 0
|
22天前
|
机器学习/深度学习 弹性计算 人工智能
阿里云服务器架构有啥区别?X86计算、Arm、GPU异构、裸金属和高性能计算对比
阿里云ECS涵盖x86、ARM、GPU/FPGA/ASIC、弹性裸金属及高性能计算等多种架构。x86架构采用Intel/AMD处理器,适用于广泛企业级应用;ARM架构低功耗,适合容器与微服务;GPU/FPGA/ASIC专为AI、图形处理设计;弹性裸金属提供物理机性能;高性能计算则针对大规模并行计算优化。
|
2月前
|
编解码 弹性计算 应用服务中间件
阿里云服务器Arm计算架构解析:Arm计算架构云服务器租用收费标准价格参考
阿里云服务器架构分为X86计算、Arm计算、高性能计算等多种架构,其中Arm计算架构以其低功耗、高效率的特点受到广泛关注。本文将深入解析阿里云Arm计算架构云服务器的技术特点、适用场景以及包年包月与按量付费的收费标准与最新活动价格情况,以供选择参考。
|
2月前
|
机器学习/深度学习 弹性计算 编解码
阿里云服务器计算架构X86/ARM/GPU/FPGA/ASIC/裸金属/超级计算集群有啥区别?
阿里云服务器ECS提供了多种计算架构,包括X86、ARM、GPU/FPGA/ASIC、弹性裸金属服务器及超级计算集群。X86架构常见且通用,适合大多数应用场景;ARM架构具备低功耗优势,适用于长期运行环境;GPU/FPGA/ASIC则针对深度学习、科学计算、视频处理等高性能需求;弹性裸金属服务器与超级计算集群则分别提供物理机级别的性能和高速RDMA互联,满足高性能计算和大规模训练需求。