MTK9612方案电视STR开机后屏黑有声的问题分析

简介: MTK9612方案电视STR开机后屏黑有声的问题分析

问题描述

客户反馈问题:

机顶盒连接tv;

tv str 关机,机顶盒一直开着;

过了几个小时(一次),或者第二天过来(一次),str开机,出现tv 黑屏。

抓取分析log

考虑到开了ac logleve 7后比较难复制问题,麻烦这样操作:

开机停到mboot,输入下面命令:

ac hwwp io,0x1f001e00,repeat

saveenv;

2.重新开机,复制问题前输入下面命令:

su

echo /sys/power/str_max_cnt 0

echo set dispout_dbginfo 0x40 > /sys/kernel/mik/MI_DISP

dmesg -C && dmesg --follow > /data/test_str.log &

logcat -c;logcat -v time > /data/logcat_str.log&

开始复制问题,同时保留串口log;

复制到问题后:

cat /proc/utopia_mdb/pnl

cat /proc/utopia_mdb/xc

echo dump,0x111E > /proc/utopia_mdb/riuinfo

echo dump,0x1032 > /proc/utopia_mdb/riuinfo

echo dump,0x1031 > /proc/utopia_mdb/riuinfo

echo dump,0x1310 > /proc/utopia_mdb/riuinfo

echo dump,0x1368 > /proc/utopia_mdb/riuinfo

echo dump,0x130F > /proc/utopia_mdb/riuinfo

echo dump,0x14 > /proc/utopia_mdb/riuinfo

echo dump,0x111E > /proc/utopia_mdb/riuinfo

4.提取串口log,logcat_str.log,test_str.log

问题原因

Panel的power on时序需要2 s左右(屏时序要求);

STR待机后开机,会是Utopia这边来负责点屏(panel resume),跑到panel power后按照1要求需要等2 s后再开背光;

Panel resume是另起线程来处理,在这等开背光的时间内,android的resume流程已跑完;

Android Light Hal模块负责suspend的关屏和early suspend下的开屏;

在resume过程中,Light Hal层会等Utopia这边完成点屏后才开始动作,但这个过程只等待1s(20x50 ms)就默认点好了,而这个屏要求2 s,导致提前跑起响应关屏动作;

后面Utopia再去开背光,这样就造成背光亮而panel power off的问题;

解决办法:

兼容这种panel的时序,将等待时间改为5 s(100 x 50 ms),保证Utopia做完后Light Hal才动作;


相关文章
|
分布式计算 大数据 数据处理
Apache Spark:提升大规模数据处理效率的秘籍
【4月更文挑战第7天】本文介绍了Apache Spark的大数据处理优势和核心特性,包括内存计算、RDD、一站式解决方案。分享了Spark实战技巧,如选择部署模式、优化作业执行流程、管理内存与磁盘、Spark SQL优化及监控调优工具的使用。通过这些秘籍,可以提升大规模数据处理效率,发挥Spark在实际项目中的潜力。
968 0
|
JSON JavaScript 前端开发
国际化:实现Vue应用的多语言支持
【4月更文挑战第23天】本文阐述了在Vue应用中实现多语言支持的重要性及步骤。使用vue-i18n插件,结合明确的语言需求和资源管理,实现文本翻译。配置路由和语言检测以支持用户切换,动态加载语言包以优化性能。同时考虑日期和货币格式化,确保全面的国际化体验。经过测试和持续维护,打造尊重文化多样性的全球化应用。
445 0
|
监控 Java 关系型数据库
『Jmeter超级干货』| Linux下Jmeter安装配置、脚本设计执行、监控及报告完整过程
『Jmeter超级干货』| Linux下Jmeter安装配置、脚本设计执行、监控及报告完整过程
3279 1
|
4月前
|
机器学习/深度学习 人工智能 自然语言处理
解决RAG检索瓶颈:RAPL线图转换让知识图谱检索准确率提升40%
本文探讨了RAPL框架,一种创新的人工智能架构,用于改进知识图谱环境下的检索增强生成系统。RAPL通过线图转换和合理化监督技术,构建高效且可泛化的检索器,显著提升大型语言模型在知识问答中的准确性和可解释性。文章分析了现有RAG系统的缺陷,即最短路径并非总是合理路径,并提出RAPL的三步解决方案:利用大型语言模型生成高质量训练数据、将知识图谱转换为线图以实现基于路径的推理,以及通过双向图神经网络进行路径检索。实验结果表明,RAPL不仅提高了检索精度,还缩小了小型与大型语言模型间的性能差距,推动了更高效、透明的AI系统发展。
116 4
解决RAG检索瓶颈:RAPL线图转换让知识图谱检索准确率提升40%
|
12月前
什么叫高内聚,低耦合 超简单生活例子,让你一看就明白
本文通过生活化的例子解释了高内聚和低耦合的概念,强调了在编写代码时应该追求高内聚(相关功能紧密组合)和低耦合(功能间相互独立,减少相互影响),以提高代码质量和可维护性。
781 0
|
9月前
|
人工智能 关系型数据库 分布式数据库
PolarDB-PG AI最佳实践3 :PolarDB AI多模态相似性搜索最佳实践
本文介绍了如何利用PolarDB结合多模态大模型(如CLIP)实现数据库内的多模态数据分析和查询。通过POLAR_AI插件,可以直接在数据库中调用AI模型服务,无需移动数据或额外的工具,简化了多模态数据的处理流程。具体应用场景包括图像识别与分类、图像到文本检索和基于文本的图像检索。文章详细说明了技术实现、配置建议、实战步骤及多模态检索示例,展示了如何在PolarDB中创建模型、生成embedding并进行相似性检索
|
安全 Android开发
修改Android系统的签名
修改Android系统的签名
355 0
|
12月前
|
存储 关系型数据库 MySQL
MySQL性能优化指南
【10月更文挑战第16天】MySQL性能优化指南
1035 0
|
机器学习/深度学习 人工智能 算法
深度学习基础:从零开始的入门课
【8月更文挑战第21天】通过本文,我们简要介绍了深度学习的基本概念、基础框架以及入门实践。然而,深度学习是一个博大精深的领域,需要不断的学习和实践才能掌握其精髓。建议你在学习过程中,结合具体项目,通过解决实际问题来加深对理论知识的理解。同时,关注最新的研究成果和技术动态,保持对新技术的好奇心和学习热情,相信你会在深度学习的道路上越走越远。
|
关系型数据库 MySQL 测试技术
MySQL 报错 ERROR 1709: Index column size too large
MySQL 报错 ERROR 1709: Index column size too large
578 4