【期末不挂科-单片机考前速过系列P11】(第十一章:15题速过串行口的工作原理和应用)经典例题盘点(带图解析)

简介: 【期末不挂科-单片机考前速过系列P11】(第十一章:15题速过串行口的工作原理和应用)经典例题盘点(带图解析)

前言

大家好吖,欢迎来到 YY 滴单片机速过系列 ,热烈欢迎! 本章主要内容面向接触过单片机的老铁

主要内容含:

一.填空题

  1. 串行通信方式有哪几种?
  • 双工,半双工,单工
  1. 串行口有() 种工作方式?
  • 4
  • 由SM0,SM1控制,00,01,10,11四种分别对应

二.单选题

  1. REN是什么意思?A
    A.串行口接收允许位
    B.串行口发送中断标志位
    C.串行口接收中断标志位
    D.多机通信控制位

解析:

  1. TI是什么意思?B
    A.串行口接收允许位
    B.串行口发送中断标志位
    C.串行口接收中断标志位
    D.多机通信控制位
  2. RI是什么意思?C
    A.串行口接收允许位
    B.串行口发送中断标志位
    C.串行口接收中断标志位
    D.多机通信控制位

解析:


  1. SM0、SM1是什么意思?D
    A.串行口接收允许位
    B.串行口发送中断标志位
    C.串行口接收中断标志位
    D.多机通信控制位

解析:

  • SM0、SM1是串行口工作方式选择位,也叫做多机通信控制位


  1. 串行口的发送数据和接收数据端是( )A
    A.TXD和RXD
    B.TI和RI
    C.TB8和RB8
    D.REN

解析:

  • 串行口(Serial Port)通常包括发送数据端(TX)和接收数据端(RX)。TX端用于发送数据,而RX端用于接收数据


  1. MCS-51系列单片机串行口发送的工作过程是:当串行口发送完一帧数据时,将SCON中的(),向CPU申请中断。
    A.RI置0
    B.TI置0
    C.RI置1
    D.TI置1

解析:

  • 要点1,是发送完数据时,置1;要点2是T1置1;
  1. 串行口采用同步通信方式每一次传送( )字符。C
    A.1个
    B.1字节
    C.1帧
    D.1波特

解析:

  • 要点1,是发送完数据时,置1;要点2是T1置1;
  1. 帧格式为1个起始位,8个数据位和1个停止位的异步串行通信方式是方式()B
    A.方式0
    B.方式1
    C.方式2
    D.方式3

解析:如下图所示,1+8+1等于10位帧格式,属于方式1

  1. 串行口工作方式1的波特率是()C
    A.固定的,为fosc
    B.固定的,为fosc/16
    C.可变的
    D.固定的,为fosc/64

解析:

  • 在串行口工作方式1中,波特率是可变的,也就是可以通过设置寄存器来改变串行通信的波特率

三.判断题

  1. 串行口通信的第9数据位的功能可由用户定义?√

通常情况下,串行口通信中的数据帧包括一个起始位、8个数据位和一个停止位。然而,在某些特殊的应用中,有时候需要传输更多的数据位。在这种情况下,一些串行通信设备支持第9数据位的功能,允许用户定义其功能。用户可以根据自己的需求,将第9数据位用作校验位、标识位或者其他自定义的数据位。这种功能一般需要通过配置寄存器或者使用特定的通信协议来实现。总的来说,第9数据位的功能通常是由用户定义的,以满足特定的通信需求。


  1. 发送数据的第9数据位的内容是在SCON寄存器的TB8位中预先准备好的?√
  • 对于一些UART通信设备,发送数据的第9数据位可以由TB8位(Transmit Bit 8)来控制。当TB8位被设置为1时,表示发送的第9数据位为1;当TB8位被设置为0时,表示发送的第9数据位为0。这样,通过设置TB8位,可以在发送数据时控制第9数据位的内容。TB8位通常是在SCON寄存器中的特定位置。然而,需要注意的是,不是所有的UART通信设备都支持发送第9数据位,这取决于具体的UART芯片和相关的通信协议。
  1. 串行通信接收到的第9位数据送SCON寄存器的RB8中保存?√
  • (Receive Bit 8)
  1. 串行通信帧发送时,指令把TB8位的状态送入发送SBUF中?×
  • 在串行通信中,TB8位的状态并不会被直接送入发送缓冲寄存器SBUF中。
  • TB8位的作用是用于控制第9位数据位的内容,而SBUF则是用于存储要发送的数据。
  1. 串行口方式1的波特率是可变的,通过定时器/计数器T1的溢出率设定?√

四. 简答题

  1. 在异步串行通信中,接收方是如何知道发送方开始发送数据的?
  • 靠判断是否接收到起始位
相关文章
|
4月前
|
安全 算法 网络协议
解析:HTTPS通过SSL/TLS证书加密的原理与逻辑
HTTPS通过SSL/TLS证书加密,结合对称与非对称加密及数字证书验证实现安全通信。首先,服务器发送含公钥的数字证书,客户端验证其合法性后生成随机数并用公钥加密发送给服务器,双方据此生成相同的对称密钥。后续通信使用对称加密确保高效性和安全性。同时,数字证书验证服务器身份,防止中间人攻击;哈希算法和数字签名确保数据完整性,防止篡改。整个流程保障了身份认证、数据加密和完整性保护。
|
6月前
|
存储 缓存 算法
HashMap深度解析:从原理到实战
HashMap,作为Java集合框架中的一个核心组件,以其高效的键值对存储和检索机制,在软件开发中扮演着举足轻重的角色。作为一名资深的AI工程师,深入理解HashMap的原理、历史、业务场景以及实战应用,对于提升数据处理和算法实现的效率至关重要。本文将通过手绘结构图、流程图,结合Java代码示例,全方位解析HashMap,帮助读者从理论到实践全面掌握这一关键技术。
192 14
|
7月前
|
运维 持续交付 云计算
深入解析云计算中的微服务架构:原理、优势与实践
深入解析云计算中的微服务架构:原理、优势与实践
291 3
|
3月前
|
机器学习/深度学习 数据可视化 PyTorch
深入解析图神经网络注意力机制:数学原理与可视化实现
本文深入解析了图神经网络(GNNs)中自注意力机制的内部运作原理,通过可视化和数学推导揭示其工作机制。文章采用“位置-转移图”概念框架,并使用NumPy实现代码示例,逐步拆解自注意力层的计算过程。文中详细展示了从节点特征矩阵、邻接矩阵到生成注意力权重的具体步骤,并通过四个类(GAL1至GAL4)模拟了整个计算流程。最终,结合实际PyTorch Geometric库中的代码,对比分析了核心逻辑,为理解GNN自注意力机制提供了清晰的学习路径。
346 7
深入解析图神经网络注意力机制:数学原理与可视化实现
|
3月前
|
机器学习/深度学习 缓存 自然语言处理
深入解析Tiktokenizer:大语言模型中核心分词技术的原理与架构
Tiktokenizer 是一款现代分词工具,旨在高效、智能地将文本转换为机器可处理的离散单元(token)。它不仅超越了传统的空格分割和正则表达式匹配方法,还结合了上下文感知能力,适应复杂语言结构。Tiktokenizer 的核心特性包括自适应 token 分割、高效编码能力和出色的可扩展性,使其适用于从聊天机器人到大规模文本分析等多种应用场景。通过模块化设计,Tiktokenizer 确保了代码的可重用性和维护性,并在分词精度、处理效率和灵活性方面表现出色。此外,它支持多语言处理、表情符号识别和领域特定文本处理,能够应对各种复杂的文本输入需求。
438 6
深入解析Tiktokenizer:大语言模型中核心分词技术的原理与架构
|
4月前
|
机器学习/深度学习 算法 数据挖掘
解析静态代理IP改善游戏体验的原理
静态代理IP通过提高网络稳定性和降低延迟,优化游戏体验。具体表现在加快游戏网络速度、实时玩家数据分析、优化游戏设计、简化更新流程、维护网络稳定性、提高连接可靠性、支持地区特性及提升访问速度等方面,确保更流畅、高效的游戏体验。
131 22
解析静态代理IP改善游戏体验的原理
|
3月前
|
传感器 人工智能 监控
反向寻车系统怎么做?基本原理与系统组成解析
本文通过反向寻车系统的核心组成部分与技术分析,阐述反向寻车系统的工作原理,适用于适用于商场停车场、医院停车场及火车站停车场等。如需获取智慧停车场反向寻车技术方案前往文章最下方获取,如有项目合作及技术交流欢迎私信作者。
225 2
|
4月前
|
编解码 缓存 Prometheus
「ximagine」业余爱好者的非专业显示器测试流程规范,同时也是本账号输出内容的数据来源!如何测试显示器?荒岛整理总结出多种测试方法和注意事项,以及粗浅的原理解析!
本期内容为「ximagine」频道《显示器测试流程》的规范及标准,我们主要使用Calman、DisplayCAL、i1Profiler等软件及CA410、Spyder X、i1Pro 2等设备,是我们目前制作内容数据的重要来源,我们深知所做的仍是比较表面的活儿,和工程师、科研人员相比有着不小的差距,测试并不复杂,但是相当繁琐,收集整理测试无不花费大量时间精力,内容不完善或者有错误的地方,希望大佬指出我们好改进!
292 16
「ximagine」业余爱好者的非专业显示器测试流程规范,同时也是本账号输出内容的数据来源!如何测试显示器?荒岛整理总结出多种测试方法和注意事项,以及粗浅的原理解析!
|
4月前
|
Java 数据库 开发者
详细介绍SpringBoot启动流程及配置类解析原理
通过对 Spring Boot 启动流程及配置类解析原理的深入分析,我们可以看到 Spring Boot 在启动时的灵活性和可扩展性。理解这些机制不仅有助于开发者更好地使用 Spring Boot 进行应用开发,还能够在面对问题时,迅速定位和解决问题。希望本文能为您在 Spring Boot 开发过程中提供有效的指导和帮助。
177 12
|
5月前
|
机器学习/深度学习 自然语言处理 搜索推荐
自注意力机制全解析:从原理到计算细节,一文尽览!
自注意力机制(Self-Attention)最早可追溯至20世纪70年代的神经网络研究,但直到2017年Google Brain团队提出Transformer架构后才广泛应用于深度学习。它通过计算序列内部元素间的相关性,捕捉复杂依赖关系,并支持并行化训练,显著提升了处理长文本和序列数据的能力。相比传统的RNN、LSTM和GRU,自注意力机制在自然语言处理(NLP)、计算机视觉、语音识别及推荐系统等领域展现出卓越性能。其核心步骤包括生成查询(Q)、键(K)和值(V)向量,计算缩放点积注意力得分,应用Softmax归一化,以及加权求和生成输出。自注意力机制提高了模型的表达能力,带来了更精准的服务。

推荐镜像

更多
  • DNS