MCU最小系统电路设计(以STM32F103C8T6为例)-2

简介: MCU最小系统电路设计(以STM32F103C8T6为例)

MCU最小系统电路设计(以STM32F103C8T6为例)-1

https://developer.aliyun.com/article/1508000


(4)5v->3.3v滤波电路

(5)电源指示灯

电路:

示例图:

2.复位电路

(1)什么是复位

就是让单片机程序复位,把除了备份区域寄存器以外所有寄存器状态恢复至原始状态,简单来说就是让程序重头开始跑。

(2)复位引脚和电路

复位引脚:当NRST为低电平时复位

复位电路:

3.晶振模块

(1)复位引脚

(2)时钟和时钟树

时钟:

时钟树:

(3)为什么不直接使用内部8M时钟源?

通过数据手册我们可以得知:内部的HSI是由ST出厂时校准过的,但是精度并不高,在0~70℃下误差范围达到1.3%到2%,即便是在标准的25℃下,也有 -1.1%到1.8% 的误差。


对于高波特率的异步串口通讯,或者需要高精度定时的场合,(如:需要跑积分算法的时候),用HSI就有隐患,甚至根本达不到设计要求。

(4)8MHz主晶振介绍

晶振是由石英晶体组成的,石英晶体之所以能当为振荡器使用,是基于它的压电效应:在晶片的两个极上加一电场,会使晶体产生机械变形;在石英晶片上加上交变电压,晶体就会产生机械振动,同时机械变形振动又会产生交变电场,虽然这种交变电场的电压极其微弱,但其振动频率是十分稳定的。当外加交变电压的频率与晶片的固有频率(由晶片的尺寸和形状决定)相等时,机械振动的幅度将急剧增加,这种现象称为“压电谐振”。


晶振电路为主控芯片提供系统时钟,所有的外设工作,CPU工作都要基于该时钟,类似于整个系统的“心跳节拍”。


晶振分为无源和有源,但是本质上都是皮尔斯震荡电路(反相放大器+电阻+电容+晶体+电源),只不过对于单片机而言,单片机内部集成了反相放大器和电阻以及电源,外接晶体和电容就可以了,这里的晶体就称之为无源晶振。


而有源晶振是将皮尔斯振荡器作成一个整体,直接加电源即可工作,当然,价格也会比无源的贵一些。

  • 增益控制: 增益很大的反相放大器。
  • 8MHZ谐振器: 晶体。
  • CL1、CL2: 匹配电容。是电容三点式电路的分压电容,接地点就是分压点。以接地点即分压点为参考点,输入和输出是反相的,但从并联谐振回路即石英晶体两端来看,形成一个正反馈以保证电路持续振荡,它们会稍微影响振荡频率,主要用与微调频率和波形,并影响幅度。
  • RF: 反馈电阻(一般≥1MΩ)它使反相器在振荡初始时处于线性工作区。
  • REXT: 限流电阻,与匹配电容组成网络,提供180度相移,同时起到限制振荡幅度,防止反向器输出对晶振过驱动将其损坏。

(5)为什么选择32.768KHz RTC晶振?

32.768KHZ的晶振产生的振荡信号经过石英钟内部分频器进行15次分频后得到1HZ/秒的信号。


那为什么选择15分频呢?


频度越高计时精度越高,误差越小。


通常工作频率越高,单片机等数字电路的功耗越大,32.768KHz这个频率比较低,对降低电路功耗有利。


综上选择32.768Hz是取折中的选择!

(6)晶振原理图


MCU最小系统电路设计(以STM32F103C8T6为例)-3

https://developer.aliyun.com/article/1508002

相关文章
|
编解码
STM32:PWM驱动舵机(内含:1.接线原理图/实物图+2.代码部分+3.补充知识部分)
STM32:PWM驱动舵机(内含:1.接线原理图/实物图+2.代码部分+3.补充知识部分)
2860 1
STM32:PWM驱动舵机(内含:1.接线原理图/实物图+2.代码部分+3.补充知识部分)
|
内存技术 存储 Android开发
MCU最小系统电路设计(以STM32F103C8T6为例)-3
MCU最小系统电路设计(以STM32F103C8T6为例)
MCU最小系统电路设计(以STM32F103C8T6为例)-3
|
机器学习/深度学习 Python
弹性网(Elastic Net)正则化
弹性网(Elastic Net)正则化
|
9月前
|
机器学习/深度学习 计算机视觉
RT-DETR改进策略【卷积层】| CVPR-2023 部分卷积 PConv 轻量化卷积,降低内存占用
RT-DETR改进策略【卷积层】| CVPR-2023 部分卷积 PConv 轻量化卷积,降低内存占用
300 13
RT-DETR改进策略【卷积层】| CVPR-2023 部分卷积 PConv 轻量化卷积,降低内存占用
|
10月前
|
机器学习/深度学习 算法
《提升支持向量机泛化能力:核函数改进策略大揭秘》
支持向量机(SVM)凭借其强大的分类和回归能力在机器学习中脱颖而出,而核函数的选择与改进对其泛化能力至关重要。核函数将低维数据映射到高维空间,使非线性数据变得线性可分。通过选择合适的核函数、采用自适应核函数、组合不同核函数、引入先验知识设计核函数及优化参数,可以显著提升SVM的性能。例如,在图像识别中,RBF核常用于处理非线性数据;在文本分类中,线性核与RBF核组合能提高准确性。
337 9
|
10月前
|
机器学习/深度学习 运维 算法
异常检测的特征工程:提取有价值的信息
本文介绍了异常检测中的特征工程,涵盖背景、核心概念、算法原理及代码实例。异常检测旨在识别数据中的异常行为,广泛应用于金融、医疗等领域。特征工程通过提取、选择和创建特征,提升模型性能。文中详细讲解了统计特征(如均值、方差)、时间序列特征(如移动平均、差分)和域知识特征的提取方法,并提供了Python代码示例。最后讨论了未来的发展趋势与挑战,包括数据复杂性增加、跨领域应用、解释性需求等。
282 1
|
传感器
DIY_实现光敏电阻传感器简单控制LED
DIY_实现光敏电阻传感器简单控制LED
3152 2
|
编解码 安全 Linux
在Linux中,常用的远程连接⼯具有那些?
在Linux中,常用的远程连接⼯具有那些?