XiaoMi-AI文件搜索系统
World File Search SystemMCU
适用于 RA MCU 的无处不在的 AI TLS 解决方案简介
TLS_RSA_WITH_RC4_128_MD5 TLS_RSA_WITH_RC4_128_SHA TLS_RSA_WITH_DES_CBC_SHA TLS_RSA_WITH_3DES_EDE_CBC_SHA TLS_DHE_DSS_WITH_3DES_EDE_CBC_SHA TLS_DHE_RSA_WITH_3DES_EDE_CBC_SHA TLS_RSA_WITH_AES_128_CBC_SHA TLS_RSA_WITH_AES_256_CBC_SHA TLS_RSA_WITH_AES_128_CBC_SHA256 TLS_RSA_WITH_AES_256_CBC_SHA256 TLS_ECDHE_ECDSA_WITH_RC4_128_SHA TLS_ECDHE_ECDSA_WITH_3DES_EDE_CBC_SHA TLS_ECDHE_ECDSA_WITH_AES_128_CBC_SHA TLS_ECDHE_ECDSA_WITH_AES_256_CBC_SHA TLS_ECDHE_RSA_WITH_RC4_128_SHA TLS_ECDHE_RSA_WITH_3DES_EDE_CBC_SHA TLS_ECDHE_RSA_WITH_AES_128_CBC_SHA TLS_ECDHE_RSA_WITH_AES_256_CBC_SHA TLS_ECDHE_ECDSA_WITH_AES_128_CBC_SHA256 TLS_ECDHE_ECDSA_WITH_AES_256_CBC_SHA384 TLS_ECDHE_RSA_WITH_AES_128_CBC_SHA256 TLS_ECDHE_RSA_WITH_AES_256_CBC_SHA384
使用节点 MCU 和 IoT 为家庭构建智能 LPG 监控和警报系统 Shweta Suryavanshi 1,*、Vaishnavi Tarade 2、Prajwal Dawbhat
摘要 “带气体泄漏检测的智能 LPG 和 MNGL 气体监控系统”项目旨在提高液化石油气 (LPG) 和马哈拉施特拉邦天然气有限公司 (MNGL) 配送系统的安全性和效率。LPG 和 MNGL 广泛用于烹饪和取暖，因此确保其安全处理和配送至关重要。气体泄漏可能导致危及生命的情况和环境危害。该项目提出了一种全面的解决方案，用于监控天然气供应、检测泄漏并提供实时警报以防止事故发生。该系统还集成了安装在 MNGL 仪表上的摄像头模块，以特定间隔捕捉图像以进行准确计费，并通过专用移动应用程序实现自动预订。结合气体泄漏检测功能和实时警报以及主电源和调节器的自动关闭，为拟议系统增加了安全性。这有助于防止潜在危险并确保用户安全。这项安全措施旨在防止潜在危险并保护用户和财产。该移动应用程序为用户提供有关天然气消耗、仪表读数和账单详细信息的实时信息，并通过集成网关提供无缝账单支付平台。关键词：节点 MCU、物联网 (IoT)、LPG、MQ3 传感器、人工智能简介
LORA 收发模块 HM-6601 数据表
1 GPIO58 MCU GPIO 2 RSTN 复位信号，低电平有效 3 GPIO11 MCU GPIO 4 GPIO08 MCU GPIO 5 GPIO05 MCU GPIO 6 GPIO04 MCU GPIO 7 GPIO09 MCU GPIO 8 GPIO47 MCU GPIO 9 GPIO45 MCU GPIO 10 GPIO44 MCU GPIO 11, 13, 30, 31 GND 接地 12 ANT 天线端口 14 VCC 输入电压 15 GPIO32 MCU GPIO 16 GPIO33 MCU GPIO 17 GPIO37 MCU GPIO 18 GPIO1 MCU GPIO 19 GPIO0 MCU GPIO 20 GPIO3 MCU GPIO 21 GPIO2 MCU GPIO 22 GPIO6 SWD 数据 23 GPIO7 SWD CLK 24 GPIO16 单片机 GPIO 25 GPIO17 单片机 GPIO (UART_TXD) 26 GPIO14 单片机 GPIO 27 GPIO15 单片机 GPIO 28 GPIO62 单片机 GPIO (UART_RXD) 29 GPIO60 单片机 GPIO
LORA 收发器模块 RFM6601W 数据表
1 GPIO58 MCU GPIO 2 RSTN 复位信号，低电平有效 3 GPIO11 MCU GPIO 4 GPIO08 MCU GPIO 5 GPIO05 MCU GPIO 6 GPIO04 MCU GPIO 7 GPIO09 MCU GPIO 8 GPIO47 MCU GPIO 9 GPIO45 MCU GPIO 10 GPIO44 MCU GPIO 11, 13, 30, 31 GND 接地 12 ANT 天线端口 14 VCC 输入电压 15 GPIO32 MCU GPIO 16 GPIO33 MCU GPIO 17 GPIO37 MCU GPIO 18 GPIO1 MCU GPIO 19 GPIO0 MCU GPIO 20 GPIO3 MCU GPIO 21 GPIO2 MCU GPIO 22 GPIO6 SWD 数据 23 GPIO7 SWD CLK 24 GPIO16 单片机 GPIO 25 GPIO17 单片机 GPIO 26 GPIO14 单片机 GPIO 27 GPIO15 单片机 GPIO 28 GPIO62 单片机 GPIO 29 GPIO60 单片机 GPIO
HM-6601 数据表
3 GPIO11 单片机 GPIO （用于 OTA 模式） 4 GPIO08 单片机 GPIO 5 GPIO05 单片机 GPIO 6 GPIO04 单片机 GPIO 7 GPIO09 单片机 GPIO 8 GPIO47 单片机 GPIO 9 GPIO45 单片机 GPIO 10 GPIO44 单片机 GPIO 11,13,30,31 GND 地 12 ANT 天线接口 14 VCC 电源 15 GPIO32 单片机 GPIO 16 GPIO33 单片机 GPIO 17 GPIO37 单片机 GPIO 18 GPIO1 单片机 GPIO 19 GPIO0 单片机 GPIO 20 GPIO3 单片机 GPIO 21 GPIO2 单片机 GPIO 22 GPIO6 SWD DATA 23 GPIO7 SWD CLK
LORA 收发模块 HM-6601 数据表
3 GPIO11 单片机 GPIO （用于 OTA 模式） 4 GPIO08 单片机 GPIO 5 GPIO05 单片机 GPIO 6 GPIO04 单片机 GPIO 7 GPIO09 单片机 GPIO 8 GPIO47 单片机 GPIO 9 GPIO45 单片机 GPIO 10 GPIO44 单片机 GPIO 11,13,30,31 GND 地 12 ANT 天线接口 14 VCC 电源 15 GPIO32 单片机 GPIO 16 GPIO33 单片机 GPIO 17 GPIO37 单片机 GPIO 18 GPIO1 单片机 GPIO 19 GPIO0 单片机 GPIO 20 GPIO3 单片机 GPIO 21 GPIO2 单片机 GPIO 22 GPIO6 SWD DATA 23 GPIO7 SWD CLK
适用于 RA MCU 的无处不在的 AI 网络框架解决方案简介
基于 TCP/IP 堆栈的中间件，用于使用 RA MCU 在您的嵌入式应用程序上启用通信功能。无处不在的网络框架不限制硬件资源要求，例如 MCU ROM/RAM 大小。此外，它还能够集成到您当前的软件架构中，带有 RTOS（例如 uITRON、Amazon FreeRTOS）或不带 RTOS（裸机外壳）。
CC274XR-Q1，CC274XP-Q1 AutomotivesImplelink™Bluetooth®5.4低能无线MCU数据表（Rev. A）
Ti的DP83TC817S-q1上的高级功能可以使用精确时间协议（PTP）恢复传入的中心时钟。设备的集成输入/输出触发了雷达的框架，在几个雷达上及时提供了同步的雷达框架。此同步框架被传达回雷达电子控制单元。DP83TC817S-Q1然后测量接收到的雷达帧的频率偏移，在下一个帧周期中纠正了雷达频率偏移，并同步了频域中的后续帧。在时间域和频域中的同步使中央ADAS MCU能够使用很少的后处理中从传感器中提取的数据，并且比软件级同步提供了更高的准确性。
适用于 PIC32M MCU 的 MPLAB XC32 C/C++ 编译器用户指南
23.1. 概述................................................................................................................................................215 23.2. 翻译....................................................................................................................................215 23.3. 环境....................................................................................................................................215 23.4. 标识符....................................................................................................................................216 23.5. 字符....................................................................................................................................216 23.6. 整数.......................................................................................................................................217 23.7. 浮点数....................................................................................................................................217 23.8. 数组和指针....................................................................................................................................218 23.9. 提示....................................................................................................................................219 23.10. 结构、联合、枚举和位字段.............................................................................................219 23.11. 23.12. 限定符................................................................................................................................220 23.13. 声明符.................................................................................................................................220 23.14. 语句.................................................................................................................................220 23.14. 预处理指令.......................................................................................................................220 23.15. 库函数.................................................................................................................................221 23.16. 架构.................................................................................................................................225
EMBHD：用于MCU级设备高维计算研究的库
推动将计算推向“边缘” [2]的力。这些移动应用程序中有许多属于物联网（IoT）的类别，该领域由智能传感设备主导，主要对传感器数据进行推断[9]。诸如此类的部署根本不（理想情况下，不应该）需要云计算资源；一项需要非平凡的能源访问的服务。永恒的工程挑战一直在了解我们如何从移动设备中获得最大收益。我们可以为最少的功率做什么最大的有用计算？这种类型的性能最大化涉及硬件和软件优化。在硬件方面，最有影响力的设计选择之一是目标计算机。具有应用程序代理的成熟的多核系统可能会提供最佳的原始速度，但在大规模上可能是功率且昂贵的。大多数物联网部署都选择更节能的核心，以更低的绩效以提高可持续性。历史上降级为简单的8和16位机器，最新一代的MCU看到了向更有能力的32位处理器的过渡，ARM Cortex-M家族是最受欢迎的。这些以数十MHz运行的单核系统可能坐在计算性能梯子的底部，但它们在发电效率上是无与伦比的。弄清楚如何运行现代边缘计算工作 - 即。mL推断）近年来对资源受限的MCU一直是一个积极的研究领域。能量自2019年以来，这个概念已被称为Tinyml，该概念试图打开“在超低功率（<1MW）MCU上执行优化的ML模型，并以最小的功率征服” [4]。MCU级设备通常使用<100KB的内存和1-2MB的闪存存储运行。能够执行相同的ML任务，该任务将在MCU上的多核系统上运行，这是非常强大的。