android键盘状态机,单片机键盘扫描之状态机实现

本文介绍了单片机键盘扫描的一种方法,通过状态机来处理按键事件。作者提出,相比于外接键盘扫描芯片和直接用IO口处理,使用状态机扫描可以更有效地检测按键的按下、释放和长按键。状态机被抽象为四个阶段:空闲、确认按下、按下和确认释放。程序中包含了状态切换的条件和实现。此外,还给出了状态机的C++实现,包括状态转换函数和消息队列管理。这种方法降低了CPU资源消耗,提高了键盘处理的灵活性。
摘要由CSDN通过智能技术生成

单片机键盘扫描之状态机实现

作者:原野之狼 日期 2008.1.3 23:37

一、概述

在编写单片机程序的过程中,键盘作为一种人机接口的实现方式,是很常用的。

而一般的实现方法大概有:

1、外接键盘扫描芯片(例如8279,7279等等),然后由该芯片来完成去抖、键值读取、中断请求等功能。然后单片机响应中断并读取键值,有的时候也可以采用轮训的方式。

2、如果按键数比较少,那么可以直接将按键接到单片机的IO口,然后各按键取逻辑或再送到单片机的中断管脚(对于51体系),单片机响应中断后再去读取IO口的数据。如果单片机的中断向量比较多(例如AVR系列的单片机,每个IO都可以作为中断),那么也可以直接把各个按键接到各个具有中断功能的IO上面。在中断处理程序中往往需要执行这样一个操作序列:延时一定时间来去抖,如果按键有效那么等待按键释放。

这两种方法都有比较明显的缺陷:

第一种方法需要专门的外围芯片,增加成本,且一般不容易检测按键的按下、释放以及长按键等一些事件。

第二种方法同样不容易检测按键的按下、释放以及长按键等一些事件。且采用软件延时的方式,浪费CPU资源,很不可取。

二、扫描式方法

鉴于以上两种方法的缺点,我们可以采用扫描式的方法来判断按键事件。

扫描方法即CPU在一定的节奏下去扫描按键数据线上的信号,然后分析并确定按键事件。扫描节奏一般为20MS

三、状态机

在软件工程中,有这样一个概念,即状态机。

状态机是一个抽象的概念,即把一个过程抽象为若干个状态之间的切换,这些状态之间存在着一定的联系。

举个例子:在操作系统中有一个关于进程调度的经典论述。

即把进程的调度过程抽象为运行、就绪、挂起以及睡眠等状态之间的切换。

各个状态之间在满足一定条件下才能进行切换。

在状态机程序的编写中有两点需要注意:

1、过程的抽象。

2、切换的条件以及如何切换。

四、按键过程的状态机分析

众所周知,一个键按下之后的波形是这样的(假定低有效):

在有键按下后,数据线上的信号出现一段时间的抖动,然后为低,然后当按键释放时,信号抖动一段时间后变高。当然,在数据线为低或者为高的过程中,都有可能出现一些很窄的干扰信号。

1、状态抽象

因此,我们对这个过程抽象为这么几个阶段:

(1)、空闲状态,即数据线信号为高,这里假定为S1状态

(2)、确认真的有键按下的状态,这里假定为S2状态。

(3)、键按下的状态,这里假定为S3状态。

(4)、确认真的有键释放的状态,这里假定为S4状态。

2、状态切换

在S1状态,如果信号线为高,那么继续保持S1状态,如果信号线为低,那么切换到S2状态。

在S2状态,如果信号线为高,那么切换到S1状态,如果信号线为低,那么切换到S3状态,此时表示有了键按下的消息事件,把此事件存入消息队列(如果系统不需要此消息,那么为了简单起见,此时可以不存入这个键按下事件)。

在S3状态,如果信号线为高,那么切换到S4状态,如果信号线为低,那么保持S3状态,并对信号为低这一状态进行计数。

在S4状态,如果信号线为高,那么切换到S1状态,此时表示有了键释放的消息事件,把此消息存入消息队列(如果系统不需要此消息,那么为了简单起见,此时可以不存入这个键按下事件),同时还需要对信号为低这一状态的计数进行判断,如果大于一定的阈值,那么表示之前是一个长按键消息事件,小于此阈值,则表示之前为一个短按键消息事件。如果信号线为低,则切换到S3状态。

五、程序实现

/************************************************************

FileName: type.h

Author:原野之狼

Version :V1.0

Date: 2008.1.2

Description:

History:

************************************************************/

#ifndef _TYPE_H_

#define _TYPE_H_

//type define

#define UINT8 unsigned char

#define INT8 char

#define UINT16 unsigned int

#define INT16 signed int

#define UINT32 unsigned long

#define INT32 signed long

#define FLP32 float

#endif

/************************************************************

FileName: includes.h

Author:原野之狼

Version :V1.0

Date: 2008.1.2

Description:

History:

************************************************************/

#ifndef _INCLUDES_H_

#define _INCLUDES_H_

//system header files

#include

#include

#include

#include

#include

#include

#include

//user header files

#include "type.h"

#include "queue.h"

#include "key.h"

#define SYSTEM_FREQUENCY_HZ 8000000

#endif

/************************************************************

FileName: queue.h

Author:原野之狼

Version :V1.0

Date: 2008.1.2

Description:

History:

************************************************************/

#ifndef _QUEUE_H_

#define _QUEUE_H_

#include "type.h"

class CQueue

{

private:

INT8 *pBuf;

UINT16 BufLen;

INT8 *pHead;

INT8 *pTail;

UINT16 count;

public:

UINT8 IsQueueEmpty(void);

void QueueInit(INT8 *pBuffer,UINT16 len);

UINT8 AddInQueue(INT8 dat);

UINT8 RequestFrQueue(INT8 *pDat);

};

#endif

/************************************************************

FileName: queue.cpp

Author:原野之狼

Version :V1.0

Date: 2008.1.2

Description:

management of queue

History:

************************************************************/

#include "includes.h"

UINT8 CQueue::IsQueueEmpty(void)

{

return 1;

}

void CQueue::QueueInit(INT8 *pBuffer,UINT16 len)

{

pBuf=pBuffer;

pHead=pBuf;

pTail=pBuf;

count=0;

BufLen=len;

}

UINT8 CQueue::AddInQueue(INT8 dat)

{

if(count

{

(*pTail++)=dat;

count++;

if(pTail==(pBuf+BufLen))

{

pTail=pBuf;

}

return 1;

}

else

{

return 0;

}

}

UINT8 CQueue::RequestFrQueue(INT8 *pDat)

{

if(count)

{

*pDat=(*pHead++);

if(pHead==(pBuf+BufLen))

pHead=pBuf;

count--;

return 1;

}

else

{

return 0;

}

}

/************************************************************

FileName: key.h

Author:原野之狼

Version :V1.0

Date: 2008.1.2

Description:

History:

************************************************************/

#ifndef _KEY_H_

#define _KEY_H_

#include "type.h"

#define GET_KEY1_SIGNAL PINE&(0X01<<0X02)

#define GET_KEY2_SIGNAL PINE&(0X01<<0X03)

#define MSG_DOWN 0X01

#define MSG_UP 0X02

#define MSG_SHORT_CLICK 0X03

#define MSG_LONG_CLICK 0X04

class CSingleKeyManager

{

private:

#define KEY_STATE_IDLE 0X01

#define KEY_STATE_IS_DOWN 0X02

#define KEY_STATE_DOWN 0X03

#define KEY_STATE_IS_UP 0X04

UINT8 m_state;

UINT8 m_DownCount;

#define MAX_MSG_LENGTH 0X10

INT8 m_MsgBuf[MAX_MSG_LENGTH];

CQueue m_MessageQueue;

public:

CSingleKeyManager();

void StateChange(UINT8 LineHighLow);

UINT8 GetMsg(void);

};

#endif

/************************************************************

FileName: key.cpp

Author:原野之狼

Version :V1.0

Date: 2008.1.2

Description:

key managerment

1.scan mode

2.short clicked

3.long clicked

4.more info refer to file:key.jpeg

History:

************************************************************/

#include "includes.h"

CSingleKeyManager::CSingleKeyManager()

{

m_state=KEY_STATE_IDLE;

m_DownCount=0;

m_MessageQueue.QueueInit(m_MsgBuf,MAX_MSG_LENGTH);

}

void CSingleKeyManager::StateChange(UINT8 LineHighLow)

{

switch(m_state)

{

case KEY_STATE_IDLE:

{

if(LineHighLow)

{

asm("nop");

//                WriteLog("1H\n");

}

else

{

m_state=KEY_STATE_IS_DOWN;

//                WriteLog("1L\n");

}

}

break;

case KEY_STATE_IS_DOWN:

{

if(LineHighLow)

{

m_state=KEY_STATE_IDLE;

//                WriteLog("2H\n");

}

else

{

m_state=KEY_STATE_DOWN;

//                WriteLog("2L\n");

if(!m_MessageQueue.AddInQueue(MSG_DOWN))

{

asm("nop");//error

//                    WriteLog("KEY QUEUE ERROR\n");

}

}

}

break;

case KEY_STATE_DOWN:

{

if(LineHighLow)

{

m_state=KEY_STATE_IS_UP;

//                WriteLog("3H\n");

}

else

{

m_DownCount++;

if(m_DownCount==255)

m_DownCount=255;

//                WriteLog("3L\n");

}

}

break;

case KEY_STATE_IS_UP:

{

if(LineHighLow)

{

//                WriteLog("4H\n");

m_state=KEY_STATE_IDLE;

m_MessageQueue.AddInQueue(MSG_UP);

if(m_DownCount>(2000/SYSTEM_RHYTHM_MS))

{

//                    WriteLog("LONG\n");

m_MessageQueue.AddInQueue(MSG_LONG_CLICK);

m_DownCount=0;

}

else

{

//                    WriteLog("SHORT\n");

m_MessageQueue.AddInQueue(MSG_SHORT_CLICK);

m_DownCount=0;

}

}

else

{

//                WriteLog("4L\n");

m_state=KEY_STATE_DOWN;

}

}

break;

default:

asm("nop");

}

}

UINT8 CSingleKeyManager::GetMsg(void)

{

INT8 msg;

if(m_MessageQueue.RequestFrQueue(&msg))

{

return msg;

}

else

{

return 0x00;

}

}

六、应用范例

/************************************************************

FileName: main.cpp

Author:原野之狼

Version :V1.0

Date: 2008.1.2

Description:

History:

************************************************************/

#include “includes.h”

CSingleKeyManager key1

//call this function every 20ms

Void TaskKeyScan(void)

{

key1.StateChange(GET_KEY1_SIGNAL);

}

UINT8 main(void)

{

while(1)

{

switch(key1.GetMsg())

{

//add your message handler here

}

}

}

pdf版下载:

单片机键盘扫描之状态机实现.pdf

*博客内容为网友个人发布,仅代表博主个人观点,如有侵权请联系工作人员删除。

1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。
应用背景为变电站电力巡检,基于YOLO v4算法模型对常见电力巡检目标进行检测,并充分利用Ascend310提供的DVPP等硬件支持能力来完成流媒体的传输、处理等任务,并对系统性能做出一定的优化。.zip深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值