qq_28576837的博客

原创 嵌入式LINUX驱动开发成长计划

嵌入式LINUX开发成长计划

原创 嵌入式MCU开发成长计划

单片机工程师的2年成长计划

原创 以Linux为例补充内存管理基础知识

虚拟内存技术通过 “

原创 Linux内核入口head.S文件解析

该文件位于如下位置这个是ARM架构下Liunx内核的启动文件。在 ARM 架构的 Linux 内核中，head.S（通常位于）是内核启动的第一个执行文件，负责从硬件初始化到跳转到 C 语言内核（）的关键过渡。一、明确head.S的核心作用head.S是内核的汇编入口点处理器识别与兼容性初始化（适配不同 ARM 核）。初始化核心寄存器（如栈指针、页表基地址寄存器）。创建初始页表（），为 MMU 使能做准备。切换处理器模式（如从 SVC 模式初始化其他模式栈）。

原创 Linux定时器和时间管理源码相关总结

Linux 中定时器和时间管理机制涉及大量的数据结构、核心文件和关键函数，它们共同协作实现时间跟踪、定时任务调度等功能。一、核心数据结构1. 定时器相关（普通内核定时器）作用：描述一个基础定时器，用于毫秒级精度的定时任务。// 哈希表节点（临时存储）// 超时时间（jiffies 单位）// 超时回调函数u32 flags;// 标志（如 TIMER_IRQSAFE）（高精度定时器）作用：支持纳秒级精度的定时器，用于高精度场景（如音频处理）。

原创 ARM汇编的一些编写和调用规范总结

原创 ARM汇编常见伪指令及其用法示例

用于在内存中定义数据（如整数、字符串、数组等）。用于划分程序的不同段（代码段、数据段等），便于内存管理。定义数据（.word.asciz等）；划分内存段（.text.data等）；控制符号与地址（.global=label等）；优化内存对齐（.align灵活使用伪指令可使汇编代码更清晰、易维护，同时适配不同的硬件和内存布局需求。

原创 在Ubuntu上使用QEMU仿真运行ARM汇编

QEMU 包含虚拟机功能：在 “全系统仿真” 模式下，它就是一款虚拟机工具，能模拟完整的计算机系统。QEMU 不止是虚拟机：它的 “用户模式仿真” 可以轻量地跨架构运行单个程序，且支持更多小众硬件架构，是开发者调试底层代码的重要工具。简单说，传统虚拟机更像 “一台虚拟电脑”，而 QEMU 更像 “一个万能的硬件模拟器”，虚拟机功能只是它的一部分。

原创 Linux内核中断源码相关总结

Linux 中断机制通过分层设计（硬件控制器→通用框架→底半部延迟处理）实现了高效、可靠的事件响应。其核心是在保证实时性的同时，平衡中断处理的效率和系统稳定性，是内核与硬件交互的关键纽带。

原创 探讨下硬件电路是如何识别程序的

它的角色是 “编译器 / 汇编器的输出”，而非 “开发者的输入”。这一步是 “编程” 的核心 ——HDL 代码定义了电路的逻辑关系（比如 “当输入 A 为 1 且输入 B 为 0 时，输出 C 为 1”），而非直接描述电路的物理连接。因此，用汇编而非机器码，是在 “直接操作硬件” 和 “实际开发维护” 之间的最优选择 —— 既保留了对硬件的精确控制，又避免了机器码的可读性和可维护性灾难。这些代码是内核与硬件交互的 “直接翻译”，初期难懂是正常的，随着对架构细节和内核流程的熟悉，会逐渐理解其设计逻辑。

原创 Linux内核中常用的函数/代码汇总

的工具，通过向编译器提示分支概率，帮助 CPU 减少流水线停顿，提升程序执行效率。它们的核心价值在于优化高频路径的执行性能，尤其在性能敏感的内核代码中应用广泛。是新进程 “诞生” 的最后一步，它将初始化完成的进程接入内核调度系统，使其从 “待启动” 状态变为 “可运行” 状态，是进程能够被 CPU 执行的关键触发点。看内核源码时，好多接口都不太清楚是什么意思，所以，这篇文章就是专门做个记录，记录那些内核中出现得比较频繁的内容。在 Linux 内核中，进程的 ID 并非简单的整数，而是通过。

原创 Linux的进程管理源码相关内容梳理

原创 Linux内核的目录结构

大概介绍：Linux 内核源代码的目录结构清晰且模块化，每个目录负责不同的功能模块或组件。理解这些目录的作用，有助于深入学习内核工作原理和进行开发。arch/：架构相关代码该目录包含与具体 CPU 架构相关的代码，是内核适配不同硬件平台的核心。每个子目录对应一种处理器架构（如 x86、ARM、RISC-V 等）。arch/x86/：x86 架构（32 位和 64 位）相关代码，包括启动程序、中断处理、寄存器定义等。arch/arm/：ARM 架构代码，支持手机、嵌入式设备等。

原创 Linux的系统调用机制总结

系统调用，顾名思义，说的是操作系统提供给用户程序调用的一组“特殊”接口。用户程序可以通过这组“特殊”接口来获得操作系统内核提供的服务，比如用户可以通过文件系统相关的调用请求系统打开文件、关闭文件或读写文件，可以通过时钟相关的系统调用获得系统时间或设置定时器等。从逻辑上来说，系统调用可被看成是一个内核与用户空间程序交互的接口——它好比一个中间人，把用户进程的请求传达给内核，待内核把请求处理完毕后再将处理结果送回给用户空间。

原创 认识下计算机视觉中的人脸识别

人脸识别技术已取得显著进展，但其应用需平衡技术能力与伦理责任。未来，随着算法优化、硬件升级和法规完善，人脸识别将在更多领域发挥作用，同时也需要社会共同努力确保其合法、公正地使用。

原创 使用Tensorflow和CNN进行猫狗图片训练的实战总结

依赖关系：现代图像识别系统（尤其是高精度系统）几乎都以 CNN 为基础架构，没有 CNN，就没有当前图像识别的实用化水平。本质作用：CNN 通过卷积、池化等操作，将高维度、强关联的图像数据转化为可用于分类 / 识别的抽象特征，让计算机能高效 “理解” 图像的语义信息。简单来说：图像识别是目标，CNN 是实现这一目标的最有效工具。

原创 Netron的基本使用介绍

原创 Tensorflow的安装记录

CUDA （Compute Unified Device Architecture）是一套软硬件结合的解决方案，包括硬件架构（GPU 中的计算核心）和软件编程模型（API、工具链、库），旨在让开发者用类似 C/C++ 等主流语言编写并行计算程序，而非仅用于图形渲染。注意，这里说的不是哪个几点几的小版本号，而是Tensorflow分为两大类版本，CPU版本和GPU版本，它们在安装方式、依赖和性能上有明显区别。安装后建议通过示例代码验证环境，确保模型能正常训练和推理。同样，安装完成后可以在Python中导入。

原创 图像识别之图像的卷积

在图像处理中，卷积是一种重要的特征提取和处理手段。图像是一个二维的像素矩阵，卷积核（也叫滤波器）是一个小的二维矩阵。对图像进行卷积运算时，卷积核在图像上滑动，在每个位置，将卷积核与图像对应区域的像素值进行元素相乘，然后将结果相加，得到卷积后的输出像素值。作用：不同的卷积核可以实现不同的图像处理效果，比如使用高斯卷积核进行卷积运算，可以对图像进行平滑处理，减少噪声；使用边缘检测卷积核（如 Sobel 算子、Canny 算子），可以检测出图像中的边缘信息，突出物体的轮廓。

原创 深度学习之迁移学习

迁移学习通过 “知识复用” 打破了传统机器学习 “每个任务孤立训练” 的限制，尤其适合数据有限或计算资源受限的场景。从预训练模型微调（如 BERT、GPT）到跨领域知识迁移，它已成为现代 AI 的核心技术之一，推动了医疗、自动驾驶、NLP 等领域的快速发展。未来，随着多模态预训练模型（如 CLIP、GPT-4）的兴起，迁移学习的应用范围将进一步扩大。

原创 认识神经网络和深度学习

神经网络（Neural Network）是一种模仿生物神经系统（如大脑神经元连接方式）设计的计算模型，通过多层 “人工神经元” 的互联，实现对数据的非线性关系建模，是机器学习和人工智能的核心技术之一。其核心能力是从数据中自动学习规律（如分类、预测、特征提取），无需人工编写具体规则。一、神经网络的基本结构神经网络由多个 “层” 组成，每层包含若干 “神经元”（Neuron），神经元之间通过 “权重”（Weight）连接，形成类似生物神经网络的信号传递路径。

原创 机器学习：无监督学习之聚类

Kmeans（K - 均值聚类）是机器学习中最经典的无监督学习算法之一，用于将无标签数据自动划分为 K 个不同的簇（类别）。核心思想：假设数据由 K 个高斯分布混合生成，通过 EM 算法估计每个分布的参数（均值、协方差），样本属于概率最高的分布对应的簇。核心思想：DBSCAN 的改进，通过计算 “可达距离” 生成聚类顺序图，可在不同密度下识别簇，减少对参数的依赖。“均值” 的含义： 每个簇的中心是该簇所有样本在特征空间中的平均值（例如二维空间中，质心是所有点的坐标平均值）。

原创 机器学习：更多分类回归算法之决策树、SVM、KNN

决策树是一种强大且直观的机器学习算法，适合处理非线性关系和需要可解释性的场景。虽然它存在过拟合风险，但通过剪枝、集成学习等优化手段，决策树在实际应用中仍然表现出色，尤其是作为集成模型（如随机森林）的基础组件。

原创 机器学习之逻辑回归

逻辑回归（Logistic Regression）是一种用于解决分类问题的统计学习方法，尽管名称中带有 “回归”，但它本质上是一种分类算法，尤其适用于二分类问题（即结果只有两种可能，如 “是 / 否”“正 / 负”）。核心思想逻辑回归的核心是通过Sigmoid 函数（也称为 Logistic 函数）将线性回归的输出（连续值）映射到 [0,1] 区间，从而表示 “属于某一类别的概率”。与线性回归的区别适用场景。

原创 机器学习之线性回归

适用于小规模数据且特征数较少的情况。

原创 注意区分传统机器学习和深度学习

原创 CMake之CMakeLists.txt语法规则

而第三个参数则是一个数学运算表达式，支持的运算符包括：+（加）、-（减）、*（乘）、/（除）、%（求余）、|（按位或）、&（按位与）、^（按位异或）、~（按位取反）、<<（左移）、>>（右移）以及这些运算符的组合运算，它们的含义与 C 语言中相同。需要注意的是，源文件路径既可以使用相对路径、也可以使用绝对路径，相对路径被解释为相对于当前源码路径（注意，这里源码指的是 CMakeLists.txt 文件，因为 CMakeLists.txt 被称为 cmake 的源码，若无特别说明，后续将沿用这个概念！

原创 Cmake简介与基本使用概述

大都数的 IDE 都有这个工具，譬如 Visual C++的 nmake、linux 下的 GNU make、Qt 的 qmake 等等，这些 make 工具遵循着不同的规范和标准，对应的 Makefile 文件其语法、格式也不相同，这样就带来了一个严峻的问题：如果软件想跨平台，必须要保证能够在不同平台下编译，而如果使用上面的 make 工具，就得为每一种标准写一次 Makefile，这将是一件让人抓狂的工作。还好每一个都不复杂！所以，意味着最终生成的库文件对应的名字会自动添加上前缀和后缀。

原创 windows下安装和使用git

对于绝大多数用户日常使用的桌面电脑（Windows PC、传统 x86 架构的 Mac 等），x64 是当前的主流架构。只有少数特殊设备（如苹果 M 系列 Mac、部分 ARM 架构的轻薄本）采用其他架构，但整体占比不高。

原创 在开发板I.MX6U上进行QT开发

选择 fsl-imx-x11-qt5 工具链：若开发 i.MX 平台的 Qt 应用，特别是需要硬件加速或 X11/Wayland 支持。选择 arm-linux-gnueabihf-g++：若开发简单 ARM 程序，或需自行控制所有依赖的编译过程。关键点：fsl 工具链是为 i.MX 平台深度定制的 “一站式” 解决方案，而。

原创 QT常用类和模块

Qt 对数据库的基本操作流程大概是这样子，当然 Qt 提供了很多操作数据库的类，我们只讲解基本的与常用的就已经足够了。Qt SQL 模块里包含了很多个类，可以轻松实现数据库的连接、执行 SQL 语句，获取数据库里的数据与界面显示等功能，一般数据与界面之间会采用 Model/View架构，从而很方便的显示数据界面和操作数据库。绘图和图表的内容本章主要介绍绘图和图表的基本操作，以简单的例子呈现绘图与图表的用法，目的就是快速入门绘图与图表，关于绘图与图表详解最好是看 Qt 官方的帮助文档。

原创 QT入门基础知识总结

Qt 是原生应用开发框架，通过 C++ 直接操作操作系统和硬件，适合高性能、深度定制的界面；前端是Web 生态的界面层，依赖浏览器或容器，适合快速迭代、跨平台部署的轻量级应用。二者虽都涉及界面交互，但技术路径和适用场景截然不同，选择取决于具体需求：若需开发桌面软件、嵌入式系统或高性能应用，选 Qt；若需开发网站、小程序或跨平台 Web 应用，选前端技术栈。

原创 认识OpenCV视觉处理库

OpenCV（Open Source Computer Vision Library）是一个广泛用于计算机视觉任务的开源库，其核心代码主要使用 C++ 编写，同时提供了多种语言的接口。一、OpenCV 的底层语言：C++性能优先：C++ 是一种高性能语言，适合处理计算机视觉中的大量计算任务（如图像滤波、特征提取、深度学习推理等）。跨平台支持：C++ 代码可在 Windows、Linux、macOS、Android、iOS 等多种操作系统上编译运行。API 基础：OpenCV 的原生 API（如。

原创 认识Scikit-learn/PyTorch/TensorFlow这几个AI框架

PyTorch 提供了。

原创 认识NumPy/Scipy/Pandas/Matplotlib这几个Python库

数据清洗（Data Cleaning） 是数据分析与机器学习流程中的关键步骤，指的是识别并纠正（或删除）数据集中的不准确、不完整、不一致或重复信息的过程。通俗来说，就是把 “脏数据” 变成 “干净数据”，为后续分析和建模打下基础。

原创 图像和视频处理基础知识总结

自然光线（含RGB三色） → 拜耳滤镜选择性过滤（仅允许单一颜色透过） → 感光二极管感知光强并产生电荷 → ADC转换为数字信号（单一颜色的强度值） → 插值算法根据相邻像素估算缺失色彩 → 合成完整RGB像素 → 色彩校正（白平衡、伽马变换等）→ 最终彩色图像核心结论：感光单元与光电效应是色彩记录的基础，但仅能提供单通道光强信号；色彩信息的完整记录依赖滤光片的分光作用和后期插值算法，二者缺一不可。

原创 数字图像与视频压缩编码

原创 RV1126开发之基础知识总结

MIPI 摄像头凭借高速、低功耗和抗干扰的特性，成为移动设备和嵌入式场景的主流选择；而其他接口（如 USB、GigE Vision、Camera Link 等）则根据传输距离、带宽需求、成本和应用场景的不同，在工业、医疗、消费电子等领域发挥作用。选择摄像头接口时，需结合设备尺寸、画质要求、传输距离和系统兼容性综合考量。

原创 AI应用：计算机视觉相关技术总结

计算机视觉通过融合传统算法与深度学习，从基础的图像特征提取发展到复杂的场景理解与推理，已广泛应用于各行业。未来，随着大模型、多模态技术的发展，计算机视觉将向更智能、更贴近人类认知的方向演进，同时在边缘计算、实时性等领域面临更多工程挑战。

原创 嵌入式AI？

嵌入式 AI（Embedded AI）是指将人工智能技术与算法集成到嵌入式系统中，使设备能够在本地（无需依赖云端服务器）实现数据处理、分析和决策的技术形态。它融合了嵌入式系统的实时性、低功耗特性与AI 的智能化能力，让传统硬件设备具备 “边端智能”，适用于对响应速度、隐私保护、网络依赖性要求高的场景。核心特点本地化运行无需联网即可完成数据处理和决策，避免网络延迟和断网风险（如自动驾驶汽车在隧道中实时避障）。保护用户隐私：敏感数据（如人脸、医疗信息）无需上传云端，直接在设备端处理。低功耗与轻量化。