软考系统架构师知识点集锦八:嵌入式系统

一、考情分析

二、考点精讲

2.1嵌入式系统概述

2.1.1基本概念

        (1)嵌入式系统是以应用为中心、以计算机技术为基础,并将可配置与可裁剪的软、硬件集成于一体的专用计算机系统,需要满足应用对功能、可靠性、成本、体积和功耗等方面的严格要求。

        (2)从计算机角度看,嵌入式系统是指嵌入各种设备及应用产品内部的计算机系统。它主要完成信号控制的功能,体积小、结构紧凑,可作为一个部件埋藏于所控制的装置中。

        (3)一般嵌入式系统由嵌入式处理器、相关支撑硬件、嵌入式操作系统、支撑软件以及应用软件组成。

        嵌入式系统初始化过程:片级初始化→板级初始化-→系统级初始化

2.1.2嵌入式系统组成部件

        嵌入式微处理器(MCU)、存储器(RAM/ROM)、内(外)总线逻辑、定时/计数器、看门狗电路(定时器溢出则中断,系统复位处理)、I/O接口(串口、网络、USB、JTAG 接口--用来进行CPU调试的常用接口)、外部设备(UART、 LED等)、其他部件

2.2嵌入式硬件

2.2.1嵌入式系统发展历程

嵌入式系统的发展大致经历了五个阶段:

  • 第一阶段:单片微型计算机(SCM) 阶段,即单片机时代。
  • 第二阶段:微控制器(MCU) 阶段。
  • 第三阶段:片上系统(SoC) 。
  • 第四阶段:以Internet为基础的嵌入式系统。
  • 第五阶段:在智能化、云技术推动下的嵌入式系统

2.2.2嵌入式微处理器分类

通常嵌入式处理器的选择还要根据使用场景不同选择不同类型的处理器,从处理器分类看,大致可分为MPU、MCU、DSP、GPU、SoC

        (1)微处理器(Micro ProcessorUnit, MPU) :将微处理器装配在专门设计的电路板上,只保留与嵌入式应用有关的母板功能。微处理器一般以某一 种微处理内核为核心,每-种衍生产品的处理器内核都是一样的,不同的是存储器和外设的配置和封装。

        (2)微控制器(Micro Control Unit, MCU) :又称单片机。与MPU相比MCU的最大优点在于单片化,体积大大减小,从而使功耗和成本下降,可靠性提高。

        (3)信号处理器(Digital Signal Processor, DSP) : DSP处理器对系统结构和指令进行了特殊设计(通常,DSP采用一种哈佛结构),使其适合于执行DSP算法,编译效率高,指令执行速度也高。

        (4)图形处理器(Graphics Processing Unit, GPU) :
        GPU是图形处理单元的缩写,是一种可执行渲染3D图形等图像的半导体芯片(处理器)。
        GPU可用于个人电脑、工作站、游戏机和一些移动设备.上做图像和图形相关运算工作的微处理器。
        它可减少对CPU的依赖,并进行部分原本CPU的工作,尤其是在3D图形处理中, GPU采用了核
        心技术(如:硬件T&L、纹理压缩等)保证了快速3D渲染能力。
        GPU目前已广泛应用于各行各业, GPU中集成了同时运行在GHz的频率.上的成千.上万个core,可以高速处理图像数据。最新的GPU峰值性能可高达100 TFlops以上。

        (5)片上系统(System on Chip, SoC) :

        追求产品系统最大包容的集成器件。
        它是一个产品,是一个有专用目标的集成电路,其中包含完整系统并有嵌入软件的全部内容。
        同时它又是一种技术,用以实现从确定系统功能开始,到软/硬件划分,并完成设计的整个过程。
        成功实现了软硬件的无缝结合,直接在微处理器片内嵌入操作系统的代码模块。
        减小了系统的体积和功耗、提高了可靠性和设计生产效率。
        狭义角度:信息系统核心的芯片集成,是将系统关键部件集成在一块芯片上;
        广义角度: SoC是一个微小型系统,如果说中央处理器(CPU)是大脑,那么SoC就是包括大脑、心脏、眼睛和手的系统。
        国内外学术界一般倾向将SoC定义为将微处理器、模拟IP核、数字IP核和存储器(或片外存储控制接口)集成在单-芯片上,它通常是客户定制的,或是面向特定用途的标准产品。

2.2.3 AI芯片

        人工智能(Artificial Intelligence, AI) 芯片的定义:从广义上讲只要能够运行人工智能算法的芯片都叫作AI芯片。但是通常意义上的AI芯片指的是针对人工智能算法做了特殊加速设计的芯片,现阶段,这些人工智能算法一般以深度学习算法为主,也可以包括其它机器学习算法。

人工智能芯片四大类(按技术架构分类) :

  • GPU
  • FPGA (现场可编程门阵列)
  • ASIC (专用集成电路)
  • 类脑芯片

AI芯片的关键特征:

  • 新型的计算范式: AI计算既不脱离传统计算,也具有新的计算特质
  • 训练和推断: AI系统通常涉及训练和推断过程
  • 大数据处理能力:满足高效能机器学习的数据处理要求
  • 数据精度:降低精度的设计
  • 可重构的能力:针对特定领域而不针对特定应用的设计,可以通过重新配置,适应新的AI算法、架构和任务
  • 开发工具: AI芯片需要软件工具链的支持

2.2.4嵌入式微处理器体系结构

2.2.5总线

        总线的基本概念:总线是一组能为多个部件分时共享的信息传送线,用来连接多个部件并为之提供信息交换通路。

特点:

  • 挂接在总线上的多个部件只能分时向总线发送数据,但可同时从总线接收数据。
  • 通过总线复用方式可以减少总线中信号线的数量,以较少的信号线传输更多的信息。

总线分类:

  • (1)从功能上来对总线进行划分:数据总线、地址总线和控制总线
  • (2)从数据传输的方式划分为并行总线和串行总线
    • 串行总线:数据是一位一位地进行传输的,在传输中每一位数据都占据一个固定的时间长度。常见串行总线: RS232、SPI、 I2C、USB、CAN、IEEE 1394等。[长距离, 传输波特率可调整,正确性依赖于校验码,数据传输方式可以使用多种]
    • 并行总线:将数据字节的各位用多条数据线同时进行传送。常见并行总线ISA、PCI、 VME等。[短距离]

2.3嵌入式操作系统

2.3.1嵌入式操作系统的定义及特点

        嵌入式操作系统(Embedded Operating System, EOS)是指用于嵌入式系统的操作系统。嵌入式操作系统是一种用途广泛的系统软件,负责嵌入式系统的全部软、硬件资源分配、任务调度、控制、协调并行活动等工作。通常包括与硬件相关的底层驱动软件、系统内核、设备驱动接口、通信协议、图形界面、标准化浏览器等。

        根据系统对时间的敏感程度可将嵌入式系统划分为:
        (1)嵌入式非实时系统
        (2)嵌入式实时系统:能够在指定或者确定的时间内完成系统功能和外部或内部、同步或异步时间做出响应的系统。

        嵌入式操作系统具有一般操作系统的功能,同时具有嵌入式软件的特点,主要有:

  • (1) 微型化
  • (2) 代码质量高
  • (3) 专业化
  • (4) 实时性强
  • (5) 可裁减、可配置。

实时操作系统的最核心特点是实时性强

嵌入式实时操作系统实时性的评价指标

  • 中断响应和延迟时间
  • 任务切换时间
  • 信号量混洗时间

2.3.2嵌入式实时操作系统调度算法

        优先级调度算法:系统为每个任务分配一个相对固定的优先顺序。
        抢占式优先级调度算法:根据任务的紧急程度确定该任务的优先级。大多数RTOS调度算法都是抢占方式(可剥夺方式)、
        最早截止期调度算法(EDF 算法) :根据任务的截止时间头端来确定其优先级,对于时间期限最近的任务,分配最高的优先级。
        最晚截止期调度算法:根据任务的截止时间末端来确定其优先级,对于时间期限最近的任务,分配最高的优先级。

2.3.3操作系统内核架构

        内核是操作系统的核心部分,它管理着系统的各种资源。内核可以看成连接应用程序和硬件的一座桥梁,是直接运行在硬件.上的最基础的软件实体。

        目前从内核架构来划分,可分为宏内核(Monolithic Kernel)和微内核(Micro Kernel)

(1)微内核与单体内核对比

 (2)鸿蒙操作系统

        鸿蒙(Harmony OS)整体采用分层的层次化设计,从下向上依次为:内核层、系统服务层、框架层和应用层。系统功能按照“系统”-“子系统”-“功能/模块”逐级展开,在多设备部署场景下,支持根据实际需求裁剪某些非必要的子系统或功能/模块,如图所示。

鸿蒙(Harmony 0S)操作系统架构具有4个技术特性:

        1.分布式架构首次用于终端OS,实现跨终端无缝协同体验: Harmony OS的“分布式OS架构”具有分布式软总线、分布式数据管理、分布式任务调度和虚拟外设等4大能力,将相应分布式应用的底层技术实现难点对应用开发者屏蔽,使开发者能够聚焦自身业务逻辑,像开发同一终端一样开发跨终端分布式应用,也使最终消费者享受到强大的跨终端业务协同能力为各使用场景带来的无缝体验。

        2.确定时延引擎和高性能IPC 技术实现系统天生流畅:确定时延引擎可在任务执行前分配系统中任务执行优先级及时限进行调度处理,优先级高的任务资源将优先保障调度,应用响应时延降低25. 7%。鸿蒙微内核结构小巧的特性使IPC (进程间通信)性能大大提高,进程通信效率较现有系统提升5倍。

        3.基于微内核架构重塑终端设备可信安全: Harmony OS采用全新的微内核设计,拥有更强的安全特性和低时延等特点。Harmony OS架构的系统安全性主要体现在搭载Harmony OS的分布式终端上, 可以保证“正确的人,通过正确的设备,正确地使用数据”。这里通过 “分布式多端协同身份认证”来保证“正确的人”,通过“在分布式终端上构筑可信运行环境”来保证“正确的设备”,通过“分布
式数据在跨终端流动的过程中,对数据进行分类分级管理”来保证“正确地使用数据”。

        4.通过统一IDE 支撑一次开发, 多端部署,实现跨终端生态共享

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/124630.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

轻量封装WebGPU渲染系统示例<8>- 渲染器基本场景管理(源码)

当前示例源码github地址: https://github.com/vilyLei/voxwebgpu/blob/main/src/voxgpu/sample/RSceneTest.ts 此示例渲染系统实现的特性: 1. 用户态与系统态隔离。 2. 高频调用与低频调用隔离。 3. 面向用户的易用性封装。 4. 渲染数据和渲染机制分离。 5. 用户操作和渲…

数据结构:算法(特性,时间复杂度,空间复杂度)

目录 1.算法的概念2.算法的特性1.有穷性2.确定性3.可行性4.输入5.输出 3.好算法的特质1.正确性2.可读性3.健壮性4.高效率与低存储需求 4.算法的时间复杂度1.事后统计的问题2.复杂度表示的计算1.加法规则2.乘法规则3.常见函数数量级比较 5.算法的空间复杂度1.程序的内存需求2.例…

SpringBoot通过注解形式实现系统操作日志

介绍 我们在日常开发工作中,肯定逃不开与日志接触,一些比较严谨的后台管理系统里面会涉及到一些比较重要的资料,有些公司为了知道有哪些人登录了系统,是谁在什么时候修改了用户信息或者资料,所以就有了操作日志这么个…

1.4 安全服务

思维导图: 1.4 安全服务 定义:在通信开放系统中,为系统或数据传输提供足够安全的协议层服务。 RFC4949 定义:由系统提供的对系统资源进行特殊保护的处理或通信服务。安全服务通过安全机制来实现安全策略。 分类:X.800 …

Flink将数据写入MySQL(JDBC)

一、写在前面 在实际的生产环境中&#xff0c;我们经常会把Flink处理的数据写入MySQL、Doris等数据库中&#xff0c;下面以MySQL为例&#xff0c;使用JDBC的方式将Flink的数据实时数据写入MySQL。 二、代码示例 2.1 版本说明 <flink.version>1.14.6</flink.version…

故障诊断模型 | Maltab实现BiLSTM双向长短期记忆神经网络故障诊断

文章目录 效果一览文章概述模型描述源码设计参考资料效果一览 文章概述 故障诊断模型 | Maltab实现BiLSTM双向长短期记忆神经网络故障诊断 模型描述 利用各种检查和测试方法,发现系统和设备是否存在故障的过程是故障检测;而进一步确定故障所在大致部位的过程是故障定位。故障…

Linux网络编程二(TCP三次握手、四次挥手、TCP滑动窗口、MSS、TCP状态转换、多进程/多线程服务器实现)

TCP三次握手 TCP三次握手(TCP three-way handshake)是TCP协议建立可靠连接的过程&#xff0c;确保客户端和服务器之间可以进行可靠的通信。下面是TCP三次握手的详细过程&#xff1a; 假设客户端为A&#xff0c;服务器为B 1、第一次握手&#xff08;SYN1&#xff0c;seq500&…

03_Flutter自定义下拉菜单

03_Flutter自定义下拉菜单 在Flutter的内置api中&#xff0c;可以使用showMenu实现类似下拉菜单的效果&#xff0c;或者使用PopupMenuButton组件&#xff0c;PopupMenuButton内部也是使用了showMenu这个api&#xff0c;但是使用showMenu时&#xff0c;下拉面板的显示已经被约定…

List的add(int index,E element)陷阱,不得不防

项目场景&#xff1a; 项目中有两个List列表&#xff0c;一个是List1用来存储一个标识&#xff0c;后续会根据这个标识去重。 一个List2是用来返回对象的&#xff0c;其中对象里也有一个属性List3。现需要将重复的标识数据追加到List3 我想到的两个方案&#xff1a; 尽量不动…

吴恩达《机器学习》2-5->2-7:梯度下降算法与理解

一、梯度下降算法 梯度下降算法的目标是通过反复迭代来更新模型参数&#xff0c;以便最小化代价函数。代价函数通常用于衡量模型的性能&#xff0c;我们希望找到使代价函数最小的参数值。这个过程通常分为以下几个步骤&#xff1a; 初始化参数&#xff1a; 随机或设定初始参数…

项目资源管理-考试重点

1. 冲突管理的5种方法 ① 撤退/回避 ② 缓和/包容 ③ 妥协/调解 ④ 强迫/命令 ⑤ 合作/解决问题 2. 虚拟团队的优缺点 优点&#xff1a; ① 能够利用不在同一地理区域的专家的专业技术 ② 将在家办公的员工纳入团队 ③ 以及将行动不便者或残疾人纳入团队 缺点&#…

【图像分类】基于计算机视觉的坑洼道路检测和识别(ResNet网络,附代码和数据集)

写在前面: 首先感谢兄弟们的关注和订阅,让我有创作的动力,在创作过程我会尽最大能力,保证作品的质量,如果有问题,可以私信我,让我们携手共进,共创辉煌。 本篇博文,我们将使用PyTorch深度学习框架搭建ResNet实现钢轨缺陷识别,附完整的项目代码和数据集,可以说是全网…

C++ 自引用指针this(整理)

使用例子&#xff1a; #include <iostream> #include <Windows.h> using namespace std; class A { public:A(int x1){x x1;}void disp(){cout<<"this"<<this<<" when x"<<this->x<<endl;} private:int x;…

Node学习笔记之user用户API模块

1、获取用户的基本信息 步骤 获取登录会话存储的session中用户的id判断是否获取到id根据用户id查询数据库中的个人信息检查指定 id 的用户是否存在将密码设置为空将数据返回给前端 // 获取用户信息数据 exports.userinfo (req, res) > {(async function () {// 1. 获取…

关于Spring和SpringBoot中对配置文件的读取

Spring读取xml文件 具体流程见网址Spring源码分析2 — spring XML配置文件的解析流程 - 知乎 (zhihu.com) 我这里只做一下总结和自己的理解&#xff1a; &#xff08;1&#xff09;通过getConfigLocations方法, 从web.xml文件中读取配置文件地址&#xff0c;如果web.xml中读取…

合肥中科深谷嵌入式项目实战——人工智能与机械臂(四)

订阅&#xff1a;新手可以订阅我的其他专栏。免费阶段订阅量1000 python项目实战 Python编程基础教程系列&#xff08;零基础小白搬砖逆袭) 作者&#xff1a;爱吃饼干的小白鼠。Python领域优质创作者&#xff0c;2022年度博客新星top100入围&#xff0c;荣获多家平台专家称号。…

对象补充-原型和函数原型-创建对象

defineProperties可以定义多个属性描述符 var obj {// 私有属性&#xff08;js里面是没有严格意义的私有属性&#xff09;_age: 18,_eat: function() {} }Object.defineProperties(obj, {name: {configurable: true,enumerable: true,writable: true,value: "why"}…

Failed to prepare the device for development

&#x1f468;&#x1f3fb;‍&#x1f4bb; 热爱摄影的程序员 &#x1f468;&#x1f3fb;‍&#x1f3a8; 喜欢编码的设计师 &#x1f9d5;&#x1f3fb; 擅长设计的剪辑师 &#x1f9d1;&#x1f3fb;‍&#x1f3eb; 一位高冷无情的编码爱好者 大家好&#xff0c;我是 DevO…

创新领航 | 竹云参编《基于区块链的数据资产评估实施指南》正式发布!

10月25日&#xff0c;由深圳数宝数据服务股份有限公司和深圳职业技术大学提出&#xff0c;中国科学院深圳先进技术研究院、中国电子技术标准化研究院、中国&#xff08;天津&#xff09;自由贸易试验区政策与产业创新发展局、网络空间治理与数字经济法治&#xff08;长三角&…

论文阅读——ELECTRA

论文下载&#xff1a;https://openreview.net/pdf?idr1xMH1BtvB 另一篇分析文章&#xff1a;ELECTRA 详解 - 知乎 一、概述 对BERT的token mask 做了改进。结合了GAN生成对抗模型的思路&#xff0c;但是和GAN不同。 不是对选择的token直接用mask替代&#xff0c;而是替换为…