触摸屏介绍

对于四线电阻式触摸屏的结构如下图1，在玻璃或丙烯酸基板上覆盖有两层透平，均匀导电的ITO层，分别做为X电极和Y电极，它们之间由均匀排列的透明格点分开绝缘。其中下层的ITO与玻璃基板附着，上层的ITO附着在PET薄膜上。X电极和Y电极的正负端由“导电条”（图中黑色条形部分）分别从两端引出，且X电极和Y电极导电条的位置相互垂直。引出端X-，X+，Y-，Y+一共四条线，这就是四线电阻式触摸屏名称的由来。当有物体接触触摸屏表面并施以一定的压力时，上层的ITO导电层发生形变与下层ITO发生接触，该结构可以等效为相应的电路，如下图2。

图1. 触摸屏结构图

图2. 触摸屏等效电路

计算触点的X，Y坐标分为如下两步：

1) 计算Y坐标，在Y+电极施加驱动电压Vdrive，Y-电极接地，X+做为引出端测量得到接触点的电压，由于ITO层均匀导电，触点电压与Vdrive电压之比等于触点Y坐标与屏高度之比。

2) 计算X坐标，在X+电极施加驱动电压Vdrive，X-电极接地，Y+做为引出端测量得到接触点的电压，由于ITO层均匀导电，触点电压与Vdrive电压之比等于触点X坐标与屏宽度之比。

测得的电压通常由ADC转化为数字信号，再进行简单处理就可以做为坐标判断触点的实际位置。四线电阻式触摸屏除了可以得到触点的X/Y坐标，还可以测得触点的压力，这是因为top layer施压后，上下层ITO发生接触，在触点上实际是有电阻存在的。压力越大，接触越充分，电阻就越小，通过测量这个电阻的大小可以量化压力大小。

通常在触摸屏应用中对于触摸屏控制有专门的控制芯片，主要就是为了完成两个任务：其一，完成电极电压的切换；其二，采集接触点处的电压值（ADC数据）。本案例中触摸屏使用的触摸感应驱动芯片为XPT2046，显示器驱动芯片为ILI9341，下面将分别做介绍。

触摸感应器

触摸感应器使用的驱动芯片为XPT2046，其包含了采样/保持、模数转换、串口数据输出等功能。同时芯片集成有一个2.5V的内部参考电压源、温度检测电路，工作时使用外部时钟。XPT2046可以单电源供电，电源电压范围为2.7V～5.5V。参考电压值直接决定ADC的输入范围，参考电压可以使用内部参考电压，也可以从外部直接输入1V～VCC范围内的参考电压（要求外部参考电压源输出阻抗低）。X、Y、Z、VBAT、Temp和AUX模拟信号经过片内的控制寄存器选择后进入ADC，ADC可以配置为单端或差分模式。选择VBAT、Temp和AUX时可以配置为单端模式；作为触摸屏应用时，可以配置为差分模式，这可有效消除由于驱动开关的寄生电阻及外部的干扰带来的测量误差，提高转换准确度。

图3. XPT2046原理框图

LCD显示器

LCD显示器为一块240*320的RGB屏幕，使用驱动芯片为ILI9341。ILI9341能够支持并行和串行数据总线，此案例中我们使用串行总线接口（SPI）来进行数据传输。ILI9341驱动器能够通过窗口地址函数在内部GRAM中指定动态图像的区域，并且可选择地更新此窗口区域，这样就可以在独立于静态图像区域的同时显示动态图像。ILI9341支持全彩色，8色显示模式和休眠模式，能够通过软件进行精确的电源控制，使得ILI9341能够作为手机、MP3和PMP等便携设备理想的液晶驱动器。

触摸屏工作原理

下面将对XPT2046驱动芯片的工作原理进行介绍。

模拟输入

下图描述了XPT2046片内多路选择器、ADC的模拟差分输入和差分参考电压基准。

图4. 模拟输入简图

内部参考电压

XPT2046的内部2.5V参考电压源可通过控制位PD1进行关闭或者打开。一般地，内部参考电压只用于单端模式下Vbatt、Temp和AUX输入测量。使用差分模式，触摸屏可以获得最佳性能。如果要与ADS7843兼容，XPT2046的内部参考电压源必须强行关闭。因此，上电后要对控制位PD1置0以确保关闭内部参考源。

图5. 内部电压源示意图

外部参考电压输入

+REF和－REF（见图3）之间的电压差（下文用VREF表示）决定了模拟输入的电压范围。XPT2046的参考电压输入范围为1V~VCC。参考电压越低，则ADC输出的二进制数据结果每一个数字位所代表的模拟电压也越低。在12位工作方式下，数据结果的最低位所代表的模拟电压为VREF／4096，其余位依此类推。因此，参考电压越低，干扰引入的误差会越大，此时要求尽可能使用低噪声、低波动的参考电压源；在设计电路板时，尽可能减少干扰，输入的信号噪音也不能太高，否则会直接影响转换精度。

差分工作模式

如前所述，当触摸感应器XPT2046作为触摸屏应用时，可以配置为差分模式。差分模式的优点是：+REF和-REF的输入分别直接接到YP、YN上，可消除由于驱动开关的导通电阻引入的坐标测量误差。缺点是：无论是采样还是转换过程中，驱动开关都需要接通，相对单端模式而言，功耗会有增加。当SER/DFR置为低电平时，XPT2046为差分工作模式，如下图所示。

图6. 差分参考源工作模式简图

软件流程

接下来将简单介绍本案例的触摸屏驱动软件代码流程。首先上电之后需要对所用到的外设进行初始化，包括CRM、GPIO、SPI和DMA等外设。外设初始化完成后即可开始进行触摸校准，通过调用touch_adjust()函数完成。校准完成后会在屏幕显示一系列的校准参数，用于后续计算触摸坐标使用。随后，即可开始进行触摸测试，测试过程中会在屏幕画出已触摸的坐标点，以及坐标值。还设置了清屏按钮，点击即可清除屏幕已显示内容和坐标值。为了提高数据传输效率，此demo中清屏和画点数据通过DMA-SPI进行传输，软件流程图如下：

图7. 软件流程图

注：由于触摸校准对触摸功能来说是必须完成的，如果未完成校准则无法进行后续的工作。

触摸屏快速使用方法

硬件资源

1) AT32-Video-EV

2) 2.4寸TFT_LCD

3) AT-START-F403A V1.2实验板

图8. 触摸屏硬件资源图

Note:

1.该demo是基于AT32F403A的硬件条件，若使用者需要在AT32其他型号上使用，请修改相应配置即可。

2.供电部分：使用电源供电，或USB线供电（勿使用Link单独供电）。

软件资源

AN0154_LCD_Touch_Sourcecode，触摸屏案例测试代码，工程路径位于：Sourcecode\utilities\mdk_v5

关键代码

1) 触摸点坐标获取函数，用于获取触摸坐标值，关键代码如下：

2) 触摸校准函数，用于获取校准参数，关键代码如下：

3) 触摸屏测试函数，用于测试触摸屏，关键代码如下：

4) LCD清屏函数，用于清除显示内容，关键代码如下：

5) LCD画点函数，用于显示触摸坐标点，关键代码如下：

LCD Touch demo 使用

LCD Touch demo使用步骤如下：

1) 编译下载触摸屏案例测试代码。

2) 触摸屏进入校准界面，依次点击四个校准坐标点，如下图8。

3) 校准完成后LCD会显示校准信息，包含四个校准参数VX、VY、CHX和CHY，如下图9。

4) 点击屏幕任意处，将会跳转到触摸屏测试界面，此时触摸屏会将触摸点绘制在LCD上，还会实时显示触摸点的坐标，点击Clear按钮将清除界面，如下图10。

图9. 触摸屏校准界面

图10. 触摸屏校准信息

图11. 触摸屏测试界面

关键字定位（Keyword Spotting，KWS）技术，已成为可穿戴设备、物联网设备和其他智能终端的关键。诸如“Alexa”，“Hey Siri”或“Ok Google”等短语唤醒智能手机和家用电器上的语音激活功能，已经是语音交互设计产品的广泛需求。

对于KWS，实时响应和高精度才能获得良好的用户体验。最近，神经网络已成为KWS架构的一个有吸引力的选择，因为与传统的语音处理算法相比，它们具有更高的准确性。

由于需要实时在线识别的要求，导致KWS应用在内存和计算能力有限的微型微控制器上运行会受到一定限制。KWS的神经网络架构设计必须考虑这些限制。于是，研究人员设计出由于传统CNN的深度可分离卷积神经网络（DS-CNN）架构技术。

为了进一步介绍了DS-CNN架构，并展示了开发人员如何在MCU上实现DS-CNN KWS。2018年ARM和斯坦福大学进行了合作，并开源了预训练TensorFlow模型及其语音关键词识别代码，并将结果发表在论文Hello Edge: Keyword Spotting on Microcontrollers中。

本文基于此开源模型和代码，在AT32 MCU上对KWS效果进行展示。

KWS实现原理

关键词识别KWS

一个典型的KWS系统由一个特征提取器和一个基于神经网络的分类器组成，如下图所示。首先，长度为L的输入语音信号被分成长度为l且步幅为s的重叠帧，总共有帧T帧。

T=(L−l)/S+1

从每一帧中提取F个语音特征，则长度为L的整个输入语音信号总共生成T×F个特征。Logmel filter bank energies (LFBE)和Mel-frequency cepstral coefficients (MFCC)常用于基于深度学习的语音识别，特别适用于传统语音处理技术。使用LFBE或MFCC进行特征提取涉及将时域语音信号转换为一组频域频谱信号，从而实现输入信号的维度压缩。提取的语音特征矩阵服务于输入分类器模块，该模块导出所输出分类的概率。在需要从连续音频流中识别关键字的实际场景中，利用后端处理模块可以在一段时间内平均每个输出类的输出概率，从而提高预测的整体置信度。

卷积神经网络CNN

基于DNN的KWS的一个主要缺点是它无法有效地对语音特征中的局部时间和频谱相关性进行建模。CNN是通过将输入时域和谱域特征视作图像，并对其进行二维卷积处理。卷积层之后通常是批量归一化、基于ReLU的激活函数和可选的最大/平均池化层，这些处理可以降低特征的维数。在推理过程中，批量归一化的参数可以折叠到卷积层的权重中。在某些情况下，为了减少参数和加速训练，在卷积层和密集层之间添加了一个线性低秩层，这是一个没有非线性激活的全连接层。

深度可分离卷积神经网络DS-CNN

深度可分离卷积神经网络（DS-CNN）。最近，深度可分离卷积已被提出作为标准3-D卷积操作的有效替代方案，并已用于在计算机视觉领域实现紧凑的网络架构。DS-CNN首先将输入特征图中的每个通道与一个单独的2-D滤波器进行卷积，然后使用逐点卷积（即1x1）在深度维度上组合输出。通过将标准的3-D卷积分解为2-D卷积，然后是1-D卷积，深度可分离卷积在参数数量和操作方面都更加高效，这使得即使在资源受限的微控制器设备中也可以实现更深、更宽的架构。

例 KWS实作

PC端：

利用TensorFlow与Python撰写完整的深度学习程序代码并训练模型，因本文件使用的学习模式为监督式的学习，需给系统大量的训练数据和Labels，接着将提取到的特征用以训练CNN模型，并反复修正训练的模型，直到模型为此系统优化的状态。

AT32 MCU端：

利用ARM提供的CMSIS-NN的函式库、DSP函数库和CNN函数库，结合PC端训练好的模型（该模型已下载待MCU）。对输入到MCU端的音频数据进行识别，实现对该语音数据可能的标签进行分类和预测。

因此，对于既定模型的KWS识别，AT32 MCU端可实现完全离线识别，无需实时与PC通信或联网通信。本示例，AT32 MCU端智能识别的关键词列表如下

"yes","no","up","down","left","right","on","off","stop","go";

没有输入信号时，输出标签为"Silence";输入信号不在关键词列表时，输出标签为

注意：由于篇幅限制，本文只介绍AT32 MCU的实现流程，如下图阴影部分。

资源准备

1) 硬件环境:

AT-START-F403A BOARD V1.x

AT32-Audio-EV V2.x

2) 软件环境

MDK V5.31或更新版本，使用ARM Compiler V6进行编译

…\PACK\ArteryTek.AT32F403A_407_DFP.2.1.2.pack或更新版本

…\PACK\ARM.CMSIS-DSP.1.11.0.pack或更新版本

ML-KWS-for-MCU-master\Project\mdk_v5

软件设计

实验结果

在AT32-Audio-EV V2.x端LINE_IN输入语音信号后，AT Link虚拟串口会打印输出KWS识别的标签和概率。

本应用笔记介绍了如何将FreeMODBUS协议栈移植到AT32F43x单片机方法。本文档提供的源代码演 示了使用Modbus的应用程序。单片机作为Modbus从机，可通过RS485或RS232与上位机相连，与 Modbus Poll调试工具（Modbus主机）进行通讯。

7月21日，由AspenCore主办的2023全球MCU生态发展大会在深圳罗湖君悦酒店圆满举行。本次活动聚集国际和本土知名MCU厂商的技术和应用专家，为来自消费电子、家电、工业控制、通信网络、新能源汽车和物联网领域的OEM厂商和方案集成商代表带来MCU领域的最新技术趋势和应用解决方案。

雅特力产品市场经理林金海先生发表了“AT32 MCU加速应用创新与产业智慧升级”的主题演讲，介绍了AT32 MCU产品布局规划，新产品市场方向，开发生态系统，AI Edge人工智能布局及创新应用方案，现场氛围热烈，人头攒动。

大会中林金海先生详细介绍了雅特力AT32 MCU产品家族，包含低功耗、超值型、主流型、高性能、无线型及车载型六大系列，共15款产品，近200个型号，全系列产品采用55nm先进工艺及ARM® Cortex®-M4高效能或M0+低功耗内核，产品应用覆盖5G、物联网、车载、消费、商务、电机、工控及新能源电子等领域，为广大用户提供高性能、高性价比、低功耗的MCU产品，满足不同领域不同产品的多元化市场需求。

林金海先生提到，随着物联网、工业自动化、新能源和汽车电子的高速发展，雅特力紧跟市场需求，将推出符合不同细分市场的MCU新产品，推动应用创新与升级。

AT32A403A车载型MCU

AT32A403A搭载ARM® Cortex®-M4内核，达200MHz CPU运算速度，最高可支持1MB Flash及224KB SRAM。即将通过AEC-Q100 Grade2车规级可靠性认证，兼具高效能、高安全与高可靠性，可广泛适用于车身控制、ADAS辅助驾驶、车载影音、BMS等新能源车用场景。预计将于2023年8月正式发布！

AT32F402/405主流型MCU

AT32F402/405系列高效能ARM® Cortex®-M4微控制器，高达216MHz CPU运算速度，最高可支持256KB Flash及96KB SRAM，内建独立的HS USB OTG(F405内建高速PHY)与FS USB OTG，特别适用于高阶电竞市场，工业自动化，USB周边，物联网及消费性电子等各种高运算、高速USB应用需求的设计。预计将于2023年9月正式发布！

此次活动现场雅特力重点展示了基于AT32 MCU的光伏逆变器应用方案，AT32 MCU以其高效能、高稳定性、高性价比的优势，打造了更安全、高效、智能的光伏应用方案，通过智能监测、预测和调度，可以提高光伏系统的效率和可靠性，同时实现能源的优化配置和最大化利用，助力社会绿色低碳可持续发展。

雅特力展台

光伏逆变器

低压电机方案板

EmberGL 3D演示

从简单的控制到嵌入式系统，再到物联网，我们对MCU产品性能和应用场景的要求不断提升，生态建设也变得尤为重要。雅特力不断构建完善的开发生态体系，提供全面性的开发工具平台，如AT-Link- Family编程调试工具等硬件资源，以及BSP标准库、ICP/ISP编程工具等软件资源，支持Keil, IAR, AT32 IDE, eclipse, RT-Thread Studio等IDE平台与RT-Thread, FreeRTOS及LittleVGL等OS/GUI平台。通过易用的软硬件工具，提升设计人员开发体验和便利，降低入门使用门坎，并减少重复设置工作，加速开发效率。