博客
关于我
51 单片机 程序 打铃系统 MP3播放 LCD12864
阅读量:798 次
发布时间:2023-04-16

本文共 500 字,大约阅读时间需要 1 分钟。

硬件组成包括51单片机(具体型号为STC89C52RC或STC12C5A60S2)、一体播音模块、LCD12864显示屏(采用ST7920芯片)、多个按键、DS1302时钟芯片和AT24C02存储芯片。

系统功能主要包括以下几个方面:

  • 可以设置多组时间点与音乐对应关系,每组一一对应,总共可设置6组。系统会在设定时间点自动播放对应音乐。

  • 功能操作:

    • 按键1用于进入实时时间设置,用于配置时钟芯片的时分秒。
    • 按键2用于切换6组对应关系的设置,涉及18个可变量。
    • 按键3和按键4分别用于音乐的加减操作。
    1. 显示界面设计:
      • 主页面显示打铃系统及实时时间,时间实时更新,由DS1302时钟芯片提供数据。
      • 设置页面分为两种界面:
        • 图2展示3组对应关系,每组包含时间、分辨率和音乐文件,可通过按键进行调整。
        • 图3同样展示3组对应关系,具体参数与图2一致。
      • 通过AT24C02芯片实现数据电源保存,确保设置信息在断电后仍保持不变。
      1. 音乐管理:
        • 系统预设存储10首MP3音乐文件,用户可根据需求更换文件并更新程序。音乐文件名需在单片机程序中进行对应设置。
        1. 显示界面和功能设置均经过优化设计,确保用户操作简便且易于理解。

    转载地址:http://lfgfk.baihongyu.com/

    你可能感兴趣的文章
    opencv5-图像混合
    查看>>
    opencv9-膨胀和腐蚀
    查看>>
    OpenCV与AI深度学习 | SAM2(Segment Anything Model 2)新一代分割一切大模型介绍与使用(步骤 + 代码)
    查看>>
    OpenCV与AI深度学习 | YOLO11介绍及五大任务推理演示(目标检测,图像分割,图像分类,姿态检测,带方向目标检测)
    查看>>
    OpenCV与AI深度学习 | 使用Python和OpenCV实现火焰检测(附源码)
    查看>>
    OpenCV与AI深度学习 | 使用PyTorch进行小样本学习的图像分类
    查看>>
    OpenCV与AI深度学习 | 使用YOLO11实现区域内目标跟踪
    查看>>
    OpenCV与AI深度学习 | 使用YOLOv8做目标检测、实例分割和图像分类(包含实例操作代码)
    查看>>
    OpenCV与AI深度学习 | 使用单相机对已知物体进行3D位置估计
    查看>>
    OpenCV与AI深度学习 | 基于GAN的零缺陷样本产品表面缺陷检测
    查看>>
    OpenCV与AI深度学习 | 基于OpenCV和深度学习预测年龄和性别
    查看>>
    OpenCV与AI深度学习 | 基于Python和OpenCV将图像转为ASCII艺术效果
    查看>>
    OpenCV与AI深度学习 | 基于PyTorch实现Faster RCNN目标检测
    查看>>
    OpenCV与AI深度学习 | 基于PyTorch语义分割实现洪水识别(数据集 + 源码)
    查看>>
    OpenCV与AI深度学习 | 基于YOLO11的车体部件检测与分割
    查看>>
    OpenCV与AI深度学习 | 基于YOLOv8的停车对齐检测
    查看>>
    OpenCV与AI深度学习 | 基于机器视觉的磁瓦表面缺陷检测方案
    查看>>
    OpenCV与AI深度学习 | 基于深度学习的轮胎缺陷检测系统
    查看>>
    OpenCV与AI深度学习 | 实战 | 使用YoloV8实例分割识别猪的姿态(含数据集)
    查看>>
    Opencv中KNN背景分割器
    查看>>