016年，当Gartner以“已进入实际应用阶段”将Internet of things从Hyper Cycle曲线中移除时，业界满怀期待，很多分析以Iphone诞生的2007年类比，认为物联网即将再一次、全方位地改变的我们的世界。
但一年多过去了，世界还在按部就班的缓慢演进，预期中Iphone式的物联网席卷浪潮却迟迟没有到来的迹象，也没有一款智能终端有Iphone式的苗头。
与此同时，预测机构纷纷下调物联网发展目标：Machina 2017年因为LPWA的滞后，调低了对全球连接数的预测目标；麦肯锡在最近的一份报告中也认为因为数据利用率、价值获取度和安全防范等问题的影响下，物联网应用的广泛采用可能需要比预期更长的时间。
那么，究竟是什么原因导致了尴尬的现状？
一.iPhone的前车之鉴
我们先来看看一组数据。
串口是我们在编程时最经常用的问题，通常用它来发送和接收数据，同时它还有另外一个功能——检测程序是否正确，stm32f030系类单片机自然而然少不了串口，本文主要介绍STM32F030_USART的几个常用的简单应用和它的功能配置。
1、概述
通用同步异步收发器（USART） 提供了一个灵活的方式，使 MCU 可以与外部设备通过工业标准 NRZ 的形式实现全双工异步串行数据通讯。USART 可以使用分数波特率发生器，提供了超宽的波特率设置范围。可以使用 DMA 实现多缓冲区设置， 从而能够支持高速数据通讯
这篇文章翻译自 ARM Keil Application Note 230 （1.2版）的前半部分。其中包括 STM32F4 处理器在 Keil MDK 中进行断点调试、变量实时观察，及逻辑分析仪参与硬件调试的实验。
原文使用的是 STM32F4-Discovery 开发板，我这里都改用 NUCLEO-F401RE 实现了。Discovery 板卡在新版本的 Pack Installer 中已没有 Blinky 例程支持，可以用 CMSIS-RTOS Blinky 来做，变量定义的位置等会有变化。
1) Keil 评估软件：MDK 4.7x 和 MDK 5
MDK 5 以 Software Pack 的形式分发特定于处理器的软件、例程和中间件（middleware）。安装 MDK 5 之后，需要从网络上下载这些 Pack。这些 Pack 也可以手动导入。
Linux 内核新增的异构内存管理将解锁加速 GPU 的新途径，并挖掘其它的机器学习硬件的潜能，一项开发了很久的内存管理技术将会给机器学习和其它 GPU 驱动的程序很大幅度的提升，而它也将在接下来的几个版本中进入 Linux 内核。
异构内存管理（HMM）可以允许设备驱动为在其自身内存管理下的进程镜像地址空间。正如红帽的开发者 Jérôme Glisse 所解释的，这让像 GPU 这样的硬件设备可以直接访问进程内存，而不用花费复制带来的额外开销。它还不违反现代操作系统提供的内存保护功能。
一类会从 HMM 中获益最多的应用是基于 GPU 的机器学习。像 OpenCL 和 CUDA 这样的库能够从 HMM 中获得速度的提升。HMM 实现这个的方式和加速基于 GPU 的机器学习相似，就是让数据留在原地，靠近 GPU 的地方，在那里直接操作数据，尽可能少地移动数据。
像这样的加速对于 CUDA（英伟达基于 GPU 的处理库）来说，只会有益于在英伟达 GPU 上的操作，这些 GPU 也是目前加速数据处理的主要硬件。但是，OpenCL 设计用来编写可以针对多种硬件的代码——CPU、GPU、FPGA 等等——随着这些硬件的成熟，HMM 能够提供更加广泛的益处。
智能互联照明离真正的惠民爆发期还要多久？在各种以“智能/智慧照明”为关键词的媒体活动上，这几乎是记者问答时绕不开的话题。
不过也难怪，目前市面上有不少打着智能旗号的照明产品，展现的却是调光调色这样的基础功能，并且还得通过手机APP进行操控，这只是非常初级的阶段。就算偶有堪称“黑科技”的产品，更多都停留在理论上、实验室里、样品阶段，没有经过严格环境测试、应用检验，当然就谈不上量产和市场规模化。
智能、物联网、人工智能等相关概念如此火热，现状却令人失望，难怪大家会迫不及待的把“落地”、“爆发期”这种词挂在嘴边，某种意义上也是行业焦虑的一个表现。
在物联技术不断发展的今天，各行各业的运营商、软硬件开发商和集成商都在积极布局物联网，期待顺势而上，做“风口飞猪”，而智能照明就是物联网（IoT）最直观、最通用的一个入口。
小到一个家庭：照明灯具在房间中分布最广泛、涉及的节点数量最多，又能和其它家居设备形成联动，如果把智能照明设备作为家居的控制中心，将能真正实现家居产品之间的互联互通，所以智能照明是智能家居当之无愧的入口。
未来，一辆车子究竟需要使用多少天线，才能具备自动驾驶的能力？
这可不是在开玩笑的！根据爱尔兰天线技术供应商——锐锋(Taoglas)认为，在高度自动化车辆兴起的时代，大约需要多达18根天线，才足以驱动下一代的连网车辆。当然，这是基于自动驾驶车都需要接取至5G网络的前提假设。
就算是在没有5G网络的情况下，汽车制造商目前所设计的连网车辆也需要具有各种天线的解决方案，包括从连网用的蜂窝天线、连接热点的Wi-Fi以及导航用的GNSS，到紧急呼叫系统以及其他定位技术、卫星广播、AM/FM、对象侦测用的雷达、智能手机与其他装置用的蓝牙，以及车对车与车对基础设施(V2V/V2I)等应用的专用短距离通讯(DSRC)天线。
为此，Taoglas推出了名为Axiom的参考设计，可实现轻薄、小型的多天线(约有9根天线)解决方案。Taglas成立于2007年，专为工业市场供应天线；该公司有50%的业务来自交通运输，包括卡车、公交车和汽车。
为何有人开始主张边缘计算将会吃掉云计算，也有人相信纯云计算时代正迈向终结，而且不只云端龙头、商用软件巨头都抢着要押宝，连全球最大开源社群也大力支持，原因是什么？
云端服务龙头Amazon每年冬天在美国拉斯韦加斯举行的re:Invent全球用户大会上，都会发表最新云端产品服务，去年却突然大转变，开始说要重视边缘计算（Edge Computing），甚至还罕见一口气推出三款非云端产品。还不到半年，另一家云服务竞争对手微软也在今年 Build 2017开发者大会开始大谈边缘计算的重要性，甚至连微软执行官Satya Nadella都直接喊出要做一个聪明边缘设备。
前不久才宣布5年要重砸20亿欧元投资物联网的云端ERP商用软件巨头SAP去年也重金买下了一家意大利企业级物联网平台供货商PLAT.ONE，就是为了要布局边缘计算。
即便是以前极力拥护云端的一些主要云端大厂，最近也都突然大转变，开始重视边缘计算，因为这些云端厂商突然发现了自己的局限，惊觉只做云端产品还不够，云端的手无法伸向地面的云，所以还要推出非云端产品，要把自己的云端技术，布建到更靠近使用者附近的设备上。
电信业最早嗅到边缘计算商机
本文详细说明STM32f030_KEY的配置，GPIO相关寄存器的配置和功能的说明在上一节STM32F030_LED的文档已经说明。
1、概述
-STM32f030r8开发板有四个按键：按键1、按键2、复位键、唤醒键
-STM32f030r8的按键1由PF6复用，按键2由PF7复用
-按键按下相应管教产生低电平
2、准备工作
建议准备F0的参考手册和数据手册，方便查阅相关知识，没有的请到ST官网或到我的CSDN下载。
没看过我之前的LED文档中的GPIO寄存器详细介绍的建议先看完，再来看该文档。
3、寄存器说明
按键寄存器主要是GPIO的寄存器配置，主要使用到：
-GPIO端口模式寄存器 (GPIOx_MODER) (x = A..D,F)
-GPIO端口输出类型寄存器 (GPIOx_OTYPER) (x = A..D,F)
-GPIO口输出速度寄存器 (GPIOx_OSPEEDR) (x = A..D,F)
建立一座智能城市需要什么？根据传统思路，它意味着城市内得遍布传感器和摄像头。
去年 7 月起，芝加哥就决定开始在市区内路灯上安装 500 个传感器，它能通过测量温度、大气压力、光线以及空气中气体的比例来了解城市交通和污染等情况。
但这既昂贵又耗时。人们似乎忘了，一些现有的基础设施就能够作为传感器，比如光缆。
它们埋在地下 6 英寸，能够精确侦测出地面上人们驾驶、骑车和步行时产生的独特震动。通常这些读数被当成噪声滤除掉，因为通常来说，电缆的主要作用是输送信息。
而旧金山的 Stamen 设计公司则意识到这种噪音是追踪车辆和人员的一种方式。他们利用斯坦福大学校园地底下收集而来的光缆数据绘制了一张图，清楚地显示出地表的振动频率和延续时间。
“如果将噪音视为信号，我们就可以测量普锐斯和斯巴鲁之间的差异”，Stamen 团队的成员 Rodenbeck 说，光缆的精度非常高，能够区分两种类型的汽车，“甚至能检测出车里有多少人”。
低带宽、高分辨率ADC的分辨率为16位或24位。但是，器件的有效位数受噪声限制，而噪声则取决于输出字速率和所用的增益设置。有些公司规定使用有效分辨率来表示该参数，ADI则规定使用峰峰值分辨率。峰峰值分辨率 是指无闪烁位数，计算方法与有效分辨率不同。本文将说明峰峰值分辨率与有效分辨率的区别。
先来说说噪声
图1显示模拟输入接地时从一个Σ-Δ型ADC获得的典型直方 图。理想情况下，对于这一固定的直流模拟输入，输出码 应为0。但是，由于噪声影响，恒定模拟输入存在一个码 字分布。此噪声包括ADC内部的热噪声和模数转换过程引 起的量化噪声。
码字分布一般为高斯分布。均方根噪声是通过从该直方图 产生的曲线计算出的，曲线的宽度决定均方根噪声。高斯 曲线的分布是从负无穷大到正无穷大。然而，99.99%的码 字出现在6.6倍均方根噪声范围内。因此，峰峰值噪声为均 方根噪声的6.6倍。