博客
关于我
自己整理CRC16(表查询法) 笔记(2020.11.2亲测)
阅读量:132 次
发布时间:2019-02-27

本文共 785 字,大约阅读时间需要 2 分钟。

最近,我在学习Modbus协议,尤其是CRC校验部分,对其中的算法有点懵。于是我开始研究CRC计算方法,整理了一些笔记,便于以后查阅。

CRC16算法有两种常用计算方法:直接算法和查表法。

直接算法步骤:

  • 初始化CRC寄存器为FFFF(hex)。
  • 将数据的第一个8-bit字符(高位补0为16位)与CRC寄存器异或,存入寄存器。
  • 右移寄存器一位,移出LSB。
  • 如果LSB为1,寄存器与0xA001异或。
  • 重复步骤3和4,直到8次移位完成。
  • 处理完所有数据后,寄存器的值即为CRC值。
  • 查表法:查表法使用预先生成的表,存储了0~255范围内的CRC值。表格中的数是通过直接算法生成的。具体来说,表格中每个数对应0~255的数据,其CRC值可以通过查表得到。

    表格生成原理:CRC16的生成多项式为x^16 + x^15 + x^2 + 1,对应十六进制0x8005。多项式码0xA001用于调整寄存器。数据传输时,寄存器的最低有效位(LSB)决定是否异或0xA001。

    手动计算实例:以0x02为例,手动计算其CRC值:

  • 寄存器初始值为00000000000010(高八位填充0)。
  • 第一次右移,LSB为0,寄存器变为000000000001。
  • 重复右移,直到8次移位完成,寄存器最终值为0xC181。
  • 从表格中可以看出,s_CRCHi[3]=0x81,s_CRCLo[3]=0xC1。

    Modbus协议CRC实现:代码中,ucCRCHi和ucCRCLo初始化为0x00,逐个处理数据,并更新寄存器值。处理完所有数据后,返回拼接的16位CRC值。

    测试验证:测试数据1和2,结果为0x8051,与预期一致。

    总结:通过手动计算和编程实现,理解了CRC算法的工作原理。虽然直接算法理论基础,但查表法在实际应用中更高效。理解Modbus协议中CRC的传输顺序也是关键实现环节。

    转载地址:http://gcpb.baihongyu.com/

    你可能感兴趣的文章
    OpenCV与AI深度学习 | 实战 | 使用YOLOv8 Pose实现瑜伽姿势识别
    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与AI深度学习 | 实战 | 使用姿态估计算法构建简单的健身训练辅助应用程序
    查看>>
    OpenCV与AI深度学习 | 实战 | 基于OpenCV和K-Means聚类实现颜色分割(步骤 + 代码)
    查看>>
    OpenCV与AI深度学习 | 实战 | 基于YoloV5和Mask RCNN实现汽车表面划痕检测(步骤 + 代码)
    查看>>
    OpenCV与AI深度学习 | 实战 | 基于YOLOv9+SAM实现动态目标检测和分割(步骤 + 代码)
    查看>>
    OpenCV与AI深度学习 | 实战 | 基于YOLOv9和OpenCV实现车辆跟踪计数(步骤 + 源码)
    查看>>
    OpenCV与AI深度学习 | 实战 | 文本图片去水印--同时保持文本原始色彩(附源码)
    查看>>
    OpenCV与AI深度学习 | 实战 | 通过微调SegFormer改进车道检测效果(数据集 + 源码)
    查看>>
    OpenCV与AI深度学习 | 实战—使用YOLOv8图像分割实现路面坑洞检测(步骤 + 代码)
    查看>>
    OpenCV与AI深度学习 | 实战篇——基于YOLOv8和OpenCV实现车速检测(详细步骤 + 代码)
    查看>>
    OpenCV与AI深度学习 | 实战|OpenCV实时弯道检测(详细步骤+源码)
    查看>>
    OpenCV与AI深度学习 | 实用技巧 | 使用OpenCV进行模糊检测
    查看>>
    OpenCV与AI深度学习 | 实践教程|旋转目标检测模型-TensorRT 部署(C++)
    查看>>
    OpenCV与AI深度学习 | 工业缺陷检测中数据标注需要注意的几个事项
    查看>>
    OpenCV与AI深度学习 | 干货 | 深度学习模型训练和部署的基本步骤
    查看>>
    OpenCV与AI深度学习 | 手把手教你用Python和OpenCV搭建一个半自动标注工具(详细步骤 + 源码)
    查看>>
    OpenCV与AI深度学习 | 水下检测+扩散模型:或成明年CVPR最大惊喜!
    查看>>
    OpenCV与AI深度学习 | 深入浅出了解OCR识别票据原理
    查看>>
    OpenCV与AI深度学习 | 深度学习检测小目标常用方法
    查看>>