ARMLinux与与WiFi的移动智能终端门禁系统设计的移动智能终端门禁系统设计
设计了一种基于嵌入式ARMLinux平台和WiFi通信的移动智能终端门禁系统,包括门禁装置和用户移动智能终端设
备，其中门禁装置采用S3C6410处理器，并以嵌入式Linux为软件开发平台。移动智能终端设备则作为用户开门
凭据，基于Android系统开发门禁APP，实现用户身份认证、注册和开门功能。
引言
随着社会经济的快速发展，人们对室内人身财产安全要求越来越高，门禁系统作为智能建筑安防自动化体系中必不可少的一部
分[1]，发挥着极其重要的作用。当前常见的门禁系统包括：密码锁门禁系统、感应式IC卡门禁系统、基于电话短信方式的门
禁系统以及生物特征识别门禁系统等。
随着科技的不断进步和人们生活水平的不断提高，移动智能终端越来越普及，包括智能手机、平板电脑等。为此，本文研究设
计了一种基于嵌入式ARMLinux平台，并将用户已有的移动智能终端设备作为用户身份凭证的无线WiFi门禁系统。
1门禁系统总体结构
移动智能终端门禁系统主要由移动智能终端、门禁装置、控制部件（电锁）和PC终端组成。系统总体拓扑示意图如图1所示。
根据门禁系统的实际需求，系统每个部分的构成和功能略——编者注。
2系统硬件设计
门禁系统的硬件主要由门禁装置构成。门禁装置硬件采用S3C6410核心板，外围搭建相应功能的模块电路，包括无线WiFi模
块、以太网模块、继电器控制模块和门禁UPS电源模块，外部接口主要有UART异步串口、10/100M网络接口、USB接口。系
统硬件组成框图如图2所示。
(1) S3C6410核心板
核心板采用三星公司S3C6410核心处理器，该处理器是一款基于ARM11内核的低功耗、高性价比的RSIC处理器。
(2）无线WiFi模块
本系统的无线WiFi模块采用了腾达公司的150M高速无线USB网卡，该网卡采用RT3070网卡芯片，其与核心板之间主要通过
USB接口来实现协议和数据交换，无线WiFi模块的接口电路按照相关协议进行设计。
(3) UPS电源模块
电源模块是整个系统的能源动力机构，所以良好的电源供给是系统稳定运行的前提，本系统电源主要有12 V、5 V和3.3 V三
种，为了使门禁装置在意外掉电后仍能正常工作，针对门禁系统的前级12 V电源模块采用UPS技术进行设计。其设计电路图
如图3所示。
资源评论
weixin_38599231
- 粉丝: 3
- 资源: 950
最新资源
- CNN-LSTM时间预测分析：单输入单输出电力负荷预测模型.pdf
- CNN-LSTM数据分类预测MATLAB代码：基于卷积神经网络-长短期记忆网络，主程序可读取本地EXCEL数据.pdf
- CNN-LSTM组合算法回归预测：精准预测的Matlab实现，程序注释清晰.pdf
- CNN-LSTM组合预测模型（多列输入、单列输出回归预测模型，2020版及以上，含基本注释代码）.pdf
- CNN-RVM多变量回归预测Matlab程序（附测试数据及图例）.pdf
- CNN-RNN网络在电力负荷预测中的应用：Matlab作图，单输入单输出模型.pdf
- CNN-SVM回归预测模型：基于MATLAB 2019及以上版本的'多输入单输出'模型，包含清晰中文注释与高质量评价指标.pdf
- CNN-SVM多特征分类预测（Matlab代码实现：直接替换数据即可使用，环境要求Matlab2018b及以上）》.pdf
- CNN-SVM结合的MISO回归预测模型：'MainCNN_SVR.m'主文件及使用说明.pdf
- CNN分类中应用随机擦除增强的MATLAB源码分享.pdf
- CNN卷积神经网络FPGA加速器实现（小型）_ 从软件到硬件的深度学习部署.pdf
- CNN卷积神经网络多变量回归预测（Matlab）：'经验证'的7输入1输出程序.pdf
- CNN卷积神经网络多输入多输出预测（Matlab）_ 10个输入特征、3个输出变量的验证程序.pdf
- CNN卷积神经网络回归预测算法（基于Matlab 2018b以上版本实现）的代码与样本.pdf
- CNN卷积神经网络用于时间序列预测的高精度Matlab程序.pdf
- CNN卷积神经网络在Matlab中实现多特征分类预测：保证在Matlab 2018b及以上环境下有效运行，可视化输出分类准确率，输入12个特征输出4类标签.pdf
资源上传下载、课程学习等过程中有任何疑问或建议，欢迎提出宝贵意见哦~我们会及时处理！
点击此处反馈
