微控制器程式的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到下列懶人包和總整理

微處理器：C語言與PIC18微控制器

為了解決微控制器程式的問題，作者曾百由 這樣論述：

　　本書提供機電工程領域學生或專業人士學習微處理器的入門基礎。從數位電路與C語言的簡介、微處理器的架構、記憶體的規劃使用、C語言的編譯與程式撰寫，到各種基礎或先進的周邊功能介紹與使用，藉由Microchip PIC18F45K22 8位元微控制器為範例，完整的介紹使用微處理器的概念與方法。利用Microchip MPLAB X IDE/XC8/MCC等C語言開發工具與教學範例，深入且精確地引導讀者學習微處理器的設計、架構與運作的基礎原理，以及使用C語言開發應用的實務案例。   　　除了各個章節的介紹外，本書利用教學實驗板與C語言範例程式詳細的說明各項微處理器功能的使用方式，並在實驗板上實現

各項基礎功能的應用開發。本書除了提供讀者學習的實務案例外，也可以做為未來自行開發微處理器應用的設計參考；不但適合作為初學者以C語言作為微處理器入門的學習教材，也可以作為專業人員的參考資料與開發應用程式範例。

微控制器程式進入發燒排行的影片

雙相並聯非接觸式電池充電器研製

為了解決微控制器程式的問題，作者賴浩平 這樣論述：

本文針對電動機車72 V電池組研一雙相並聯非接觸式充電器，輸入電壓為200 VDC，電池組由六顆12 V/36 Ah之車用鉛酸電池串聯組成，充電器額定充電電壓與電流分別為86.4 V與6 A。整體架構由兩組非接觸式電能轉換器組成，一次側採用LCC諧振補償架構，二次側則採用LCC與串聯混合式諧振架構來提供定電流與定電壓輸出。兩組一/二次側線圈採疊接方式，在同一空間內進行磁場交連以降低放置線圈所需的空間大小。於雙相並聯架構之二次側輸出電路，經由加入解耦電容來消除二次側線圈間之耦合效應，達到二次側各相電路能穩定接收一次側能量之效果。本研究採用無線射頻通訊介面作為一/二次側間控制訊號之資料傳輸，閉回

路控制器經由微調一次側全橋換流器相移角度來穩定二次側電池充電電壓與電流。最後，分別實際製作額定輸出功率520 W之雙相並聯與單相集中式兩種硬體電路來進行效能比較。經由實驗結果顯示單相集中式系統之最高轉換效率可達89.78%，而雙相並聯系統之最高轉換效率則可達91.00%，且整體雙相並聯系統之轉換效率表現明顯優於單相集中式系統。

微處理器：組合語言與PIC18微控制器

為了解決微控制器程式的問題，作者曾百由 這樣論述：

　　本書提供資訊或機電工程領域一個學習微處理器或微控制器的入門基礎。從數位電路的介紹、微處理器的架構、記憶體的規畫使用、組合語言的程式撰寫，一直到各種基礎或先進的周邊功能介紹與使用，藉由Microchip PIC18F45K22微控制器完整的介紹使用微處理器的概念與方法。利用組合語言的教學範例，可以更深入且精確地引導讀者學習微處理器的設計、架構與運作的基礎原理。 　　除了各個章節的介紹外，本書利用教學實驗板與範例程式詳細的說明各項微處理器功能的使用方式，並在實驗板上實現各項基礎功能的應用開發，除了提供讀者學習的實務案例外，也可以做為未來自行開發應用的設計參考。所以本書不但

適合初學者作為微處理器入門的學習教材，也可以作為專業人員開發應用的參考資料與範例程式來源。  

慣性量測單元於重量訓練之人工智慧演算法開發

為了解決微控制器程式的問題，作者林士心 這樣論述：

近年來，居家重量訓練運動受到人們重視，本論文以此為出發點，構思並建構出一套可靠且方便使用的重量訓練運動自動量化系統，幫助想要持續健身的人以有效率的方式紀錄自身運動數據，並可透過使用者介面檢視運動成效。本論文先在固定式器材安裝拉線式電位計進行實驗，架構出演算法的雛型，再開發適用於慣性測量單元的複合式演算法。系統的硬體包含兩部分，一個是腕帶，集成了微控制器、一個九軸慣性測量單元、心率感測器以及實時時鐘模組；另一部分是穿戴於上臂的袖套，用於固定另一個九軸感測器。本論文的智慧型演算法為多模組程式，其一為運動追蹤程序，可估測手臂的姿態，並計算手腕與手肘的關節位置；其二為基於深度學習的姿態辨識程序，可辨

識使用者的姿態類別；其三為運動狀態分析程序，會根據前面兩個程序的結果推測使用者的運動狀態並觸發相應運動事件；其四為運動事件處置程序，此程序透過應用程式介面接收運動狀態分析程序所輸出的運動事件，最後計算出重量訓練運動的各項重點指標(運動處方變項)。本論文完成硬體與軟體之系統整合，經過實測證明，系統可追蹤使用者手臂的運動軌跡，在使用者肩膀固定不動的情況下，量測手腕關節位置的均方根誤差為2.43(cm)；深度學習姿態辨識演算法的準確率達到96%，手機APP可自動分析使用者的運動狀態並計算運動處方變項，其中包含使用者介面之儀表板可顯示圖形化運動資訊，SQLite資料庫可儲存歷史運動紀錄，本論文在以慣性

測量單元開發重量訓練量化之人工智慧演算法上作出貢獻。